能在未來的前行路上有同行的人自然是不錯的。
某種程度上林灰也是需要有人一併同行的。
前世在媒體的攛掇下，關於人工智慧的炒作可以說是蜂擁而至。
關於人工智慧也各種說法卻亂七八糟。
但這些宣傳普遍將懸窗重點放在人工智慧取代人類這種宣傳上。
卻沒搞清人工智慧真正的價值之所在。
人工智慧真正的價值在於帶來了對勞動力和生產關系之間的變革。
這才是其真正的影響深遠的原因。
這也是為什麼前世國家層面如此重視人工智慧的原因。
以往涉及到勞動力和生產關系通常是什麼形式呢？
不是改革就是革命。
作為能影響勞動力和生產關系的東西。
人工智慧所衍生出來的內涵其影響不亞於一場革命！
在前世人工智慧更是一度被認為是引領當時新一輪科技革命和產業變革的戰略性技術。
在前世人工智慧還被官方認為具有溢位帶動性很強的“頭雁”效應。
相應的檔案更是直接了當地指出加快發展新一代人工智慧是我們贏得全球科技競爭主動權的重要戰略抓手。
前世官方的表述是這樣的：
“人類已經歷了蒸汽時代、電氣時代、信息時代這三輪科技革命的浪潮，現在，新一代人工智慧技術快速發展，正在掀起第四輪科技革命，推動人類社會邁向智慧時代。
想一想蒸汽機對蒸汽時代的意義、電力技術和內燃機對電氣時代的意義、計算機和網路技術對信息時代的意義，我們大概就能理解新一代人工智慧技術對智慧時代的意義。”
不難看出前世對人工智慧技術是相當重視的。
也無怪於人工智慧在前世被相當看重。
在前世人工智慧在很多領域都表現出了相當強的水平。
空戰，人工智慧可以打敗空軍上校，這事兒發生在前世2016年——美國辛辛那提大學研發的人工智慧系統阿爾法駕駛三代機F—15，對抗有20多年飛行經驗的美國空/軍上校吉恩駕駛的F—22，結果是阿爾法獲得勝利；
醫療，人工智慧可以打敗資深醫生，這事也發生在2016年——IBM的人工智慧“沃森”學習了海量醫學論文後，在人類醫生們對一名病人束手無策的情況下，10分鐘內判斷出病人得的是罕見白血病，並給出了治療方案；
【穩定運行多年的小說app，媲美老版追書神器，老書蟲都在用的換源App，huanyuanapp.org】
圍棋，人工智慧可以打敗世界冠軍，這是發生在前世2017年的事——圍棋人工智慧AlphaGo以3比0打敗世界冠軍kEJIE；
科研，人工智慧可以打敗科學家，精準預測蛋白質高階結構，這是發生在前世2018年12月2日的事——DeepMind公司推出的人工智慧AlphaFold在全球蛋白質結構預測競賽CASP中一舉戰勝各國人類專家，奪得冠軍。
因為時空的一些擾動，這些前世發生的事情在今生雖然未必能夠如約而至。
但前世這些事情卻充分說明人工智慧的巨大潛力。
在今生復刻人工智慧，因為人工智慧所具備的深度學習、跨界融合等特徵。
同樣在今生人工智慧依舊有可能在對經濟發展、社會進步、國際政治格局等方面產生重大而深遠的影響。
總之，人工智慧即將到來的新浪潮不至於技術革新。
某種程度上，將人工智慧即將到來的新浪潮稱作是一場另類的革命也是不過分的。
這樣的一場另類的革命顯然不是僅靠林灰自身就推得動的。
僅僅是林灰本人的話。
或許林灰能不斷的搬運技術。
但技術落地什麼的僅靠林灰自己可是不行的。
技術落地的話還是需要很多志同道合的人。
甚至是後期的一些技術搬運除非林灰有足夠的學術地位。
否則即便是搬運可能也需要一些幫手才能增強技術本身的說服力。
畢竟很多時候技術層面的事情並不是搞出來就有人知道其相應的含意。
曲高和寡有時也是一種無奈。
儘管這些都是以後的事情了。
但林灰相信這一天終將到來，甚至是未來已經在來的路上了。
那是一個值得期許的未來。
就尹芙·卡莉所表述的內容。
說實話無論是尹芙·卡莉就林灰對論文中補充內容表露出的濃厚興趣還是對人工智慧未來的期許和擔憂，這些都不怎麼出乎林灰的預料，倒是尹芙·卡莉對於此前林灰收購她專利的用途所進行的猜測讓林灰稍稍有點意外。
按照尹芙·卡莉的猜測，林灰之所以收購她搞出的《文字判斷甄別比較的一種新方法》這項專利是想在自動文字摘要框架（涵蓋內容表示、權重計算、內容選擇和內容組織四部分任務）之下的內容表示方面做文章。
呃，不得不說，尹芙·卡莉還真是一個聰明的人。
居然這麼快就能夠意會到林灰為什麼要進行這樣的一項收購。
林灰還以為他身後那些追趕者還要很久才能領悟呢。
沒想到居然這麼快就被尹芙·卡莉領悟了一部分。
不過尹芙·卡莉儘管猜對了，但卻只是猜對了一部分，並沒完全對。
林灰為什麼給出這樣的評價呢？
尹芙·卡莉所謂的“內容表示”指的是在自動文字摘要的流程中將原始文字劃分為文字單元的過程。
這一過程包含有分字、詞、句等預處理工作；
其主要目的是透過預處理將原始文本處理成演算法容易進行分析的形式。
傳統的抽取式摘要這樣傳統自動文字摘要不怎麼注重內容表示這一環節。
生成式文字摘要和傳統的抽取式摘要關於這部分則稍稍有些不同。
生成式文字摘要還是比較注重內容表示這一環節的。
尤其是應用了詞嵌入技術和預訓練機制的生成式文字摘要更是格外注重“內容表示”這一環節。
沒辦法，不得不重視，傳統的文字摘要各步驟的重要程度其實是差不多的。
但應用了詞嵌入技術和預訓練機制的生成式文字摘要的工作很多時候都是“頭重腳輕”的。
即開始的環節在整個環節中權重是最高的。
或者說在實際構建生成式文字摘要模型的時候，雖然要設計到很多的步驟。
但通常情況下越靠前的工作也往往更重要。