“教授，你不是做語言翻譯的，語言是規則的游戲，概率這太不靠譜了。”保羅·加爾文還想再掙扎一下。
當然他確實也不信翻譯和統計學能扯上什么關系。
詞語之間一一對應。
英文單詞和俄語單詞一一對應，直接直譯，擴充語料庫。
在當時的思維里，這才是正道。
也就是所謂窮舉法。
把所有的詞語做好一一對應之后，自動翻譯也就實現了。
統計學，概率游戲，不談如果林燃是對的，他們的無能會暴露無遺，光是林燃提到的改進原理從直覺上來說就是錯誤的。
簡單來說，反直覺。
就像在gpt大模型出來之前，大家都覺得算法最重要。
gpt出來之后，大家開始都一窩蜂力大飛磚。
等到deepseek的時候，好像算法有點用。
哪怕是頂級的研究人員，也會有盲從的問題，會有迷茫、找不到方向、走不出來的情況。
在這個計算機的混沌年代，會這樣再正常不過了。
“精確？精確意味著出錯，現在的計算機遠遠達不到精確這一點。
你們難道不清楚，你們在54年之所以演示出了良好的效果，是因為那些俄語句子是你們精挑細選出來的。
實際自然語言的復雜性要遠超你們預期。
你們只做了語料庫的擴展，規則覆蓋都沒有做，上下文依賴處理也沒有。
你們能比我更懂機器翻譯？”
林燃怒吼道：“你們做了九年都沒有進展，現在立刻馬上按照我說的去做！”
林燃的地位、實力和權力擺在這，他們根本沒有拒絕的選擇。
沃森會信林燃就不說了，畢竟深藍項目才結束，國防部的麥克納馬拉那更是林燃說什么就是什么。
你們這幫搞計算機的能比數學大師更懂計算機？
林燃在博弈論和統計學上展現出來的風采，麥克納馬拉還沒忘呢。
ibm的ceo支持林燃，國防部部長支持林燃，喬治敦大學的研究團隊只能被按在地上摩擦。
“我們要做的一共五點，優化算法和規則設計，擴充語料和詞匯，改進數據處理的效率，引入統計方法和硬件最大化利用。
其中改進數據處理效率和硬件最大化利用由ibm方面負責。
另外三點則由喬治敦大學的成員們負責。
我們先來談優化算法和規則設計。
你們一直的問題在于，你們對于規則集的擴張沒有引入更加細化的句法規則。
因為存儲有限，你們覺得擴充對照詞匯庫就夠了。
實際上句法規則顯得更加重要。
你們需要做到，引進常見的高頻句型。
對上下文進行依賴處理。使詞匯翻譯考慮前后詞，通過有限的上下文窗口來減少歧義。
比如cвet同時有光和世界的意思。
這個完全可以根據前詞判斷是光還是世界。”
沃森弱弱提醒道：“教授，你還會俄語啊？”
林燃一副理所當然的樣子：“當然，我都和科羅廖夫見了兩面，我不會俄語怎么和他交流的？
我同時會俄語、德語、英語和漢語。”
多語言大師的身份，給林燃的理論增添了幾分可信度。
在這個時代，科學家們會幾門語言并不奇怪。
當然一些敏感部門會提高對你的懷疑。
以前面提到的約翰·麥卡錫為例，他就精通俄語，從小接受俄語教育長大，盡管他出生在阿美莉卡。