第73頁(第1/2 頁)

&ldo;這是我的榮幸，教授。&rdo;杜克愉快地回答道。&ldo;我選擇的第二專業正好是我本科的專業，我想我可以應付，畢竟大部分基礎知識都曾經學習過。&rdo;杜克繼續就第二專業選擇解釋道，至於本專業課程，交出了這幾份課程綜述報告，加上剛才透過了波爾教授的現場考驗，證明這幾門課程不過是準備打醬油，只要能夠按時上課，按期交作業報告應付好就行了。

這個完全符合麻省理工學校的規定，而且麻煩很少，如果申請免修，一門課程不是沒有可能，可是你要申請4門免修，哦，這個實在太逆天了一些，即便波爾教授是麻省理工知名教授，也不可能開這種後門。因此杜克雖然能力逆天，也沒有打免修的主意。

既然波爾教授已經透過了對杜克的基礎知識部分考查，研究方面又有sala輸入法這種優秀的成果，因此研究方面教授也希望杜克能夠儘快加入團隊，在目前波爾人工智慧的研究上，主要集中在知識發現方面，這個同siri採用的後臺技術極為相似，主要都是透過綜合運用統計學、粗糙集、模糊數學、機器學習和專家系統等多種學習手段和方法，從大量的資料中提煉出抽象的知識，從而揭示出蘊涵在這些資料背後的客觀世界的內在聯絡和本質規律，實現知識的自動獲取。顯然這是一個富有挑戰性、並具有廣闊應用前景的研究課題。

從資料中挖掘並發現知識，首先要解決被發現知識的表達問題。而最好的表達方式目前看來還是自然語言，因為它是人類的思維和交流語言。所以知識表示的最根本問題就是如何形成用自然語言表達的概念。

在杜克的sala輸入法中，其實已經大量用到了這些知識，要實現語音識別高辨識率，核心部分就是抽象提煉各種語音特徵的能力，只不過這部分工作都由克里完成，現在杜克要做的是將克里的能力複製移植到地球的計算機上面。

波爾教授雖然沒有機會深入瞭解sala輸入法的實現過程，但是憑藉著世界頂級專家的直覺，波爾能夠判斷在sala中應該使用了相關的技術，這才是波爾教授爽快同意杜克博士申請的最主要原因，他在這方面的研究已經進行了很多年，但是一直都沒有獲得突破性的發展，他的研究團隊需要補充一些新鮮的血液來進行突破，當然不是說毫無所獲，至少類似siri這種程度進展還是不少的，但是這還遠遠不夠，如果你用過siri，你就知道這充其量也就是嬰幼兒智慧水準。

波爾教授的這個研究符合杜克的預期，因為在杜克下一步計劃中，語音識別應用的一個方向，就是讓機器可以理解部分的自然語言，這個就同人工智慧密不可分了。大家知道現在的電腦基礎是二進位，也就是0或1基礎上發展的，要讓電腦理解人類語言，這個難度真的不是一般大。

這麼說吧，人類語言中一語雙關的情況太多了，即使對於&ldo;你吃了嗎&rdo;這樣簡單的句子，在不同語境下都有好多種不同的內涵，足以讓電腦邏輯為之抓狂。

比如北京人見面如果問&ldo;你吃了嗎&rdo;不過是一句司空見慣的打招呼，如果你傻乎乎地認為對方要請客，你就二了。

如果是倆個相熟的人打電話問&ldo;你吃了嗎&rdo;，如果倆人離飯點近，可能是邀請一起吃飯，如果是倆人距離遠，不過就是一種關心式的問候。

甚至說話的語氣不一樣，同樣語言中的內涵也大不一樣。

如此種種語境，對於人的思維來說是非常好分辨出來究竟是打招呼還是問候，可是電腦不行，它只有邏輯推理的能力，像語言交流這種幾乎無窮多組合的情況，你得給多少限制選擇條件，才能夠讓電腦理解?

從思維角度看，人工智慧成果同人腦相比一直沒有多少突破性的