第466章 五連抽!
遊戲公司？這分明是科技巨頭 作者：饑餓的考拉 投票推薦 加入書簽 留言反饋
不管怎麽說，陳騰對這一次的係統升級還是非常滿意的。
“那就小小地抽個獎吧。”
趁手頭上寬裕，陳騰準備抽抽獎。
十連太奢侈，陳騰準備來個五連。
【dctc高精度圖像識別模型】
【人工智能自主創造性思維能力提升方案預測】
【lsm人工智能語言學習大模型】
【大數據統計分析技術】
【第一代fnct架構方案】
“嘶……”
陳騰撫摸著自己的下巴，看著自己抽到的東西。
第一個圖像識別技術，這是很常見的技術。
開車進各個停車場的時候對車牌號的自動記錄，是圖像識別技術的一種應用。
這個許多人都已司空見慣。
還有上網時根據驗證碼的圖片打出對應的數字、字母。
進階一些的讓用戶選出圖片當中的“紅綠燈”“自行車”“大巴車”……
這則是用戶在幫忙做圖像識別訓練。
這項技術的應用非常明確，給ai一張圖，讓ai識別圖中信息。
這項技術的訓練方法同樣非常簡單。
給ai一張圖，讓ai識別。
錯了就糾正，對的就保留。
“倒是可以用在智能駕駛上，就是不知道這個技術的方案怎麽樣。”
為了提升ai識別的效率、正確率以及學習的速度。
無數科研人員提出方案、優化方案。
不知道係統給自己的這個dctc模型，到底是什麽樣的水準。
陳騰拿起係統給的u盤插進電腦中。
看了一會兒技術原理。
很好，前麵的導入部分還能看懂一點，後麵就完全看不懂了。
還是晚點給別人看吧。
至於抽出來的第二個東西那就“厲害”了。
提升人工智能自主創造性思維能力，可是科幻電影和科幻小說當中才有的技術。
也就是俗稱的，擁有自己獨立的思維意識。
別看現在什麽“深度學習”的口號喊得響亮，但是實際上距離這一步還有十萬八千裏。
陳騰也看到了這東西後麵跟著的“方案預測”四個字，並沒有太激動。
抽不出來真正技術，隻是方案預測也在陳騰的意料之中。
要是沒有這四個字，價值就不是一百萬了。
一千萬、一個億甚至更高也不是不可能。
況且就算是有了這個技術的方案，陳騰估計自己也還差著一堆前置的技術，根本啃不動。
“這玩意兒……姑且就當成謝謝惠顧吧。”
係統認證這東西的價值在三百萬以上，但是陳騰現在確實用不到。
第三個，甚至可以說是目前最有用的。
語言學習大模型。
顧名思義，這個大模型的作用就是幫助ai學習人類的語言，幫助它了解每一句話的含義。
學成之後，那自然就可以和人類對話。
如果將這項技術和語音轉文字的技術相結合，就能得到一個可以聊天說話的語音助手。
再給予操控設備的權限，那麽用戶將會得到一個類似於《鐵人》電影當中“賈維斯”一樣的人工智能助手。
當然，肯定是弱化版。
這樣一來騰達旗下所有的設備，都可以用語音進行操控了。
“就是不知道這個模型的水平怎麽樣了。”
陳騰沒有細看係統給的u盤。
不用看都知道，他肯定看不懂的。
第四個，大數據統計分析技術。
這項技術是騰達目前具備，但同時還是需要的。
因為ai的學習與成長，需要依賴的就是龐大的數據庫。
沒有龐大的數據庫，ai什麽都不是。
再怎麽精妙的模型和，都需要龐大的數據庫。
而這個龐大的數據庫，又必須精挑細選數據源。
優秀的數據可以幫助ai更加快速地成長，達成想要的目標。
反之，垃圾的數據庫很有可能會導致ai倒退。
拿圍棋界的阿爾法狗舉例。
就算是一開始阿爾法狗什麽都不會的時候，背後的團隊也絕對不可能給它喂兩個臭棋簍子下出來的對局。
喂的數據，一定是經過精挑細選的高水平對局。
