第五十二章 舉個栗子(第1/2頁)

因為論文都是經過華科大的教授翻譯，並詳細批註過的，所以江棲野都能看懂並理解。

這一段時間，江棲野又陷入如飢似渴的學習階段，上午刷書，下午刷論文，晚上再刷數學。

他真的感覺自己受益匪淺，從張江科學城獲得的的資訊學等級，也漸漸的真正變成了他自己的知識，畢竟沒有根基的高樓是不會長久存在的。

放下最後一篇論文，江棲野嘆了一口氣，這幾天他真的覺得這些論文撰寫者的智慧簡直歎為觀止。

幾乎每一份論文，就是一種全新的演算法，一種人工智慧的方向。

他看著書桌上，一堆已經被翻得卷皮的論文，江棲野決定，先吃飯！

吃完飯後，先給自己泡了杯速溶咖啡，他從今天開始要修仙了。

開啟電腦。

半個小時過去了，江棲野竟然一時間不知道該從何處開始。

想讓人工智慧對演算法設定之外的東西進行反應，首先擺在江棲野面前的就是兩個難題。

第一個要解決的問題就是做出什麼樣的反應，依據什麼來反應。

當人工智慧接收到外界的訊號時，如果該訊號在演算法設定之內，他只能依據設定做出回應。

舉個栗子。

對於一個普通的智慧機器人而言，他走在商場裡，遇見一個迎面走來的人，會因為演算法內提前設計好的程式進行自動避讓。但是如果是一個人突然倒在他的面前，他還是會根據設定而進行避讓，並不會產生扶或者不扶的動作，對他而言，那個倒地的人就是一個需要讓開的障礙物。

第二個就是儲存和再設定問題，當人工智慧針對某樣設定內沒有的訊號，做出反應之後，他能將該反應進行儲存，並在下次遇見該訊號時做出同樣的反應。

只要能解決這兩個難題，這個的演算法也就不難了。

問題出來了，就只剩下解題了。

解題的第一步建模。

建模就是將現實的問題變成數學問題，用一個個數學公式和程式碼來表示遇到不同情況時做出的不同反應。

對難題江棲野想了兩個解決方案。

首先就是設計一個底層優先的演算法，讓人工智慧每遇到一次新的訊號，模擬旁邊其他人的反應。

比如說，當人工智慧機器人遇到在商場裡忽然遇到一個人倒地。

這個倒地訊號在設定的演算法內沒有，他就開始模擬商場周圍多數人相同的動作，來做出自己的反應。

這個方向江棲野只是想了一下就放棄了，因為並不能保證人工智慧接收到訊號的時候，旁邊的是否存在其他的人，同樣也不能確定人工智慧接收訊號的時候，旁邊的人會有反應。

所以，此路不通。

重新想。

江棲野直接在演算法中新增了一個搜尋引擎，透過建立資料庫，來對接收到演算法設定之外的訊號做出相應的回應，而且這樣還可以透過不斷地擴充資料庫，來使得人工智慧不斷的成長。

資料庫的建立簡直是一舉兩得，一下子將兩個難題同時解決了。