第126章 完美識別（

    噶韭菜這種手藝不進則退，可不能停下來。

    打開自己的微薄，熟練地翻出之前拍攝的視頻，再看了一眼，沒有需要打碼的地方。

    整個視頻裡，除了一條巨大的機械手臂和它外層的護甲之外，沒有多餘的物體。

    直接上傳。

    發佈。

    然後陳神把手機放下，坐到自己的電腦前面，繼續著神經網絡算法的訓練，順便研究系統裡面的人工智能底層架構。

    系統給出的這個深度神經網絡算法，在功能上面比目前其他同類的神經網絡算法要強上許多。

    目前，它在圖像識別上已經表現出驚人的效率和準確性。

    陳神之前隨機抓取快音上面的一部分視頻向系統神經網絡展示，在沒有任何指令的情況下，這個神經網絡自主學會了對於各種物體的識別。

    比如視頻裡面出現過的動物，人類，以及傢俱等等。

    到了現在它已經可以完美識別出二十多種網絡上常見的動物，無論動態還是靜態，根據目前檢測到的結果，識別錯誤率已經降到零了。

    陳神還試著從幾張貓的圖片裡面人工截取了腰身的部分，結果系統神經網絡面對這種迷惑性極強的圖片，依然準確識別出圖片上是屬於貓的腰部，而不是豹子或者老虎的腰。

    這樣的圖片，有時候人都認不出來。

    類似的實驗在業界內有各種各樣的大公司做過，但這仍然是一個驚人的成績。

    要知道，他向神經網絡展示的視頻大概只有十萬的數量，而這些視頻裡面有關於貓或者其他動物的數量就更加少了。

    也就是說，系統神經網絡只進行了極少量的訓練，就已經可以做到完美識別某一樣物體了。

    而其他神經網絡，想要做到接近的效果，需要建立起一個龐大的數據庫和龐大的神經網絡，讓它進行至少億萬次的訓練學習。

    人們在各種網盤上面上傳的圖片和視頻，以及各種大型直播網站，背後就隱藏著一個深度神經網絡正在進行掃描式的“學習”，實時監控著視頻畫面和彈幕，判定違規內容。

    不過，哪怕是經過這麼多次學習，目前業內大部分神經網絡圖片識別效果仍然感人，距離系統神經網絡百分百的準確還差得遠。

    當然，系統神經網絡也不是沒有缺點的，或者說也算不上是缺點。