<! btyetop >

sty1nove.k"

dataads297"

dataadforat="auto"

datafuidthresponsive="true"><ins>

第三十六章深度學習

什麼情況讓風無忌竟然這樣驚撥出來？實在是結果太讓人有些不可思議了。

“他是怎麼做到的！”

風無忌雙眉緊皺，無言的看著電腦螢幕上的畫面。千度的搜尋結果一如既往，出現了美女圖片和某些“不健康”的內容。

按照他的想法，就算使用標準圖片對比的方式，最多也就是把相關圖片進行遮蔽。

但讓他驚訝的是，不健康圖片並沒有被整個遮蔽掉——只是關鍵部位多出了馬賽克處理。

沒有因為有不健康圖片而將千度誤判為非法網站，也沒有因為有不健康圖片而導致更多有用資訊同樣被遮蔽。這個軟體的智慧水平，簡直是駭人聽聞。關鍵它還這麼小，只有300k的體積說明它解決問題的技術思路肯定很巧妙，絕不是用那些很傻的方式實現的！

可是在風無忌的認識裡，應該沒有任何一種技術能夠做到這種程度，就連聽都沒有聽說過！

能夠準確的找到關鍵部位，豈不是說這個程式能夠準確的識別圖片裡顯示的是什麼？而並非僅僅把圖片當成一堆資料，按照資料的相似程度來區分是否遮蔽。

這種技術，簡直聞所未聞。這已經有點不像技術，而像是奇跡了。

在祖魯人眼裡，大概火槍和大炮也是奇跡吧。要知道侯世達使用的圖片識別技術，在十年後也是很高階的應用。

影象識別，這是人工智慧研究的一個重要課題。讓計算機能夠看“懂”圖片表達的資訊，這是這項技術的最終目標。

別看僅僅只是遮蔽不健康圖片這樣小的一個功能，它背後使用的卻是在2011年才有所突破的神經網路和深度學習技術。在圖形的識別問題上，可以說真正的邁進了一大步！請記住geoffreyhinton這個名字，就是這個人，一步步把“深度學習”從邊緣課題變成網路巨頭們仰賴的核心技術。

後世谷歌眼鏡現實增強、圖片識別搜尋、人臉識別，乃至自動駕駛汽車等等尖端領域，都是應用了神經網路技術。

在人工智慧技術發展還很原始的這個時代裡，這個技術說是神跡其實倒也不差。

“等等，還不能確定，我需要更多的驗證！”

風無忌精神上明顯振奮起來，這是一個成功的程式設計師在面對自己不瞭解的技術，自然而然迸發出來的求知慾。

……

幾乎一整個上午，風無忌都在使用各種方式測試著這個程式。而最後的結果，讓他不禁有些目瞪口呆。

“90的圖片識別率，不是使用黑名單方式區分網站，而是根據頁面顯示內容判定。正常的網站只遮蔽圖片，非法網站則限制網站訪問。”

“除了圖片識別，它在自然語言識別上也有相當優勢。不不，如果只是圖片被遮蔽了，我也不會這麼驚訝。關鍵是它能對關鍵部位進行馬賽克處理，你聽明白我說的是什麼嗎？它能看的懂圖片是哪裡違規了！”

“對對，這真是太aazing了！”

“最關鍵的是你想想看，如果它能識別圖片裡特定的細節顯示，那麼它能不能實現對生産線上産品狀態的識別？”

“還記得豐田新生産線那個專案嗎？如果能把這個技術應用到機械手的控制上，自動化程度至少能一次提高30！”

“中動軟體和咱們有什麼相幹？他陳輝再牛，難道比豐田的分量還重？老總，機不可失失不再來啊！”

……

風無忌興奮的撂下電話，他是大港市一家上市的嵌入式裝置研發公司的軟體總工程師，對工控自動化和資料庫方面非常有研究。

工控領域離it和網際網路似乎有些遠，但實則不然。在羅漢堂內堂裡，像他這樣做嵌入式系統的程式設計師，是能夠和電腦軟體程式設計師、網路程式設計師相提並論的大團體。

只不過自動化講究精確控制，侯世達之前提出的模糊邏輯從名字上，對工控就沒有什麼吸引力。

風無忌並不知道，在侯世達重生前的世界，模糊控制是工業自動化相當高階的領域。沒有模糊控制，自動化就不可能在生産線上徹底替代人的作用。