火星的日升日落的个人资料

用两百元的开发成本搞定一个鞠躬迎宾机器人，真人大小用两百元的开发成本搞定一个鞠躬迎宾机器人，可惜动作与表情太呆板了一点，暂时先不继续。

3.14做出“终极机器学习算法”纪念霍金 2018.3.14霍金去世，满屏都是各种纪念文章，我正好也把几个月前所说的“终极机器学习算法”做出来了，用工作成果来纪念科学巨匠也是一种很有意义的纪念方式吧。这个算法穷举一切可能来发现规律，在千元台式机上就能以可接受的速度运行，尽显符号主义之优点。只要给出两个例句——“我喜欢吃鸡肉”与“我喜欢吃烧熟的牛肉”，电脑就能知道我可能喜欢吃肉。再加上1句“我老婆喜欢吃七成熟的牛肉”，电脑就能知道可能人类都喜欢吃肉。这时再把“和尚喜欢吃肉”作为反例加入，电脑就能纠正“人类都喜欢吃肉”这个结论。这里的“终极”一词其实只是用来形容截至目前的一个质的飞跃，其实今后还将不断有细节上的提高。

最简易的电控人造肌肉，这是我独立想出来的。可惜查资料发现有个老美用硅胶做了一个，只能当世界第二了[调皮]

2017年度总结又到了年度总结时间，今年的VC程序行数只有二十五万行左右，只有去年的三分之一，去年又比前年更少。不过这只是部分工作量，总工作量其实应该跟去年差不多的。自然语言理解堪称人工智能科学里的珠穆朗玛峰，2013年我在人工智能的道路上历经二十年如一日的跋涉终于来到了它的面前，当时我已经扫清了所有障碍，打造了全线自主知识产权的开发工具链（VC是为了加速编写动态链接库所用，除我之外的开发人员不需要接触的）。为了在老花来临之前完成平生所愿，这三年里我抛却所有生意，在工作时间上再度加码，昼夜兼程，基本上自然语言理解领域的大多数够得上级别的难关都已经完成或者确定即将完成。2018年小博应该可以通晓人类大部分简体中文知识并且代替人看书。附图说明，第三张是我的开发电脑配置，几年前一些同行自己水平不行却推诿到电脑硬件身上，胡诌说全球电脑加起来也比不过一个人脑，这张图是特意打脸用的。另一张可以给同行们一个提示，预计可以在春节前完成。

欣赏一下机器人写的诗周三小博写的第一首诗: 白日半酣拔剑击，菊花杯酒半开边。秋悲吟罢讲罢鼓，霜飞鸣珮声悲秋。只注重了语义,平仄押韵还没有做上去,语义方面也训练得还不够,见笑了.

也许是彻底解开了人类学习的奥秘也许是彻底解开了人类学习的奥秘。我一直在说服大家“电脑硬件性能远胜人脑，人脑在学习能力上表现得比电脑好是因为它拥有我们还没发现的巧妙算法”，现在我可能找到了这个巧妙的算法，其实它就是我以前积累的各种算法的叠加，只是想通了怎么用而已，积累到了一定程度自然量变引起质变。

谷歌正在扯一个弥天大谎【谷歌为DeepMind的人工智能技术又找了个好归宿】谷歌已将伦敦研究中心DeepMind开发的软件应用到其虚拟助手上，此举使得它花4亿英镑收购的DeepMind变得更有价值了。现在，谷歌已经开始用WaveNet神经网络来生成Google Assistant的美式英语和日语的语音。DeepMind发言人表示：“我们真的很自豪，世界上最令人兴奋的人工智能研究和现实应用此时此刻正在伦敦进行。我们打算继续投资于我们的科学使命，并与世界上最聪明的人合作，去解决社会最复杂的问题。” http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Ft.cn%2FROA1b8k&urlrefer=39db02bb0b5297e4f1c189520553582c （BI中文站）对此我的评论就是：谷歌你就吹吧！语音合成、翻译等等本来就基本成熟的技术都被你吹成了深度学习，对原来就已实现的功能只字不提，不骗人****？