到了阿爾法狗天下無敵的時候，人類的棋局也不會再往它的數據庫裏喂了。
為什麽？
因為這個時候，哪怕是人類頂尖高手的對局喂進去，那都屬於汙染數據庫了。
那麽新的問題來了，如何精挑細選優秀的數據喂進去呢？
圍棋這種還好，可以通過人工的方式把數據喂進去。
那更加複雜的模型呢？
兩個方法。
第一個，繼續加人。
核心成員不夠，那就外包團隊。
每個人在輸入圖形驗證碼的時候，都相當於是他們人工智能的外包團隊，幫他們喂數據。
第二個，讓其他經過簡單訓練的ai幫忙篩選一遍數據，將一些汙染能力比較強的數據給篩出去。
這就需要用到大數據統計分析技術了。
這個技術非常地籠統，應用也非常地廣泛。
短視頻平台給用戶的喜好打標簽，分析用戶喜歡的視頻類型，就是這項技術的應用。
將數據喂給gpt這樣的人工智能之前，也要經過預先的數據分析。
但就這兩樣的數據分析，完全又是兩個方向的數據分析。
雖然名字一模一樣，實際的內容和具體的技術又南轅北轍。
陳騰打開係統給的大數據統計分析技術。
在技術原理之前，係統還貼心地附上了介紹說明。
“總算是有能看懂的了。”
陳騰詳細地看了一遍這個介紹說明，發現係統給自己的這項技術非常全麵。
文字、語音、圖像、視頻……以及其他各種各樣複雜的數據處理技術都有。
“這個技術好啊。”
陳騰讚歎。
人工智能從訓練到使用一共三步。
數據選擇——數據處理——人工智能學習訓練。
有了係統給的這項技術，不管是想要訓練什麽類型的人工智能，在第二步上都會省下很多很多的時間。
“看來他們有的學了。”
陳騰又往下拉了拉剩餘的內容。
剩餘的內容足足有數千頁，且都是比較複雜的內容和理論。
這些東西想要研究明白，就不是短時間內可以做到了。
不過要是學明白了，騰達的人工智能也會向前一大步。
陳騰看完這項技術，目光落在了第五個獎勵上。
【第一代fnct架構方案】。
“那就小小地抽個獎吧。”
趁手頭上寬裕，陳騰準備抽抽獎。
十連太奢侈，陳騰準備來個五連。
【dctc高精度圖像識別模型】
【人工智能自主創造性思維能力提升方案預測】
【lsm人工智能語言學習大模型】
【大數據統計分析技術】
【第一代fnct架構方案】
“嘶……”
陳騰撫摸著自己的下巴，看著自己抽到的東西。
第一個圖像識別技術，這是很常見的技術。
開車進各個停車場的時候對車牌號的自動記錄，是圖像識別技術的一種應用。
這個許多人都已司空見慣。
還有上網時根據驗證碼的圖片打出對應的數字、字母。
進階一些的讓用戶選出圖片當中的“紅綠燈”“自行車”“大巴車”……
這則是用戶在幫忙做圖像識別訓練。
這項技術的應用非常明確，給ai一張圖，讓ai識別圖中信息。
這項技術的訓練方法同樣非常簡單。
給ai一張圖，讓ai識別。
錯了就糾正，對的就保留。
“倒是可以用在智能駕駛上，就是不知道這個技術的方案怎麽樣。”
為了提升ai識別的效率、正確率以及學習的速度。
無數科研人員提出方案、優化方案。
不知道係統給自己的這個dctc模型，到底是什麽樣的水準。
陳騰拿起係統給的u盤插進電腦中。
看了一會兒技術原理。
很好，前麵的導入部分還能看懂一點，後麵就完全看不懂了。
還是晚點給別人看吧。
至於抽出來的第二個東西那就“厲害”了。
提升人工智能自主創造性思維能力，可是科幻電影和科幻小說當中才有的技術。
也就是俗稱的，擁有自己獨立的思維意識。
別看現在什麽“深度學習”的口號喊得響亮，但是實際上距離這一步還有十萬八千裏。
陳騰也看到了這東西後麵跟著的“方案預測”四個字，並沒有太激動。
