第(3/3)页

    所以一直到了2031年，依然是AI加人工的鉴黄方式。

    只是说2021年的时候像微博这个体量的，可能需要上千名鉴黄师，到了2031年只需要上百名。

    四位数变三位数。

    至于微信，你在一遍，然后丢到后端的审查接口。

    通过权重算法来判断你是否有违规行为，触发特定规则之后，会决定你倾向的权重，权重超过阈值之后你会被重点关注。

    将会有人工来对你进行审核。

    当然这种审核不仅仅是国内的大厂，fb、ins、youtube、Google和推特都有大量的人工审核团队。

    他们的审核团队放在菲律宾。

    在2018年的时候，关于这件事，PBS放过一个纪录片。

    对于国内外的互联网巨头们来说，他们在文字识别上能够做到接近百分之百，但是在图像分类测试中，只能做到98%左右。

    而且对算力有非常高的要求，压根用不到实际的生产环境里。

    这是Image每年的图像分类测试竞赛结果，实际运营中的图像视频识别比Image竞赛可要难得多。

    而郑理公开的AI算法后，利用M语言写出来的模型。

    从部署到使用突破了这帮互联网公司的认知，一个能够对内容实现99.9的识别成功率的AI模型，需要花的算力和之前差不多。

    也就是说之前互联网大厂们几百人的AI鉴黄规模，现在再度被压缩了百分之九十。

    AI鉴黄只是M语言最先落地的应用。

    它代表的AI技术，在算力优势以及算法本身的落地难度都大幅度提升。

    它允许轻松构建大部分原本复杂的架构，能够广泛的应用在工业领域。

    大量易于组合的模块化部件，编写自己的图层类型、计算图抽象、数据和模型并行、动态类型的稳定性等等都完美适配。

    在算法工程师们使用之后，Github上M语言相关的项目成为社区热门。

    国外的程序员社区里，活跃的大牛都在吐槽，一些很少发言的大牛也冒泡了：

    “梅林的技术远超我们的想象，如果M语言是他自己开发的，那他在AI领域的造诣要超过我们所有人。

    真的很难见到一款没有任何缺陷的AI编程语言。

    像Caffe能够把Matlab的快速卷积网络实现移植到C和C++，适用于前馈网络和图像处理，不需要任何代码就可以训练模型。

    但是caffe不能使用于循环网络，同时扩展性极差。

    谷歌推出的TensorFlow框架能够生成计算图之后执行自动微分，不需要在尝试新的神经网络排列的时候，手动去进行编码。

    但是它运行速度很慢，同时在大型的软件项目里非常容易报错。

    基本上这些年各大互联网巨头们推出的AI框架，或多或少都会存在问题。

    当然这是无法避免的，没有什么东西能够完美。

    就像Java使用的人再多，活跃的时间再长，也是能够找到缺点的。

    但是M语言在人工智能领域，就好像没有缺点一样。

    好像经过了无数次的测试和优化，达到了一种圆满。

    这让我严重怀疑，梅林掌握的人工智能是强人工智能。

    他能够实现几乎蓝星人对于人工智能的所有幻想。

    包括自我编程。

    一段代码能够编译另一段代码，好像也不是那么稀奇。

    毕竟现在的人工智能模型已经可以自己进行简单的编程了。”

    　　

    


    第(3/3)页