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。

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’。 本章未完，请点击下一页继续阅读！ 第2页/共3页