第798章 圖靈測試

  第798章 圖靈測試

  聽到這裡，原本神色平靜的大BOSS們，臉上終於露出了鄭重。

  能坐在這裡的都是聰明人。

  他們都能從徐良的話里聽出大數據應用的真實性。

  「不過，大數據和雲計算只是基礎，真正帶來行業變革的是人工智慧。

  我相信很多人都聽過『圖靈測試』。

  讓一台機器和一個人坐在幕後，讓一個裁判同時與幕後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。

  想看更多精彩章節，請訪問st🎉o9.com

  這就說明這台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，戰勝人類的西洋棋冠軍。

  第五，自動回答問題。

  對於怎麼實現這五件事，學術界分為傳統人工智慧的方法和現代其它的方法。

  那麼傳統的人工智慧方法是什麼呢？

  簡單講，就是先了解人類是如何產生智能的，然後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。

  觀察魚的遊行發明了潛艇一樣。

  通過模擬進而發明。

  但後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。

  科學家們不得不另闢蹊徑。

  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，來實現人工智慧。

  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慧發展方式。

  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。

  他不是人工智慧專家，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。

  最後聽話人把它聽懂，是一個解碼的過程。

  也就是說，他認為人工智慧的語音識別，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。

  找到了數學模型後，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，人工智慧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，國際上的人工智慧研究分成了兩派。

  一派是模仿人的鳥飛派，一派是數據驅動派。

  而後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，並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，這個困難在網際網路時代被改變了。

  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網際網路的發展，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年的十年裡，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%，同樣採用數據驅動方法的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。

  在人工智慧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。

  那麼差距是怎麼產生的？

  很簡單。

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

  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資料庫。

  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，他們落後了。

  這次比賽的結果在人工智慧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慧領域的分水嶺。

  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，人工智慧會變得越來越『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。

  全然把台下的人當成了聽眾。

  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，安裝著大量的射頻晶片，收集溫度、濕度、土壤肥力等所有數據，匯集到人工智慧大腦。

  然後由『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。

  那麼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，實現製造業的全面智能化。

  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。」

  看著台下不少懷疑的眼神，徐良也沒多解釋。

  時間會證明一切。

  「當大數據和人工智慧進入工業製造和銷售的各個環節時，不僅工人的數量將逐步減少，而且整個製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，將不再具有製造業方面的優勢。

  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，華夏將是最後一個擁有，並可以發揮人口紅利發展起來的國家。

  在十年二十年後。

  人口多，將不再是優勢。」

  斬釘截鐵的說完後，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。

  最後，也是最關鍵的，很多病治不好。

  比如癌症、帕金森綜合徵和阿爾茲海默症等。

  儘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，但過去這麼多年來，癌症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慧來解決上述問題。

  (本章完)

  （還有更新耶）