高的要求，压根用不到实际的生产环境里。
这是Image每年的图像分类测试竞赛结果，实际运营中的图像视频识别比Image竞赛可要难得多。
而郑理公开的AI算法后，利用M语言写出来的模型。
从部署到使用突破了这帮互联网公司的认知，一个能够对内容实现99.9的识别成功率的AI模型，需要花的算力和之前差不多。
也就是说之前互联网大厂们几百人的AI鉴黄规模，现在再度被压缩了百分之九十。
AI鉴黄只是M语言最先落地的应用。
它代表的AI技术，在算力优势以及算法本身的落地难度都大幅度提升。
它允许轻松构建大部分原本复杂的架构，能够广泛的应用在工业领域。
大量易于组合的模块化部件，编写自己的图层类型、计算图抽象、数据和模型并行、动态类型的稳定性等等都完美适配。
在算法工程师们使用之后，Github上M语言相关的项目成为社区热门。
国外的程序员社区里，活跃的大牛都在吐槽，一些很少发言的大牛也冒泡了：
“梅林的技术远超我们的想象，如果M语言是他自己开发的，那他在AI领域的造诣要超过我们所有人。
真的很难见到一款没有任何缺陷的AI编程语言。
像Caffe能够把Matlab的快速卷积网络实现移植到C和C++，适用于前馈网络和图像处理，不需要任何代码就可以训练模型。
但是caffe不能使用于循环网络，同时扩展性极差。
谷歌推出的TensorFlow框架能够生成计算图之后执行自动微分，不需要在尝试新的神经网络排列的时候，手动去进行编码。
但是它运行速度很慢，同时在大型的软件项目里非常容易报错。
基本上这些年各大互联网巨头们推出的AI框架，或多或少都会存在问题。
当然这是无法避免的，没有什么东西能够完美。
就像Java使用的人再多，活跃的时间再长，也是能够找到缺点的。
但是M语言在人工智能领域，就好像没有缺点一样。
好像经过了无数次的测试和优化，达到了一种圆满。
这让我严重怀疑，梅林掌握的人工智能是强人工智能。
他能够实现几乎蓝星人对于人工智能的所有幻想。
包括自我
…。。