最新网址:m.badaoge.org
第六百八十五章 走出去 (第1/3页)
话讲到这里,陈学兵前世炒a学的那点概念,其实已经用差不多了。
不过两位科技部门的领导还提出了一些技术性的疑惑,希望陈学兵能详细解释一下原理。
陈学兵也不是搞技术的,只能跟卢韦冰耳语了一阵,把讲解者的位置让给了卢韦冰。
卢韦冰虽然也不精通技术,但好歹是清华化学系的,专业上比陈学兵理解更深一些,跟大家讲了讲大数据技术的前沿发展,以及nn和ltm。
「nn(循环神经网络)是美国1982年提出的神经网络雏形,过去26年经过了多次专业论文的修正,有一套理论体系。
「这套体系,就是当今世界人工智慧建模这条线上最成形的一套理论,它可以通过记忆单元储存历史序列信息,类似人阅读的时候结合上下文理解内容的逻辑,然後通过一个字一个字的排队,输出一句它认为最有逻辑的句子。
「ltm(长短期记忆网络)则是对nn的一套技术补充,解决了原始nn处理长句子时,前面的信息会忘掉的问题。」
陈学兵和领导们一起听着卢韦冰解说,陷入了自己的沉思。
点最近的研究投入已经开始倾向於v那边了。
这套体系的研发,是他定下来的,因为nn和他理解的谷歌提出的a核心体系tanf的输出概念很相似,都是一个从序列到序列、端到端的完整黑箱模型,具备很强的可训练性,模型可解释性也较好,便於大家理解,全世界的技术员也都可以用,可以深入研究。
他从v事业群成立以後就一直在找这样的理论,经过与一套vm体系对比以後,他决定让v对nn投入研究,并且给它找了一个对口的研发方向——智能语音助手。
点的智能语音助手,可以一上来就是网络智能化的,可以接点的云端,而不是那种模板化回复。
回复的等待时间可以更长一点,但能回答的问题更全面,让人有探究欲。
他把这个课题丢给v研究已经几个月了,直到最近,一些不同的声音传出来:许多人认为nn这种处理模式不够高效,一个字一个字的输出,第100个字必须等前99个算完才能开始,大多p算力会陷入空等,即使再自动化,也完全跟不上p未来的发展。要做语音转文字,文字转语音的输出,应该结合当下一套比较成熟、也比较简单的vm进行研究。
陈学兵听到这种声音,内心其实是狂喜的,因为v终於找到核心问题了。
以後的tanf必然是一套比nn高效多的机制,否则容纳不下後世这麽多p算力。
但他也不知道tanf具体是什麽原理,怎麽才能让v往这个方向研究。
乾等也不行,这套机制是谷歌2017-2018年才提出来的,他可等不了。
只能启发点去搞自己的「tanf」。
既然问题找到了,他当即把「更高效的智能机制」列为了v事业群的一号研究方案,把升级nn作为主要方向。
——至於vm,是比较成熟,仅靠少数关键样本决策,几百几千条数据、普通p就能跑出好结果,但上限太低了,v要临时用一用可以,但不必深挖下去。
他最终要的,不止是智能对话语音,而是一套天花板更高、能理解世界的决策系统。
如果没有这套系统出现,点的大模型训练就没必要开始,纯属浪费投入,干十年下去可能还不如人家干一年的。
可以说,点的a之路现在已经开始了,不是做模型,而是找机制。
这件事,他还有9年的时间来超越谷歌。
:
如果自己搞不出好的,就只能等tanf了。
......
参观结束时,点在领导们眼中变更神秘了一些。
卢韦冰还是有些功底的,这轮即兴讲解持续了二十分钟,也算深入浅出,让不少领导都听懂了。
不过他对商业机密更敏感,全程只讲了技术的世界发展情况,对点研究到哪一步绝口不提。
大家心里都有数,今天要不是大领导到场,他们绝对听不到这些东西,搞不好,连楼下的平板都看不到。
众人下了楼,心里都是三分疑虑,七分高兴。
疑虑的是点这样的企业研究方向明显比他们所了解的国家高精尖项目更前沿,而且更落地,高兴的是国内总算有人能在未来智能概念上与国际相争。
从楼里出来,大领导也在沉思,走出一段後,才邀请陈学兵聊一聊。
其他人便自动隔了一段距离。
领导背着手问道:「这就是你们的最终目标?」
陈学兵点头道:「十年二十年内都算是吧,人工智慧,是足以颠覆一个时代的新工具。」
领导看向他:「你们研发这个技术,最终愿景是什麽?打算用它来做什麽?」
陈学兵早就准备好了答案:「既然我们把它定义为工具,自然是用来搞生产,辅助城市管理,辅助工厂,辅助每一个接纳新技术的人。」
领导又皱眉:「这样的工具做出来,会不会大量淘汰人力,让自动化生产力的价值过於集中在少部分人手里?」
这是他全程在想的一个问题:这
(本章未完,请点击下一页继续阅读)
最新网址:m.badaoge.org