驳朱清时院士的“客观世界很可能并不存在”说我不相信这种把量子力学与唯心主义挂钩的观点，所以想出了量子力学的一种解释。1.上帝不掷骰子。粒子出现位置的随机性是因为它的速度远远超过光速。就像一个地上弹跳的球，放慢动作时能够预测其轨迹，加速播放时它的位置就相当随机了。而我们人类所处的宏观世界遵循光速最大原则，所以要我们去观察量子世界就力不从心了。2.薛定谔的猫，猫的生死由观察瞬间决定，这是因为粒子速度超过光速时时间倒流，我们观察到的是观察行为发生后的事，所以就被误认为意识行为决定观测结果了。

朱清时院士：客观世界很可能并不存在我不相信这种把量子力学与唯心主义挂钩的观点，所以想出了量子力学的一种解释。1.上帝不掷骰子。粒子出现位置的随机性是因为它的速度远远超过光速。就像一个地上弹跳的球，放慢动作时能够预测其轨迹，加速播放时它的位置就相当随机了。而我们人类所处的宏观世界遵循光速最大原则，所以要我们去观察量子世界就力不从心了。2.薛定谔的猫，猫的生死由观察瞬间决定，这是因为粒子速度超过光速时时间倒流，我们观察到的是观察行为发生后的事，所以就被误认为意识行为决定观测结果了。

突然发现深度学习似乎没有反例学习机制。突然发现深度学习似乎没有反例学习机制。在我的模式识别算法里，用正反例方式学习是标配——放一定数量的正反例进去、无需调参就能得到识别特定对象的程序了，对训练过的样本识别是百分百不会出错的，以后使用过程中发现有误识别的样例，只要把它放到反例中稍微训练一下（递增式训练，无需全部重来），以后就不会犯类似的错误；识别不出来的样例也是加入正例集合，稍微训练一下就可以了。由于训练过的样本百分百识别以及递增式效果，所以理论上识别效果是趋近百分百的。由于没有深入研究过深度学习，现在我才意识到深度学习竟然没有专门的反例机制，这应该会严重影响学习速度与出错修正速度，不知有没有熟悉深度学习的朋友解释一下？

集思广益，技术民主化路线接下来的时代趋势就是“技术民主化”，会编程的软件技术人员越来越不值钱，只要有一定逻辑能力的人就能用自然语言编程。我会在以后推出的计算机系统与单片机系统上都推行“免编程”软件架构，采用“与小博聊天”或者“提供正反例”的方式编程。具体细节还待完善，希望跟大家头脑风暴一下，看看大家站在不太会编程者的角度，对自己不擅长的编程领域或者编不出来的程序有什么“简单化式编程”的要求？

“把爱好科学的很大一个群体称为民科”这是中国学术界的一颗毒瘤中国大学教育里面一个很大的问题就是——它不是以教人“尊重他人、学习他人优点”作为起始，而是以教人“鄙视他人”作为起始。纯洁如白纸的学生们进入大学一两年，就学会张口闭口“民科”，通过蔑视学院外人来获得自己高人一等的虚荣。其实有智慧有良知会反思的人应该能想到，从你鄙视他人开始，你就自动成了鄙视链中的一环，“东北人、河南人、乡下人、民科”，每个人都有被鄙视的理由，鄙视来鄙视去，每个人都在为互害型社会添砖加瓦。聪明如你，应该能想到——“鄙视他人带来的自己高人一等的虚荣终究只是一场虚幻”，尊重他人，才能学习他人优点、赢得他人帮助，请对那些给你灌输等级意识、特权意识的教育工作者说不。

