第798章  圖靈測試

        聽到這里，原本神色平靜的大BOSS們，臉上終于露出了鄭重。

        能坐在這里的都是聰明人。

        他們都能從徐良的話里聽出大數據應用的真實性。

        “不過，大數據和云計算只是基礎，真正帶來行業變革的是人工智能。

        我相信很多人都聽過‘圖靈測試’。

        讓一臺機器和一個人坐在幕后，讓一個裁判同時與幕后的人和機器進行交流，如果這個裁判無法判斷自己交流的對象是人還是機器。

        這就說明這臺機器有了和人同等的智能。

        這便是大名鼎鼎的‘圖靈測試’的全部內容。

        計算機科學家們認為，如果計算機實現了五件事，就可以認為它擁有圖靈所說的那種智能。

        第一，語音識別。

        第二，機器翻譯。

        第三，文本的自動摘要或者寫作。

        第四，戰勝人類的國際象棋冠軍。

        第五，自動回答問題。

        對于怎么實現這五件事，學術界分為傳統人工智能的方法和現代其它的方法。

        那么傳統的人工智能方法是什么呢？

        簡單講，就是先了解人類是如何產生智能的，然后讓計算機按照人的思路去做。

        這種方法又稱為‘鳥飛派’。

        就像人類觀察鳥的飛行，發明了飛機。

        觀察魚的游行發明了潛艇一樣。

        通過模擬進而發明。

        但后來經過多年研究證明，這種方法非常不現實。

        因為機器始終是機器，永遠不可能像人那樣思考。

        科學家們不得不另辟蹊徑。

        到了20世紀70年代，大家開始嘗試機器智能的另一條發展路徑。

        即，用數據驅動和超級計算的方法，來實現人工智能。

        這種方法又稱為機器學習或者知識發現，也就是我們之前說的現代的人工智能發展方式。

        最早在這方面做出成果的是1972年美國康奈爾大學的教授——弗雷德·賈里尼克。

        他不是人工智能專家，他是一位卓越的通信專家。

        他認為人的大腦是一個信息源，從思考到找到合適的語句，再通過發音說出來，是一個編碼的過程。

        經過媒介（聲道、空氣等）傳播到聽眾的耳朵里，是經過了一個長長的信道的信息傳播問題。

        最后聽話人把它聽懂，是一個解碼的過程。

        也就是說，他認為人工智能的語音識別，是一個典型的通信問題。

        可以用解決通信問題的方法來解決。

        為此賈里尼克用了兩個數學模型，即馬爾科夫模型，分別描述信息源和信道。

        找到了數學模型后，下一步就是用統計的方法‘訓練出’模型的參數，這在今天來講就是機器學習。

        通過這種方法，人工智能的語音識別率從過去的70%左右，提高到了90%。

        同時語音識別的規模，從幾百詞上升到了兩萬多詞，堪稱革命性的發展。

        最重要的是賈里尼克的研究得出一個結論。

        即：

        隨著數據量的不斷提升，系統會變得越來越好。

        因此，國際上的人工智能研究分成了兩派。

        一派是模仿人的鳥飛派，一派是數據驅動派。

        而后者之所以沒有迅速發展起來，主要是因為數據獲取非常困難。

        第一，當時沒有機讀資料。

        第二，很多文學明珠不同版本分散在不同國家，并且其翻譯常常不是一一對應。

        當然還有很多其它原因就不一一細說了。

        但，這個困難在互聯網時代被改變了。

        它的出現，讓研究機構可以輕易獲得全球的機讀資料。

        而且數據量還在隨著互聯網的發展，每年呈幾倍，甚至十幾倍的增長。

        在龐大的數據支持下，從1994年到2004年的十年里，語音識別的錯誤率減少了一半。

        而機器翻譯的準確性提高了一倍。

        其中20%的貢獻來自方法的改進，80%來自數據量的提升。

        再就是今年2月份，在美國召開的全球機器翻譯系統大賽。

        鴻蒙和Google通過數據驅動的方法，取得了50%以上的BLEU分數。

        比著名的南加州大學、IBM沃森實驗室等研究機器翻譯幾十年的頂尖研究機構領先了5%。

        而提高這五個百分點在過去需要研究5~10年的時間。

        在中文到英文的翻譯中，鴻蒙的得分比第三名領先了17%，同樣采用數據驅動方法的Google比第二名領先了15%，這個差距已經超出了一代人的水平。

        而鴻蒙和Google都是成立不超過十年的新公司。

        在人工智能研發上的底蘊肯定沒有南加州和沃森實驗室深厚。

        但我們卻超過了他們。

        原因是我們比他們更優秀嗎？

        不是。

        那么差距是怎么產生的？

        很簡單。

