天才一秒记住【热天中文网】地址：https://www.rtzw.net
六个月，从零做一个对標gfs的分布式文件系统，还要更强。
这目標，在微软亚研都不敢提。
“林总，”
李想轻声问，“那我的方向……自然语言处理，具体做什么？”
“做两件事。”
林浩写下“nlp”
，“第一，中文分词和词性標註，准確率做到99%以上。
第二，语义理解，能根据一句话，判断用户是想搜索、想聊天、还是想下达指令。
目標：让机器能像人一样理解中文。”
“这……这需要大量语料和算力。”
“语料我有。
浩宇游戏平台的聊天记录，每天几千万条，已经脱敏处理。
算力，我给你配十台伺服器，不够再加。”
林浩看向她，“李想，我知道现在主流nlp还停留在规则匹配。
但我要你跳过去，直接做深度学习。
用神经网络，训练一个语言模型。
算法框架我这里有份草稿，你参考。”
他递给李想一份手稿，上面是transformer架构的简化版——原论文2017年才发表，但现在林浩提前拿出来了。
李想快速翻阅，眼睛越睁越大。
“这结构……没见过。
自注意力机制？残差连接？这些想法太超前了……”
“超前才有价值。”
林浩说，“你按这个思路做，有问题隨时问我。
目標：一年后，我们的中文分词模型，要比业界最好水平高五个百分点。”
最后，他看向陈建国。
“陈老，编译器优化，我要你做一个能自动把c++代码编译到ar快20%，体积小30%。”
陈建国推了推老花镜，声音沉稳：“年轻人，你知道做编译器有多难吗？gcc做了二十年，llvm也在起步。
我们从头做，没五年出不来成果。”
“不用从头做。”
林浩说，“基於llv快20%。”
三个人都不说话了。
办公室里只有空调的嘶嘶声，和窗外淅沥的雨声。
目標一个比一个宏大，一个比一个不切实际。
分布式文件系统对標google，自然语言处理跳过传统方法用深度学习，编译器优化要超越gcc二十年积累。
这不像研究院，像科幻小说设定集。
“林总，”
吴瀚终於开口，语气谨慎，“这些方向，都很前沿，也很有价值。
但……投入產出比怎么算？可能三五年都看不到商业应用。
浩宇现在游戏业务赚钱，但能一直赚吗？万一中间现金流断了，研究院怎么办？”
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！