第239章 适当的风险是有益的

    听着尹芙·卡莉的表述，林灰没想到就先前的那篇论文内容上在他看来的一些已经相当常识内容的补充。

    居然能被尹芙·卡莉赋予那么多的期许。

    尹芙·卡莉一脸期待的小表情，不知为什么总让林灰想到在渴盼着肉吃的小狐狸。

    不过，林灰这次恐怕是要让尹芙·卡莉失望了。

    在论文补充的一些内容虽然是领先这个时空的。

    但为了避免出现领先一步是先师领先两步仙逝的情况发生。

    即便是进行搬运，林灰实际搬出来的东西也是很克制的。

    就拿尹芙·卡莉给予高度评价的预训练机制吧。

    虽然将预训练机制引入到自然语言处理的机器学习方面确实在这个时空具有相当意义的开创性。

    但林灰心中是清楚的，他所搬运的预训练机制只能称作为萌新水平。

    林灰搬运的“预训练”是基于普通的神经网络语言模型进行的预训练。

    距离真正稳妥的基于Transformer的预训练模型在应用效率方面要差得多。

    至于林灰为什么不直接搬运更成熟的基于Transformer的预训练机制呢？

    原因很简单，毕竟眼下还没有Transformer，现在搞出来一个基于Transformer模型岂不是滑天下之大稽。

    而至于说尹芙·卡莉同样抱有很大期待的“深度学习”。

    虽然林灰确实是能鼓捣出真正意义的深度学习的。

    但暂时似乎没啥必要，涉及到深度学习这个方面林灰并不打算将其放在自然语言处理这个方向推出。

    至于林灰不打算将真正意义上的深度学习在自然语言处理这个方向推出，为什么在现在论文中还提到深度学习？

    那是因为这个时空的几乎所有神经网络学习方面的科研人员几乎都迷之自信地将他们搞得神经网络学习冠以深度学习之名。

    这样的话林灰搞得神经网络学习应用纵然实际上没那么深，不冠以深度学习之名岂不是显得低人一等？

    至于说尹芙·卡莉所看中的迁移思想。

    虽然长久时间线来看，迁移学习确实能做到尹芙·卡莉所期待的那样跳脱出自然语言处理的小圈子迁移到全部ML领域。

    但短时间内实际上还是比较难的。

    尽管有这样那样的困难，但林灰并没有打击尹芙·卡莉的积极性。

    反而给尹芙·卡莉描绘出一副更加恢弘的场景。

    这画饼的样子甚至让林灰想起了前世自己的领导。

    不过林灰对此丝毫不愧疚，前世部门领导画的大饼只是虚无缥缈而已。

    而林灰所勾勒的蓝图却一定会实现，毕竟这在前世已经验证过了。

    路再长长不过脚，终有一天林灰会将其所描绘的统统实现。

    而且林灰已经在朝着他所勾勒的蓝图迈进了。

    林灰在此前论文中进行补充的内容虽然并没有尹芙·卡莉期许地那么强，但至少也在进步。

    甚至有些进步相对于这个时空的科研现状来说很多是从0到1的。

    至于尹芙·卡莉关于人工智能在社会层面的担忧。

    这个林灰倒是略知一二，前世很多大牛确实都表示过这方面的忧虑。

    前世斯蒂芬·霍金、比尔·盖茨、马斯克都曾表示了对人工智能会具有自我觉知和意识的忧虑。

    尤其是前世霍金，更是夸张地认为人工智能可能是人类最大的灾难，如果管理不当，会思考的机器可能终结人类文明。

    至于今生这些人是否发表过同样的言论，林灰没具体关注过。

    反正在林灰看来，这方面的担忧或许在理论上有片面的道理，但实际上深究起来其实很离谱。

    能够真正威胁人类文明的，肯定是强人工智能，不可能是弱人工智能。

    只有具有自主意识、自主学习、自主决策的人工智能才可能真正意义上威胁人类。

    而强人工智能就是拥有自我意识、自主学习、自主决策能力的人工智能。

    正因为强人工智能如此强大，强人工智能也是人工智能发展的终极目标。

    理想很远大，可是强人工智能哪有那么容易实现呢？

    强人工智能想达到的技术原理倒是不复杂，相应的技术指标也容易说清。

    无非就是自主意识、自主学习、自主决策。

    或者更加通俗地说，就是要机器去学人。

    学人认识世界的方式并再基础上尝试利用机器学习进行逻辑层面的彷生从而复现人们认识世界的方式。

    道理谁都懂，可是具体实行的时候却有着各种各样的难度。

    前世人工智能鼓吹的很牛逼。

    反正直到林灰重生前夕，那会人们也没鼓捣出强人工智能。

    话说回来既然强人工智能有风险且实现起来很困难。