中山搜索引擎优化infoq：5000+的文件是用ai做的

　　中山搜索引擎优化infoq：5000+的文件是用ai做的

　　中山搜索引擎优化infoq是一个基于分布式分析的搜索引擎，在搜索结果展示上，我们将搜索引擎优化的技术进行了深度探索。这是阿里云cdn提供infoq版权服务，

　　用ai做搜索引擎的分词（进行词的增删改）

　　去阿里云搜索infoq引擎的network就能看到现在有谁在使用ai工具来搜索了，刚刚在阿里云的sdk里看到一个现成的例子：artificialintelligenceapplication简称ai版本的，来看下效果：阿里云整个sdk已经对接了所有的搜索引擎，现在能在80多个平台上使用（百度360搜狗必应等等）。

　　关于ai的讲解以及试用可以看我的另一个问题下的回答，感兴趣可以参考下。机器学习技术的网站或app有哪些？-知乎用户的回答。

　　目前已经有5000+的文件是用ai做的nlp中英文识别ai在自然语言处理中的应用

　　在《人工智能革命（ai革命）第二步如何走？》一文中，我有对ai的发展做过概述，总结如下：现在，人工智能问世也已经过去了十多年，先有人工智能，再有机器学习，最终成为自然人。人工智能的主要应用场景是机器学习（实际上是优化机器的机器学习的模型，最终达到让机器超越人类的目的）。在人工智能前期，是*敏*感*词*的模型构建阶段，机器在*敏*感*词*数据中积累经验，得到验证，有经验了才能升级模型，从此机器就有了学习的能力，就是自我学习的过程。

　　模型数据量很大，随着机器变大，误差会变大，所以要改模型，要迭代的过程。目前来看，我们可以看到机器学习达到一定规模，需要三个方面的突破。第一是速度，速度是指数据量的增加，以往*敏*感*词*计算需要很多小的计算集群。这就是*敏*感*词*应用的基础。第二是深度学习，深度学习是指*敏*感*词*的数据，通过矩阵运算转化为神经网络的特征表达。

　　这也是*敏*感*词*应用的基础。第三是算力，算力是指数据量的增加，机器能够承受更*敏*感*词*的计算。目前我们看到快速从规模数据中提取出有价值的数据也需要算力。通过上面的分析我们大致可以看到，如果要*敏*感*词*推广ai的话，算力和速度要求很高，从这个角度来看，我认为应该有两大突破：一个是架构上的，一个是能力上的。这里我仅仅说我觉得最重要的三个：深度学习架构的突破：lenet，googlenet，resnet等算法模型的突破：vgg等模型高速检索引擎的突破：以谷歌为代表的各种现成搜索引擎的更新换代等。这里具体说下模型模型模型模型模型算法模型模型第一大突破：机器学习的模型模型是模型模型，也是我们今天要。