分卷阅读751（1 / 2）

，“中午好，谢宁。”

谢宁将视线落在小麦身上，如今它看上去不过是一个桌面小机器人，可却是她们这个研究的中心，人工智能。

这个概念可追溯于1950年的图灵测试，佐证，机器是否能够思考。

如果一台机器能够通过电传设备与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能。

如今小麦还没有通过这场测试。

关于人工智能的探索道路是曲折起伏的。

以前系统依赖于人工设定的规则，缺乏理解现实世界复杂性的能力。

直到数码技术和互联网的出现，基于网络的大量数据，人工智能可以自主学习规则，甚至发现人类无法发现的规则。

现在对于人工智能的研究主流是深度学习，也是她们现在的重点研究项目。

时代是不断变化发展的，GPU通用计算技术的出现，取代了CPU的角色，特别是二者相比之下，GPU并行处理类似的重复运算速度更快，而深度学习需要对海量训练数据进行分析以提取特征，并进行迭代计算，GPU具备的并行计算结构无疑非常适合这一需求。

它的出现极大的加快了深度学习的发展。

训练人工神经网络是需要大量数据的，以前的数据仅限于输入计算机的信息，而现在随着互联网的普及，大数据的兴起，数据模式自当转变，此也为深度学习技术奠定了基础。

谢宁打开保温杯喝了一口温水润嗓，然后便打开电脑，开始了今天的测试，让小麦识别图形中的内容，它需要在数千万张图片里识别出其中含有蝴蝶的图像内容。

外面啃完煎饼进来的组员看了一眼谢宁的电脑，“我今天早上测试一波了，效果不是很理想。”

听说国外已经有过这样的测试了，而且取得了很大的成就，在图像识别挑战赛获得了冠军，可他们如今却还隔着一层厚厚的墙壁。

不由让他们有些沮丧。

那个基于深度学习的模型实现了84.7%的图像识别率，远超其他模型，而且它还将上一年冠军的错误率从25.8%降至16.4%。

不过这也证明了深度学习的卓越性能。

谢宁在测试期间还摸出了一张白纸画设计图，可以说是公然摸鱼。

不过那组员并没有发现，还在和谢宁絮叨着他今天早上的测试。

谢宁此时已经停下笔认真听组员分析了，接着俩人讨论了一会儿，谢宁便开始改动，一边改一边教他。

改完之后又测试，在效果不理想的情况下继续改，然后投放让小麦学习，在最后一次测试中小麦的失误很显然少了很多。

便是谢宁也忍不住露出了笑容，可见这次的深化学习成果不错，而且还是在没有人工干预的情况下。

“叩叩——”

“小宁，老师叫你。”

那边的测试已经结束了，刚刚测试的机器人此时已经被拆开来了，她们需要更换材料然后组装再次测试。

谢宁走到钟教授那边和她一块看刚刚的测试视频，就现在来说，钟教授对这个测试还是很满意的。

但是做研究嘛，只这个程度还不行，得越来越好。

“它能根据识别出来的图像做出设定好的相对的反应程序......但是在一些细节上有着不足......”

主要还是本身机械体的设计上有问题，这样的人形机器人很难做到和人类一样自然的躯体反应。