让00后疯狂的超级算法(3)

“今天有虎嗅的记者来访”是我输出的一句话
最难的那座堡垒，攻不下
从另一个角度来看，正是由于这套算法跟“商业化”的弱关联，袁行远应该是我见过对人工智能技术怀有最真挚情感的技术创业者之一。
比起，图像识别、人脸识别这些现阶段在工业应用界已经“卷出花儿来”的技术，人工智能的另一个重要分支——“自然语言处理”，如今无法得到大规模应用的根本原因，是因为它还无法对现实世界中的大量抽象概念，语义和逻辑推理做“代码级描述”。
举个例子，两个文盲不识字，但他们俩聊天就能完全无障碍。

这段对话里，“200次”更像是一种形容词或表达心情的感叹词，然而从语义角度，机器很难理解。
近年来，深度学习的崛起，一下子解决了计算机视觉（CV）“用手工提取特征费劲儿”的难题，所以带来了CV领域爆发性的进展。
然而从本质来看，即便是计算机视觉，也仅仅是在感知层面取得了突破，并未在下一次层——语义和逻辑推理上多大突破。这也是为何自动驾驶的“规划决策”如此难。
而比起直观的图像，必须要越过“感知”，对“高层语义、记忆、知识抽象以及逻辑推理”要求极高的自然语言处理（图像识别也需要，只是在感知阶段商业化好一些），难度显然要大，成就感更强。