首先就机器伦理方面进行讨论完全就是捕风捉影的无端非议。通过讨论机器智能来干涉人工智能伦理根本就是没事找事的行为。因为机器伦理根本就不能等同于人工智能伦理。这些海外“伦理学家”在海外搞所谓的机器伦理。不过只是一堆外行搞得小丑行为而已。虽然这些人不懂机器学习，但并不影响这些人去误导普罗大众。这些人的通常做法是不加区分地将机器伦理和机器人伦理混杂在一块。通过很多对于机器人的臆测去带机器学习方面的节奏。甚至是去带人工智能的节奏。这种做法不是蠢就是坏。依据机器学习方面的内容确实可以搞智能化的机器人。但智能化的机器人也不是只有机器学习这一条路。说实话这些砖家们与其忧心机器学习对机器人的影响。还不如多忧心一下高端传感器对机器人的助力作用。毕竟即便是机器学习助力了机器人的进展。但最终技术的大规模应用仍然要着落在高端传感器上面。至于将机器伦理和人工智能伦理扯上关系更是不切实际。机器学习会助力人工智能，但现在机器学习的水平距离真正意义上的人工智能还差得远。硬要说什么人工智能带来的风险也只能是强人工智能带来的风险。而不是弱人工智能带来的风险。可现在别说是强人工智能了。就是弱人工智能也是遥不可及。因此这些人们对人工智能可能引发的风险完全就是杞人忧天。不过话说回来，强人工智能确实有风险，而且风险不小。毕竟按照人们对强人工智能的设想。这是一项拥有自主意识、自主思维能力的超级AI。这样的技术很多技术大牛都表示了对其可能引发风险的担忧。对于强人工智能的安全性刨根问底的话，尹芙·卡莉其实也不敢确定。说实话这也是尹芙·卡莉很欣赏林灰或者说很仰慕林灰的一点。一项可能会涵盖无端非议的科研项目。林灰脑海中却似乎压根不知道会争议一般。总是义无反顾按部就班的推进。浑然不会过分在意外界的声音。或许这才是真正意义上的纯粹。仅仅就是这份纯粹就足以让尹芙·卡莉更加相信林灰能开启人工智能全新时代。虽然这种人工智能时代的彻底到来只是尹芙·卡莉的直觉。但尹芙·卡莉觉得直觉不等同于错觉。直觉的本质往往是烂熟于心的几乎不假思索的逻辑。就像一些考试第一印象选出来的答桉几乎都是对的，改来改去反而会将原本选对的改错。总而言之，尹芙·卡莉相信她的科研直觉。而且主观上尹芙·卡莉也宁愿相信翻开人工智能新篇章的那个人是林灰。和数学方面的进步差不多，计算机方面的进步基本上也是靠天才推动的。也就是说将来翻开人工智能新篇章的人注定是一个天才。计算机方面的天才尹芙·卡莉是邂后很多的。但像林灰这种非但不惹人讨厌反倒让人着迷的可以说是很少有了。与其人工智能方面的新篇章被一些难以理喻的讨厌鬼翻开。还不如由林灰翻开。总而言之，林灰在论文中的补充内容让尹芙·卡莉对未来充满期待。尹芙·卡莉很期待此次同林灰就论文内容展开的讨论。尹芙·卡莉知道林灰在每次交流的时候通常扮演的角色都是倾听者。因此这次学术上进行交流的时候尹芙·卡莉也是按照着以往的惯例。尹芙·卡莉没等着林灰先去陈述。而是率先表述了她就林灰对论文中补充内容的一些看法以及她所疑惑的一些地方。尹芙·卡莉几乎是将之前她的一些思考统统将给了林灰。包括但不限于对于林灰论文补充内容的浓厚兴趣以及对人工智能未来的期许会同社会层面引发争议的担忧。甚至连同林灰对此前收购她的那项专利用途的一些猜测也一并说给了林灰。不知道为什么，自来到中国之后，尹芙·卡莉感觉相比于以往那种相当有主见的状态。此时的她对待事情似乎有了一些变化，现在的她纵然心中有了一定的判断。她也更希望能在林灰那再印证一下她此前的猜测。听着尹芙·卡莉的表述，林灰没想到就先前的那篇论文内容上在他看来的一些已经相当常识内容的补充。《仙木奇缘》居然能被尹芙·卡莉赋予那么多的期许。尹芙·卡莉一脸期待的小表情，不知为什么总让林灰想到在渴盼着肉吃的小狐狸。不过，林灰这次恐怕是要让尹芙·卡莉失望了。在论文补充的一些内容虽然是领先这个时空的。但为了避免出现领先一步是先师领先两步仙逝的情况发生。即便是进行搬运，林灰实际搬出来的东西也是很克制的。就拿尹芙·卡莉给予高度评价的预训练机制吧。虽然将预训练机制引入到自然语言处理的机器学习方面确实在这个时空具有相当意义的开创性。但林灰心中是清楚的，他所搬运的预训练机制只能称作为萌新水平。林灰搬运的“预训练”是基于普通的神经网络语言模型进行的预训练。距离真正稳妥的基于transformer的预训练模型在应用效率方面要差得多。至于林灰为什么不直接搬运更成熟的基于transformer的预训练机制呢？原因很简单，毕竟眼下还没有transformer，现在搞出来一个基于transformer模型岂不是滑天下之大稽。而至于说尹芙·卡莉同样抱有很大期待的“深度学习”。虽然林灰确实是能鼓捣出真正意义的深度学习的。但暂时似乎没啥必要，涉及到深度学习这个方面林灰并不打算将其放在自然语言处理这个方向推出。至于林灰不打算将真正意义上的深度学习在自然语言处理这个方向推出，为什么在现在论文中还提到深度学习？那是因为这个时空的几乎所有神经网络学习方面的科研人员几乎都迷之自信地将他们搞得神经网络学习冠以深度学习之名。