不管怎么说，陈腾对这一次的系统升级还是非常满意的。 “那就小小地抽个奖吧。” 趁手头上宽裕，陈腾准备抽抽奖。 十连太奢侈，陈腾准备来个五连。 【DCTC高精度图像识别模型】 【人工智能自主创造性思维能力提升方案预测】 【LSM人工智能语言学习大模型】 【大数据统计分析技术】 【第一代FNCT架构方案】 “嘶……” 陈腾抚摸着自己的下巴，看着自己抽到的东西。 第一个图像识别技术，这是很常见的技术。 开车进各个停车场的时候对车牌号的自动记录，是图像识别技术的一种应用。 这个许多人都已司空见惯。 还有上网时根据验证码的图片打出对应的数字、字母。 进阶一些的让用户选出图片当中的“红绿灯”“自行车”“大巴车”…… 这则是用户在帮忙做图像识别训练。 这项技术的应用非常明确，给AI一张图，让AI识别图中信息。 这项技术的训练方法同样非常简单。 给AI一张图，让AI识别。 错了就纠正，对的就保留。 “倒是可以用在智能驾驶上，就是不知道这个技术的方案怎么样。” 为了提升AI识别的效率、正确率以及学习的速度。 无数科研人员提出方案、优化方案。 不知道系统给自己的这个DCTC模型，到底是什么样的水准。 陈腾拿起系统给的U盘插进电脑中。 看了一会儿技术原理。 很好，前面的导入部分还能看懂一点，后面就完全看不懂了。 还是晚点给别人看吧。 至于抽出来的第二个东西那就“厉害”了。 提升人工智能自主创造性思维能力，可是科幻电影和科幻小说当中才有的技术。 也就是俗称的，拥有自己独立的思维意识。 别看现在什么“深度学习”的口号喊得响亮，但是实际上距离这一步还有十万八千里。 陈腾也看到了这东西后面跟着的“方案预测”四个字，并没有太激动。 抽不出来真正技术，只是方案预测也在陈腾的意料之中。 要是没有这四个字，价值就不是一百万了。 一千万、一个亿甚至更高也不是不可能。 况且就算是有了这个技术的方案，陈腾估计自己也还差着一堆前置的技术，根本啃不动。 “这玩意儿……姑且就当成谢谢惠顾吧。” 系统认证这东西的价值在三百万以上，但是陈腾现在确实用不到。 第三个，甚至可以说是目前最有用的。 语言学习大模型。 顾名思义，这个大模型的作用就是帮助AI学习人类的语言，帮助它了解每一句话的含义。 学成之后，那自然就可以和人类对话。 如果将这项技术和语音转文字的技术相结合，就能得到一个可以聊天说话的语音助手。 再给予操控设备的权限，那么用户将会得到一个类似于《铁人》电影当中“贾维斯”一样的人工智能助手。 当然，肯定是弱化版。 这样一来腾达旗下所有的设备，都可以用语音进行操控了。 “就是不知道这个模型的水平怎么样了。” 陈腾没有细看系统给的U盘。 不用看都知道，他肯定看不懂的。 第四个，大数据统计分析技术。 这项技术是腾达目前具备，但同时还是需要的。 因为AI的学习与成长，需要依赖的就是庞大的数据库。 没有庞大的数据库，AI什么都不是。 再怎么精妙的模型和，都需要庞大的数据库。 而这个庞大的数据库，又必须精挑细选数据源。 优秀的数据可以帮助AI更加快速地成长，达成想要的目标。 反之，垃圾的数据库很有可能会导致AI倒退。 拿围棋界的阿尔法狗举例。 就算是一开始阿尔法狗什么都不会的时候，背后的团队也绝对不可能给它喂两个臭棋篓子下出来的对局。 喂的数据，一定是经过精挑细选的高水平对局。 到了阿尔法狗天下无敌的时候，人类的棋局也不会再往它的数据库里喂了。 为什么？ 因为这个时候，哪怕是人类顶尖高手的对局喂进去，那都属于污染数据库了。 那么新的问题来了，如何精挑细选优秀的数据喂进去呢？ 围棋这种还好，可以通过人工的方式把数据喂进去。 那更加复杂的模型呢？ 两个方法。 第一个，继续加人。 核心成员不够，那就外包团队。 每个人在输入图形验证码的时候，都相当于是他们人工智能的外包团队，帮他们喂数据。 第二个，让其他经过简单训练的AI帮忙筛选一遍数据，将一些污染能力比较强的数据给筛出去。 这就需要用到大数据统计分析技术了。 这个技术非常地笼统，应用也非常地广泛。