第158章 我们究竟在谈些什么
推荐阅读:深空彼岸、明克街13号、夜的命名术、最强战神、全职艺术家、龙王殿、重生之都市仙尊、财运天降、花娇、好想住你隔壁
八一中文网 www.byzw.cc,最快更新学霸终结者最新章节!
顾莫杰本该下班了,但是严磊的报告,成功引起了顾莫杰的注意,他决定加夜班。
让叶敏茹去楼下云咖啡拿了两个套餐,然后他在办公室里请严磊边吃边谈他的想法。
“说说吧,你对‘谷歌中国五年来在华搜集的搜索数据’的用法细节,是怎么看的。”
严磊依然保持着四年前认识顾莫杰时的学者气,不怎么讲究礼貌,就大咧咧坐在顾莫杰对面,一边用便当,一边闲聊。
“你不都已经把‘初秘’那个项目交给我做了么,寒假就要和IPHONE4的SIRI掰腕子了,难道就不想让‘初秘’的水平在这个节骨眼上,再上升一个台阶?”
严磊口中提到的这个‘初秘’项目,是顾莫杰从去年初心1代手机上线后,就丢给初音的人工智能研究团队研发的项目。
他对后世智能手机行业发展那一点仅存的记忆,到2012年底为止。那段历史上,苹果公司的手机在IPHONE5这个型号上戛然而止。
苹果公司会做出SIRI这个人工智能语音助手,顾莫杰是知道的。
那些买了IPHONE4S以上苹果手机或者IPAD3以上平板的用户,可以通过SIRI,对机器发送语音聊天。机器会试图模拟真人对话,并且给出使用者想搜索的内容、答案、软件APP应用,或者帮助用户拨打电话、寻找联系人等等。
顾莫杰要弄的‘初秘’,就是一个狙击SIRI的存在。
IPHONE4明年二季度就要上市了,初心2代手机会比IPHONE4更早一两个月。
‘初秘’的开发,本来已经到了箭在弦上的冲刺阶段。
初音集团在人工智能方面的步伐,并不比苹果公司慢。哪怕没有别的新招,顾莫杰手下的人也能按期完成初秘。
但是此刻,严磊让顾莫杰看到了一股更高的期待。
他眉毛一挑,身子微微前倾。
“你是说,给你弄到谷歌中国过去五年在华搜集的搜索数据,就可以帮助你提升初秘的人工智能程度?”
严磊细嚼慢咽地吞下一片肥牛,喝了口饮料:
“当然。问题问答型的人工智能,本来就是要靠不断训练、不断积累云端大数据,才会回答地得越来越准、越来越接近真人思维模式。搜索、点击,本身不就是深度学习算法架构下,问答智能的最初渊薮么?”
深度学习算法,本该是杰夫辛顿教授提出的学说。
本时空,这个机会被顾莫杰分润了。
要说所有互联网大佬当中,对深度学习算法和云端架构的人工智能认识程度,恐怕顾莫杰能排世界第一。
只是在所有当老板的人里面,见识排世界第一。不包括和砖家们比。
也就是说,在对人工智能的远见卓识上。哪怕拉里佩奇、扎克伯格、乔布斯,这3个大佬的见识,也比不上顾莫杰。
严磊的话,点拨到这种程度,已经足够顾莫杰秒懂。
这个思路很不错!
用百度,或者谷歌,搜索网页。
这个搜索动作的本质,是什么?
其实就是一次问答。
比如一个网民,在百度上搜“权宝儿”三个字,然后弹出几百万个搜索结果。
第一个搜的人,得到结果列表后,点击了“权宝儿”的百度百科词条。
第二个搜的人,点击了一条她参加的综艺节目视频。
第三个搜的人,点击了一条关于她的娱乐新闻。
第四个、第五个、第六个,又点了百度百科词条。
假设,因为百度的用户容量够大,有10万人次搜了“权宝儿”这三个字,然后百度根据反馈统计:其中43%的人搜索后,点击了百科词条,22%的人,点了某娱乐新闻,17%的人……
这时候,如果把百度搜索的云端大数据,接为‘初秘’或者SIRI的服务器端,初秘就会知道:当下一次她的手机主人说出“权宝儿”这三个字的时候,优先把这个词的百度百科词条内容推送给主人——当然,是用语音阅读的方式。
这是最简单的问答型人工智能,靠统计数据,来让机器的回答,更贴近代表所有网民中最大众的那一群人的意见。
这个过程中,机器并不理解“权宝儿”这三字代表了什么,它只是在算法上统计了“所有曾经搜过这个词的人,在搜索后点击查看了哪条答案”,然后把看过人最多的那条答案,推送给最新问这个问题的人。
这样的大数据,只有搜索引擎服务的提供商,才拥有。或者说,只有那类公司的数据,样本容量才足够巨大,足够客观,足够撇掉误差。
在中国,只有百度和谷歌有这个资本。
而且,百度和谷歌除了搜索大数据的历史记录足够庞大、完爆其他搜索服务提供商之外,他们还有一个独门之秘,在2009年只有他们两家形成了规模。
那就是“百度知道”,以及比百度知道逊色一些的“谷歌问答”。
“知道”,是一个比搜索更加贴近人类语言习惯的问答产品。在搜索的时候,人只会打几个关键词,很少会直接长篇大论写一句话,写一个用人类正常语法表述的问题。
而用百度知道的时候,因为背后是人类在回答,所以大家都遵循了人类语言的语法。
一个新买手机的用户,和初秘或者SIRI聊天的时候,问到的问题,真的是绝无仅有、从来没有前人问过的么?