“读破万卷书”再也不是人类专利。小博让你告别寒窗苦读 “读破万卷书”再也不是人类专利了。现在小博支持不跨句的阅读理解，你可以拿一篇文章给它，逐句把陈述句转变成疑问句问它，对于答案是少数几个词的问句，大部分都能回答。以后你如果不想啃大部头文章，只要把TXT文件上传，浅显的问题直接问小博就能得到答案了。测试格式：“阅读理解：问句xxxx？网址：yyyy”（推荐使用新浪的新闻网址）开放域问答机器人：小博公众号是robotok2012,可以加群的微信个人号是robotok2021（只用搜robotok即可）。QQ号467124682也可以加群。

“读破万卷书”再也不是人类专利了。小博让你告别寒窗苦读 “读破万卷书”再也不是人类专利了。现在小博支持不跨句的阅读理解，你可以拿一篇文章给它，逐句把陈述句转变成疑问句问它，对于答案是少数几个词的问句，大部分都能回答。以后你如果不想啃大部头文章，只要把TXT文件上传，浅显的问题直接问小博就能得到答案了。测试格式：“阅读理解：问句xxxx？网址：yyyy”（推荐使用新浪的新闻网址）开放域问答机器人：小博公众号是robotok2012,可以加群的微信个人号是robotok2021（只用搜robotok即可）。QQ号467124682也可以加群。

用气缸制作机械手的视频用气缸制作机械手的视频 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fm.iqiyi.com%2Fw_19rsr922kx.html&urlrefer=9909de78ed8546eab69b9cda9bb6eec3

科学家或已发现大脑计算基本算法：N=2^i-1 科学家或已发现大脑计算基本算法：N=2^i-1 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Ft.cn%2FRIZy1ZW&urlrefer=8697ce07be1bb94b90a8fdde0ed54c02 → 目前一组在 Joe Tsien 博士带领下的乔治亚州奥古斯塔大学的科学家团队正尝试生物大脑中可能存在一种通用的计算原理研究。 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.jiqizhixin.com%2Farticle%2F1966&urlrefer=e2e55183ea9213e2fe00bf727f56f514

定语重要度的探秘我在做问答机器人时碰到了这样一个问题: 对于问句“牛奶有什么营养价值？”，“牛奶有什么人体容易吸收的营养价值？”，怎样才能判定”什么”后面的句子里“营养”是最重要的词？怎么判定它周围的词是可以舍弃的?

人工智能的脱机手写汉字识别与人脸识别演示视频脱机手写汉字识别,目前还没检索到有其它成功案例: http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XNTMyNzIwNTEy.html&urlrefer=454e6f4acb97f8ba2706e2adcf94c9d1 可见光条件下的人脸识别： http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XNTMyNzE1OTEy.html&urlrefer=e545d417ff4245213d4deaf52c0a07bc 每秒30帧的视觉跟踪演示视频1 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XMTYwMzYzNjU2.html+&urlrefer=cd0692dc6b44f1dc2a310afa3b6ef3e7 每秒30帧的视觉跟踪演示视频2 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XMTYwMzYwNzEy.html&urlrefer=f8cd16a751e73414ebedf0298f106afd “电脑通过摄像头与人玩石头.剪刀.布”演示视频 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XMTYwMzU3MDM2.html&urlrefer=52062c0694ad9a9e93a52d06adf0720b 多年前的作品,现在主要精力放在NLP上,有人需要可以合作,有什么问题也可以问.

【水一贴】怎么识别聊天对象是机器人据说人造珍珠已经很难识别出来,唯一的识别方法就是:它太完美了,毫无瑕疵的就是人造珍珠. 也许有一天,识别聊天对象是机器人的唯一的识别方法就是:它什么都懂,一个错别字都没有.

