前世人臉識別什麽的也正是在人工智能出現之後的才騰飛的。
當然了僅僅是人工智能還不夠。
人臉識別技術涉及到人工智能和大數據這兩個東西的交叉，可能還會涉及到關於雲計算之類的一些東西。
總而言之，這東西短時間內並不是很適合林灰。
中短時間內看的話，林灰還是應該做人工智能。
關於人工智能林灰先前已經有過很多的思考了。
盡管人工智能方向也未必是最好的切入點，但卻是最適合林灰的。
畢竟人工智能什麽的林灰算得上相當熟悉的。
前世林灰沒少跟涉及到人工智能的東西打交道。
而且這個時空涉及到人工智能這個方向林灰已經做了很多準備了。
之前林灰在生成式摘要算法方麵所做的布局某種程度上而言就是為正式進入人工智能這個領域做鋪墊。
之所以以此入局，因為生成式摘要算法是自然語言處理領域和機器學習的一個交叉學科。
而這個分支學科又恰好門檻不高，下限很低。
以此介入的話很正常。
但這個分支學科同時上限很高，以此作為破局的方向也很不錯。
雖然林灰能借助於生成式摘要算法這個細分學科破局。
但這裏實現的破局僅僅是學術上的破局。
學術上的破局意味著林灰能在一定程度上攫取學術上的地位。
但這遠遠是不夠的。
林灰從來都不是純粹的學者。
林灰看中的是人工智能的錢景。
萬億級別的市場，換誰不會心動呢？
說萬億級別都保守了，林灰記得以前在某工作報告上看到這樣的描述：
“人工智能核心產業規模就上萬億，附帶經濟效益超十萬億。”
可以說錢景和前景都很廣闊？
即便兩個時空出現一些偏差，這種涉及到大的方略的也隻能是大差不差。
而想要將人工智能商業化的熱度炒起來，僅僅是學術上的地位是不夠的。
學術上的地位能加強對人才的號召力。
但要想商業上利益最大化，還需要找到人工智能真正的爆點。
像愛因斯坦一堆理論研究，普通人根本無從得知細節。
但隻要將愛因斯坦的研究跟“穿越時空”扯上關係。
普通人或許依舊不是很懂愛因斯坦的理論。
但這並不妨礙人們理解愛因斯坦理論牛比了。
這麽說的話，“穿越時空”就是愛因斯坦理論的爆點。
什麽叫爆點呢？
爆點是指能點燃吃瓜民眾情緒的點。
爆點的出現能讓普羅大眾對技術感興趣。
即便不能讓普羅大眾感興趣。
最起碼也得讓資本頭頭/金主感興趣。
金主不感興趣，怎麽能愉快的圈錢呢？
以生成式摘要算法作為人工智能這方麵的切入點/入局點很不錯。
隻要邏輯自洽就能夠順利平穩完成學術上的閉環成長。
但從讓金主感興趣這點出發的話。
生成式摘要算法這玩意注定不能成為人工智能的爆點。
想要讓一眾金主從生成式摘要算法這方麵看出人工智能這方麵廣闊的錢景似乎是天方夜譚。
事實上，涉及到生成式摘要算法這東西別說是讓金主知道是什麽東西了。
很多從業人員也摸不著頭腦。
林灰前不久看到普林斯頓大學的學報稱：
普林斯頓大學數學係同Google SEARCH組成了一個新型摘要算法研究團隊。
這個研究團隊聲稱將搞出一個比林灰弄得算法更高效的新型算法。
這個團隊的課題名稱：
——“基於LSTM長短期記憶神經網絡實現高效摘要算法”？
看到這個名稱，林灰卻有點哭笑不得。
兩個很頂尖的團隊明明是想搞定一個更牛的摘要算法，為什麽卻要在長短期記憶神經網絡上下功夫呢？
林灰一時之間有點無語，腦海中能想到的形容詞隻有“南轅北轍”。
林灰印象中“長短期記憶神經網絡神經網路”最初提出來是為了處理訓練傳統循環神經網路時可能遇到的梯度消失和梯度爆炸問題（然而也沒把這個問題給解決了）
雖然長短期記憶神經網絡在處理長序列文本的時候可能會有一定的優勢。
但隻是憑借這玩意顯然很難搞定生成式摘要算法關係不大啊。
以這個為研究方向，林灰很懷疑這些人究竟能否搞出來什麽成果。
還是說這兩個團隊合作公開的課題名稱隻是為了欺騙？
那林灰可是要多多留心。
而且穀歌研究院是跟普林斯頓大學數學係合作的。
