第三十六章 深度学习 (第1/3页)
第三十六章深度学习
什么情况让风无忌竟然这样惊呼出来？实在是结果太让人有些不可思议了。
“他是怎么做到的！”
风无忌双眉紧皱，无言的看着电脑屏幕上的画面。千度的搜索结果一如既往，出现了美女图片和某些“不健康”的内容。
按照他的想法，就算使用标准图片对比的方式，最多也就是把相关图片进行屏蔽。
但让他惊讶的是，不健康图片并没有被整个屏蔽掉——只是关键部位多出了马赛克处理。
没有因为有不健康图片而将千度误判为非法网站，也没有因为有不健康图片而导致更多有用信息同样被屏蔽。这个软件的智能水平，简直是骇人听闻。关键它还这么小，只有300K的体积说明它解决问题的技术思路肯定很巧妙，绝不是用那些很傻的方式实现的！
可是在风无忌的认识里，应该没有任何一种技术能够做到这种程度，就连听都没有听说过！
能够准确的找到关键部位，岂不是说这个程序能够准确的识别图片里显示的是什么？而并非仅仅把图片当成一堆数据，按照数据的相似程度来区分是否屏蔽。
这种技术，简直闻所未闻。这已经有点不像技术，而像是奇迹了。
在祖鲁人眼里，大概火枪和大炮也是奇迹吧。要知道侯世达使用的图片识别技术，在十年后也是很高端的应用。
图像识别，这是人工智能研究的一个重要课题。让计算机能够看“懂”图片表达的信息，这是这项技术的最终目标。
别看仅仅只是屏蔽不健康图片这样小的一个功能，它背后使用的却是在2011年才有所突破的神经网络和深度学习技术。在图形的识别问题上，可以说真正的迈进了一大步！请记住GeoffreyHinton这个名字，就是这个人，一步步把“深度学习”从边缘课题变成网络巨头们仰赖的核心技术。
后世谷歌眼镜现实增强、图片识别搜索、人脸识别，乃至自动驾驶汽车等等尖端领域，都是应用了神经网络技术。
在人工智能技术发展还很原始的这个时代里，这个技术说是神迹其实倒也不差。
“等等，还不能确定，我需要更多的验证！”
风无忌精神上明显振奋起来，这是一个成功的程序员在面对自己不了解的技术，自然而然迸发出来的求知欲。
……
几乎一整个上午，风无忌都在使用各种方式测试着这个程序。而最后的结果，让他不禁有些目瞪口呆。
“90%的图片识别率，不是使用黑名单方式区分网站，而是根据页面显示内容判定。正常的网站只屏蔽图片，非法网站则限制网站访问。”
“除了图片识别，它在自然语言识别上也有相当优势。不不，如果只是图片被屏蔽了，我也不会这么惊讶。关键是它能对关键部位进行马赛克处理，你听明白我说的是什么吗？它能看的懂图片是哪里违规了！”
“对对，这真是太amazing了！”
“最关键的是你想想看，如果它能识别图片里特定的细节显示，那么它能不能实现对生产线上产品状态的识别？”
“还记得丰田新生产线那个项目吗？如果能把这个技术应用到
（本章未完，请点击下一页继续阅读）