科學家們從20世紀50年代起，就開始嘗試用計算機來進行語言翻譯和語音識別，走傳統(tǒng)的”基于規(guī)則”技術路線一直到70年代都沒有進展。直到70年代IBM華生實驗室出現(xiàn)了以統(tǒng)計學概率理論為基礎的技術路線，才使自然語言處理技出現(xiàn)了重大進展，并從而引導了直到今天的人工智能浪潮。
80年代末，還在卡耐基梅隆大學做博士生的李開復也在開始從事”基于統(tǒng)計”的方法用統(tǒng)計學模型來提高自然語言識別率的研究，并幫助他們的論文導師拉杰雷迪獲得了圖靈獎(人工智能領域的奧斯卡)，第一次出現(xiàn)在硅谷頂級科學家的行列。
(李開復用統(tǒng)計語言模型簡化了的識別問題，實現(xiàn)了有史以來第一次大詞匯連續(xù)語音識別)
另一位采取同樣技術路線的彼得布朗，在1988年首次提出了基于統(tǒng)計的語言翻譯模型。雖然，當時的計算機能力不能實現(xiàn)，但是在15年后，使用他提出的模型終于成功實現(xiàn)了實用化的機器翻譯。
背景介紹完了，為什么提了這兩個人？在當時，他們都是蕓蕓眾生的”學者”之一。由于他們選擇了正確的基于統(tǒng)計方法的自然語言解決路線，為人工智能領域的語言識別和自然語言翻譯做出了里程碑式的貢獻。
(同期，還有科學家堅持使用”基于規(guī)則”的解決語言處理的技術路線，直到2003-2005年以后很少有人再堅持了，但是時間已經(jīng)過了近25年。)
李開復之后進入了蘋果，谷歌，再之后轉(zhuǎn)入微軟，從此進入人生快車道，一直得益于早期的基于統(tǒng)計方法進行人工智能領域的研究。
如果說李開復走的是傳統(tǒng)的硅谷科技菁英之路; 而彼得.布朗是個不走傳統(tǒng)路的家伙。他跳槽華爾街的基金公司，決定用學到的數(shù)學方法開始直接為自己賺錢。他加入了由傳奇數(shù)學家詹姆斯西蒙斯組建的對沖基金”大獎章基金”，任首席技術管。從1989年起，年回報35%的大獎章基金是華爾街歷史上最成功的對沖基金。他們就是采用復雜的數(shù)學模型去分析執(zhí)行交易非常成功。金子在哪里都會發(fā)亮。
他們都善于將數(shù)學理論用于解決實際問題，也為自己開拓了一條成功之路。各位，還在輕視數(shù)學嗎？
