第798章图灵测试
听到这里，原本神色平静的大boss们，脸上终于露出了郑重。
能坐在这里的都是聪明人。
他们都能从徐良的话里听出大数据应用的真实性。
“不过，大数据和云计算只是基础，真正带来行业变革的是人工智能。
我相信很多人都听过图灵测试。
让一台机器和一个人坐在幕后，让一个裁判同时与幕后的人和机器进行交流，如果这个裁判无法判断自己交流的对象是人还是机器。
这就说明这台机器有了和人同等的智能。
这便是大名鼎鼎的图灵测试的全部内容。
计算机科学家们认为，如果计算机实现了五件事，就可以认为它拥有图灵所说的那种智能。
第一，语音识别。
第二，机器翻译。
第三，文本的自动摘要或者写作。
第四，战胜人类的国际象棋冠军。
第五，自动回答问题。
对于怎么实现这五件事，学术界分为传统人工智能的方法和现代其它的方法。
那么传统的人工智能方法是什么呢
简单讲，就是先了解人类是如何产生智能的，然后让计算机按照人的思路去做。
这种方法又称为鸟飞派。
就像人类观察鸟的飞行，发明了飞机。
观察鱼的游行发明了潜艇一样。
通过模拟进而发明。
但后来经过多年研究证明，这种方法非常不现实。
因为机器始终是机器，永远不可能像人那样思考。
科学家们不得不另辟蹊径。
到了20世纪70年代，大家开始尝试机器智能的另一条发展路径。
即，用数据驱动和超级计算的方法，来实现人工智能。
这种方法又称为机器学习或者知识发现，也就是我们之前说的现代的人工智能发展方式。
最早在这方面做出成果的是1972年美国康奈尔大学的教授弗雷德贾里尼克。
他不是人工智能专家，他是一位卓越的通信专家。
他认为人的大脑是一个信息源，从思考到找到合适的语句，再通过发音说出来，是一個编码的过程。
经过媒介声道、空气等传播到听众的耳朵里，是经过了一个长长的信道的信息传播问题。
最后听话人把它听懂，是一个解码的过程。
也就是说，他认为人工智能的语音识别，是一个典型的通信问题。
可以用解决通信问题的方法来解决。
为此贾里尼克用了两个数学模型，即马尔科夫模型，分别描述信息源和信道。
找到了数学模型后，下一步就是用统计的方法训练出模型的参数，这在今天来讲就是机器学习。
通过这种方法，人工智能的语音识别率从过去的70左右，提高到了90。
同时语音识别的规模，从几百词上升到了两万多词，堪称革命性的发展。
最重要的是贾里尼克的研究得出一个结论。
即
随着数据量的不断提升，系统会变得越来越好。
因此，国际上的人工智能研究分成了两派。
一派是模仿人的鸟飞派，一派是数据驱动派。
而后者之所以没有迅速发展起来，主要是因为数据获取非常困难。
第一，当时没有机读资料。
第二，很多文学明珠不同版本分散在不同国家，并且其翻译常常不是一一对应。
当然还有很多其它原因就不一一细说了。
但，这个困难在互联网时代被改变了。
它的出现，让研究机构可以轻易获得全球的机读资料。
而且数据量还在随着互联网的发展，每年呈几倍，甚至十几倍的增长。
在庞大的数据支持下，从1994年到2004年的十年里，语音识别的错误率减少了一半。
而机器翻译的准确性提高了一倍。
其中20的贡献来自方法的改进，80来自数据量的提升。
再就是今年2月份，在美国召开的全球机器翻译系统大赛。
鸿蒙和o通过数据驱动的方法，取得了50以上的beu分数。
比著名的南加州大学、ib沃森实验室等研究机器翻译几十年的顶尖研究机构领先了5。
而提高这五个百分点在过去需要研究510年的时间。
在到英文的翻译中，鸿蒙的得分比第三名领先了17，同样采用数据驱动方法的o比第二名领先了15，这个差距已经超出了一代人的水平。
而鸿蒙和o都是成立不超过十年的新公司。
在人工智能研发上的底蕴肯定没有南加州和沃森实验室深厚。
但我们却超过了他们。
原因是我们比他们更优秀吗
不是。
那么差距是怎么产生的
很简单。
