语料清洗，其实就跟保护孩子教育的成长环境是差不过的概念。
教育孩子，必须保护他的成长环境——越是小的时候，就越不能让他接触乱七八糟的东西。
一旦从小长歪了、学坏了，后期再怎么教育、再怎么修理，也很难完全纠正回来。
人工智能模型也一样如此，如果早期的“言心”模型出了问题，那意味着“言心”模型现在所有的备份都会出现同样的问题。
机器学习很难，各种模型各种算法，都是经历数年甚至十数年的演进和发展才逐步完善的。
训练的过程中，更是消耗大量的CPU、GPU算力资源，耗费大量的金钱，可能还不能完全达到预期想要的效果。
但是，机器学习一旦学到了，想要让它“忘掉”——那更是不可能的事情。
在无数个神经网络节点上，机器学习到的东西可以说是无处不在，谁也不知道这些语料的成果会在哪些个节点上有所体现。
现在的技术手段根本没有办法通过递归或遍历确定这些节点——因为就连训练者们自己其实也不清楚AI模型究竟是如何掌握这些能力的。
动不动几十甚至上百个TB的数据，也确实不是人力检测所能企及的——更不用说去指定清除特定的内容和能力了，这根本不可能做得到。
类比人的记忆，其实也差不多，你告诉一个人一个秘密，然后后悔了，想让他忘掉？
那能怎么办？没有任何办法！
就算你对着他的脑袋给一榔头，最终也不一定会是个什么结果——相比单独忘掉这件事儿，让他完全失忆倒是更简单一些。
机器学习的“遗忘”也是如此，但从技术层面来讲，消除特定数据点影响的传统方法，就是重开——也就是从某个备份开始重建系统。
如果所有备份都有问题的话，那就真的只能从零开始了。
而从零开始，那意味着海量的培养成本——几十上百亿的投资啊，直接就打了水漂了。
这样的损失，别说是千寻科技，换成其他任何企业也无法轻易接受。
“也不是完全没有办法。”程旭微微思索了一番，随后慎重的点了点头，微笑着说道。
如果真的是人，除了让他完全失忆，程旭也没有任何办法。
也不知道当今医学界有没有能让人忘掉一些事儿的方法，想来应该是没有的，人脑是最精密最复杂的器官，科学对之的认识还很局限。
但机器说到底并不是人，神经节点网络虽然庞大且复杂，但也并不是真的神经细胞，跟复杂的人类大脑相比，它还差了些。
结合自己曾经的经验，程旭略微以推断，就想到了借助“荷泵”芯片的某些特性和优势，尝试解决这个问题是可行的。
“你有办法？”潘正教授脸色一喜，不过却没有问得更多，而是说道：
“那回头我联系千寻，你们应该有很大的合作空间。千寻科技着急上火好一段时间了，如果你能解决这个问题，不管是对你，还是对千寻来说，都是一件大好事儿！”
程旭原本还在计划着怎么切入人工智能这个领域——虽然“荷泵”优势明显，强势插入也不是不行，但人工智能发展了这么多年，有一个好的切入点，绝对是事半功倍的。
听潘正教授这么说，程旭表示同意：“我需要先看看具体情况，老师有内测系统的权限吧？加我一个，回去我先研究一下。”
本章节尚未完结,共2页当前第1页,请点击下一页继续阅读------>>>