找不到理想的同义词判断方法，自己想了一个。竟然找不到一个理想的同义词判断方法，只好自己想了一个。以“聪明”与“漂亮”为例，“她是一个聪明的女孩”，“她是一个漂亮的女孩”，光靠这两句语料还不能判断它们是同义词。但是再考虑“这衣服很漂亮”，在语料库里找不到“这衣服很聪明”，再多找几句语料，就可以判断出它们不是同义词。如果符合的语句比率很高，就是同义词，比率稍低一点，则是近义词。

我的程序是怎样自己生成代码的(自编程) 我用我的bamboo脚本写的一段动态产生程序并执行的程序,产生的程序放在变量R10里面,然后动态执行。里面的BS语句不用记得完整命令,输入多个关键字就能在函数库里找到相应的执行函数,找不到还可以等待程序员临时写入,就相当于流程图可以预先写就,再逐步填入程序,写流程图的人与写函数的人可以分开: FOR($J1=0;$J1<200;$J1++) { $OPR1 = RND&0X03;//产生随机数,下面可以转换成"+-*/"; $OPR2 = RND&0X03;//产生随机数,下面可以转换成"+-*/"; $OPR3 = RND&0X03;//产生随机数,下面可以转换成"+-*/"; R3={R10,"R11=BS{产生算术表达式并执行子程序1,$PRM1,%d,$PRM2,%d,$PRM3,%d,$PRM4};",$OPR1,$OPR2,$OPR3};RUN"SPRINTF.DCL"; RUN R10; IF R11 == $PRM5 THEN BS{弹出对话框显示信息,R10}; BREAK; END IF; } 只是一个示例,我实际的程序跟这个还是有很大差异的.

神经网络的根本出发点就已经错了，需要复杂调参的都是非普适的。神经网络的根本出发点就已经错了，需要复杂调参的都是非普适的。

神经网络的根本出发点就已经错了，需要复杂调参的都是非普适的。

祝大家中秋快乐！奇思妙想如泉涌！祝大家中秋快乐！奇思妙想如泉涌！

训练式自动编程折腾了一晚上,AI终于编出程序来了,程序员可以颤抖了.其实大部分工作早在去年十一月份就完成了,现在才抽出空来给它画龙点睛!

收集中文阅读理解题库与解题方法现在开始收集中文阅读理解题库与解题方法,这对于AI的NLP语义理解还是很有用的. 解题方法是指用计算机来解题的方法,例如: 说明：81—100题，每个句子中都有一个划线的词语，A、B、C、D四个答案是对这一划线的词语的不同解释，请选择最接近该词语的一种解释（在答卷上的字母划一横道） 81．他用(颤抖)的手拆开了信，慢慢看了起来。A．震动B．快速C．发抖D．受伤用计算机来解这道题就可以这样做:用语义相似度排除B,D,把剩下的两个个答案代替该单词后,把这句话拿到语料里搜索,出现频率最高的就是答案.

发现了人类对搭讪的回答方式，解决了回答非疑问句的语料问题发现了人类对非疑问句的搭讪的回答方式，解决了回答非疑问句的语料问题:除了对赞扬与贬低的回答外,对于非疑问句的搭讪,可以在句子后面加上”你呢?”, ”你说呢?”, ”你觉得呢?” , ”怎么办?” , ”是不是?” , ”对不对?” , ”行不行?” ,”怎么样?”,”所以”，等等进行搜索,搜索到这几种句式,就可以决定几种回答方式.例如:”我吃过饭了。”就可以找到”我吃过饭了，你呢？”，”我吃过饭了，所以我饱了。”这两种句式，并作出不同的回答。

