第(3/3)页 更重要的在于无一出错，这太惊人了。 故障率在0和故障率是0.01%，这都是截然不同的概念。 光是这语音识别技术，至少是千亿米元的价值。 （2021年语音识别的市场规模是107亿米元） 因为语音识别可以用在手机、家电、汽车等所有领域。 你能够想象一个导航，能够完美识别你的要求，你说想吃什么，它都能帮你找到最合适的地点。 再深入挖掘，再给它内嵌一些广告性算法，比如你想吃汉堡，然后提出你的口味偏好。 导航自动带你去一家给它充值过的汉堡店。 你无法把责任推给人工智能公司或者是人工智能本身。 当然我相信梅林的人工智能不会用于这方面。 但是梅林的人工智能体现出来的底层逻辑如果让其他互联网公司研究透彻，我想离他们这样干的时间就不远了。 Unlabel的CEO把翻译誉为人工智能领域的圣杯。 这一说法被很多人工智能领域的大老所赞同。 为什么？ 在圣经的旧约里曾经提到过这样一件事，人们早期使用相同的语言，试图建造巴别塔通往天堂。上帝推翻了巴别塔，然后让不同文明使用不同的语言。 造成了人类之间无法沟通。 这个故事在圣经里很有影响力，类似的通天塔倒塌的神话传说也出现在过山海经里的不周山倒塌。 同样在山海经里，不周山也是唯一前往天界的路径。 这样相似度极高的神话传说，让人们怀疑古代是否真的有过这样一条天路。 回到机器翻译，这涉及到大量的文本内容，同时从一种语言到另外一种语言的模型都各不相同。 在蓝星的机器翻译技术里是这样的。 如果涉及到多种不同语言间的翻译，更是会产生数千个模型，同时有着过多的计算复杂性。 而这些年人工智能界一直在寻找一种多语言模型。 通过多语言模型来构造所有语言通用的文本表示。 大致可以理解为无论是什么语言，都能找到独立于语言的含义表示。 这样的模型第一次研究出来是在2021年的时候，由机器翻译的大牛Phiipp Koehn团队研发成功。 多语言模型首次超越了双语模型。 离那时候已经过去十年时间，Phiipp Koehn团队在多语言模型上的进展远不如预期。 他们团队因为进度不如预期分崩离析又重新组建了好几次。 一直到今天，多语言模型在META内部最大的应用场景都是在检测仇恨言论上。 也就是说不同语言之间，跟仇恨这一情感元素有关的语言，是容易找到独立于语言的含义表示。 但是其他的情感元素，一直没有找到突破口。 要知道Phiipp KoehA，每天有两百亿次的数据训练。 我不相信梅林的人工智能有这么多的数据进行训练。 结果却是它在智能翻译领域，堪比专门的翻译人员。 对于不同的语言识别更是表现的驾轻就熟。 我猜测梅林在人工智能领域有着自己的一套方法，有专门的编译语言。 我希望在我有生之年，梅林能够把相关知识公开。 这应该是所有人工智能领域从业人员最大的梦想了吧。 能够看到比现在技术强至少五十年的研究成果。 我大致能够体会到华国古人那种朝闻道，夕死可矣的感觉了。” 上面这个回答是在狮城的华国留学生回答的。 基本上所有互联网大厂在狮城的分部，都派下属员工去测试狮城政府使用的人工智能了。 无防盗 鹅厂、大米、字节、苹果、亚马逊这些互联网大厂的总部还等着狮城分部传回来的测试报告呢。 像微软这种，亚太区总部就在狮城的，能够调动更多的人才资源去对狮城政府的人工智能做出判断。