这项技术是腾达目前具备，但同时还是需要的。

因为AI的学习与成长，需要依赖的就是庞大的数据库。

没有庞大的数据库，AI什么都不是。

再怎么精妙的模型和，都需要庞大的数据库。

而这个庞大的数据库，又必须精挑细选数据源。

优秀的数据可以帮助AI更加快速地成长，达成想要的目标。

反之，垃圾的数据库很有可能会导致AI倒退。

拿围棋界的阿尔法狗举例。

就算是一开始阿尔法狗什么都不会的时候，背后的团队也绝对不可能给它喂两个臭棋篓子下出来的对局。

喂的数据，一定是经过精挑细选的高水平对局。

到了阿尔法狗天下无敌的时候，人类的棋局也不会再往它的数据库里喂了。

为什么？

因为这个时候，哪怕是人类顶尖高手的对局喂进去，那都属于污染数据库了。

那么新的问题来了，如何精挑细选优秀的数据喂进去呢？

围棋这种还好，可以通过人工的方式把数据喂进去。

那更加复杂的模型呢？

两个方法。

第一个，继续加人。

核心成员不够，那就外包团队。

每个人在输入图形验证码的时候，都相当于是他们人工智能的外包团队，帮他们喂数据。

第二个，让其他经过简单训练的AI帮忙筛选一遍数据，将一些污染能力比较强的数据给筛出去。

这就需要用到大数据统计分析技术了。

这个技术非常地笼统，应用也非常地广泛。

这章没有结束，请点击下一页继续阅读！

短视频平台给用户的喜好打标签，分析用户