恐怕不尽然。
十几亿人心中的困惑,有相当大一部分是重合的。同一个问题,可能全国有几百万人想问。
有了百度知道的云端大数据之后,初秘或者SIRI再听到手机主人的语音发问时,就可以先搜一搜这个云端数据,看看有没有近似的或者重复的前人提问。
如果有,直接把前人提问中的“被采纳答案”推送过来、语音阅读一遍就行了。
在“知道”这个产品上,谷歌其实走得比百度慢。谷歌的强项,是“谷歌学术”那种专业标准化的问答,而缺少家长里短的日常人工智能锻炼。
在人工智能领域,如果非要对比谷歌和百度的优劣势,只能说:谷歌可以训练出更精密的机器,但是不如百度那样容易给机器学会‘七情六欲’。
因为早年的谷歌,压根就没想到去锻炼其人工智能的这个方面。
当然,说句良心话,百度也没想到。
“百度知道”日后教会了“度秘”比SIRI更能插科打诨,也只是百度发展时一招无心插柳的歪打正着。
……
正因为顾莫杰懂行,因为他自己就懂深度学习算法,所以,他比别人更能领会严磊开出的条件诱惑力。
初音集团,在搜索上是弱项。
但是初音集团,在人工智能的算法领域,是强项。
一个企业人工智能产品的强弱,受制于两个因素。
一个是算法的好坏,一个是大数据的规模。
比如,谷歌的算法效率假设是10%,而谷歌的日搜索处理量是10亿条,所以谷歌的人工智能每天理论消化的问答是1亿条。
如果初音的算法效率更好,有20%,但初音每天的搜索处理量只有1亿条,那么初音人工智能每天理论消化的问答只有2000万,比谷歌弱了五倍。
有好算法,有好的“数据消化效率”,却没有足够的“数据饲料”去喂养这副“消化功能”极强的“胃口”。
这一直是初音人工智能研究院的缺憾,短板。
但是,如果按照严磊的说法,把谷歌中国过去五年,在中国市场上搜集到的服务器端历史记录数据统统COPY过来,“填鸭式”地塞给“初秘”去学习,那么初秘在“真正听懂中国人讲话”这个问题上,起码可以赢得相当于额外获得两三年时间锻炼的效果。
历史上SIRI公司成立于2007年,10年被苹果收购后,在4S上放出了这个人工智能产品。
但是用过IPHONE4S的用户,恐怕都有一种记忆:
刚开始,4S上的SIRI智能程度真的很低,几乎听不懂什么话。还是只能和旧时代的“语音拨号助手”那样,帮主人翻翻通讯录、拨打一下电话为主。
至于让SIRI真的近似于人一样和主人聊天,似乎是2012~2013年的事情了,那时候的SIRI才渐渐说话像人话。
那就是因为,SIRI花了两三年时间来“学习”、来积累和消化云端大数据,渐渐统计出人类语言习惯。
如果谷歌中国不倒下,谷歌在华的那多年数据记录,肯定是作为商业秘密不会公开的。因为那涉及到其对中国人上网习惯的统计。如果公开了,很有可能被对手拿去,作为优化对手引擎算法的参照物。
但是,如果谷歌中国倒下了,这些数据再遮遮掩掩藏着,似乎就没什么意义了。
只要顾莫杰出一笔看上去挺诚意的价码,谷歌总部相信就会把这笔数据财富卖给初音。
顾莫杰意淫着美好前景,简直要兽血沸腾。
恨不得现在就在老朋友拉利佩奇脊梁骨上捅一刀,然后把谷歌中国的数据资源巧取豪夺走。
“磊哥,来,好好说说你数据到手之后的详细使用计划。我都有点迫不及待了……”
“当然没问题,就是如此如此,这般这般……”
严磊一副指点江山状,对顾莫杰讲解了一个钟头的技术路线梗概。
“只要做到了这些,然后,我们的初秘肯定可以在‘人话识别率’上领先SIRI至少两年。”(未完待续。)
顾莫杰本该下班了,但是严磊的报告,成功引起了顾莫杰的注意,他决定加夜班。
让叶敏茹去楼下云咖啡拿了两个套餐,然后他在办公室里请严磊边吃边谈他的想法。
“说说吧,你对‘谷歌中国五年来在华搜集的搜索数据’的用法细节,是怎么看的。”
严磊依然保持着四年前认识顾莫杰时的学者气,不怎么讲究礼貌,就大咧咧坐在顾莫杰对面,一边用便当,一边闲聊。
“你不都已经把‘初秘’那个项目交给我做了么,寒假就要和IPHONE4的SIRI掰腕子了,难道就不想让‘初秘’的水平在这个节骨眼上,再上升一个台阶?”
