的改变。
林灰所进行技术搬运或者准备进行的各种技术搬运。
林灰最终极的目标就是能够跟现行世界西方所塑造的一些规则说再见。
当林灰成长到不需要依托于西方的规则也能立身的时候甚至于是西方反而要依托于林灰所制定的规则才能立身的时候。
那林灰完全可以跟西方现行的规则说再见。
这种对不基于逻辑的“合理性”解读的控诉不止是控诉某些容易引起不公正的制度。
这种对于“合理性”的控诉图穷匕见之后归根结底还是：
——“话语权”之争。
拥有话语权相当于能够自己去解释合理性。
如此一来拥有绝对的话语权又相当于拥有了权威性。
而拥有了绝对的权威性甚至有的时候可以罔顾事实上客观规律性。
包括但不限于逻辑的合理性。
其场景大概为：“什么合理不合理，lz就是理，lz说合理那就是合理。”
涉及到权威性除了这种任性究竟有什么用呢？
当然有用，能够拥有这样的话语权以及权威性。
将使林灰搬运的速度直线拉满。
而且拥有绝对的权威性也可以使得林灰从前世所带来的信息能够收益直接最大化。
毕竟绝对的话语权意味着绝对的垄断。
当拥有绝对的权威性之后纵然林灰没想过追求市场的垄断，也能实现跟垄断差不多的效果。
就拿林灰刚刚想到的“标注数据”。
林灰在前世信息里有大量的标注数据。
涉及到机器学习的标注数据能用来换钱。
自然语言处理方面的标注数据同样能用来换钱。
但标注数据是换钱最快的吗？
当然不是。
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
请收藏：https://m.gwylt.com
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）