第798章 图灵测试
听到这里，原本神色平静的大BOSS们，脸上终于露出了郑重。
能坐在这里的都是聪明人。
他们都能从徐良的话里听出大数据应用的真实性。
“不过，大数据和云计算只是基础，真正带来行业变革的是人工智能。
我相信很多人都听过‘图灵测试’。
让一台机器和一个人坐在幕后，让一个裁判同时与幕后的人和机器进行交流，如果这个裁判无法判断自己交流的对象是人还是机器。
这就说明这台机器有了和人同等的智能。
这便是大名鼎鼎的‘图灵测试’的全部内容。
计算机科学家们认为，如果计算机实现了五件事，就可以认为它拥有图灵所说的那种智能。
第一，语音识别。
第二，机器翻译。
第三，文本的自动摘要或者写作。
第四，战胜人类的国际象棋冠军。
第五，自动回答问题。
对于怎么实现这五件事，学术界分为传统人工智能的方法和现代其它的方法。
那么传统的人工智能方法是什么呢？
简单讲，就是先了解人类是如何产生智能的，然后让计算机按照人的思路去做。
这种方法又称为‘鸟飞派’。
就像人类观察鸟的飞行，发明了飞机。
观察鱼的游行发明了潜艇一样。
通过模拟进而发明。
但后来经过多年研究证明，这种方法非常不现实。
因为机器始终是机器，永远不可能像人那样思考。
科学家们不得不另辟蹊径。
到了20世纪70年代，大家开始尝试机器智能的另一条发展路径。
即，用数据驱动和超级计算的方法，来实现人工智能。
这种方法又称为机器学习或者知识发现，也就是我们之前说的现代的人工智能发展方式。
最早在这方面做出成果的是1972年美国康奈尔大学的教授——弗雷德·贾里尼克。
他不是人工智能专家，他是一位卓越的通信专家。
他认为人的大脑是一个信息源，从思考到找到合适的语句，再通过发音说出来，是一個编码的过程。
经过媒介（声道、空气等）传播到听众的耳朵里，是经过了一个长长的信道的信息传播问题。
最后听话人把它听懂，是一个解码的过程。
也就是说，他认为人工智能的语音识别，是一个典型的通信问题。
可以用解决通信问题的方法来解决。
为此贾里尼克用了两个数学模型，即马尔科夫模型，分别描述信息源和信道。
找到了数学模型后，下一步就是用统计的方法‘训练出’模型的参数，这在今天来讲就是机器学习。
通过这种方法，人工智能的语音识别率从过去的70%左右，提高到了90%。
同时语音识别的规模，从几百词上升到了两万多词，堪称革命性的发展。
最重要的是贾里尼克的研究得出一个结论。
即：
随着数据量的不断提升，系统会变得越来越好。
因此，国际上的人工智能研究分成了两派。
一派是模仿人的鸟飞派，一派是数据驱动派。
而后者之所以没有迅速发展起来，主要是因为数据获取非常困难。
第一，当时没有机读资料。
第二，很多文学明珠不同版本分散在不同国家，并且其翻译常常不是一一对应。
当然还有很多其它原因就不一一细说了。
但，这个困难在互联网时代被改变了。
它的出现，让研究机构可以轻易获得全球的机读资料。
而且数据量还在随着互联网的发展，每年呈几倍，甚至十几倍的增长。
在庞大的数据支持下，从1994年到2004年的十年里，语音识别的错误率减少了一半。
而机器翻译的准确性提高了一倍。
其中20%的贡献来自方法的改进，80%来自数据量的提升。
再就是今年2月份，在美国召开的全球机器翻译系统大赛。
鸿蒙和Google通过数据驱动的方法，取得了50%以上的BLEU分数。
比著名的南加州大学、IBM沃森实验室等研究机器翻译几十年的顶尖研究机构领先了5%。
而提高这五个百分点在过去需要研究5~10年的时间。
在中文到英文的翻译中，鸿蒙的得分比第三名领先了17%，同样采用数据驱动方法的Google比第二名领先了15%，这个差距已经超出了一代人的水平。
而鸿蒙和Google都是成立不超过十年的新公司。
在人工智能研发上的底蕴肯定没有南加州和沃森实验室深厚。
但我们却超过了他们。
原因是我们比他们更优秀吗？
