第798章 图灵测试（3 / 6）

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Googe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510年的时间。

在到英文的翻译中，鸿蒙的得分比第三名领先了17，同样采用数据驱动方法的Googe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Googe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？