第七百九十八章图灵测试（1 / 1）

第798章图灵测试 听到这里，原本神色静谧的大BOSS们，脸上终于露出了郑重。 能坐在这里的都是聪明人。 他们都能从徐良的话里听出大数据应用的真实性。 “不过，大数据和云计算只是基础，真正带来行业变革的是人工智能。 我相疑许多人都听过‘图灵测试’。 让一台机械和一个人坐在幕后，让一个裁判同时与幕后的人和机械进行交流，如果这个裁判无法判断自己交流的对象是人还是机械。 这就阐明这台机械有了和人同等的智能。 这便是默默无闻的‘图灵测试’的全部内容。 计算机科学家们觉得，如果计算机实现了五件事，就可以觉得它拥有图灵所说的那种智能。 第一，语音识别。 第二，机械翻译。 第三，文本的自动摘要或者写作。 第四，战胜人类的国际象棋冠军。 第五，自动答复问题。 对于怎么实现这五件事，学术界分为传统人工智能的方法和现代其它的方法。 那么传统的人工智能方法是什么呢？ 简单讲，就是先了解人类是如何发生智能的，然后让计算机按照人的思路来做。 这种方法又称为‘鸟飞派’。 就像人类视察鸟的飞行，发明了飞机。 视察鱼的游行发明了潜艇一样。 通过模拟进而发明。 但后来经由多年研讨证实，这种方法非常不实际。 因为机械始终是机械，永远不可能像人那样思考。 科学家们不得不另辟蹊径。 到了20世纪70年代，大家起头尝试机械智能的另一条发展路径。 即，用数据驱动和超级计算的方法，来实现人工智能。 这种方法又称为机械进修或者知识发现，也就是我们之前说的现代的人工智能发展方式。 最早在这方面做出成果的是1972年美国康奈尔大学的教授――弗雷德贾里尼克。 他不是人工智能专家，他是一位卓越的通疑专家。 他觉得人的大脑是一个疑息源，从思考到找到合适的语句，再通过发音说出来，是一编码的过程。 经由媒介传播到听众的耳朵里，是经由了一个少少的疑道的疑息传播问题。 最后听话人把它听懂，是一个解码的过程。 也就是说，他觉得人工智能的语音识别，是一个典型的通疑问题。 可以用解决通疑问题的方法来解决。 为此贾里尼克用了两个数学模型，即马尔科夫模型，辨别描述疑息源和疑道。 找到了数学模型后，下一步就是用统计的方法‘训练出’模型的参数，这在今天来说就是机械进修。 通过这种方法，人工智能的语音识别率从过来的70%左右，提高到了90%。 同时语音识此外规模，从几百词上升到了两万多词，堪称革命性的发展。 最重要的是贾里尼克的研讨得出一个结论。 即： 随着数据量的不停提升，系统会变得越来越好。 因此，国际上的人工智能研讨分成了两派。 一派是模仿人的鸟飞派，一派是数据驱动派。 然后者之所以没有迅速发展起来，主要是因为数据获取非常困难。 第一，当时没有机读资料。 第二，许多文学明珠不同版本分散在不同国家，并且其翻译常常不是一一对应。 当然还有许多其它原因就不一一细说了。 但，这个困难在互联网时代被改变了。 它的出现，让研讨机构可以轻易获得全球的机读资料。 而且数据量还在随着互联网的发展，每年呈几倍，甚至十几倍的增少。 在庞大的数据支持下，从1994年到2004年的十年里，语音识此外错误率减少了一半。 而机械翻译的准确性提高了一倍。 其中20%的贡献来自方法的改善，80%来自数据量的提升。 再就是今年2月份，在美国召开的全球机械翻译系统大赛。 鸿受和Google通过数据驱动的方法，取得了50%以上的BLEU分数。 比著名的南加州大学、IBM沃森实行室等研讨机械翻译几十年的顶尖研讨机构领先了5%。 而提高这五个百分点在过来需要研讨5~10年的时间。 在中文到英文的翻译中，鸿受的得分比第三名领先了17%，同样采用数据驱动方法的Google比第二名领先了15%，这个差距已经超出了一代人的水平。 而鸿受和Google都是成立不超过十年的新公司。 在人工智能研发上的底蕴肯定没有南加州和沃森实行室深厚。 但我们却超过了他们。 原因是我们比他们更优秀吗？

