第82部分(第1/4 頁)

閬蠐誑捎眯院橢悄苄浴�

卡本的收購成本並不高，並且它算是在生活服務機器人領域走的最遠的，莫回拿下卡本的一個主要的考慮是嘗試利用超極本加速研發程序。

目前超極本的運算能力是超常的，智慧性也還不錯，雖然未必是最強的，至少在各大實驗室研發的ai中算是第一梯隊的。

超極本對卡本可能提供的幫助應該在模擬和排錯上，比如影象識別，想要獲得一個應用效果比較好的影象識別技術，關鍵就在演算法和無監督自我學習的智慧性上。

莫回採取的是笨方法，當卡本被收購之後，讓卡本團隊在影象識別領域提供一個演進模型，這個模型實際上是一個訓練模型，透過海量樣本進行人工智慧的訓練和學習。同時讓他們提供影象識別領域所有可能的演算法，無論這個演算法有效性如何。

莫回依託上帝之手可呼叫的資源相當多，他不僅要求卡本提供，還聯絡了很多在這個領域進行研究的科研和商業機構，讓他們提供類似的東西。

莫回做的事情實際上是儘量將這個領域的演算法窮舉，同時將這個領域的研究方法窮舉，然後利用海量的樣本讓超極本進行無窮比對和組合。

嚴格來說他這不算是科研，他是利用超極本的計算力優勢，不停的排列組合，窮舉所有可能性，在其中找到可能的道路。

這個方法雖然很笨，但是在某型領域確實能夠起到效果，實際上大資料提取出來的各種規律和關聯性，都是利用各種演算法，透過類似的方式，尋找隱藏的或然關係的。理論上來說某些科研也類同於窮舉，白熾燈的發明其實就是窮舉所有可能材料，最終選中了鎢。

超極本的第一次科研是在阿朱這個人工智慧的幫助下磕磕絆絆進行的，好在超極本的運算速度非常快，技術瞬間就會給出結果，無論面對多大的樣本庫。

所以莫回的科研進度很快，他能夠在一天只能調整數十次計算模型，不斷試錯不斷碰撞，尋找可能正確的道路。

以影象識別技術為磨刀石，莫回不斷的磨礪超極本進行科研的應用辦法，不斷的調整，不斷的嘗試，在持續的互動調整中，超極本慢慢將其超強效能發揮出來。

當超極本的科研方法基本有了雛形的時候，一個應用效能已經差強人意的影象識別出爐了。它的演算法是超極本透過無數次推衍和演化之後形成的，它的智慧模組經過數以億記的圖片和影片的訓練，已經擁有足夠的適應性。

這個影象識別技術很快給到卡本團隊進行了應用性測試，結果發現它已經能夠透過照片和影片識別家庭中大多數常用物品，能夠分辨寵物，能夠辨別移動物體。

做到這一點，實際上在視覺識別模組上，已經差不多能夠滿足生活機器人的需求了，後面需要做的就是基於這個技術，延展其他功能，比如距離判斷，路徑規劃，自身定位等等。

對於莫回來說，最大的收穫不是這個影象識別技術，而是為了研發這個技術的過程中，超極本摸索出來的科研模式和方法。

有了第一步就好，莫回將其程式化，變成一款帶著自學習能力，擁有相當智慧性的全新模組——科研1。0（未完待續。）

第202章　投資的眼光

科研1。0成型之後，莫回不斷拿新的科研專案來訓練它，一邊推進科研速度，一邊完善和最佳化科研1。0，有超極本做後盾，科研1。0的優勢逐步展現出來。

科研1。0起到的作用就是縮短科研週期，一個新的專案拿來之後，需要專案團隊提供針對性的排查和窮舉方向，以及具體的計算方法，然後科研1。0負責執行，透過海量運算和窮舉的辦法，攻克那些將會耗費大量時間的部分。

科研1。0實際上是一個助推器，它本身並不具備科研能力，但是它能夠將部分科研內容轉化成海量運算，然後利用超極本搞定這部分內容。

實際上同樣的事情超級計算機也能做，但是所有的事情都存在成本收益的核算，超級計算機的成本相當高，並且也不是隨便哪個專案組都能達到超級計算機的運算份額的。

並且有很多科研專案，完全是真正意義上的海量運算，就算交給超級計算機來處理，恐怕時間跨度都是以年計的，這中間的成本是令人髮指的，尤其針對某個創業團隊來說。

現在莫回利用超極本幫助這些創業團隊，幫助這些科研專案組，幾乎是零成本的提供幫助，實際上是變相的注入了大資金來加速科研進度。

莫回一邊忙著晚上科研1。