第221章 图谱获取方案

以他的角度来看，苗小喵的这个建议也非常有可行性。

前文已经说过，ai的判断识别本质上其实都是猜谜。

人类和机械从认知上就是截然不同的，人不可能教导ai任何东西，ai本质上是通过算法去猜谜。

例如，让ai分辨一个东西是苹果还是梨子。

人不可能给一个程序解释和表达苹果和梨子的概念，更没办法和教孩童一样去教ai怎么分辨。

所以也就有了训练。

如同一个暴君式的老师，不负责教导，只给出题目和参考答案，让ai自己去做题、然后对照参考答案。

在亿亿万的题海训练里，让它自行摸索与总结出如何判断、准确来说是如何猜得更准的参数和公式。

这种方式得出来的是一个黑盒子，设计它的人都不一定能知道内部的具体情况，而且所形成的也并不是真正的推导答案，而是猜。

就像某些人考试做选择题的口诀——三短一长选最长。

训练出来的，是一套让它猜得更准，尽可能接近正确答案的参数。

但不管如何，就算是猜，它也是无限趋近于正确答案的猜，在足够的训练数据与次数支持下是能达到极高准确率的。

也就是说，将这个ai训练出来，就有了一个彻底掌握意识与机械语言、趋于完美的翻译专家。

在苗小喵身上冒险他不愿意，但对于一个训练出的ai，无论是测试还是拆解自然都是任意施为。

到时候以他掌握的众多学识与工程技术，加上苗小喵与薛思巧的从旁协助，完全能以这个‘翻译专家’为试验品，重新推导设计出真正的脑电图谱与预处理技术。

但是有个问题。

“训练这种程度的ai，需要的算力可不一般。”

林语看向苗小喵。

想要保持真正的准确与高精度，那就对这个ai要求非常高。

想训练出这种程度的ai，需要