※ 引述《Gary9163 (知人知面不加芝心)》之铭言:
: 如题
: 请神的效率是不是有点夸张?
: 只要不是太模糊的条件,三十分钟内都可以搞定
: 如果是找题材的话甚至还能短时间内高速咏唱秀一波
: 除去连清洁工都会的简单问题
: 这种速度到底是怎么办到的?
: 创一堆分类超细的资料夹然后根据要求一个一个找?
: 还是真的都阅览无数存在脑子里,看到委托时闭上眼睛几秒钟脑袋就有清单了?
: 或是这么刚好最近都有看过?
: 求各位神仙开示一下
前言
就如同前几楼的推文所说 万神殿里的神其实就是秘密研发的初阶人工智能
毕竟是秘密研发 database也不可能是什么正当的管道 自然 网络上的本子
这种夹杂在合法与非法之间的灰色地带 加上它适当的隐密性 成了最佳的研究素材
正文
至于原po所提出的疑问 就要先从理解里洽网络的构成开始
以下分为三部分
1.Monte Carlo Tree Search
根据蒙地卡罗算法可以简易的对特定主题进行判定 而回馈的校正则交由
个网站内的tag来判断 通常在进行一万个以上的样本分析后 辨识率和正确率
皆可达到90%以上
2.Policy Network
里洽网络的核心技术 由于请神内容多半以叙述式文字描述 而非特定物件搜索
所以对于语言辨识和本子中场景与剧情的应对 皆要依靠这个步骤进行 由于过成
十分繁杂 以下简单模拟一下内容
[请神] 找一本老师玩女学生后门的本
内容大概是某个社团的指导老师(好像是茶道社)被许多女社员包围搾汁
然后女主角开始回想当第一次被老师玩的时候 是她生病时老师照顾她
然后老师再女主休息时偷偷拖下她裤子 看着鲜嫩的小菊花 最后忍不住把手指放进去
一阵玩弄之后 就把小兄弟放进去了 女主也被弄醒 然后就%%%%%
打完一砲后女主还说老师要负责治好我得病欧 然后又来一次
接着画面又回到茶道社 女主叫老师要多射一点她吃下去好治病
分析开始
关键字分析:"老师" "女学生" "茶道社" "菊花"
以上进入文字/图片数据库比对
剧情分析: "生病" "放入手指" "多射一点" "吃下去"
"生病" > "药品" "针筒" "医院" "保健室"
"放入手指" > "手指" 剖面图" "润滑剂"
"多射一点" > "大量精液" "复数设精" "颜射" "溢出" "剖面图"
"吃下去" > "口交" "吞精" "深喉咙"
以上进入图片数据库比对
分析结束
第二阶段大概是这样 配合平时在第一阶段累积的大量样本 可以有效找出
目标本子 当然 难免出现复数符合的样本 这时候只要用不同帐号推文即可
3.Value Network
本系统最强大的地方 就是在经过1.2步骤后 可以将大量同类型的本子归纳完成
同时也将请神文的提问内容分类 并且自行设计新的提问内容 然后从已归纳的情境中
找出最符合的本子 也就是自我的进化 此后 里洽网络便能同时借由外部新输入的资讯
(新本子或新请神) 和内部模拟出的情境同时训练 并且以里洽中的解答率和有效答题
时间作为参考 使研究人员有修正和检讨的方向
结论
借由里洽网络的开发过程 研究人员不但更加理解了人工智能在寻找 界定
和归纳物件时的逻辑 同时也造福了广大的洽民们 即使是在孤单难耐的急用夜晚
也有人会为了你的鸡儿奋斗 可以说是个造福社会的伟大发明
ps:里洽网络虽然效能强大 但并非万能 至今依然有许多无法有效搜寻的本子
例如最精典的"狼师悬案"
ps2:在大约经过15万笔样本分析后 里洽对于"作者"和"画风" 以及"作者名子"和对应
tag的联系性有显著的同质性 并且成功理解了本子标题旁的签名为实际语言一事
于此同时在归纳分类中也开始出现了以作者为标准的分类 对于仅理解中英日三种
语言的理洽网络来说 将日文罗马拼音不视为英文 可以说是突破性的进步