一個轉動的更快的輪子相比於一個同樣能轉但轉的較慢的輪子相比有價值，但其實價值也不大。
    1200ksw.net
    事實上尹芙·卡莉覺得生成式文本摘要最不起眼的內容就是其在效率方麵的提升。
    甚至可以說效率隻是生成式文本摘要這項算法的外在表現而不是這一算法的真正內核。
    通常意義上所說的自然語言處理（nlp）主要內容無非就是兩部分。
    一部分是nlu，另一部分是nlg。
    前者指的是自然語言理解，後者指的是自然語言生成。
    林灰搞定的生成式文本摘要算法在自然語言理解和自然語言生成此二者上都有極為突出的意義。
    涉及到生成式文本摘要這項全新的文本摘要算法。
    其相比於傳統的抽取式摘要隻能借助於原有的文本內容抽取而言，能直接“無中生有”的進行摘要生成。
    這樣的一種算法在自然語言理解方麵自然是做到了前所未有的高度。
    而且這也啟發著在自然語言生成方麵有可能實現新的突破。
    自然語言生成更是一項極為有價值的方向。
    涉及到自然語言生成，更長遠的未來可不僅僅是依靠文本生成文本。
    理論上講，當神經網絡學習進展到一定地步的時候。
    當輸入內容不是文本的時候，也可以據此進行自然語言生成。
    誠然如此的話，那麽今後自然語言處理這方麵會獲得真正意義上的騰飛。
    屆時自然語言處理也會徹底擺脫現在一向圈地自萌的局麵。
    而神經網絡學習發展到什麽樣的地步才可能實現新的突破呢？
    尹芙·卡莉對林灰在論文補充內容中提到的深度學習印象極為深刻。
    所有人都知道涉及到神經網絡學習這方麵為了使得模型更加高效就要更深。
    可怎樣更深入呢？
    這是個問題。
    現在世界裏涉及到神經網絡學習雖然很多人都冠以深度學習之名。
    但其實尹芙·卡莉覺得這些都是不夠深的。
    其模型對應的效率什麽的都差得遠。
    不知道林灰就深度學習這方麵能夠給出另一份全新的答桉麽？
    誠然能就深度學習這方麵給出一份嶄新且意義深刻的答桉的話。
    林灰將徹底推開一扇門。
    門後將是一個嶄新的世界。
    至於那個世界是什麽？
    人工智能時代的徹底到來。
    內心深處，尹芙·卡莉覺得人工智能的時代其實早就應該到來了。
    盡管“人工智能”的名字在現在聽起來還具有幾分科幻的色彩。
    但早在上世紀六十年代“人工智能”概念就已經正式誕生了。
    上世紀六十年代人工智能概念剛剛問世那會還有一陣子人工智能的浪潮。
    除了這次浪潮之外，在上世紀八十年代也掀起了人工智能的另一次浪潮。
    當初之所以掀起這第二次浪潮是因為人工神經網絡的興起。
    尹芙·卡莉認為如果林灰在論文補充內容中所提到的深度學習真的是尹芙·卡莉所期待的深度學習的話。
    那麽人工神經網絡學習時代將正式進入到深度學習時代的話。
    而這毫無疑問將掀起人工智能第三次浪潮。
    而且此次掀起人工智能的浪潮絕對不會像過往那樣如流星一般稍縱即逝。
    而是會徹底揭開人工智能的時代。
    誠然如此的話，那林灰的名字將載入計算機發展史。
    如同過往那些偉大的計算機學家所享受的禮遇一般。
    當然了，推開那扇門也不完全是讚譽。
    科學史上任何科技上的進步從來都是非議和貶低隨著讚譽一同到來。
    很多時候推開門是需要勇氣的。
    涉及到人工智能這一學科，從一開始就牽扯到到諸多爭議。
    因為人工智能所涉及到的機器學習，與之對應的甚至還專門有一個名為“機器倫理”的學科。
    機器倫理這個蛋疼兮兮的學科作為一個正在興起的倫理學研究領域。
    其關注的主要內容是使機器具有倫理屬性。
    這一理論是美國的幾位學者提出的。
    這些人之所以搞出這樣一門理論是為什麽呢？