        作為全球最大的兩個搜索公司，鴻蒙必應和Google都擁有龐大的搜索數據庫。

        <div  class="contentadv">        而且我們每年都在對全球所有的圖片、圖書、報刊數據化。

        這讓我們掌握著全球最大的數據庫。

        南加州大學和IBM沃森實驗室雖然人才比我們多，研究基礎比我們深厚。

        但他在數據量上遠遠不如必應和Google。

        所以，他們落后了。

        這次比賽的結果在人工智能領域產生了巨大的影響。

        從我們得到的消息來看，全球絕大部分科研機構都放棄了傳動的‘鳥飛派’方法，改用了數據驅動的方法。

        也就是說，2005年將成為全球人工智能領域的分水嶺。

        從今年開始，鳥飛派將被徹底拋棄，數據驅動將成為唯一的主流。

        我相信，隨著數據量的不斷累積，人工智能會變得越來越‘智能化’和‘實用化’。

        將會對社會的方方面面產生深刻的影響。”

        完全進入自己節奏的徐良，已經不需要稿子了。

        這一刻，他完全放下了雙方的身份。

        全然把臺下的人當成了聽眾。

        而他們也徹底被徐良言語中的內容吸引了全部的注意力。

        “未來的農業，將徹底擺脫華夏幾千年來，消耗大量人力物力，精耕細作的農業模式。

        取而代之的是智能化農業工廠。

        在這個工廠里，安裝著大量的射頻芯片，收集溫度、濕度、土壤肥力等所有數據，匯集到人工智能大腦。

        然后由‘智腦’按照需求通過滴灌的方式，根據農作物的需要，注入水分和肥料。

        用10%，甚至更少的水量和肥料，種植出一倍，甚至更多的農業產出。

        以前，我們種一百畝地，可能需要二十個農民。

        在智能化農業時代，只需要一個人負責管理和維護‘人工智腦’，就可以管理上千畝，甚至幾千畝的農業用地。

        效率和產出千百倍的提升。

        如果未來我們能夠建設更多的核電廠，太陽能、風能和水電，把能源的價格拉下來。

        那么我們就能讓農業向立體發展。

        真正擺脫自然環境對農業的限制。”

        徐良順嘴提了一下‘立體農業’，在他重生前，華夏因為暴漲的太陽能發電，在西部能源價格低廉的地區成立了‘立體農業工廠’。

        不過，因為即便能源價格下跌，但投資還是比較大。

        所以只能拿來種植高價值的經濟作物。

        不具備大規模推廣的基礎。

        所以他也沒準備多說。

        “未來的工業，通過智能化和大數據系統來幫助工人，甚至取代工人，實現制造業的全面智能化。

        無人工廠，無人裝配廠，會越來越多。

        工業品的價格會下降幾倍。

        現在一部手機上千元。

        將來手機不僅功能更豐富，性能更先進，甚至不需要你花錢，聯通、移動會送給你，因為話費和網費的收入遠超一部手機的價值。”

        看著臺下不少懷疑的眼神，徐良也沒多解釋。

        時間會證明一切。

        “當大數據和人工智能進入工業制造和銷售的各個環節時，不僅工人的數量將逐步減少，而且整個制造業都將被重新洗牌。

        僅僅依靠降低工人公司的低水平競爭，將不再具有制造業方面的優勢。

        在未來的競爭，是從設計到銷售全過程的智能化水平的競爭。

        也就是說，華夏將是最后一個擁有，并可以發揮人口紅利發展起來的國家。

        在十年二十年后。

        人口多，將不再是優勢。”

        斬釘截鐵的說完后，徐良繼續道。

        “未來的智能化醫療。

        不管在任何國家，醫療遇到的最大瓶頸主要體現在幾個方面。

        第一，醫療的成本越來越高。

        現在去醫院，隨便一個體檢就幾百上千元；

        如果看病住院，驗血、驗尿、核磁共振等一系列流程下來，就是數千甚至上萬元的花銷。

        對普通老百姓而言，這是非常大的支出。

        所以看不起病的情況會越來越嚴重。

        第二，醫療資源不平衡。

        一線城市的醫療資源，遠超過三四線城市，普通縣城就更沒法比了。

        直到現在，全國一千多個市縣都沒有三甲醫院。

        最后，也是最關鍵的，很多病治不好。

        比如癌癥、帕金森綜合征和阿爾茲海默癥等。

        盡管全世界的醫生和科學家努力了許多年，世界各國和研發機構也投入了大量資金，但過去這么多年來，癌癥等疾病的治療始終進展緩慢。

        但我們可以用大數據和人工智能來解決上述問題。


　　(https://www.dzxsw.cc/book/36094252/135604374.html)


1秒記住大眾小說網：www.dzxsw.cc。手機版閱讀網址：m.dzxsw.cc