第三百七十章 M语言和最先被干掉的职业(第4/5页)
所以一直到了2031年，依然是ai加人工的鉴黄方式。
只是说2021年的时候像微博这个体量的，可能需要上千名鉴黄师，到了2031年只需要上百名。
四位数变三位数。
至于微信，你在一遍，然后丢到后端的审查接口。
通过权重算法来判断你是否有违规行为，触发特定规则之后，会决定你倾向的权重，权重超过阈值之后你会被重点关注。
将会有人工来对你进行审核。
当然这种审核不仅仅是国内的大厂，fb、ins、youtube、google和推特都有大量的人工审核团队。
他们的审核团队放在菲律宾。
在2018年的时候，关于这件事，pbs放过一个纪录片。
对于国内外的互联网巨头们来说，他们在文字识别上能够做到接近百分之百，但是在图像分类测试中，只能做到98%左右。
而且对算力有非常高的要求，压根用不到实际的生产环境里。
这是image每年的图像分类测试竞赛结果，实际运营中的图像视频识别比image竞赛可要难得多。
而郑理公开的ai算法后，利用m语言写出来的模型。
从部署到使用突破了这帮互联网公司的认知，一个能够对内容实现99.9的识别成功率的ai模型，需要花的算力和之前差不多。
也就是说之前互联网大厂们几百人的ai鉴黄规模，现在再度被压缩了百分之九十。
ai鉴黄只是m语言最先落地的应用。
它代表的ai技术，在算力优势以及算法本身的落地难度都大幅度提升。
它允许轻松构建大部分原本复杂的架构，能够广泛的应用在工业领域。
大量易于组合的模块化部件，编写自己的图层类型、计算图抽象、数据和模型并行、动态类型的稳定性等等都完美适配。
在算法工程师们使用之后，github上m语言相关的项目成为社区热门。
国外的程序员社区里，活跃的大牛都在吐槽，一些很少发言的大牛也冒泡了：
“梅林的技术远超我们的想象，如果m语言是他自己开发的，那他在ai领域的造诣要超过我们所有人。
真的很难见到一款没有任何缺陷的ai编程语言。
像caffe能够把matlab的快速卷积网络实现移植到c和c++，适用于前馈网络和图像处理，不需要任何代码就可以训练模型。
但是caffe不能使用于循环网络，同时扩展性极差。
谷歌推出的tensorflow框架能够生成计算图之后执行自动微分，不需要在尝试新的神经网络排列的时候，手动去进行编码。
但是它运行速度很慢，同时在大型的软件项目里非常容易报错。
基本上这些年各大互联网巨头们推出的ai框架，或多或少都会存在问题。
（本章未完，请点击下一页继续阅读）