第(2/3)页

    陆羽：“存储靠什么？”

    葛云聪：“服务器。”

    陆羽：“网络，我们和别的公司有差别吗？”

    葛云聪：“没有。”

    陆羽：“所以，还有什么问题？”

    葛云聪：“可我们没有自己的AI芯片。”

    陆羽：“除了极少数，其他公司也不是都有自己的AI芯片。”

    葛云聪：“但是性能差别很大。”

    陆羽：“我们和其他公司相比，优势在哪？”

    葛云聪：“我们要什么没什么，哪有什么优……算法！”

    陆羽两手一摊，耸耸肩。

    葛云聪有点激动：“陆总，你真能搞出提升算力的新算法？”

    陆羽：“应该，能吧，人工智能包含了那么多种算法，想要提升算力，不是一种两种算法能决定的。”

    葛云聪：“我知道我知道，从一开始接触编程开始，就对人工智能特别感兴趣，也搜集过很多这方面的资料。”

    ……

    陆羽：“既然你对人工智能有一定了解，那你就应该知道一个人工智能包含的算法有多海量。”

    “不说那些不太重要的，我们就说说最为主要的几类算法。”

    “回归算法，试图采用对误差的衡量来探索变量之间的关系，是统计机器学习的利器，有最小二乘法，逻辑回归，逐步式回归，多元自适应归样条等等。”

    “基于实例算法，对决策问题建立模型，选取一批样本数据，根据某些近似性，把新数据和样本数据进行比较，来寻找最佳匹配效果，有学习矢量量化，自组织映射算法等等。”

    “正则化方法算法，一般作为其他算法的延伸，根据算法的复杂度对算法进行调整，其中最典型的就是弹性网络算法。”

    “决策树学习算法，根据数据的属性采用树状结构建立决策模型，用来解决分类和回归问题，包含分类及回归树，随机森林，梯度推进等等算法。”

    “基于核的算法，把输入的数据映射到一个向量空间，在向量空间里，很多问题能够更容易解决，包括支持向量，径向基函数，线性判别分析等等算法。”

    “聚类算法，按照中心点或者分层的方式，对输入数据进行归并，其中最主要的是期望最大化算法。”

    “关联规则学习算法，通过寻找最能够解释数据变量之间关系的规则，来找出大量多元数据集中有用的关联规则。”

    “人工神经网络算法，模拟生物神经网络的模式匹配算法，这是机器学习的一个庞大的分支，有几百上千种算法，感知器神经网络，反向传递算法等等。”

    “深度学习算法，是人工神经网络算法的一种，算是对人工神经网络的发展，试图建立大得多，也复杂得多的神经网络。”

    “可以分为监督式和半监督式学习算法，用来处理存在少量未标识数据的大数据集，包含卷积网络，堆栈式自动编码等等。”

    “降低维度算法，用来分析数据的内在结构，高维数据的可视化，简化数据以便监督式学习使用，有主成份分析，偏最小二乘回归，多维尺度，投影追踪等等算法。”

    “除了这些，比较重要的，还有，数据压缩算法，集成算法，堆叠泛化算法，平均单依赖估计算法，合并查找算法，奇异值分解算法，公钥加密算法，强化学习算法，梯度下降算法，离散微分算法，动态规划算法，分支界定算法，等等等等。”

    陆羽一口气说了大量人工智能需要运用到的算法：

    “这些还是比较重要的算法分类，每类算法都包含多种算法。”

    “说了这么多，还只是人工智能本身，而基于它开发的实际应用，更是数不胜数。”

    “现在，你觉得我们这个团队，人还多吗？”

    葛云聪以前虽然也了解过人工智能，但没有陆羽了解的这么详尽，听陆羽说完，感觉他随时都能开发出一个人工智能的样子。

    有些呆滞的摇头：“不多，一点都不多。”

    陆羽：“所以，做好准备吧，一旦我们正式开始开发人工智能，就不是短时间能完成的事情。”

    葛云聪问出疑惑：“陆总，我怎么感觉，如果硬件条件达标，你很有把握搞出真正的人工智能啊？”

    陆羽脸色一肃，表情郑重，眼神犀利，语气深沉：

    “看过电视剧吧，你知道的，太多了。”

    葛云聪咽了咽发干的喉咙：
    第(2/3)页