桃醉為什麽擠眼睛，無非就是他不相信這兩家沒這麽幹過，隻不過他們沒有強力的深度學習算法，隻能粗淺的配合人工，去‘學習’人家的設計理念而已。
大家都是後來者，桃醉做的隻不過比他們做的絕了那麽一點點而已。
當然了，這是桃醉想讓他們相信的，也是在他們理解範圍之內的。
好家夥！
這兩位業界前輩直說好家夥！
“人力終有窮時，這也是我為什麽一直鼓勵我們的科研人員細化自己的研究領域，因為隻有做開創性的事情，未來才不會被現在算法越來越成熟的人工智能淘汰掉。
非開創性的，靠著不斷的試驗室試錯能解決的工作，類似於現在大多數人理解的芯片設計、以及大多數的芯片設計人員，未來不久就會被不斷的淘汰掉。
能夠留下的，是深入某一個細節研究，能夠取得開創性成果、去豐富人工智能數據庫、工具庫的人。
人工智能並不神奇，也不神秘，它無非就是學習算法和對比算法、限定範圍的窮舉算法這些算法模塊的集成而已。
在我看來，現在人工智能也不需要多智能，而是得足夠專一。
就好比小夢，她的主要數據庫有三個，影音識別、機械設備協調控製、芯片設計，這三個算法和庫都是獨立存在的。
因為隻有這樣，才能讓三個她在這些領域走得更遠，能力更強。”
說著陶醉指了指自己的平板和手機：“就好比太陽花產品裏的智能小助手，啟動軟件、語音轉換、係統控製，什麽都想幹，但是什麽也都沒徹底幹好。
小夢看起來很強，是因為她隻在我們集團的服務器中，用最多的算力全力運轉，才能保證她不管是對話還是動作都更加自然得體。
這是一個協調智能內核和兩個專業智能內核共同發力的結果，而不是一個智能內核單打獨鬥做到的。
隻有讓人工智能軟件在單一領域深耕，去設計最適合這個領域的核心，才能最大化發揮現階段人工智能軟件的優勢。
而不是像現在人工智能領域的團隊那樣，不斷的優化一個所謂的智能內核，然後嚐試進入不同的領域。
人工智能說白了就是分析數據，每個領域數據的特征不同，怎麽能用一個內核嚐試去解析他們呢？
不應該是依托數據特征，設計更專業化的內核麽？
那就是手裏有一款發動機，卻想讓貨車和轎車用都用上，然後意圖靠優化出不同的變速箱的去驅動這兩種車。
這種方式不是不行，而是達不到最好的效果。
當然，發動機足夠強的話是沒問題的，現在大部分人工智能團隊也是這麽做的，不過那不是我選擇的路。
總結起來，我對現階段硬件水平下人工智能的應用理念是——精誠所至，金石為開。”
這種觀點是不少相關團隊探索的方向，所以這節課聽得挺過癮，但是這種技術方向的改進，對這兩位大佬背後的企業來講，那一定是得通過嚴格的評估的。
而且就算他們向著這個方向發展，也不會放棄自己探索的道路。 本章尚未完結,請點擊下一頁繼續閱讀---->>>