作为全球最大的两个搜索公司，鸿蒙必应和o都拥有庞大的搜索数据库。
aaatdivtentadvaaa而且我们每年都在对全球所有的图片、图书、报刊数据化。
这让我们掌握着全球最大的数据库。
南加州大学和ib沃森实验室虽然人才比我们多，研究基础比我们深厚。
但他在数据量上远远不如必应和o。
所以，他们落后了。
这次比赛的结果在人工智能领域产生了巨大的影响。
从我们得到的消息来看，全球绝大部分科研机构都放弃了传动的鸟飞派方法，改用了数据驱动的方法。
也就是说，2005年将成为全球人工智能领域的分水岭。
从今年开始，鸟飞派将被彻底抛弃，数据驱动将成为唯一的主流。
我相信，随着数据量的不断累积，人工智能会变得越来越智能化和实用化。
将会对社会的方方面面产生深刻的影响。”
完全进入自己节奏的徐良，已经不需要稿子了。
这一刻，他完全放下了双方的身份。
全然把台下的人当成了听众。
而他们也彻底被徐良言语中的内容吸引了全部的注意力。
“未来的农业，将彻底摆脱华夏几千年来，消耗大量人力物力，精耕细作的农业模式。
取而代之的是智能化农业工厂。
在这个工厂里，安装着大量的射频芯片，收集温度、湿度、土壤肥力等所有数据，汇集到人工智能大脑。
然后由智脑按照需求通过滴灌的方式，根据农作物的需要，注入水分和肥料。
用10，甚至更少的水量和肥料，种植出一倍，甚至更多的农业产出。
以前，我们种一百亩地，可能需要二十个农民。
在智能化农业时代，只需要一个人负责管理和维护人工智脑，就可以管理上千亩，甚至几千亩的农业用地。
效率和产出千百倍的提升。
如果未来我们能够建设更多的核电厂，太阳能、风能和水电，把能源的价格拉下来。
那么我们就能让农业向立体发展。
真正摆脱自然环境对农业的限制。”
徐良顺嘴提了一下立体农业，在他重生前，华夏因为暴涨的太阳能发电，在西部能源价格低廉的地区成立了立体农业工厂。
不过，因为即便能源价格下跌，但投资还是比较大。
所以只能拿来种植高价值的经济作物。
不具备大规模推广的基础。
所以他也没准备多说。
“未来的工业，通过智能化和大数据系统来帮助工人，甚至取代工人，实现制造业的全面智能化。
无人工厂，无人装配厂，会越来越多。
工业品的价格会下降几倍。
现在一部手机上千元。
将来手机不仅功能更丰富，性能更先进，甚至不需要你花钱，联通、移动会送给你，因为话费和网费的收入远超一部手机的价值。”
看着台下不少怀疑的眼神，徐良也没多解释。
时间会证明一切。
“当大数据和人工智能进入工业制造和销售的各个环节时，不仅工人的数量将逐步减少，而且整个制造业都将被重新洗牌。
仅仅依靠降低工人公司的低水平竞争，将不再具有制造业方面的优势。
在未来的竞争，是从设计到销售全过程的智能化水平的竞争。
也就是说，华夏将是最后一个拥有，并可以发挥人口红利发展起来的国家。
在十年二十年后。
人口多，将不再是优势。”
斩钉截铁的说完后，徐良继续道。
“未来的智能化医疗。
不管在任何国家，医疗遇到的最大瓶颈主要体现在几个方面。
第一，医疗的成本越来越高。
现在去医院，随便一个体检就几百上千元；
如果看病住院，验血、验尿、核磁共振等一系列流程下来，就是数千甚至上万元的花销。
对普通老百姓而言，这是非常大的支出。
所以看不起病的情况会越来越严重。
第二，医疗资源不平衡。
一线城市的医疗资源，远超过三四线城市，普通县城就更没法比了。
直到现在，全国一千多个市县都没有三甲医院。
最后，也是最关键的，很多病治不好。
比如癌症、帕金森综合征和阿尔兹海默症等。
尽管全世界的医生和科学家努力了许多年，世界各国和研发机构也投入了大量资金，但过去这么多年来，癌症等疾病的治疗始终进展缓慢。
但我们可以用大数据和人工智能来解决上述问题。最近转码严重，让我们更有动力，更新更快，麻烦你动动小手退出阅读模式。谢谢