能在未来的前行路上有同行的人自然是不错的。

某种程度上林灰也是需要有人一并同行的。

前世在媒体的撺掇下，关于人工智能的炒作可以说是蜂拥而至。

关于人工智能也各种说法却乱七八糟。

但这些宣传普遍将悬窗重点放在人工智能取代人类这种宣传上。

却没搞清人工智能真正的价值之所在。

人工智能真正的价值在于带来了对劳动力和生产关系之间的变革。

这才是其真正的影响深远的原因。

这也是为什么前世国家层面如此重视人工智能的原因。

以往涉及到劳动力和生产关系通常是什么形式呢？

不是改革就是革命。

作为能影响劳动力和生产关系的东西。

人工智能所衍生出来的内涵其影响不亚于一场革命！

在前世人工智能更是一度被认为是引领当时新一轮科技革命和产业变革的战略性技术。

在前世人工智能还被官方认为具有溢出带动性很强的“头雁”效应。

相应的文件更是直接了当地指出加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手。

前世官方的表述是这样的：

“人类已经历了蒸汽时代、电气时代、信息时代这三轮科技革命的浪潮，现在，新一代人工智能技术快速发展，正在掀起第四轮科技革命，推动人类社会迈向智能时代。

想一想蒸汽机对蒸汽时代的意义、电力技术和内燃机对电气时代的意义、计算机和网络技术对信息时代的意义，我们大概就能理解新一代人工智能技术对智能时代的意义。”

不难看出前世对人工智能技术是相当重视的。

也无怪于人工智能在前世被相当看重。

在前世人工智能在很多领域都表现出了相当强的水平。

空战，人工智能可以打败空军上校，这事儿发生在前世2016年——美国辛辛那提大学研发的人工智能系统阿尔法驾驶三代机F—15，对抗有20多年飞行经验的美国空/军上校吉恩驾驶的F—22，结果是阿尔法获得胜利；

医疗，人工智能可以打败资深医生，这事也发生在2016年——IBM的人工智能“沃森”学习了海量医学论文后，在人类医生们对一名病人束手无策的情况下，10分钟内判断出病人得的是罕见白血病，并给出了治疗方案；

围棋，人工智能可以打败世界冠军，这是发生在前世2017年的事——围棋人工智能AlphaGo以3比0打败世界冠军kEJIE；

科研，人工智能可以打败科学家，精准预测蛋白质高级结构，这是发生在前世2018年12月2日的事——DeepMind公司推出的人工智能AlphaFold在全球蛋白质结构预测竞赛CASP中一举战胜各国人类专家，夺得冠军。

因为时空的一些扰动，这些前世发生的事情在今生虽然未必能够如约而至。

但前世这些事情却充分说明人工智能的巨大潜力。

在今生复刻人工智能，因为人工智能所具备的深度学习、跨界融合等特征。

同样在今生人工智能依旧有可能在对经济发展、社会进步、国际政治格局等方面产生重大而深远的影响。

总之，人工智能即将到来的新浪潮不至于技术革新。

某种程度上，将人工智能即将到来的新浪潮称作是一场另类的革命也是不过分的。

这样的一场另类的革命显然不是仅靠林灰自身就推得动的。

仅仅是林灰本人的话。

或许林灰能不断的搬运技术。

但技术落地什么的仅靠林灰自己可是不行的。

技术落地的话还是需要很多志同道合的人。

甚至是后期的一些技术搬运除非林灰有足够的学术地位。

否则即便是搬运可能也需要一些帮手才能增强技术本身的说服力。

毕竟很多时候技术层面的事情并不是搞出来就有人知道其相应的含意。

曲高和寡有时也是一种无奈。

尽管这些都是以后的事情了。

但林灰相信这一天终将到来，甚至是未来已经在来的路上了。

那是一个值得期许的未来。

就尹芙·卡莉所表述的内容。

说实话无论是尹芙·卡莉就林灰对论文中补充内容表露出的浓厚兴趣还是对人工智能未来的期许和担忧，这些都不怎么出乎林灰的预料，倒是尹芙·卡莉对于此前林灰收购她专利的用途所进行的猜测让林灰稍稍有点意外。

按照尹芙·卡莉的猜测，林灰之所以收购她搞出的《文本判断甄别比较的一种新方法》这项专利是想在自动文本摘要框架（涵盖内容表示、权重计算、内容选择和内容组织四部分任务）之下的内容表示方面做文章。

呃，不得不说，尹芙·卡莉还真是一个聪明的人。

居然这么快就能够意会到林灰为什么要进行这样的一项收购。

林灰还以为他身后那些追赶者还要很久才能领悟呢。

没想到居然这么快就被尹芙·卡莉领悟了一部分。

不过尹芙·卡莉尽管猜对了，但却只是猜对了一部分，并没完全对。

林灰为什么给出这样的评价呢？

尹芙·卡莉所谓的“内容表示”指的是在自动文本摘要的流程中将原始文本划分为文本单元的过程。

这一过程包含有分字、词、句等预处理工作；

其主要目的是通过预处理将原始文本处理成算法容易进行分析的形式。

传统的抽取式摘要这样传统自动文本摘要不怎么注重内容表示这一环节。

生成式文本摘要和传统的抽取式摘要关于这部分则稍稍有些不同。

生成式文本摘要还是比较注重内容表示这一环节的。

尤其是应用了词嵌入技术和预训练机制的生成式文本摘要更是格外注重“内容表示”这一环节。

没办法，不得不重视，传统的文本摘要各步骤的重要程度其实是差不多的。

但应用了词嵌入技术和预训练机制的生成式文本摘要的工作很多时候都是“头重脚轻”的。

即开始的环节在整个环节中权重是最高的。

或者说在实际构建生成式文本摘要模型的时候，虽然要设计到很多的步骤。

但通常情况下越靠前的工作也往往更重要。