穿越：2014

　　在生成式文本摘要算法的长线发展这方面林灰已经进行了比较长期的规划并且付诸于实际行动。

　　这些依然是不够的。

　　依托于林灰自己申报的以及收购来的专利。

　　林灰目前已经在世界文本摘要这方面是占尽先机。

　　纵然林灰是占尽先机，也只能比较合理的将生成式文本摘要技术发展（合理搬运）到第五代。

　　仅仅是第五代生成式文本摘要技术在很多应用场景该技术依然会出现局限性。

　　就拿新闻/文本摘要多任务处理这方面来说吧。

　　第五代生成式文本摘要就不能够很好的胜任这方面的应用。

　　事实上不光是第五代生成式文本摘要算法处理多任务新闻摘要比较麻烦。

　　再往后的生成式摘要算法处理多任务新闻摘要也不容易。

　　想要依靠纯粹的生成式文本摘要这方面的算法想实现多任务的新闻处理几乎不可能做到。

　　即便是技术领域，也很少出现一招鲜吃遍天下的情况。

　　想要实现对新闻多任务高效处理的话。

　　或许要等到人工智能成熟之后。

　　人工智能成熟会带动很多原来遇到瓶颈的领域腾飞。

　　这其中就包括自然语言处理这方面。

　　当人工智能成熟之后，像文本摘要这样的自然语言处理项目不仅会衍生出新的可能。

　　而且用户在进行自然语言处理领域所需要的成本也会迅速下跌。

　　前途是美好的，道路却是曲折的。

　　这一美好前景的实现显然还需要很长时间。

　　尤其是这个时空很多机器学习这方面的进展并没有前世那个时空进展的迅速。

　　现在空有机器学习的概念，深度学习却还要差得远。

　　而没有真正意义上的深度学习，就没有真正意义上的人工智能。

　　深度学习是机器学习的子集。

　　想要利用人工智能促进文本摘要方面多任务的进展暂时不现实。

　　毕竟林灰还需要不短不长的一段时间进行一些深度学习理论方面的基建。

　　至于说目前的话，如果想要实现多任务文本摘要。

　　唯一比较可行的方法只能是借助于大数据调校新闻摘要技术。

　　通过长时间的训练使得生成式摘要算法有搞定新闻的多任务处理。

　　为什么训练生成式摘要算法这件事情涉及到了大数据呢？

　　事实上算法不是空中楼阁，一般都需要在生产、生活的实践中长期摸索。

　　一个优秀模型、算法的诞生更是少不了不断的调试。

　　而一次次的调试离不开数据的支撑。

　　大数据的核心在于利用数据的价值。

　　在算法的调校过程中合理利用大数据以及大数据的一些研究规律往往能够事半功倍。

　　像生成式文本摘要这样一个自然语言处理方面的机器学习算法想要取得长足发展更是离不开大数据方面的助力。

　　虽然利用大数据调校生成式文本摘要只能说是大数据的一个简单应用。

　　但依靠大数据训练调校算法也是需要时间的，不可能一蹴而就。

　　林灰估计按照正常的科研进度。

　　用大数据将能处理多任务新闻的摘要算法搞出来起码也要一两月之后。

　　虽然林灰的前世的资料里面大概率就有现成的能够完美胜任多任务新闻摘要的算法。

　　但林灰觉得还是科学搬运比较好。

　　总之近期进行搬运是不可能的。

　　林灰最近已经搞出太多动静了。

　　如果短时间内又去涉足大数据这方面指不定又生出什么