虽然这些项目林灰都有涉猎的打算。
但显然这些项目有先有后。
涉及到fuchsia OS，没有一只足够强大的技术团队想复现操作系统什么的基本是白日做梦。
哪怕只是一个手机操作系统。
最起码也得菊厂水平甚至是更高水平的整体实力。才有实力染指。
而这任重道远啊。
即便林灰那有前世的东西作为臂助。
但没有强大的技术团队合理性该怎么解释呢？
而且就算是有技术团队。
遇到技术团队过于拉跨的情况下想弄出技术来也需要比较隐晦的操作。
区块链的话虽然很重要。
但区块链这东西非白即黑，不是很适合林灰。
“黑”的地方很容易翻车。
“白”的地方估计也只能小打小闹。
搞搞数字藏品、数字认证什么的。
想真的大有作为的话适合拥有一定的社会地位＆实力之后跟官方一块搞。
即便是大有作为，涉及到盈利什么的就不要想了。
能收获到名声什么的就不错了。
而涉及到人脸识别短时间也不适合涉足。
将来要做人脸识别的话，林灰大概率也是从第三代人脸识别即自动人脸识别做起。
涉及到自动人脸识别的几条技术路线林灰倒是蛮清楚的。
无非就是基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法、利用支持向量机进行识别的算法这些。
尽管这些算法都能实现自动人脸识别。
但林灰却更清楚哪个更容易实现。
客观来讲，在这几种算法中以“利用神经网络进行识别”这种算法更为容易。
而涉及到神经网络识别什么的跟深度学习有着千丝万缕的联系。
深度学习又和人工智能是姻亲关系。
总之，人脸识别和人工智能有着千丝万缕的联系。
前世人脸识别什么的也正是在人工智能出现之后的才腾飞的。
当然了仅仅是人工智能还不够。
人脸识别技术涉及到人工智能和大数据这两个东西的交叉，可能还会涉及到关于云计算之类的一些东西。
总而言之，这东西短时间内并不是很适合林灰。
中短时间内看的话，林灰还是应该做人工智能。
关于人工智能林灰先前已经有过很多的思考了。
尽管人工智能方向也未必是最好的切入点，但却是最适合林灰的。
毕竟人工智能什么的林灰算得上相当熟悉的。
前世林灰没少跟涉及到人工智能的东西打交道。
而且这个时空涉及到人工智能这个方向林灰已经做了很多准备了。
之前林灰在生成式摘要算法方面所做的布局某种程度上而言就是为正式进入人工智能这个领域做铺垫。
之所以以此入局，因为生成式摘要算法是自然语言处理领域和机器学习的一个交叉学科。
而这个分支学科又恰好门槛不高，下限很低。
以此介入的话很正常。
但这个分支学科同时上限很高，以此作为破局的方向也很不错。
虽然林灰能借助于生成式摘要算法这个细分学科破局。
但这里实现的破局仅仅是学术上的破局。
学术上的破局意味着林灰能在一定程度上攫取学术上的地位。
但这远远是不够的。
仅仅是学术上的破局是不足以充分调动市场的热情的。
虽然对于一般的学者来说学术上的破局已经可以很让人兴奋的了。
可林灰从发表的第一篇专利开始，林灰就注定了不会是纯粹的学者。
涉及到人工智能这一方面，林灰看中的是人工智能的钱景。
万亿级别的市场，换谁不会心动呢？
说万亿级别都保守了，林灰记得以前在某工作报告上看到这样的描述：
“人工智能核心产业规模就上万亿，附带经济效益超十万亿。”
可以说钱景和前景都很广阔？
即便两个时空出现一些偏差，这种涉及到大的方略的也只能是大差不差。
而想要将人工智能商业化的热度炒起来，仅仅是学术上的地位是不够的。
归根结底，学术上的地位能加强对人才的号召力。
但要想商业上利益最大化，还需要找到人工智能真正的爆点。
像爱因斯坦一堆理论研究，普通人根本无从得知细节。
但只要将爱因斯坦的研究跟“穿越时空”扯上关系。
普通人或许依旧不是很懂爱因斯坦的理论。
但这并不妨碍人们理解爱因斯坦理论牛比了。
这么说的话，“穿越时空”就是爱因斯坦理论的爆点。
什么叫爆点呢？
爆点是指能点燃吃瓜民众情绪的点。
爆点的出现能让普罗大众对技术感兴趣。
即便不能让普罗大众感兴趣。
最起码也得让资本头头/金主感兴趣。
金主不感兴趣，怎么能愉快的圈钱呢？
以生成式摘要算法作为人工智能这方面的切入点/入局点很不错。
只要逻辑自洽就能够顺利平稳完成学术上的闭环成长。
但从让金主感兴趣这点出发的话。
生成式摘要算法这玩意注定不能成为人工智能的爆点。
想要让一众金主从生成式摘要算法这方面看出人工智能这方面广阔的钱景似乎是天方夜谭。
事实上，涉及到生成式摘要算法这东西别说是让金主知道是什么东西了。
很多从业人员也摸不着头脑。
林灰前不久看到普林斯顿大学的学报称：
普林斯顿大学数学系同Google SEARCH组成了一个新型摘要算法研究团队。
这个研究团队声称将搞出一个比林灰弄得算法更高效的新型算法。
这个团队的课题名称：
——“基于LSTM长短期记忆神经网络实现高效摘要算法”？
看到这个名称，林灰却有点哭笑不得。
两个很顶尖的团队明明是想搞定一个更牛的摘要算法，为什么却要在长短期记忆神经网络上下功夫呢？
林灰一时之间有点无语，脑海中能想到的形容词只有“南辕北辙”。
林灰印象中“长短期记忆神经网络神经网路”最初提出来是为了处理训练传统循环神经网路时可能遇到的梯度消失和梯度爆炸问题（然而也没把这个问题给解决了）
虽然长短期记忆神经网络在处理长序列文本的时候可能会有一定的优势。
但只是凭借这玩意显然很难搞定生成式摘要算法关系不大啊。
以这个为研究方向，林灰很怀疑这些人究竟能否搞出来什么成果。
而且此次谷歌研究院是跟普林斯顿大学数学系合作的。
林灰前世没少看一些学术论坛。
虽然正经知识没学到多少。
但关于普林斯顿大学数学系的一些轶事趣谈还是略知一二的。
普林斯顿大学数学系充斥着性情很古怪却又很执拗的人。
林灰感觉谷歌研究院同普林斯顿大学数学系进行合作的话大概率会被带跑偏。
更何况此次二者的研究方向还是LSTM这个方向。
林灰觉得此二者进行合作研究偏离航向是大概率事件。
但林灰也不能松懈。
适当的高估对手是有必要的。
一个人成功应该是基于自身更为强大的基础上。
而不是要指望着对手更菜。
不过有一说一，这些追随者朝着错误的方向使力也说明了一个道理。
即生成式摘要算法这个方向确实不适合作为人工智能的爆点。
专业人员都容易混淆的事物。
但像生成式摘要算法这么容易让人云里雾里的项目显然是不适合作为人工智能的爆点的。
莫非一点点给普罗大众解释么？
快节奏的时代并不是所有人都那么有耐心。
究竟什么适合作为人工智能的爆点呢？
等等。
前世人工智能究竟是怎么火起来的呢？
林灰突然思考起这个问题。
想到了前世林灰突然有了答桉：
——阿法狗AlphaGo。
