“何總。”
辦公室的門被敲響,李藝彤走進來對何洛說道:
“按照您的日程,一個半小時之後會去寰宇研究院的人工智能研究中心……”
也是因為李藝彤知道剛剛的事情,何洛的心情估計不會怎麼好,所以特意過來問一下,需不需要通知那邊換個時間。
在李藝彤進來的時候,何洛已經迴到了老板椅上坐下,他聽到小秘書的詢問之後,手指輕輕敲擊著桌麵,說道:
“就按照原計劃過去吧。”
“何總……”
李藝彤稍稍猶豫之後,走到了何洛的身後,柔聲對他說道:
“我給你按按,放鬆一下吧。”
“嗯。”
何洛靠在了椅背上,李藝彤的手落在他的肩膀上,略帶幾絲涼意的小手,開始給他按著。
不得不說,她的手法越來越好了,何洛閉上眼睛,心裏卻是在思索著接下來處理黃匞吉和張益銘兩人的關係。
沒過多久,何洛感覺到自己的手,一陣絲滑的觸感,他立刻意識到,這是小秘書的腿。
李藝彤今天穿的是白色襯衣,槍灰色的裙子,以及淺灰色的絲襪。
現在隨著她按摩的動作,那被絲襪包裹著的長腿,正挨著何洛的手背,僅僅就手背的接觸來說,能夠感覺到小秘書選擇的絲襪,似乎質量應該不錯。
不過這麼一觸即分,也的確感受到的不算客觀,因此為了得出比較準確的結論,何洛就隻能仔細的……評測一下了。
就在何洛將手翻轉過來,放在李藝彤腿上的時候,開始“評測”的時候,她正在給何洛按摩的手,立刻停頓了一下,不過接下來,她又繼續按摩起來,隻不過此時她的臉上,升起了幾分紅暈……
嗯,這絲襪的包裹性的確不錯,不但是腿部……李藝彤的裙子表麵,像是其中有老鼠在爬動一般。
此時,她輕咬著嘴唇,感覺站立都有些不穩了,也幸虧何洛扶住,她才沒有倒在地上。
“何總,還有不到一個小時就要去人工智能研究中心……”
此時李藝彤跪坐在何洛前麵,手剛落下,卻像是被燙了似的抬起,臉紅得像要滴出血一般,嚶嚶的對他說道。
“沒事,時間應該夠了。”
這麼說著話,何洛伸手穿過李藝彤的長發,在她腦後稍稍用力。
女孩柔媚的嗔了他一眼,目光向下,好奇中帶著猶豫,還是低了下來……
……
洛到達寰宇研究院的人工智能研究中心的時候,還是比預定的時間晚了一些。
李藝彤邁著一雙長腿跟在他的身邊,不知道是不是因為有些熱的緣故,臉上還帶著紅暈,她的裙下,已經換成了肉色絲襪。
人工智能是何洛計劃中的寰宇集團兩大重點研究方向之一,到了現在,也已經有了部分的成果,應用在智能客服助手,語音輸入和個性化推薦算法等方麵。不過,對於現在的進度,河洛依然不算滿意。
在何洛前世重生前的兩年,微軟投資的chatgpt推出之後,就產生了極為轟動的效應,這款應用發布不到一周就收獲超百萬的用戶,之後更是爆發性增長,成為用戶最快破億的應用。
可以說在chatgpt之後,掀起來了一陣人工智能的暴風,許多人發現chatgpt能聊天、代寫論文、作詩編程樣樣不在話下,甚至開始擔憂許多職業很快會被其代替。
而chatgpt同寰宇集團的人工智能目前的研究方向相似,都是預訓練模型,或者說是大規模預訓練模型。
人工智能研究的三駕馬車,是算法,算力和數據。
1941年世界第一臺計算機誕生15年後,香農、赫伯特·西蒙等大老參加的”達特茅斯會議”第一次出現了人工智能這個術語,被認為是人工智能的正式誕生。
第一個人工智能的浪潮,科學家們雄心勃勃,希望寫出偉大的算法來模擬人類的思想過程。
但是算力的問題導致設計再精妙的算法也算不動。
說白了,就是以當時計算機的硬件,根本無法支持模擬人類思考的龐大運算。
在沉寂十年之後,算力推動了第二波人工智能的浪潮,1982年日本和美利堅都投入巨資研發第五代計算機即“人工智能計算機”,希望一舉突破人工智能在算力上的限製。
但是僅僅幾年後,科學家們發現即使芯片按照摩爾定律的速度發展仍然滿足不了算力的要求,但是沒有數據輸入到算法,導致第二波人工智能浪潮也沉寂了。
不過計算機硬件和算法一直在發展迭代。
到了新世紀之後,特別是最近的幾年,得益於深度學習等算法的突破、計算機算力的不斷提升和海量數據的持續積累,人工智能突飛猛進,有希望從實驗室走向產業實踐。
就像是寰宇集團目前的人工智能發展,前提就是雲計算的成功部署,讓人工智能研究中心能夠獲得比較多的算力支持。
另外,就是王曉川集結了國內人工智能方麵的許多專家,並且之前的時候,何洛也親自參與,貢獻了他所知道的一些目前能夠應用的人工智能深度學習的算法。
可以說,這些算法都是原時空後麵研究證明能夠走通的。
如果說目前許多有關人工智能的研究是需要在一個迷宮中尋找正確的出口的話,那麼何洛則是為寰宇集團人工智能的研究,劃出了一條通往出口的最快捷的路線,讓他們不會在錯誤的路線上浪費太多的時間。
在數據方麵,通過寰宇集團旗下的眾多應用,一直在為人工智能提供數據,進行“投喂”,不斷的使其迭代。
同時,人工智能研究中心還雇傭了不少外包公司,對他們所“訓練”的人工智能,進行人工標注。
以原時空後來名氣極大的chatgpt為例,這樣的語言模型,如果沒有人工標注來篩除一些不恰當的內容,那麼它不僅會給出一些錯誤的信息,更會對用戶造成心理不適。
更何況,類似chatgpt這樣的預訓練模型在訓練過程中需使用的數據樣本較多,數據標注的需求較高。
那麼如何規避上述問題,篩查出有害內容呢?
openai效彷了facebook等社交媒體公司的做法——構建一個額外的ai模型,向它提供暴力、仇恨等帶有攻擊性的言論,從而讓它學會識別相應內容。
這樣的模型會被內置到chatgpt中,幫助後者過濾掉一些有害的文本。
在這個過程中,需要大量的人力來給攻擊性言論做標注。
這種工作,也隻能夠在初期通過人工來完善審核模型,直到這個模型完善之後,置入到人工智能之中,才能夠讓人工智能產品達到市場化的需求。
目前這個審核模型已經應用在了寰宇集團各個內容媒體平臺的審核之中,大大減輕了人工審核的工作量。