“教授，你不是做语言翻译的，语言是规则的游戏，概率这太不靠谱了。”保罗·加尔文还想再挣扎一下。
当然他确实也不信翻译和统计学能扯上什么关系。
词语之间一一对应。
英文单词和俄语单词一一对应，直接直译，扩充语料库。
在当时的思维里，这才是正道。
也就是所谓穷举法。
把所有的词语做好一一对应之后，自动翻译也就实现了。
统计学，概率游戏，不谈如果林燃是对的，他们的无能会暴露无遗，光是林燃提到的改进原理从直觉上来说就是错误的。
简单来说，反直觉。
就像在GPT大模型出来之前，大家都觉得算法最重要。
GPT出来之后，大家开始都一窝蜂力大飞砖。
等到deepseek的时候，好像算法有点用。
哪怕是顶级的研究人员，也会有盲从的问题，会有迷茫、找不到方向、走不出来的情况。
在这个计算机的混沌年代，会这样再正常不过了。
“精确？精确意味着出错，现在的计算机远远达不到精确这一点。
你们难道不清楚，你们在54年之所以演示出了良好的效果，是因为那些俄语句子是你们精挑细选出来的。
实际自然语言的复杂性要远超你们预期。
你们只做了语料库的扩展，规则覆盖都没有做，上下文依赖处理也没有。
你们能比我更懂机器翻译？”
林燃怒吼道：“你们做了九年都没有进展，现在立刻马上按照我说的去做！”
林燃的地位、实力和权力摆在这，他们根本没有拒绝的选择。
沃森会信林燃就不说了，毕竟深蓝项目才结束，国防部的麦克纳马拉那更是林燃说什么就是什么。
你们这帮搞计算机的能比数学大师更懂计算机？
林燃在博弈论和统计学上展现出来的风采，麦克纳马拉还没忘呢。
IBM的CEO支持林燃，国防部部长支持林燃，乔治敦大学的研究团队只能被按在地上摩擦。
“我们要做的一共五点，优化算法和规则设计，扩充语料和词汇，改进数据处理的效率，引入统计方法和硬件最大化利用。
其中改进数据处理效率和硬件最大化利用由IBM方面负责。
另外三点则由乔治敦大学的成员们负责。
我们先来谈优化算法和规则设计。
你们一直的问题在于，你们对于规则集的扩张没有引入更加细化的句法规则。
因为存储有限，你们觉得扩充对照
本章未完，请点击下一页继续阅读！