路之航道：“用于机器学习的数据不够，评价系统也不够完善。”
肖萌虽然是新生，但也是全国最好的计算机专业的学子——在两位大神师兄的提醒下，她很快明白这其中的难点。
现在，VB项目组采用的是著名的神经网络和机器学习的方法让电脑学会拉小提琴。机器学习要以大量的数据为基础。而经典的小提琴乐曲何止百首，上千首曲子都是有的。每首曲子都有不同的演奏方法，同样一首曲子在不同的演奏家手上课也呈现不同的风格：轻快，缠绵，伤感……但不论那种风格，说白了都是数据。只要有足够的数据和计算资源，VB就可以在演奏时可以在力度，长度和节奏上进行调控，达到一流的演奏家的水平。
研究团队为了研究每首曲子的演奏风格，购买了上千张小提琴音乐CD；同时，整个项目的带头人卢景舒教授、实际负责人都沈泓教授利用了自己的私人关系，差一点把音乐学院里的音响制品全都搬空；除此外，路之航他们还编程还让大型机一刻不停的在网上搜索小提琴演奏视频——目前团队收集了上万首小提琴演奏曲。
但还是不够，至少远远不能满足团队的需求——研究团队的终极目标是随便输入一个曲谱，VB都可以一流小提琴家的演奏水准。
这事儿显然很难。
要满足这个要求，需要海量的数据，然后团队再从已有的数据里总结出规律，再推广到每一首小提琴乐曲中。
Violin-β团队的野心很大，肖萌感受到了震撼：“这个要求太高了，古典音乐圈是个小圈子，可以用来学习的小提琴乐曲数量不会很多。”
“所以我们在机器学习的基础上，引入了评价系统。”
所谓的评价系统，就是让VB系统不断的、反复的演奏同一首曲子，然后系统对每次的演奏结果进行打分，所谓“择其善者而从之，其不善者而改之”，分数低，就说明要改进，分数高，则可以加强优势。演奏几千上万遍之后，VB就能找到最适合的模式。
“如果是棋类，可以通过一局胜负来判断某种模式好不好，但音乐怎么判断？据我所知，在小提琴演奏大赛中，评委们为了‘谁的演奏更好’都能打起来，演奏一首曲子，十个人可以演奏出十种风格。大家的审美不同，评价标准也不唯一。”
路之航说：“用数学规律来当评委而不是人。”
肖萌瞪大眼睛看着路之航：“师兄，你打算用数学公示评价小提琴演奏？”
路之航点了点头。
邱伟涛说：“是的，这就是路之航的想法。他从来也不赞成用仅仅用机器学习的办法来研究小提琴演奏，他认为，隐藏在乐曲后的数学应该是研究的核心之一。”
所谓的机器学习是建立在统计的数据的基础上，依托于电子设备的进展和大量的数据计算能力，你知道这么做可能结果会不错，但是至于为什么不错，机器学习就没有办法告诉你。
和模糊的机器学习不同，用数学来分析音乐就是精确的定量分析。小提琴是弦乐的一种，其音色、频率、振幅等要素都可以变成一套数学法则，比如两个音乐节拍的频率比是2:3的时候就是要比33:23更动听一些。
“但是，这很难吧？”肖萌反问，她不相信路之航不知道这一点，“小提琴演奏的细节实在是太多太多了，双音、三音和弦、四音和弦、泛音、拨奏、跳弓、击弦……这么多，一般的数学公式能处理吗？就算找到了合适的公式，计算机能运算得过来吗？就算计算机能运算，这一双机械臂的响应时间再短也有极限吧？”
路之航道：“世界上没有什么东西是不能用数学解释的，如果不能，那就说明公式还不够好，或计算能力不够。”
如此有气概的宣言让肖萌听得一愣，然而不由得心潮澎湃起来。
“人力有极限，计算机的伟大之处就在于可以超过人的极限。评的系统采用的数学公式不需要百分百准确，可以不是真理，只要能超过大多数小提琴家的评价能力就可以了。”
“……嗯，我有点明白了。”
肖萌咀嚼着大神的话，终于从路之航带来的震撼中缓过劲来，“我记得有位数学家说过，音乐是数学在灵魂中无意识的运算。”
路之航说：“莱布尼茨。”
“呀，什么？”
“莱布尼茨说的这句话。”
肖萌为自己的健忘，不好意思的一笑。
“问题要一个个解决，目前要紧的还是解决机器学习中的难点。”邱伟涛说。
“是的……”肖萌问，“你们找过小提琴演奏家配合研究吗？”