严磊口中提到的这个‘初秘’项目,是顾莫杰从去年初心1代手机上线后,就丢给初音的人工智能研究团队研发的项目。
他对后世智能手机行业发展那一点仅存的记忆,到2012年底为止。那段历史上,苹果公司的手机在IPHONE5这个型号上戛然而止。
苹果公司会做出SIRI这个人工智能语音助手,顾莫杰是知道的。
那些买了IPHONE4S以上苹果手机或者IPAD3以上平板的用户,可以通过SIRI,对机器发送语音聊天。机器会试图模拟真人对话,并且给出使用者想搜索的内容、答案、软件APP应用,或者帮助用户拨打电话、寻找联系人等等。
顾莫杰要弄的‘初秘’,就是一个狙击SIRI的存在。
IPHONE4明年二季度就要上市了,初心2代手机会比IPHONE4更早一两个月。
‘初秘’的开发,本来已经到了箭在弦上的冲刺阶段。
初音集团在人工智能方面的步伐,并不比苹果公司慢。哪怕没有别的新招,顾莫杰手下的人也能按期完成初秘。
但是此刻,严磊让顾莫杰看到了一股更高的期待。
他眉毛一挑,身子微微前倾。
“你是说,给你弄到谷歌中国过去五年在华搜集的搜索数据,就可以帮助你提升初秘的人工智能程度?”
严磊细嚼慢咽地吞下一片肥牛,喝了口饮料:
“当然。问题问答型的人工智能,本来就是要靠不断训练、不断积累云端大数据,才会回答地得越来越准、越来越接近真人思维模式。搜索、点击,本身不就是深度学习算法架构下,问答智能的最初渊薮么?”
深度学习算法,本该是杰夫辛顿教授提出的学说。
本时空,这个机会被顾莫杰分润了。
要说所有互联网大佬当中,对深度学习算法和云端架构的人工智能认识程度,恐怕顾莫杰能排世界第一。
只是在所有当老板的人里面,见识排世界第一。不包括和砖家们比。
也就是说,在对人工智能的远见卓识上。哪怕拉里佩奇、扎克伯格、乔布斯,这3个大佬的见识,也比不上顾莫杰。
严磊的话,点拨到这种程度,已经足够顾莫杰秒懂。
这个思路很不错!
用百度,或者谷歌,搜索网页。
这个搜索动作的本质,是什么?
其实就是一次问答。
比如一个网民,在百度上搜“权宝儿”三个字,然后弹出几百万个搜索结果。
第一个搜的人,得到结果列表后,点击了“权宝儿”的百度百科词条。
第二个搜的人,点击了一条她参加的综艺节目视频。
第三个搜的人,点击了一条关于她的娱乐新闻。
第四个、第五个、第六个,又点了百度百科词条。
假设,因为百度的用户容量够大,有10万人次搜了“权宝儿”这三个字,然后百度根据反馈统计:其中43%的人搜索后,点击了百科词条,22%的人,点了某娱乐新闻,17%的人……
这时候,如果把百度搜索的云端大数据,接为‘初秘’或者SIRI的服务器端,初秘就会知道:当下一次她的手机主人说出“权宝儿”这三个字的时候,优先把这个词的百度百科词条内容推送给主人——当然,是用语音阅读的方式。
这是最简单的问答型人工智能,靠统计数据,来让机器的回答,更贴近代表所有网民中最大众的那一群人的意见。
这个过程中,机器并不理解“权宝儿”这三字代表了什么,它只是在算法上统计了“所有曾经搜过这个词的人,在搜索后点击查看了哪条答案”,然后把看过人最多的那条答案,推送给最新问这个问题的人。
这样的大数据,只有搜索引擎服务的提供商,才拥有。或者说,只有那类公司的数据,样本容量才足够巨大,足够客观,足够撇掉误差。
在中国,只有百度和谷歌有这个资本。
而且,百度和谷歌除了搜索大数据的历史记录足够庞大、完爆其他搜索服务提供商之外,他们还有一个独门之秘,在2009年只有他们两家形成了规模。
那就是“百度知道”,以及比百度知道逊色一些的“谷歌问答”。
“知道”,是一个比搜索更加贴近人类语言习惯的问答产品。在搜索的时候,人只会打几个关键词,很少会直接长篇大论写一句话,写一个用人类正常语法表述的问题。
而用百度知道的时候,因为背后是人类在回答,所以大家都遵循了人类语言的语法。
一个新买手机的用户,和初秘或者SIRI聊天的时候,问到的问题,真的是绝无仅有、从来没有前人问过的么?
