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机械手的控制上，自动化程度至少能一次提高30%！”

“中动软件和咱们有什么相干？他陈辉再牛，难道比丰田的分量还重？老总，机不可失失不再来啊！”

……

风无忌兴奋的撂下电话，他是大港市一家上市的嵌入式设备研发公司的软件总工程师，对工控自动化和数据库方面非常有研究。

工控领域离it和互联网似乎有些远，但实则不然。在罗汉堂内堂里，像他这样做嵌入式系统的程序员，是能够和电脑软件程序员、网络程序员相提并论的大团体。

只不过自动化讲究精确控制，侯世达之前提出的模糊逻辑从名字上，对工控就没有什么吸引力。

风无忌并不知道，在侯世达重生前的世界，模糊控制是工业自动化相当高端的领域。没有模糊控制，自动化就不可能在生产线上彻底替代人的作用。

不过作为一个工控方面的专家，以他敏锐的嗅觉，却能轻而易举的在侯世达编写的这个小软件里，闻到一种“革命”的味道。

视觉识别技术发展出来的模糊控制，绝对是工业生产线上的革命技术。