不是。
那么差距是怎么产生的？
很简单。
作为全球最大的两个搜索公司，鸿蒙必应和Google都拥有庞大的搜索数据库。
<div class="contentadv"> 而且我们每年都在对全球所有的图片、图书、报刊数据化。
这让我们掌握着全球最大的数据库。
南加州大学和IBM沃森实验室虽然人才比我们多，研究基础比我们深厚。
但他在数据量上远远不如必应和Google。
所以，他们落后了。
这次比赛的结果在人工智能领域产生了巨大的影响。
从我们得到的消息来看，全球绝大部分科研机构都放弃了传动的‘鸟飞派’方法，改用了数据驱动的方法。
也就是说，2005年将成为全球人工智能领域的分水岭。
从今年开始，鸟飞派将被彻底抛弃，数据驱动将成为唯一的主流。
我相信，随着数据量的不断累积，人工智能会变得越来越‘智能化’和‘实用化’。
将会对社会的方方面面产生深刻的影响。”
完全进入自己节奏的徐良，已经不需要稿子了。
这一刻，他完全放下了双方的身份。
全然把台下的人当成了听众。
而他们也彻底被徐良言语中的内容吸引了全部的注意力。
“未来的农业，将彻底摆脱华夏几千年来，消耗大量人力物力，精耕细作的农业模式。
取而代之的是智能化农业工厂。
在这个工厂里，安装着大量的射频芯片，收集温度、湿度、土壤肥力等所有数据，汇集到人工智能大脑。
然后由‘智脑’按照需求通过滴灌的方式，根据农作物的需要，注入水分和肥料。
用10%，甚至更少的水量和肥料，种植出一倍，甚至更多的农业产出。
以前，我们种一百亩地，可能需要二十个农民。
在智能化农业时代，只需要一个人负责管理和维护‘人工智脑’，就可以管理上千亩，甚至几千亩的农业用地。
效率和产出千百倍的提升。
如果未来我们能够建设更多的核电厂，太阳能、风能和水电，把能源的价格拉下来。
那么我们就能让农业向立体发展。
真正摆脱自然环境对农业的限制。”
徐良顺嘴提了一下‘立体农业’，在他重生前，华夏因为暴涨的太阳能发电，在西部能源价格低廉的地区成立了‘立体农业工厂’。
不过，因为即便能源价格下跌，但投资还是比较大。
所以只能拿来种植高价值的经济作物。
不具备大规模推广的基础。
所以他也没准备多说。
“未来的工业，通过智能化和大数据系统来帮助工人，甚至取代工人，实现制造业的全面智能化。
无人工厂，无人装配厂，会越来越多。
工业品的价格会下降几倍。
现在一部手机上千元。
将来手机不仅功能更丰富，性能更先进，甚至不需要你花钱，联通、移动会送给你，因为话费和网费的收入远超一部手机的价值。”
看着台下不少怀疑的眼神，徐良也没多解释。
时间会证明一切。
“当大数据和人工智能进入工业制造和销售的各个环节时，不仅工人的数量将逐步减少，而且整个制造业都将被重新洗牌。
仅仅依靠降低工人公司的低水平竞争，将不再具有制造业方面的优势。
在未来的竞争，是从设计到销售全过程的智能化水平的竞争。
也就是说，华夏将是最后一个拥有，并可以发挥人口红利发展起来的国家。
在十年二十年后。
人口多，将不再是优势。”
斩钉截铁的说完后，徐良继续道。
“未来的智能化医疗。
不管在任何国家，医疗遇到的最大瓶颈主要体现在几个方面。
第一，医疗的成本越来越高。
现在去医院，随便一个体检就几百上千元；
如果看病住院，验血、验尿、核磁共振等一系列流程下来，就是数千甚至上万元的花销。
对普通老百姓而言，这是非常大的支出。
所以看不起病的情况会越来越严重。
第二，医疗资源不平衡。
一线城市的医疗资源，远超过三四线城市，普通县城就更没法比了。
直到现在，全国一千多个市县都没有三甲医院。
最后，也是最关键的，很多病治不好。
比如癌症、帕金森综合征和阿尔兹海默症等。
尽管全世界的医生和科学家努力了许多年，世界各国和研发机构也投入了大量资金，但过去这么多年来，癌症等疾病的治疗始终进展缓慢。
但我们可以用大数据和人工智能来解决上述问题。