第282章 他将推开那扇门
当然生成式文本摘要能够拥有更高的处理文本的效率。
这个对于记者之类的相关使用人员来说效率的提高确实是很具有意义。
但这不是科研人员所关心的。
一个转动的更快的轮子相比于一个同样能转但转的较慢的轮子相比有价值。
但深究之下会发现其实价值也不大。
事实上尹芙·卡莉觉得生成式文本摘要最不起眼的内容就是其在效率方面的提升。
甚至可以说效率只是生成式文本摘要这项算法的外在表现而不是这一算法的真正内核。
通常意义上所说的自然语言处理（nlp）主要内容无非就是两部分。
一部分是nlu，另一部分是nlg。
前者指的是自然语言理解，后者指的是自然语言生成。
林灰搞定的生成式文本摘要算法在自然语言理解和自然语言生成此二者上都有极为突出的意义。
生成式文本摘要这项全新的文本摘要算法。
其相比于传统的抽取式摘要只能借助于原有的文本内容抽取而言，能直接“无中生有”的进行摘要生成。
这样的一种算法在自然语言理解方面自然是做到了前所未有的高度。
而且这也启发着在自然语言生成方面有可能实现新的突破。
自然语言生成更是一项极为有价值的方向。
自然语言生成更长远的未来可不仅仅是依靠文本生成文本。
理论上讲，当神经网络学习进展到一定地步的时候。
当输入内容不是文本的时候，也可以据此进行自然语言生成。
诚然如此的话，那么今后自然语言处理这方面会获得真正意义上的腾飞。
届时自然语言处理也会彻底摆脱现在一向圈地自萌的局面。
而神经网络学习发展到什么样的地步才可能实现新的突破呢？
尹芙·卡莉对林灰在论文补充内容中提到的深度学习印象极为深刻。
所有人都知道神经网络学习这方面为了使得模型更加高效就要更深。
可怎样更深入呢？
这是个问题。
现在世界里神经网络学习虽然很多人都冠以深度学习之名。
但其实尹芙·卡莉觉得这些都是不够深的。
其模型对应的效率什么的都差得远。
不知道林灰就深度学习这方面能够给出另一份全新的答桉么？
诚然能就深度学习这方面给出一份崭新且意义深刻的答桉的话。
林灰将彻底推开一扇门。
门后将是一个崭新的世界。
至于门后那个世界是什么？
人工智能时代的彻底到来。
内心深处，尹芙·卡莉觉得人工智能的时代其实早就应该到来了。
尽管“人工智能”的名字在现在听起来还具有几分科幻的色彩。
但早在上世纪六十年代“人工智能”概念就已经正式诞生了。
上世纪六十年代人工智能概念刚刚问世那会还有一阵子人工智能的浪潮。
除了这次浪潮之外，在上世纪八十年代也掀起了人工智能的另一次浪潮。
当初之所以掀起这第二次浪潮是因为人工神经网络的兴起。
尹芙·卡莉认为如果林灰在论文补充内容中所提到的深度学习真的是尹芙·卡莉所期待的深度学习的话。
那么人工神经网络学习时代将正式进入到深度学习时代的话。
而这毫无疑问将掀起人工智能第三次浪潮。
而且此次掀起人工智能的浪潮绝对不会像过往那样如流星一般稍纵即逝。
而是会彻底揭开人工智能的时代。
诚然如此的话，那林灰的名字将载入计算机发展史。
如同过往那些伟大的计算机学家所享受的礼遇一般。
当然了，推开那扇门也不完全是赞誉。
科学史上任何科技上的进步从来都是非议和贬低随着赞誉一同到来。
甚至还容易招致很多而已的攻击。
很多曾经在科技史上青史留名的人现实中就饱受人们恶意的批评和指责。
在这种情况下，很多时候推开门是需要勇气的。
哪怕只是科技上的门。
人工智能这一学科，从一开始就牵扯到到诸多争议。
因为人工智能所的机器学习，与之对应的甚至还专门有一个名为“机器伦理”的学科。
机器伦理这个蛋疼兮兮的学科作为一个正在兴起的伦理学研究领域。
其关注的主要内容是使机器具有伦理属性。
这一理论是美国的几位学者提出的。
这些人之所以搞出这样一门理论是为什么呢？
这些学者声称他们之所以进行这方面的研究完全是为了关注于机器对于人类使用者和其他机器带来的行为结果。
这种行为别人或许会持中立意见。
但在尹芙·卡莉看来这些人完全就是吃饱了没事干。
尹芙·卡莉觉得这些人与其将精力浪费在所谓的机器伦理上，还不如去客串充当下环保斗士。
起码环保斗士所关心的环保至少是有的放失。
环保问题是真实存在的。
尽管具体进行环保宣传的时候可能存在着很多误导性十足的理论。
但不可否认，环保方面确实是有问题的。
不过机器学习方面搞什么机器伦理完全就是瞎搞。
首先就机器伦理方面进行讨论完全就是捕风捉影的无端非议。
通过讨论机器智能来干涉人工智能伦理根本就是没事找事的行为。
因为机器伦理根本就不能等同于人工智能伦理。
这些海外“伦理学家”在海外搞所谓的机器伦理。
不过只是一堆外行搞得小丑行为而已。
虽然这些人不懂机器学习，但并不影响这些人去误导普罗大众。
这些人的通常做法是不加区分地将机器伦理和机器人伦理混杂在一块。
通过很多对于机器人的臆测去带机器学习方面的节奏。
甚至是去带人工智能的节奏。
这种做法不是蠢就是坏。
依据机器学习方面的内容确实可以搞智能化的机器人。
但智能化的机器人也不是只有机器学习这一条路。
说实话这些砖家们与其忧心机器学习对机器人的影响。
还不如多忧心一下高端传感器对机器人的助力作用。
毕竟即便是机器学习助力了机器人的进展。
但最终技术的大规模应用仍然要着落在高端传感器上面。