林灰前世沒少看一些學術論壇。
雖然正經知識沒學到多少。
但關於普林斯頓大學數學係的一些軼事趣談還是略知一二的。
普林斯頓大學數學係充斥著性情很古怪卻又很執拗的人。
林灰感覺穀歌研究院同普林斯頓大學數學係進行合作的話大概率會被帶跑偏。
<a id="wzsy" href="http://www.baimengshu.com">baimengshu.com</a>
不會不小心歪打正著吧？
應該不大可能。
不過林灰並不能鬆懈。
適當的高估對手是有必要的。
一個人成功應該是基於自身更為強大的基礎上。
而不是要指望著對手更菜。
不過有一說一，這些追隨者朝著錯誤的方向使力也說明了一個道理。
即生成式摘要算法這個方向確實不適合作為人工智能的爆點。
專業人員都容易混淆的事物。
但像生成式摘要算法這麽容易讓人雲裏霧裏的項目顯然是不適合作為人工智能的爆點的。
莫非一點點給普羅大眾解釋麽？
快節奏的時代並不是所有人都那麽有耐心。
究竟什麽適合作為人工智能的爆點呢？
等等。
前世人工智能究竟是怎麽火起來的呢？
林灰突然思考起這個問題。
想到了前世林灰突然有了答案：
——阿法狗AlphaGo。
前世涉及到人工智能方麵的研究雖然由來已久。
但要說人工智能什麽時候爆火火起來的。
似乎還是2016年之後的事情。
2016年3月，阿爾法圍棋AlphaGo與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝。
這之後人工智能才一下子名聲大噪起來。
一個圍棋方麵的東西能成為人工智能的爆點？
聽起來很離譜，但事實如此。
象棋什麽的早就被各種程序所攻破了。
但涉及到圍棋想被攻破卻沒那麽容易。
程序要在圍棋中取勝比在國際象棋等遊戲中取勝要困難得多。
因為圍棋的下棋點極多，分支因子遠多於其他遊戲。
而且每次落子對情勢的好壞飄忽不定。
一些常見的算法在圍棋中很難奏效。
當然了僅僅是人工智能還不夠。
人臉識別技術涉及到人工智能和大數據這兩個東西的交叉，可能還會涉及到關於雲計算之類的一些東西。
總而言之，這東西短時間內並不是很適合林灰。
中短時間內看的話，林灰還是應該做人工智能。
關於人工智能林灰先前已經有過很多的思考了。
盡管人工智能方向也未必是最好的切入點，但卻是最適合林灰的。
畢竟人工智能什麽的林灰算得上相當熟悉的。
前世林灰沒少跟涉及到人工智能的東西打交道。
而且這個時空涉及到人工智能這個方向林灰已經做了很多準備了。
之前林灰在生成式摘要算法方麵所做的布局某種程度上而言就是為正式進入人工智能這個領域做鋪墊。
之所以以此入局，因為生成式摘要算法是自然語言處理領域和機器學習的一個交叉學科。
而這個分支學科又恰好門檻不高，下限很低。
以此介入的話很正常。
但這個分支學科同時上限很高，以此作為破局的方向也很不錯。
雖然林灰能借助於生成式摘要算法這個細分學科破局。
但這裏實現的破局僅僅是學術上的破局。
學術上的破局意味著林灰能在一定程度上攫取學術上的地位。
但這遠遠是不夠的。
林灰從來都不是純粹的學者。
林灰看中的是人工智能的錢景。
萬億級別的市場，換誰不會心動呢？
說萬億級別都保守了，林灰記得以前在某工作報告上看到這樣的描述：
“人工智能核心產業規模就上萬億，附帶經濟效益超十萬億。”
可以說錢景和前景都很廣闊？
即便兩個時空出現一些偏差，這種涉及到大的方略的也隻能是大差不差。
而想要將人工智能商業化的熱度炒起來，僅僅是學術上的地位是不夠的。
學術上的地位能加強對人才的號召力。
但要想商業上利益最大化，還需要找到人工智能真正的爆點。
像愛因斯坦一堆理論研究，普通人根本無從得知細節。
但隻要將愛因斯坦的研究跟“穿越時空”扯上關係。
普通人或許依舊不是很懂愛因斯坦的理論。
