不管怎么说，陈腾对这一次的系统升级还是非常满意的。
“那就小小地抽个奖吧。”
趁手头上宽裕，陈腾准备抽抽奖。
十连太奢侈，陈腾准备来个五连。
【DCTC高精度图像识别模型】
【人工智能自主创造性思维能力提升方案预测】
【LSM人工智能语言学习大模型】
【大数据统计分析技术】
【第一代FNCT架构方案】
“嘶……”
陈腾抚摸着自己的下巴，看着自己抽到的东西。
第一个图像识别技术，这是很常见的技术。
开车进各个停车场的时候对车牌号的自动记录，是图像识别技术的一种应用。
这个许多人都已司空见惯。
还有上网时根据验证码的图片打出对应的数字、字母。
进阶一些的让用户选出图片当中的“红绿灯”“自行车”“大巴车”……
这则是用户在帮忙做图像识别训练。
这项技术的应用非常明确，给AI一张图，让AI识别图中信息。
这项技术的训练方法同样非常简单。
给AI一张图，让AI识别。
错了就纠正，对的就保留。
“倒是可以用在智能驾驶上，就是不知道这个技术的方案怎么样。”
为了提升AI识别的效率、正确率以及学习的速度。
无数科研人员提出方案、优化方案。
不知道系统给自己的这个DCTC模型，到底是什么样的水准。
陈腾拿起系统给的U盘插进电脑中。
看了一会儿技术原理。
很好，前面的导入部分还能看懂一点，后面就完全看不懂了。
还是晚点给别人看吧。
至于抽出来的第二个东西那就“厉害”了。
提升人工智能自主创造性思维能力，可是科幻电影和科幻小说当中才有的技术。
也就是俗称的，拥有自己独立的思维意识。
别看现在什么“深度学习”的口号喊得响亮，但是实际上距离这一步还有十万八千里。
陈腾也看到了这东西后面跟着的“方案预测”四个字，并没有太激动。
抽不出来真正技术，只是方案预测也在陈腾的意料之中。
要是没有这四个字，价值就不是一百万了。
一千万、一个亿甚至更高也不是不可能。
况且就算是有了这个技术的方案，陈腾估计自己也还差着一堆前置的技术，根本啃不动。
“这玩意儿……姑且就当成谢谢惠顾吧。”
系统认证这东西的价值在三百万以上，但是陈腾现在确实用不到。
第三个，甚至可以说是目前最有用的。
语言学习大模型。
顾名思义，这个大模型的作用就是帮助AI学习人类的语言，帮助它了解每一句话的含义。
学成之后，那自然就可以和人类对话。
如果将这项技术和语音转文字的技术相结合，就能得到一个可以聊天说话的语音助手。
再给予操控设备的权限，那么用户将会得到一个类似于《铁人》电影当中“贾维斯”一样的人工智能助手。
当然，肯定是弱化版。
这样一来腾达旗下所有的设备，都可以用语音进行操控了。
“就是不知道这个模型的水平怎么样了。”
陈腾没有细看系统给的U盘。
不用看都知道，他肯定看不懂的。
第四个，大数据统计分析技术。
这项技术是腾达目前具备，但同时还是需要的。
因为AI的学习与成长，需要依赖的就是庞大的数据库。
没有庞大的数据库，AI什么都不是。
再怎么精妙的模型和，都需要庞大的数据库。
而这个庞大的数据库，又必须精挑细选数据源。
优秀的数据可以帮助AI更加快速地成长，达成想要的目标。
反之，垃圾的数据库很有可能会导致AI倒退。
拿围棋界的阿尔法狗举例。
就算是一开始阿尔法狗什么都不会的时候，背后的团队也绝对不可能给它喂两个臭棋篓子下出来的对局。
喂的数据，一定是经过精挑细选的高水平对局。
到了阿尔法狗天下无敌的时候，人类的棋局也不会再往它的数据库里喂了。
为什么？
因为这个时候，哪怕是人类顶尖高手的对局喂进去，那都属于污染数据库了。
那么新的问题来了，如何精挑细选优秀的数据喂进去呢？
围棋这种还好，可以通过人工的方式把数据喂进去。
那更加复杂的模型呢？
两个方法。
第一个，继续加人。
核心成员不够，那就外包团队。
每个人在输入图形验证码的时候，都相当于是他们人工智能的外包团队，帮他们喂数据。
第二个，让其他经过简单训练的AI帮忙筛选一遍数据，将一些污染能力比较强的数据给筛出去。
这就需要用到大数据统计分析技术了。
这个技术非常地笼统，应用也非常地广泛。
这章没有结束，请点击下一页继续阅读！