“你是想同时完成一篇方法学论文？用这个数据集来做验证？”
梁思宇马上明白了她的意思，她这是想一石二鸟，用一个数据集完成双重目的，发表两篇不同性质的论文。
不过，他也有不解之处：“等等，让我想想，rnn的迁移学习在其他药物上并不一定适应吧？这个算法不具有普适性吧？方法创新在哪里？”
许瑷达摇摇头：“不是你想的这种，是一种更激进的方法改进。我是想用gans（对抗网络）训练一个肌电数据的生成器。”
她放慢语速，“我想证明，少量真实数据加大量生成数据，就能训练出有效的算法。”
“什么？！”梁思宇目瞪口呆。
他花了十几秒钟来消化这句话，眉头慢慢皱紧。
不，这不是激进，这简直是颠覆。照他看来，这完全不符合实证研究的基本原则。
许瑷达试着解释，gans（对抗网络）需要训练两个互为对手的ai模型。
一种是生成器，基于普通的semg信号生成受阿得拉影响的信号，一种是判别器，来分辨这个信号到底是伪造器生成的还是真实信号。
两个模型互相攻防，迭代多次后，生成器产生的数据达到“以假乱真”的水平——判别器很难鉴定其真伪。
这时候，就可以用少量真实数据加大量生成数据来训练算法，从根源上解决特殊参与者训练数据不足、数据收集困难的问题。
“思路上我明白了，”梁思宇非常犹豫，“可是，这有点像一种数字游戏。”
“用虚拟生成数据来训练运动控制算法？怎么确保它们和真实数据一致？”
他点破自己的担忧：“判别器不能分辨，也许不是虚拟数据足够仿真，而是你的判别器不够聪明呢？”
许瑷达点头：“所以，我们还是要招募阿得拉的使用者，收集真实数据。你就当我的gans算法在搭便车，做不出来也没损失，对不对？”
“到时候，如果用它生成的虚拟数据和真实数据训练出来的算法一样好，你是不是可以承认，我的方法是有效的？”
梁思宇叹了口气，听她这意思，是准备私下完成，才向导师汇报，可见她自己也知道成功率不高。
这是刚发表一年的新算法，万一算法本身有问题呢？况且，她完成了算法，也得投稿啊，审稿人那一关呢？他觉得这个做法真的很冒险。
他劝道：“ada，你也得想想投稿的问题，审稿人恐怕会觉得这方法不够严谨。起码，医学期刊上，据我所知，没有人会接受虚拟数据。”
她有些不舒服，微微提高了音量：“那是你们既傲慢，又无知，不肯看看其他领域的进步。”
她怎么这么倔呢？他扶着额头：“你就准备这么回复审稿人？”
“行了行了，我就私下说说。”她也承认自己不过是逞口舌之快。
其实她不准备投医学期刊，这个适合nature、pnas这种综合型期刊。不过，涉及药物和医学，还是可能遇到医学方向的审稿人。
她眼珠一转，神秘兮兮地笑了，像只小狐狸。她干脆绕过餐桌，坐到他膝上。
“ned，你来想想怎么应付审稿人，好不好？”她抱住他脖子，轻轻摇晃。
“你想得美！”梁思宇无奈地扶住她的腰，让她坐更稳。这个小坏蛋，老喜欢把这种解释类的写作任务扔给他。
他点一下她眉心，“还审稿人呢？先想想怎么说服布鲁克教授吧。”
“可行性啊。”她理直气壮地说，“阿得拉的参与者容易找，干净的曲唑酮对照组可不容易吧？”
基于科研伦理，他们显然不可能为了研究运动控制算法，让健康人服用曲唑酮。
“怎么没有对照组？”梁思宇笑着摇头，“因为原发性失眠而服用曲唑酮的患者，很干净的药物效应。”
她愣了一下，啊，有对照组吗？
她戳一下他肩膀：“那，那你怎么不早说啊？”
他摇摇头：“你不是在写阿得拉的算法吗？我哪能想到，你还想无中生有，一举两得，把曲唑酮的问题也一起解决掉。”
“什么无中生有？我这是数据科学！”她瞪他一眼，不过又陷入沉默。
如果有办法研究曲唑酮，布鲁克教授肯定不会随便接受“做阿得拉速度更快”这种理由。