但這並不妨礙人們理解愛因斯坦理論牛比了。
這麽說的話，“穿越時空”就是愛因斯坦理論的爆點。
什麽叫爆點呢？
爆點是指能點燃吃瓜民眾情緒的點。
爆點的出現能讓普羅大眾對技術感興趣。
即便不能讓普羅大眾感興趣。
最起碼也得讓資本頭頭/金主感興趣。
金主不感興趣，怎麽能愉快的圈錢呢？
以生成式摘要算法作為人工智能這方麵的切入點/入局點很不錯。
隻要邏輯自洽就能夠順利平穩完成學術上的閉環成長。
但從讓金主感興趣這點出發的話。
生成式摘要算法這玩意注定不能成為人工智能的爆點。
想要讓一眾金主從生成式摘要算法這方麵看出人工智能這方麵廣闊的錢景似乎是天方夜譚。
事實上，涉及到生成式摘要算法這東西別說是讓金主知道是什麽東西了。
很多從業人員也摸不著頭腦。
林灰前不久看到普林斯頓大學的學報稱：
普林斯頓大學數學係同Google SEARCH組成了一個新型摘要算法研究團隊。
這個研究團隊聲稱將搞出一個比林灰弄得算法更高效的新型算法。
這個團隊的課題名稱：
——“基於LSTM長短期記憶神經網絡實現高效摘要算法”？
看到這個名稱，林灰卻有點哭笑不得。
兩個很頂尖的團隊明明是想搞定一個更牛的摘要算法，為什麽卻要在長短期記憶神經網絡上下功夫呢？
林灰一時之間有點無語，腦海中能想到的形容詞隻有“南轅北轍”。
林灰印象中“長短期記憶神經網絡神經網路”最初提出來是為了處理訓練傳統循環神經網路時可能遇到的梯度消失和梯度爆炸問題（然而也沒把這個問題給解決了）
雖然長短期記憶神經網絡在處理長序列文本的時候可能會有一定的優勢。
但隻是憑借這玩意顯然很難搞定生成式摘要算法關係不大啊。
以這個為研究方向，林灰很懷疑這些人究竟能否搞出來什麽成果。
還是說這兩個團隊合作公開的課題名稱隻是為了欺騙？
那林灰可是要多多留心。
而且穀歌研究院是跟普林斯頓大學數學係合作的。
林灰前世沒少看一些學術論壇。
雖然正經知識沒學到多少。
但關於普林斯頓大學數學係的一些軼事趣談還是略知一二的。
普林斯頓大學數學係充斥著性情很古怪卻又很執拗的人。
林灰感覺穀歌研究院同普林斯頓大學數學係進行合作的話大概率會被帶跑偏。
<a id="wzsy" href="http://www.baimengshu.com">baimengshu.com</a>
不會不小心歪打正著吧？
應該不大可能。
不過林灰並不能鬆懈。
適當的高估對手是有必要的。
一個人成功應該是基於自身更為強大的基礎上。
而不是要指望著對手更菜。
不過有一說一，這些追隨者朝著錯誤的方向使力也說明了一個道理。
即生成式摘要算法這個方向確實不適合作為人工智能的爆點。
專業人員都容易混淆的事物。
但像生成式摘要算法這麽容易讓人雲裏霧裏的項目顯然是不適合作為人工智能的爆點的。
莫非一點點給普羅大眾解釋麽？
快節奏的時代並不是所有人都那麽有耐心。
究竟什麽適合作為人工智能的爆點呢？
等等。
前世人工智能究竟是怎麽火起來的呢？
林灰突然思考起這個問題。
想到了前世林灰突然有了答案：
——阿法狗AlphaGo。
前世涉及到人工智能方麵的研究雖然由來已久。
但要說人工智能什麽時候爆火火起來的。
似乎還是2016年之後的事情。
2016年3月，阿爾法圍棋AlphaGo與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝。
這之後人工智能才一下子名聲大噪起來。
一個圍棋方麵的東西能成為人工智能的爆點？
聽起來很離譜，但事實如此。
象棋什麽的早就被各種程序所攻破了。
但涉及到圍棋想被攻破卻沒那麽容易。
程序要在圍棋中取勝比在國際象棋等遊戲中取勝要困難得多。
因為圍棋的下棋點極多，分支因子遠多於其他遊戲。
而且每次落子對情勢的好壞飄忽不定。
一些常見的算法在圍棋中很難奏效。