第36部分(第4/5 頁)

他動物的學習，是在生命的前幾個小時、幾天、幾個月和幾年，以沒有人監督的方式學習：我們透過觀察、發出行動與世界接觸，得知我們行動的結果，以此來了解世界如何運作。

沒有人告訴我們所看到的每一個物件的名稱和功能，但我們能學會非常基本的概念，比如世界是三維的，物體不會自行消失，沒有支撐的物體會往下落。

伏羲也是有這種能力的。所以要讓它獨立發展出高階的視覺識別能力，也不是不可以，但需要非常強大的硬體基礎，以及非常漫長的時間。

而接受培訓專案，也就是接受“監督學習”，能大大縮短這一過程。

視覺識別能力，其實不像人們想像的那麼簡單。比如，一個智力正常的人類漫步在小區裡，看見一條薩摩耶和一條吉娃娃，雖然它們的外表相差很大，體型也不是一個量級，但我們能一眼就認出，它們都屬於“狗”。

看到兩條不同的薩摩耶，我們能很快分辨出，這條是樓上老李家的，那條是隔壁老周家的。

但是對於人工智慧而言，影象只是一串陣列。

伏羲的核心成分借鑑了深度學習系統，在深度學習系統中有一個特別有用的架構被稱為卷識神經網路。

當人工智慧需要識別一個影象時，它首先檢測組成這個影象的那一串陣列內的一小部分，由部分到整體。

例如物體的邊緣，在第一層卷識神經網路中能夠被輕易檢測出來。

而神經網路的下一層將檢測這些簡單圖案的組合所形成簡單形狀，比如汽車的輪子，馬的尾巴上的毛，蝴蝶翅膀上的鱗片，人臉的眼睛。

再下一層將檢測這些形狀組合所構成的物體的某些部分，例如人臉、腿部，馬的尾巴，蝴蝶的翅膀。

神經網路的最後一層將檢測剛才那些部分的組合：一輛汽車、一架飛機、一個人、一匹馬、一隻蝴蝶等等。神經網路的深度使網路能夠以這種分層次的方式識別複雜模式。

但是想要人工智慧學會識別這顆星球上的萬事萬物，數十億各不相同的人類和動物，就需要經過大量樣本資料庫的訓練。這也是為什麼伏羲需要那些大資料公司提供的訓練專案。

第88章　沒到那個程度

發了一會呆，易誠發現自己這會兒沒什麼可做的，乾脆跑去了學校。

電教白板旁寫著大大的“離高考還有13天”，班上已經陷入了恐怖的氣氛。

所有人都在埋頭苦讀，或是運筆如飛地寫著習題。就連已經放棄了高考的那幾個學生也受到了氛圍的感染，捧著本書在看，也不知道他們看得懂多少。教室裡除了偶爾的咳嗽聲，就只能聽到寫字和翻書時的“沙沙”聲。

老師已經基本上不講課了，所有的上課時間幾乎全部是用來做習題、模擬考試。老師就站在講臺上，有學生提問時才解答一下。

易誠趕到教室時，老羅正在教室裡巡視，點點頭放他進來。

易誠剛在座位上坐下，一個小紙團從左邊飛來。

又是這招……易誠一把抓住，開啟一看，裡邊只有三個字：“看微信。”

他便拿出手機，開啟蜂窩網路。這個年代手機的蜂窩網路還是3g制式，下載速度還不到200k，速度慢得磣人。聽說明年、最遲後年華夏國內會全面鋪設4g網路，那個時候手機上網速度會有質的提升。

過了好一會兒，他的微信裡才重新整理完畢，劉茹發來的話顯示出來：“你是不是真的想放棄高考了？別放棄好不好，我們一起努力，還有機會的。”

易誠笑了笑，在微信上回復了一個笑臉符號，沒有多說什麼。

解釋無用，每個人都只聽得進自己想聽的話，從自己的角度出發去理解對方的意思，很難站在對方