抽不出來真正技術，隻是方案預測也在陳騰的意料之中。
要是沒有這四個字，價值就不是一百萬了。
一千萬、一個億甚至更高也不是不可能。
況且就算是有了這個技術的方案，陳騰估計自己也還差著一堆前置的技術，根本啃不動。
“這玩意兒……姑且就當成謝謝惠顧吧。”
係統認證這東西的價值在三百萬以上，但是陳騰現在確實用不到。
第三個，甚至可以說是目前最有用的。
語言學習大模型。
顧名思義，這個大模型的作用就是幫助ai學習人類的語言，幫助它了解每一句話的含義。
學成之後，那自然就可以和人類對話。
如果將這項技術和語音轉文字的技術相結合，就能得到一個可以聊天說話的語音助手。
再給予操控設備的權限，那麽用戶將會得到一個類似於《鐵人》電影當中“賈維斯”一樣的人工智能助手。
當然，肯定是弱化版。
這樣一來騰達旗下所有的設備，都可以用語音進行操控了。
“就是不知道這個模型的水平怎麽樣了。”
陳騰沒有細看係統給的u盤。
不用看都知道，他肯定看不懂的。
第四個，大數據統計分析技術。
這項技術是騰達目前具備，但同時還是需要的。
因為ai的學習與成長，需要依賴的就是龐大的數據庫。
沒有龐大的數據庫，ai什麽都不是。
再怎麽精妙的模型和，都需要龐大的數據庫。
而這個龐大的數據庫，又必須精挑細選數據源。
優秀的數據可以幫助ai更加快速地成長，達成想要的目標。
反之，垃圾的數據庫很有可能會導致ai倒退。
拿圍棋界的阿爾法狗舉例。
就算是一開始阿爾法狗什麽都不會的時候，背後的團隊也絕對不可能給它喂兩個臭棋簍子下出來的對局。
喂的數據，一定是經過精挑細選的高水平對局。
到了阿爾法狗天下無敵的時候，人類的棋局也不會再往它的數據庫裏喂了。
為什麽？
因為這個時候，哪怕是人類頂尖高手的對局喂進去，那都屬於汙染數據庫了。
那麽新的問題來了，如何精挑細選優秀的數據喂進去呢？
圍棋這種還好，可以通過人工的方式把數據喂進去。
那更加複雜的模型呢？
兩個方法。
第一個，繼續加人。
核心成員不夠，那就外包團隊。
每個人在輸入圖形驗證碼的時候，都相當於是他們人工智能的外包團隊，幫他們喂數據。
第二個，讓其他經過簡單訓練的ai幫忙篩選一遍數據，將一些汙染能力比較強的數據給篩出去。
這就需要用到大數據統計分析技術了。
這個技術非常地籠統，應用也非常地廣泛。
短視頻平台給用戶的喜好打標簽，分析用戶喜歡的視頻類型，就是這項技術的應用。
將數據喂給gpt這樣的人工智能之前，也要經過預先的數據分析。
但就這兩樣的數據分析，完全又是兩個方向的數據分析。
雖然名字一模一樣，實際的內容和具體的技術又南轅北轍。
陳騰打開係統給的大數據統計分析技術。
在技術原理之前，係統還貼心地附上了介紹說明。
“總算是有能看懂的了。”
陳騰詳細地看了一遍這個介紹說明，發現係統給自己的這項技術非常全麵。
文字、語音、圖像、視頻……以及其他各種各樣複雜的數據處理技術都有。
“這個技術好啊。”
陳騰讚歎。
人工智能從訓練到使用一共三步。
數據選擇——數據處理——人工智能學習訓練。
有了係統給的這項技術，不管是想要訓練什麽類型的人工智能，在第二步上都會省下很多很多的時間。
“看來他們有的學了。”
陳騰又往下拉了拉剩餘的內容。
剩餘的內容足足有數千頁，且都是比較複雜的內容和理論。
這些東西想要研究明白，就不是短時間內可以做到了。
不過要是學明白了，騰達的人工智能也會向前一大步。
陳騰看完這項技術，目光落在了第五個獎勵上。
【第一代fnct架構方案】。