我的程序是怎样自己生成代码的(自编程) 我用我的bamboo脚本写的一段动态产生程序并执行的程序,产生的程序放在变量R10里面,然后动态执行。里面的BS语句不用记得完整命令,输入多个关键字就能在函数库里找到相应的执行函数,找不到还可以等待程序员临时写入,就相当于流程图可以预先写就,再逐步填入程序,写流程图的人与写函数的人可以分开: FOR($J1=0;$J1<200;$J1++) { $OPR1 = RND&0X03;//产生随机数,下面可以转换成"+-*/"; $OPR2 = RND&0X03;//产生随机数,下面可以转换成"+-*/"; $OPR3 = RND&0X03;//产生随机数,下面可以转换成"+-*/"; R3={R10,"R11=BS{产生算术表达式并执行子程序1,$PRM1,%d,$PRM2,%d,$PRM3,%d,$PRM4};",$OPR1,$OPR2,$OPR3};RUN"SPRINTF.DCL"; RUN R10; IF R11 == $PRM5 THEN BS{弹出对话框显示信息,R10}; BREAK; END IF; } 只是一个示例,我实际的程序跟这个还是有很大差异的.

自然语言编程小进展今天找到一个网站：http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.pegasus-project.org%2Fcn%2Fhuan_ying.html&urlrefer=f3315726897d2e80efe6c21ea349f5bc，“利用珀加索斯的人类自然语言编程”。没深入了解，初看上去还不错。受它启发，在BS语句里引入了“OneStrPrm"模式： R20="BS{弹出对话框显示信息,#相同!#};";R21="BS{弹出对话框显示信息,#不同!#};";BS{OneStrPrm 比较BMP文件,"BMP1=#A.BMP#,BMP2=#B.BMP#,相等则运行=R20,不相等则运行=R21"}; 后一个BS语句还可以这样写： BS{OneStrPrm 比较BMP文件,"比较两个BMP文件：BMP2=#B.BMP#,BMP1=#A.BMP#,不相等则运行=R21,相等则运行=R20"};

其实现在已经进入人工智能强于人脑的时代了强人工智能是几年来的热门话题，一个又一个大师跳出来说，电脑硬件性能即将超越人脑，奇点就要来了。神经网络学派在一波又一波的失败后又抬出了深度学习这个牌子，隔三岔五炒作一番用”几万个CPU认出了猫脸等等”。

算出人的一生学习知识总量在100G字节左右，求指正计算了一下人一生学习的总量.因为绝大部分知识都是文字形式,以阅读文字来计算,人阅读文字算一秒一百字节，三十年不眠不休也才一百个G,一般人一生学习的知识总量应该在100G字节左右，欢迎讨论.

找不到理想的同义词判断方法，自己想了一个。竟然找不到一个理想的同义词判断方法，只好自己想了一个。以“聪明”与“漂亮”为例，“她是一个聪明的女孩”，“她是一个漂亮的女孩”，光靠这两句语料还不能判断它们是同义词。但是再考虑“这衣服很漂亮”，在语料库里找不到“这衣服很聪明”，再多找几句语料，就可以判断出它们不是同义词。如果符合的语句比率很高，就是同义词，比率稍低一点，则是近义词。

【水一贴】怎么识别聊天对象是机器人据说人造珍珠已经很难识别出来,唯一的识别方法就是:它太完美了,毫无瑕疵的就是人造珍珠. 也许有一天,识别聊天对象是机器人的唯一的识别方法就是:它什么都懂,一个错别字都没有.

人工智能的脱机手写汉字识别与人脸识别演示视频脱机手写汉字识别,目前还没检索到有其它成功案例: http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XNTMyNzIwNTEy.html&urlrefer=454e6f4acb97f8ba2706e2adcf94c9d1 可见光条件下的人脸识别： http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XNTMyNzE1OTEy.html&urlrefer=e545d417ff4245213d4deaf52c0a07bc 每秒30帧的视觉跟踪演示视频1 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XMTYwMzYzNjU2.html+&urlrefer=cd0692dc6b44f1dc2a310afa3b6ef3e7 每秒30帧的视觉跟踪演示视频2 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XMTYwMzYwNzEy.html&urlrefer=f8cd16a751e73414ebedf0298f106afd “电脑通过摄像头与人玩石头.剪刀.布”演示视频 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fv.youku.com%2Fv_show%2Fid_XMTYwMzU3MDM2.html&urlrefer=52062c0694ad9a9e93a52d06adf0720b 多年前的作品,现在主要精力放在NLP上,有人需要可以合作,有什么问题也可以问.