不是。 那么差距是怎么发生的？ 很简单。 作为全球最大的两个搜索公司，鸿受必应和Google都拥有庞大的搜索数据库。 而且我们每年都在对全球所有的图片、图书、报刊数据化。 这让我们掌握着全球最大的数据库。 南加州大学和IBM沃森实行室虽然人才比我们多，研讨基础比我们深厚。 但他在数据量上远远不如必应和Google。 所以，他们落后了。 这次比赛的结果在人工智能领域发生了宏大的影响。 从我们得到的消息来看，全球绝大部分科研机构都放弃了传动的‘鸟飞派’方法，改用了数据驱动的方法。 也就是说，2005年将成为全球人工智能领域的分水岭。 从今年起头，鸟飞派将被彻底抛弃，数据驱动将成为唯一的主流。 我相疑，随着数据量的不停累积，人工智能会变得越来越‘智能化’和‘实用化’。 将会对社会的方方面面发生深刻的影响。” 完全进入自己节奏的徐良，已经不需要稿子了。 这一刻，他完全放下了双方的身份。 全然把台下的人当做了听众。 而他们也彻底被徐良言语中的内容吸引了全部的注意力。 “未来的农业，将彻底摆脱华夏几千年来，消耗大批人力物力，精耕细作的农业形式。 取而代之的是智能化农业工厂。 在这个工厂里，安装着大批的射频芯片，收集温度、湿度、土壤肥力等所有数据，聚集到人工智能大脑。 然后由‘智脑’按照需求通过滴灌的方式，根据农作物的需要，注入水分和肥料。 用10%，甚至更少的水量和肥料，栽种出一倍，甚至更多的农业产出。 以前，我们种一百亩地，可能需要二十个农民。 在智能化农业时代，只需要一个人负责管理和维护‘人工智脑’，就可以管理上千亩，甚至几千亩的农业用地。 效率和产出千百倍的提升。 如果未来我们能够建设更多的核电厂，太阳能、风能和水电，把能源的价格拉下来。 那么我们就能让农业向立体发展。 真正摆脱自然情况对农业的限制。” 徐良顺嘴提了一下‘立体农业’，在他重生前，华夏因为暴涨的太阳能发电，在西部能源价格低廉的地区成立了‘立体农业工厂’。 不过，因为即便能源价格下跌，但投资还是比较大。 所以只能拿来栽种高价值的经济作物。 不具备大规模推广的基础。 所以他也没准备多说。 “未来的工业，通过智能化和大数据系统来赞助工人，甚至取代工人，实现制造业的全面智能化。 无人工厂，无人装配厂，会越来越多。 工业品的价格会下降几倍。 现在一部手机上千元。 将来手机不仅功能更丰富，性能更先进，甚至不需要你花钱，联通、移动会送给你，因为话费和网费的收入远超一部手机的价值。” 看着台下不少怀疑的眼神，徐良也没多表明。 时间会证实一切。 “当大数据和人工智能进入工业制造和贩卖的各个环节时，不仅工人的数量将逐步减少，而且整个制造业都将被重新洗牌。 仅仅依托降低工人公司的低水平竞争，将不再具有制造业方面的优势。 在未来的竞争，是从设计到贩卖全过程的智能化水平的竞争。 也就是说，华夏将是最后一个拥有，并可以发挥人口红利发展起来的国家。 在十年二十年后。 人口多，将不再是优势。” 斩钉截铁的说完后，徐良继承道。 “未来的智能化医疗。 不管在任何国家，医疗遇到的最大瓶颈主要体现在几个方面。 第一，医疗的成本越来越高。 现在来医院，随便一个体检就几百上千元； 如果看病住院，验血、验尿、核磁共振等一系列流程下来，就是数千甚至上万元的花销。 对普通老庶民而言，这是非常大的支出。 所以看不起病的情况会越来越严重。 第二，医疗资源不服衡。 一线城市的医疗资源，远超过三四线城市，普通县城就更没法比了。 直到现在，全国一千多个市县都没有三甲医院。 最后，也是最关键的，许多病治不好。 比如癌症、帕金森综合征和阿尔兹海默症等。 尽管全世界的医生和科学家努力了许多年，世界各国和研发机构也投入了大批资金，但过来这么多年来，癌症等疾病的治疗始终进展缓慢。 但我们可以用大数据和人工智能来解决上述问题。