恐怕不尽然。
十几亿人心中的困惑,有相当大一部分是重合的。同一个问题,可能全国有几百万人想问。
有了百度知道的云端大数据之后,初秘或者SIRI再听到手机主人的语音发问时,就可以先搜一搜这个云端数据,看看有没有近似的或者重复的前人提问。
如果有,直接把前人提问中的“被采纳答案”推送过来、语音阅读一遍就行了。
在“知道”这个产品上,谷歌其实走得比百度慢。谷歌的强项,是“谷歌学术”那种专业标准化的问答,而缺少家长里短的日常人工智能锻炼。
在人工智能领域,如果非要对比谷歌和百度的优劣势,只能说:谷歌可以训练出更精密的机器,但是不如百度那样容易给机器学会‘七情六欲’。
因为早年的谷歌,压根就没想到去锻炼其人工智能的这个方面。
当然,说句良心话,百度也没想到。
“百度知道”日后教会了“度秘”比SIRI更能插科打诨,也只是百度发展时一招无心插柳的歪打正着。
……
正因为顾莫杰懂行,因为他自己就懂深度学习算法,所以,他比别人更能领会严磊开出的条件诱惑力。
初音集团,在搜索上是弱项。
但是初音集团,在人工智能的算法领域,是强项。
一个企业人工智能产品的强弱,受制于两个因素。
一个是算法的好坏,一个是大数据的规模。
比如,谷歌的算法效率假设是10%,而谷歌的日搜索处理量是10亿条,所以谷歌的人工智能每天理论消化的问答是1亿条。
如果初音的算法效率更好,有20%,但初音每天的搜索处理量只有1亿条,那么初音人工智能每天理论消化的问答只有2000万,比谷歌弱了五倍。
有好算法,有好的“数据消化效率”,却没有足够的“数据饲料”去喂养这副“消化功能”极强的“胃口”。
这一直是初音人工智能研究院的缺憾,短板。
但是,如果按照严磊的说法,把谷歌中国过去五年,在中国市场上搜集到的服务器端历史记录数据统统COPY过来,“填鸭式”地塞给“初秘”去学习,那么初秘在“真正听懂中国人讲话”这个问题上,起码可以赢得相当于额外获得两三年时间锻炼的效果。
历史上SIRI公司成立于2007年,10年被苹果收购后,在4S上放出了这个人工智能产品。
但是用过IPHONE4S的用户,恐怕都有一种记忆:
刚开始,4S上的SIRI智能程度真的很低,几乎听不懂什么话。还是只能和旧时代的“语音拨号助手”那样,帮主人翻翻通讯录、拨打一下电话为主。
至于让SIRI真的近似于人一样和主人聊天,似乎是2012~2013年的事情了,那时候的SIRI才渐渐说话像人话。
那就是因为,SIRI花了两三年时间来“学习”、来积累和消化云端大数据,渐渐统计出人类语言习惯。
如果谷歌中国不倒下,谷歌在华的那多年数据记录,肯定是作为商业秘密不会公开的。因为那涉及到其对中国人上网习惯的统计。如果公开了,很有可能被对手拿去,作为优化对手引擎算法的参照物。
但是,如果谷歌中国倒下了,这些数据再遮遮掩掩藏着,似乎就没什么意义了。
只要顾莫杰出一笔看上去挺诚意的价码,谷歌总部相信就会把这笔数据财富卖给初音。
顾莫杰意淫着美好前景,简直要兽血沸腾。
恨不得现在就在老朋友拉利佩奇脊梁骨上捅一刀,然后把谷歌中国的数据资源巧取豪夺走。
“磊哥,来,好好说说你数据到手之后的详细使用计划。我都有点迫不及待了……”
“当然没问题,就是如此如此,这般这般……”
严磊一副指点江山状,对顾莫杰讲解了一个钟头的技术路线梗概。
“只要做到了这些,然后,我们的初秘肯定可以在‘人话识别率’上领先SIRI至少两年。”(未完待续。)