上，机器反而最难想通。所以，在辅助创作软件诞生的最初几年，要充分利用机器的优势、同时由人类手把手去训练、修正、最终审稿修改。”

当然，为了“深度学习”，最重要的是把机器人写好的稿子、由人类修改之后，再重新反馈给机器人，让其“学习”其中的差别。

深度学习，总的来说就是这么学习的，不断反馈此前答案的对错。就像谷歌和facebook当年训练人脸识别，就是给无数的图给机器识别，然后错的要告诉机器错了。久而久之，机器的模糊统计算法就“知道”什么是错的了。

朱子峰只是个业余的脚本编写者，他当年给某点闹事的时候，根本不懂深度学习算法，也没有那么好的产业视野。他那个孙达炮一样幼稚的想法，只有落到初音这样的巨头身上，才能变得有可操作性。

正如人工智能在实现自动驾驶的过程中，必须先借助‘辅助驾驶’。

人工智能在攻克国际象棋、围棋的时候，必须先借助人加机器的“半人马模式”，来实现比纯机器更好的效果。

在驾驶汽车的时候，在人脑看来最难的事情是应对突发事件，是“保持车辆精确保持与两边车道线的间距”。而这些事情在最初的辅助驾驶系统看来，就已经是很简单的了。

沃尔沃在被李叔福收购之前，已经实现了自动应对突发窜出的行人，以及保持车道间距。

但是，在人脑看来相对容易做到的事情，在机器眼里却是很难得。

比如预见中远期的可能危险。

又或者看到夜里对面远处有司机过来、而己方这边有其他车辆开着远光灯时、预测对方司机会不会出现方向抖动。

又或者是“预期刚才超车的人会不会赌气并线”这些显而易见的事情

这些问题人工智能的驾驶系统需要多年才会学会。

人类的长处是预见，机器的长处是精确，以及见招拆招。

自动驾驶是如此，初音人工智能研究院如今在攻克的围棋领域也是如此。

人类棋手或许害怕官子算不清，机器算法分分钟可以算清。人类高手喜欢前期布局做外势，而机器远远没法在需要高度远见的领域赶上人类。

在一切深度学习型人工智能领域里，最需要“远见”的细分领域，总是最晚被机器人攻克的。而在那些领域内坚持的人类，也往往是最后失业的。

不到半年，朱子峰那个辣鸡脚本被初音作为反面教材，剖析彻底吃干抹净，然后浴火重生出一个新的写作辅助工具，测试版的。

这个东西，已经可以做到在拿到套路文大纲的时候，

本章未完，请点击"下一页"继续阅读！ 第3页 / 共4页