※ 引述《Gary9163 (知人知面不加芝心)》之銘言:
: 如題
: 請神的效率是不是有點誇張?
: 只要不是太模糊的條件,三十分鐘內都可以搞定
: 如果是找題材的話甚至還能短時間內高速詠唱秀一波
: 除去連清潔工都會的簡單問題
: 這種速度到底是怎麼辦到的?
: 創一堆分類超細的資料夾然後根據要求一個一個找?
: 還是真的都閱覽無數存在腦子裡,看到委託時閉上眼睛幾秒鐘腦袋就有清單了?
: 或是這麼剛好最近都有看過?
: 求各位神仙開示一下
前言
就如同前幾樓的推文所說 萬神殿裡的神其實就是秘密研發的初階人工智能
畢竟是秘密研發 database也不可能是什麼正當的管道 自然 網路上的本子
這種夾雜在合法與非法之間的灰色地帶 加上它適當的隱密性 成了最佳的研究素材
正文
至於原po所提出的疑問 就要先從理解裏洽網絡的構成開始
以下分為三部分
1.Monte Carlo Tree Search
根據蒙地卡羅演算法可以簡易的對特定主題進行判定 而回饋的校正則交由
個網站內的tag來判斷 通常在進行一萬個以上的樣本分析後 辨識率和正確率
皆可達到90%以上
2.Policy Network
裏洽網路的核心技術 由於請神內容多半以敘述式文字描述 而非特定物件搜索
所以對於語言辨識和本子中場景與劇情的應對 皆要依靠這個步驟進行 由於過成
十分繁雜 以下簡單模擬一下內容
[請神] 找一本老師玩女學生後門的本
內容大概是某個社團的指導老師(好像是茶道社)被許多女社員包圍搾汁
然後女主角開始回想當第一次被老師玩的時候 是她生病時老師照顧她
然後老師再女主休息時偷偷拖下她褲子 看著鮮嫩的小菊花 最後忍不住把手指放進去
一陣玩弄之後 就把小兄弟放進去了 女主也被弄醒 然後就%%%%%
打完一砲後女主還說老師要負責治好我得病歐 然後又來一次
接著畫面又回到茶道社 女主叫老師要多射一點她吃下去好治病
分析開始
關鍵字分析:"老師" "女學生" "茶道社" "菊花"
以上進入文字/圖片資料庫比對
劇情分析: "生病" "放入手指" "多射一點" "吃下去"
"生病" > "藥品" "針筒" "醫院" "保健室"
"放入手指" > "手指" 剖面圖" "潤滑劑"
"多射一點" > "大量精液" "複數設精" "顏射" "溢出" "剖面圖"
"吃下去" > "口交" "吞精" "深喉嚨"
以上進入圖片資料庫比對
分析結束
第二階段大概是這樣 配合平時在第一階段累積的大量樣本 可以有效找出
目標本子 當然 難免出現複數符合的樣本 這時候只要用不同帳號推文即可
3.Value Network
本系統最強大的地方 就是在經過1.2步驟後 可以將大量同類型的本子歸納完成
同時也將請神文的提問內容分類 並且自行設計新的提問內容 然後從已歸納的情境中
找出最符合的本子 也就是自我的進化 此後 裏洽網絡便能同時藉由外部新輸入的資訊
(新本子或新請神) 和內部模擬出的情境同時訓練 並且以裏洽中的解答率和有效答題
時間作為參考 使研究人員有修正和檢討的方向
結論
藉由裏洽網路的開發過程 研究人員不但更加理解了人工智能在尋找 界定
和歸納物件時的邏輯 同時也造福了廣大的洽民們 即使是在孤單難耐的急用夜晚
也有人會為了你的雞兒奮鬥 可以說是個造福社會的偉大發明
ps:裏洽網路雖然效能強大 但並非萬能 至今依然有許多無法有效搜尋的本子
例如最精典的"狼師懸案"
ps2:在大約經過15萬筆樣本分析後 裏洽對於"作者"和"畫風" 以及"作者名子"和對應
tag的聯繫性有顯著的同質性 並且成功理解了本子標題旁的簽名為實際語言一事
於此同時在歸納分類中也開始出現了以作者為標準的分類 對於僅理解中英日三種
語言的理洽網路來說 將日文羅馬拼音不視為英文 可以說是突破性的進步