深度学习，总的来说就是这么学习的，不断反馈此前答案的对错。就像谷歌和FaceBook当年训练人脸识别，就是给无数的图给机器识别，然后错的要告诉机器错了。久而久之，机器的模糊统计算法就“知道”什么是错的了。

　　朱子峰只是个业余的脚本编写者，他当年给某点闹事的时候，根本不懂深度学习算法，也没有那么好的产业视野。他那个孙达炮一样幼稚的想法，只有落到初音这样的巨头身上，才能变得有可操作性。

　　正如人工智能在实现自动驾驶的过程中，必须先借助‘辅助驾驶’。

　　人工智能在攻克国际象棋、围棋的时候，必须先借助人加机器的“半人马模式”，来实现比纯机器更好的效果。

　　在驾驶汽车的时候，在人脑看来最难的事情是应对突事件，是“保持车辆精确保持与两边车道线的间距”。而这些事情在最初的辅助驾驶系统看来，就已经是很简单的了。

　　沃尔沃在被李叔福收购之前，已经实现了自动应对突窜出的行人，以及保持车道间距。

　　但是，在人脑看来相对容易做到的事情，在机器眼里却是很难得。

　　比如预见中远期的可能危险。

　　又或者看到夜里对面远处有司机过来、而己方这边有其他车辆开着远光灯时、预测对方司机会不会出现方向抖动。

　　又或者是“预期刚才车的人会不会赌气并线”这些显而易见的事情

　　这些问题人工智能的驾驶系统需要多年才会学会。

　　人类的长处是预见，机器的长处是精确，以及见招拆招。

　　自动驾驶是如此，初音人工智能研究院如今在攻克的围棋领域也是如此。

　　人类棋手或许害怕官子算不清，机器算法分分钟可以算清。人类高手喜欢前期布局做外势，而机器远远没法在需要高度远见的领域赶上人类。

　　在一切深度学习型人工智能领域里，最需要“远见”的细分领域，总是最晚被机器人攻克的。而在那些领域内坚持的人类，也往往是最后失业的。

　　不到半年，朱子峰那个辣鸡脚本被初音作为反面教材，剖析彻底吃干抹净，然后浴火重生出一个新的写作辅助工具，测试版的。

　　这个东西，已经可以做到在拿到套路文大纲的时候，读懂这个大纲，然后进行大约百倍字数的扩写。遣词造句和辞藻描写方面，而且已经学会了联系上下文，防止剧情崩溃。

　　如果开启“灌水”模式，这个写作辅助软件更是可以借鉴到无数人物、景物、动作描写，把一切可以水的地方再水一遍。两万字的大纲写成五百万字的都没问题。

　　当然了，这个东西目前还比较原始，要想用好，还是比较“挑大纲”的，如果大纲本身没头没脑机器识别比较困难，或者大纲本身就在灌水、或者格式套路不明显，机器还是没法写好。

　　写出来的作品，最后也还需要人工读一遍，解决掉一些逻辑上的明显硬伤。

　　至于错别字和用词不当，倒是不太容易出现，那本来就是机器的强项。

　　这个软件在初音原创内测通过之后，立刻投入了使用——当时，陈天乔还没下定卖网站的决心呢，初音方面自己也没有建文学网站，所以这个“使用”肯定是不能用在自己人身上的。

　　初音方面毫不犹豫地在对手的网站上测试自己的成果。(未完待续。)

　　请收藏：https://m.zhwcp.com

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）