“先用現有資料做對照。普通堆疊網路和殘差結構各訓練一版，層數從十層開始，逐步加到二十六層。”
“行。”
成文飛轉身看向伺服器區，“如果這個結構能把深度網路的問題解決，語音識別的進度會快很多。”
何愷明沒有接話，他知道，成文飛真正關心的不是一篇論文，也不是誰先提出一個結構，倒是自己，這個想法完全可以整理出一篇論文來。
如果這條路能讓深層模型繼續訓練，神經網路的上限就會被重新開啟。
倒是馬樂離開人工智慧實驗室後，直奔杜文的系統工程部門辦公區，在他看來陳總最關注的專案有三個，一個是半導體，一個是汽車，還有一個就是人工智慧。
如果更準確一點的說，那連汽車都不能算。
只有半導體和人工智慧才是最重要的東西。
沒和成文飛他們接觸之前，在馬樂的設想中人工智慧就像電影裡的那樣，但真正和這些專家大牛接觸以後，特別是從陳總口中聽到一星半點的話語之後，馬樂知道，人工智慧絕對不是電影裡那樣。
至於真正的AI是什麼，馬樂也不知道，或許只有陳總見過？
走到系統工程部門，馬樂一進來就大喊，“杜文，杜文，杜總。”
辦公室裡傳來回應：“誰在喊我？”
“你馬哥。”
杜文從辦公室走出來，看到馬樂，笑著迎上去，“喲，這不是馬樂嗎？你怎麼跑到我這裡來了？”
這倆人可以說是紅星的元老一點都不為過，紅星電子的時候就在一塊工作，屬於是熟悉的不能再熟悉了。
只不過杜文做系統一般在幕後，不像馬樂一樣經常拋頭露面的。
有時候杜文也在感慨，自己當年因為家裡的事情沒有去校招的公司，看紅星電子給的工資高就加入了紅星電子，怎麼一不小心紅星就發展成這樣了呢？
自己也一不小心就搞了一個字研作業系統，更一不小心成了紅星的一個副總裁。
嘖嘖，命運吶，誰說得準，要是當年自己畢業直接去工作，沒去華強北，估計還在某公司當小職員呢。
“杜文，有點事情。”馬樂進到杜文的辦公室裡拉開椅子坐下，掏出手機調出一份文件，“成教授那邊需要大量語音標註和採集，我和成教授商量過了，想在系統里加個任務中心，讓使用者幫咱們做。”
馬樂把成文飛提出的需求從頭到尾講了一遍。
通用口語、環境噪聲、不同年齡的發音、家庭場景裡的對話，都可以拆成普通使用者能看懂的小任務。
完成多少條，準確率達到標準，就發紅星音樂會員、紅星雲服務會員、現金紅包，或者兌換實體獎品。
杜文接過手機看了看：“讓使用者做標註？這思路可以啊。”
“就是需要你們系統端配合。”馬樂說，“任務分發、質量稽核、獎勵發放，這些都得從系統層面打通。”
杜文點點頭，拿起筆在紙上寫著什麼：“技術上沒問題，就是佣金這塊得注意一下，不能直接說佣金，要用現金紅包、代金券、虛擬會員或者實體獎品來替代，避免法律風險。”
“對對對，杜文你想得周到。”馬樂豎起大拇指，“另外，我覺得可以在系統裡單獨做個入口，叫‘任務中心’或者‘紅星眾包’之類的，使用者點進去就能看到所有任務。”
杜文在紙上畫了個簡單的流程圖：“使用者接任務→完成標註或採集→提交稽核→對比不同樣本→外部審查核準→發放獎勵，流程大概就是這麼個流程，哦，反作弊也得加上。”
”？做得也弊作反“
”。做須必“
”。標便隨，員會拿了為人有還。選點次批用至甚，提複重會人有“，眼一他了看文杜
”。格資務任停暫，準標於低量質案答。限上有天每置裝一同，級等號賬定設“
”。定決門部統系靠只能不，徑口會出釋和算預營運、勵獎品產，下一通理經王和總揚下一找去好最邊這你，接對們他授教和去接直下等邊這我“
。大不題問該應，一說單簡上會出釋在，子小那藤王讓候時到，會出釋的耀閃有份月四，間時看了看樂馬
”。拓揚和藤王找去我，著想先你“：句一下撂文杜對著說