    這些學者聲稱他們之所以進行這方麵的研究完全是為了關注於機器對於人類使用者和其他機器帶來的行為結果。
    這種行為別人或許會持中立意見。
    但在尹芙·卡莉看來這些人完全就是吃飽了沒事幹。
    尹芙·卡莉覺得這些人與其將精力浪費在所謂的機器倫理上，還不如去客串充當下環保鬥士。
    起碼環保鬥士所關心的環保至少是有的放失。
    環保問題是真實存在的。
    盡管具體進行環保宣傳的時候可能存在著很多誤導性十足的理論。
    但不可否認，環保方麵確實是有問題的。
    不過涉及到機器學習方麵搞什麽機器倫理完全就是瞎搞。
    首先就機器倫理方麵進行討論完全就是捕風捉影的無端非議。
    通過討論機器智能來幹涉人工智能倫理根本就是沒事找事的行為。
    因為機器倫理根本就不能等同於人工智能倫理。
    這些海外“倫理學家”在海外搞所謂的機器倫理。
    不過隻是一堆外行搞得小醜行為而已。
    雖然這些人不懂機器學習，但並不影響這些人去誤導普羅大眾。
    這些人的通常做法是不加區分地將機器倫理和機器人倫理混雜在一塊。
    通過很多對於機器人的臆測去帶機器學習方麵的節奏。
    甚至是去帶人工智能的節奏。
    這種做法不是蠢就是壞。
    依據機器學習方麵的內容確實可以搞智能化的機器人。
    但智能化的機器人也不是隻有機器學習這一條路。
    說實話這些磚家們與其憂心機器學習對機器人的影響。
    還不如多憂心一下高端傳感器對機器人的助力作用。
    畢竟即便是機器學習助力了機器人的進展。
    但最終涉及到技術的大規模應用仍然要著落在高端傳感器上麵。
    至於將機器倫理和人工智能倫理扯上關係更是不切實際。
    機器學習會助力人工智能，但現在機器學習的水平距離真正意義上的人工智能還差得遠。
    硬要說什麽人工智能帶來的風險也隻能是強人工智能帶來的風險。
    而不是弱人工智能帶來的風險。
    可現在別說是強人工智能了。
    就是弱人工智能也是遙不可及。
    因此這些人們對人工智能可能引發的風險完全就是杞人憂天。
    不過話說回來，強人工智能確實有風險，而且風險不小。
    畢竟按照人們對強人工智能的設想。
    這是一項擁有自主意識、自主思維能力的超級ai。
    這樣的技術很多技術大牛都表示了對其可能引發風險的擔憂。
    對於強人工智能的安全性刨根問底的話，尹芙·卡莉其實也不敢確定。
    說實話這也是尹芙·卡莉很欣賞林灰或者說很仰慕林灰的一點。
    涉及到一項可能會涵蓋無端非議的科研項目。
    林灰腦海中卻似乎壓根不知道會涉及到爭議一般。
    總是義無反顧按部就班的推進。
    渾然不會過分在意外界的聲音。
    或許這才是真正意義上的純粹。
    僅僅就是這份純粹就足以讓尹芙·卡莉更加相信林灰能開啟人工智能全新時代。
    雖然這種涉及到人工智能時代的徹底到來隻是尹芙·卡莉的直覺。
    但尹芙·卡莉覺得直覺不等同於錯覺。
    直覺的本質往往是爛熟於心的幾乎不假思索的邏輯。
    就像一些考試第一印象選出來的答桉幾乎都是對的，改來改去反而會將原本選對的改錯。
    總而言之，尹芙·卡莉相信她的科研直覺。
    而且主觀上尹芙·卡莉也寧願相信翻開人工智能新篇章的那個人是林灰。
    和數學方麵的進步差不多，計算機方麵的進步基本上也是靠天才推動的。
    也就是說將來翻開人工智能新篇章的人注定是一個天才。
    計算機方麵的天才尹芙·卡莉是邂後很多的。
    但像林灰這種非但不惹人討厭反倒讓人著迷的可以說是很少有了。
    與其人工智能方麵的新篇章被一些難以理喻的討厭鬼翻開。
    還不如由林灰翻開。
    總而言之，林灰在論文中的補充內容讓尹芙·卡莉對未來充滿期待。
    尹芙·卡莉很期待此次同林灰就論文內容展開的討論。