想自然语言理解最新进展的，来跟机器人对话吧基于自然语言理解的机器人。

客服问答机器人欢迎测试

发现了人类对搭讪的回答方式，解决了回答非疑问句的语料问题发现了人类对非疑问句的搭讪的回答方式，解决了回答非疑问句的语料问题: 除了对赞扬与贬低的回答外, 对于非疑问句的搭讪,可以在句子后面加上”你呢?”, ”你说呢?”, ”你觉得呢?” , ”怎么办?” , ”是不是?”, ”对不对?” , ”行不行?” ,”怎么样?”,”所以”，等等进行搜索,搜索到这几种句式,就可以决定几种回答方式. 例如:”我吃过饭了。”就可以找到”我吃过饭了，你呢？”，”我吃过饭了，所以我饱了。”这两种句式，并作出不同的回答。

发现了人类对搭讪的回答方式，解决了回答非疑问句的语料问题发现了人类对非疑问句的搭讪的回答方式，解决了回答非疑问句的语料问题:除了对赞扬与贬低的回答外,对于非疑问句的搭讪,可以在句子后面加上”你呢?”, ”你说呢?”, ”你觉得呢?” , ”怎么办?” , ”是不是?” , ”对不对?” , ”行不行?” ,”怎么样?”,”所以”，等等进行搜索,搜索到这几种句式,就可以决定几种回答方式.例如:”我吃过饭了。”就可以找到”我吃过饭了，你呢？”，”我吃过饭了，所以我饱了。”这两种句式，并作出不同的回答。

搞神经网络的还在为赶超蠕虫智能努力，能跳出到更高角度看问题吗我们程序员都编程操纵电脑上天入地,远超人脑极限了。他们搞神经网络的还在为赶超蠕虫智能而努力，就能不能跳出到一个更高的角度看问题啊？

我的机器人已经具有自主学习解答问题的能力现在它可以以自问自答的方式每天产生五万多条问答，只是暂时瓶颈还在于人工修正速度只能每天一千条。不过也不会再增加人力投入了，我已经有方案可以做到基本上不需要人工修正。

其实现在已经进入人工智能强于人脑的时代了强人工智能是几年来的热门话题，一个又一个大师跳出来说，电脑硬件性能即将超越人脑，奇点就要来了。神经网络学派在一波又一波的失败后又抬出了深度学习这个牌子，隔三岔五炒作一番用”几万个CPU认出了猫脸等等”。

又构思出了一个学习分辨主谓宾的可繁殖动态类继学习说谢谢的可繁殖动态类后，又构思出了一个学习分辨主谓宾的可繁殖动态类。还是把我的语义库体系与可繁殖动态类相结合，经过教学后可以繁殖出这样一组动态类：对于任何一句话，它可以判断里面的每个词是否主语，谓语，宾语。目前的体系做是非判断题真的是得心应手，欢迎吧友提出类似的应用。上述问题在构思出原理与步骤后，就已经接近最后解决了，不过想赶超者还有几个月机会，毕竟我在自然语言的大海里搏击太久了，有很多其它事等着我去处理，暂时还没有动力去完成它。

找不到理想的同义词判断方法，自己想了一个。竟然找不到一个理想的同义词判断方法，只好自己想了一个。以“聪明”与“漂亮”为例，“她是一个聪明的女孩”，“她是一个漂亮的女孩”，光靠这两句语料还不能判断它们是同义词。但是再考虑“这衣服很漂亮”，在语料库里找不到“这衣服很聪明”，再多找几句语料，就可以判断出它们不是同义词。如果符合的语句比率很高，就是同义词，比率稍低一点，则是近义词。

