第116章 智慧解譯模型和神國任務(第1/3 頁)

有一位被幾人簇擁著，很有書卷氣質的男子舉起了手，他動作優雅，但說出來的話語卻充滿了尖酸刻薄的味道。

“要不然，還是請李曉軍教授先說說吧，畢竟李教授曾經宣稱他的擬合準確率達到了百分之一百，後來不知道為什麼，卻又突然撤回了這一宣告。”

臺上的人大多都鬨笑了起來，臺下的人卻只安靜地看戲。

在這個會場中，李曉軍是第二個知道王棟這副面孔後真實身份的人。

因為前不久，王棟剛剛頂著這副面孔跟他私下裡見過面。

而讓臺上的李曉軍漲紅了臉龐的這番來自同行的嘲諷，真正應該背鍋的恰恰是王棟本人。

事情是這樣的。

經過漫長而艱辛的努力，王棟終於在破解這臺神秘機器的軟體架構方面取得了重大突破。

他找到了一個非常關鍵的模組。

那是一個底層模組。

機器要處理的所有資料，都需要先經過這個底層模組進行預處理，然後才會被送往上層各個模組做進一步分析。

他至今還沒有發現例外的情況，而且這個模組的處理結果非常有意思。

它能把無論什麼格式的資料都對映為一些固定長度的向量。

這些向量的維度是固定的，但向量的個數並不固定。

比如輸入一段語音可能會輸出兩根向量，而輸入另一段語音就可能輸出三根向量。

王棟發現，無論是語音、影象或其它有結構無結構資料，無論何時輸入，同一個輸入對映得到的輸出向量集合都是一模一樣的。

無論是向量的個數，還是向量的內容。

如果對輸入資料加一些微小的噪聲，只要沒有到影響其內容的地步，它對映出來的輸出向量也不會發生改變。

反之，如果改變了部分屬性，比如同樣的語音內容但換了一個不同的說話人，或者同樣一隻狗的照片但換了一個拍攝地點，輸出向量的集合中，總有些向量是不變的，代表未改變的那部分內容，但也總有一些向量發生了改變。

在進行了大量的資料分析後，王棟終於確認，這不是一個簡單的資料預處理模組，而是一個智慧解譯模組。

它能對任意形式的資料進行解譯，把資料中承載的所有資訊都識別理解出來，然後用向量的形式表示出來。

也就說，這些向量所構成的表示空間，就是機器所理解的世界。

透過這個智慧解譯模組所得到的，是在其理解的世界中的一種語義表示。

越相近的事物，在這個語義表示空間裡，距離總是越接近的。

比如同一個人的兩段內容相似的語音，輸出的每個向量要不然完全相同，要不然就非常相似。

王棟曾經嘗試過，基於這個模組得到的語義表示，對計算機領域各種分類任務，利用地球上已有的機器學習演算法，幾乎都能達到了百分之一百的識別效果。

所以，這個底層模組才是這臺神秘機器的智慧核心。

只要破解了它，掌握了它，在人工智慧方面，人類就能達到與機器同等的技術水平。

王棟猜測，支撐這個智慧解譯模組的很可能就是一個通用的預訓練模型，或者類似的東西。

透過它就能夠實現從物理層級的世界到概念層級的世界的跨越。

這就是地球上人工智慧學者一直夢寐以求的那種模型，一個通用的底座，實現對所有資料的智慧解譯，進而就能夠支撐所有的下游分析任務。

然而，當王棟詢問機器這個智慧解譯模組的工作原理時，卻什麼資訊反饋也沒有得到。

王棟一籌莫展，機器不配合，這就是一個打不開的黑盒子。

唯