第243章 拔剑四顾心茫然？ (第3/6页)

不是。

    涉及到自然语言处理方面真要说来钱最多的还得是狭义知识。

    狭义知识同样是自然语言处理方面的知识来源。

    应用于自然语言处理项目的知识来源主要有三大类：

    ——狭义知识、算法和数据。

    古语云，书中自有黄金屋。

    真实意义上的黄金屋虽然不尽然。

    但知识能用来换钱，这个众所周知。

    既然知识能够用来换钱。

    那么知识来源的手段自然也能用来换钱。

    甚至于知识来源手段很可能比知识本身来钱更快。

    作为自然语言处理的知识来源的算法和数据能换钱。

    同样作为自然语言处理知识来源的狭义知识自然一样是能够换钱的。

    对于算法能换钱的基本上为世人所周知。

    即便是此前不知道这个能换钱的如果长时间关注林灰前段时间的所忙碌的重点也能清楚。

    此前牵扯林灰多数时间的基本都是生成式摘要算法这件事。

    无利不起早，没有足够的利益驱动林灰自然不会为这件事鞍前马后。

    算法能换钱这件事基本不难懂。

    算法往往直接影响一些算法驱动型产品的效率。

    而效率就是真金白银。

    能够直接影响效率的算法自然是能够很容易换取丰厚报酬的。

    理解了算法能换钱。

    其实也就不难理解数据为什么能换钱。

    毕竟数据是很多机器学习算法构建的基石。

    机器学习算法的出现往往要依赖于有标注的数据。

    而且在相当长的一段时期内机器学习算法不仅是依赖于有标注的数据。

    而且是依赖于大量有标注的数据。