第三十六章深度學習
什麼情況讓風無忌竟然這樣驚呼出來？實在是結果太讓人有些不可思議了。
“他是怎麼做到的！”
風無忌雙眉緊皺，無言的看著電腦屏幕上的畫麵。千度的搜索結果一如既往，出現了美女圖片和某些“不健康”的內容。
按照他的想法，就算使用標準圖片對比的方式，最多也就是把相關圖片進行屏蔽。
但讓他驚訝的是，不健康圖片並沒有被整個屏蔽掉——隻是關鍵部位多出了馬賽克處理。
沒有因為有不健康圖片而將千度誤判為非法網站，也沒有因為有不健康圖片而導致更多有用信息同樣被屏蔽。這個軟件的智能水平，簡直是駭人聽聞。關鍵它還這麼小，隻有300K的體積說明它解決問題的技術思路肯定很巧妙，絕不是用那些很傻的方式實現的！
可是在風無忌的認識裏，應該沒有任何一種技術能夠做到這種程度，就連聽都沒有聽說過！
能夠準確的找到關鍵部位，豈不是說這個程序能夠準確的識別圖片裏顯示的是什麼？而並非僅僅把圖片當成一堆數據，按照數據的相似程度來區分是否屏蔽。
這種技術，簡直聞所未聞。這已經有點不像技術，而像是奇跡了。
在祖魯人眼裏，大概火槍和大炮也是奇跡吧。要知道侯世達使用的圖片識別技術，在十年後也是很高端的應用。
圖像識別，這是人工智能研究的一個重要課題。讓計算機能夠看“懂”圖片表達的信息，這是這項技術的最終目標。
別看僅僅隻是屏蔽不健康圖片這樣小的一個功能，它背後使用的卻是在2011年才有所突破的神經網絡和深度學習技術。在圖形的識別問題上，可以說真正的邁進了一大步！請記住GeoffreyHinton這個名字，就是這個人，一步步把“深度學習”從邊緣課題變成網絡巨頭們仰賴的核心技術。
後世穀歌眼鏡現實增強、圖片識別搜索、人臉識別，乃至自動駕駛汽車等等尖端領域，都是應用了神經網絡技術。
在人工智能技術發展還很原始的這個時代裏，這個技術說是神跡其實倒也不差。
“等等，還不能確定，我需要更多的驗證！”
風無忌精神上明顯振奮起來，這是一個成功的程序員在麵對自己不了解的技術，自然而然迸發出來的求知欲。
……
幾乎一整個上午，風無忌都在使用各種方式測試著這個程序。而最後的結果，讓他不禁有些目瞪口呆。
“90%的圖片識別率，不是使用黑名單方式區分網站，而是根據頁麵顯示內容判定。正常的網站隻屏蔽圖片，非法網站則限製網站訪問。”
“除了圖片識別，它在自然語言識別上也有相當優勢。不不，如果隻是圖片被屏蔽了，我也不會這麼驚訝。關鍵是它能對關鍵部位進行馬賽克處理，你聽明白我說的是什麼嗎？它能看的懂圖片是哪裏違規了！”
“對對，這真是太amazing了！”
“最關鍵的是你想想看，如果它能識別圖片裏特定的細節顯示，那麼它能不能實現對生產線上產品狀態的識別？”
“還記得豐田新生產線那個項目嗎？如果能把這個技術應用到機械手的控製上，自動化程度至少能一次提高30%！”
“中動軟件和咱們有什麼相幹？他陳輝再牛，難道比豐田的分量還重？老總，機不可失失不再來啊！”
……
風無忌興奮的撂下電話，他是大港市一家上市的嵌入式設備研發公司的軟件總工程師，對工控自動化和數據庫方麵非常有研究。
工控領域離IT和互聯網似乎有些遠，但實則不然。在羅漢堂內堂裏，像他這樣做嵌入式係統的程序員，是能夠和電腦軟件程序員、網絡程序員相提並論的大團體。
隻不過自動化講究精確控製，侯世達之前提出的模糊邏輯從名字上，對工控就沒有什麼吸引力。
風無忌並不知道，在侯世達重生前的世界，模糊控製是工業自動化相當高端的領域。沒有模糊控製，自動化就不可能在生產線上徹底替代人的作用。
不過作為一個工控方麵的專家，以他敏銳的嗅覺，卻能輕而易舉的在侯世達編寫的這個小軟件裏，聞到一種“革命”的味道。
視覺識別技術發展出來的模糊控製，絕對是工業生產線上的革命技術。
侯世達剛剛將任務發布出去沒有一個小時，他的任務市場客戶端就收到了一條私信。打開一看，竟然是一個名叫“勇者”的成員發來的一串企鵝號碼。
套上偽裝，數據加密，連接代理服務器，重新申請了一個新的企鵝號碼，侯世達也算是在自己力所能及的範圍內做好了安全的保護工作。
匿名：你好勇者，對我的任務有興趣？
勇者：我能問一下，你是怎麼實現這種技術的嗎！