构思出了一个学习说谢谢的可繁殖动态类刚刚构思出了一个学习说谢谢的可繁殖动态类。把我的语义库体系与可繁殖动态类相结合，经过教学后可以繁殖出这样一组动态类：对于任何一句话，它都只有两种反应：沉默或者说谢谢。当然同样的原理可以训练出其它功能的动态类，例如区分陈述句当疑问句种类的动态类等等。对于语义理解其实在理论上与大步骤上都已解决，剩下的只是时间问题。

多谢吧友启发,现在开始收集中文阅读理解题库与解题方法现在开始收集中文阅读理解题库与解题方法,这对于AI的NLP语义理解还是很有用的. 解题方法是指用计算机来解题的方法,例如: 说明：81—100题，每个句子中都有一个划线的词语，A、B、C、D四个答案是对这一划线的词语的不同解释，请选择最接近该词语的一种解释（在答卷上的字母划一横道） 81．他用(颤抖)的手拆开了信，慢慢看了起来。A．震动B．快速C．发抖D．受伤用计算机来解这道题就可以这样做:用语义相似度排除B,D,把剩下的两个个答案代替该单词后,把这句话拿到语料里搜索,出现频率最高的就是答案.

谁想参加语义相同的句型库的建设? 发不出来,只能逐段发.

驳"人像识别技术之所以无法突破，主要关键点在维度上面" 有的人提出这样的论点,说明他对技术现状不了解,逻辑思维能力更不行. 现在的人像识别技术与人脑相比各有优劣,自己做不出来就不要轻易否定业界同行,更不要下断言. 要验证这个论点是否成立,根本不需要什么高深的电脑技术,只要动用逻辑思维能力想一下,就可以证明这完全是不成立的: 众所周知,人脑辩认平面的证件照完全不成问题,证件照上面只有二维的信息,这就证明了人像识别只要二维就够了,根本不需要更多维度. 这么简单的问题都想不出来,我在他的帖子里提出来还被删帖,真不知道这是什么样的治学态度?

【水一贴】怎么识别聊天对象是机器人据说人造珍珠已经很难识别出来,唯一的识别方法就是:它太完美了,毫无瑕疵的就是人造珍珠. 也许有一天,识别聊天对象是机器人的唯一的识别方法就是:它什么都懂,一个错别字都没有.

统计了一下今年写的VC程序的总行数,纪念我的2013年. 统计了一下今年写的VC方面程序的行数:总行数1123573,代码行数757722.当然里面有不少相近的项目是用旧项目为底改的.

配合我的搜索引擎,写出几百亿条规则的程序,想拿中文短语切分开刀为什么要用搜索引擎?主要用了搜索引擎才能使在几百亿条规则里搜索的速度可以被人接受. 其实搜索引擎可以容纳的规则远远不止几百亿条,一个索引目录可以容纳40亿个文件,每个文件 1000条规则就是天文数字了.说是几百亿条主要是综合考虑到实时速度与建立规则的难度. 这么多规则的建立主要靠机器统计为主,放到互联网上让众人参与为辅.首先先建立常见短语库以及其例外库都已经有方案了,编程可能也就占我几天工作量而已.主要是做了这么久的NLP毫无收益与鼓励,我也有点厌烦了,所以不确定什么时候开始.

终极搜索--知识搜索引擎,可以帮中文处理研究人员整理语料终极搜索--知识搜索引擎,当然远未到终极,只是在当前有点"终极"的意味. 可以在互联网上或者语料库里采集各种知识或者句型,可以用各种词性或者分类名词作关键字, 可以指定它们的先后间隔关系,可以指定它们在句型里的位置.例如搜索"动物吃竹子"就可以知道这种动物是熊猫.例如搜集"又形容词又形容词"," 形容词的名词"," 名词的名词"等各种语料. 欢迎同中文处理研究人员以及爱好者探讨,近期有点小空闲,可以免费帮你们整理一些语料.