因為對ai模型來說缺少了多元化的評判。
從出發點到終點，有一萬條路，ai模型的訓練就是把這一萬條路都走一遍，然後選出最合適的那條路，這才是ai的價值。
就像生物製藥，有一萬種選擇，ai幫忙給出最好的那幾個選擇，就會大大地縮減研發經費、提高研發成功率。
要是一開始就隻提供一條路，那還訓練個屁啊，不給ai選擇、評判、思考和分析的機會，就隻告訴他一個標準答案，ai就會毫無意義。
德文、法文、日文、韓文的數據量太少，中文的數據量很大，可是因為環境的限製有價值的數據也很少。
所以，想訓練出世界級的ai模型，就隻能用英文語料來訓練。
這就需要一些弱勢語言的ai模型，要有語言轉換能力，去轉換成英文。
就像使用文心一言，讓他畫一個起重機的圖片。
結果畫的是鶴。
這就很讓人費解。
其實很簡單，起重機的英文是e，而e在英文裡主要是指鶴。所以ai模型就畫出了鶴的圖片。
又比如“可樂雞翅”這種，放在中文語境裡，其實很好理解，就是一道菜。可是，這裡麵有一道翻譯的手續，把“可樂雞翅”翻譯成英文，在翻譯過程中就造成了信息離散，導致畫出來的可樂和雞翅。
chatgpt一樣會遇到這樣的困境。
用英文向chatgpt提問，回答的速度會非常快，而且準確度極高；如果用中文、日文、韓文、法文、德文等其他語言來提問，反應速度就會很慢，給出的答案也會錯誤百出。
因為其他語言的數據量太小了，訓練出的模型就不夠智能。
隻有英文版最智能。
文心一言想要表達得智能一些，就不能對接中文的語料，要去對接英文的訓練數據才行，然後背後再增加一套翻譯算法和內容審查算法。
所以，想做出一款偉大的ai產品，除了在人工智能領域的頂尖算法之外，還有很重要的一個因素，就是訓練ai模型的數據。
這些數據裡，有些是開源的公共數據，全世界都可以用。有一些是私有數據，隻有自己可以用。
像微軟、穀歌、facebook這種矽穀的巨頭公司，除了可以使用龐大的公有數據外，還有龐大的有價值的英文私有數據可以使用，他們做出來的ai模型就會比隻根據公有數據訓練的ai模型要更加強大。
所以，周不器對內容很重要，尤其是海外的英文內容。
這些都是私有數據，都有可能成為紫微星在未來世界競爭中最寶貴的資產。
如果拉裡·佩奇說的這款kno真的是對標維基百科的產品，那就太有意義了。維基百科是公有數據，kno就是私有數據。
“維基百科更像是一個詞典，內容都比較基礎，是偏大眾的產品。kno是由一部分有能力的權威用戶來共同協作，用來解釋一件事物的是什麼、怎麼做、起因經過結果及其周邊事物，並且注明作者的真實資料，從而讓內容更加地精準、權威。”
拉裡·佩奇做了一個簡單的比較。
周不器一下就聽明白了kno這款產品失敗的原因。
信息的準確性、真實性，其實一點都不重要，大眾根本不在乎真相，隻在乎表象。這就會形成一種“越大眾，越普及”、“越權威，越小眾”的現象。
穀歌想把kno打造成一款有權威級的內容產品，立意很高、誌向很大，但想要收獲足夠多的用戶，那還是難了點。
就像紫微星在國內的兩款產品，微知和今日頭條。
微知上的內容比今日頭條優秀多了。
可是，微知的日流量隻有6500多萬，今日頭條卻高達2.8億。就是因為微知的內容太好了，頭條的內容很能嘩眾取寵博大眾的眼球。
兩人又經過了簡單的交流，周不器對kno這款產品興趣越來越濃，打算回頭先去研究一下。如果合適，不妨就買過來，加以改造。
會談的最後，兩人談到了長生不老的話題。
拉裡·佩奇對此很感興趣，“等敲定了推特的案子，接下來一個方向就是要讓董事會批準，去嘗試在這個領域做一下。”
周不器似笑非笑，“要投資多少錢？”
拉裡·佩奇口氣很大，“20億美元吧，資金太少也沒必要讓董事會批準。我打算成立一家專門從事生物研究領域的子公司，用於抗衰老的相關研究，目標是實現人類長壽甚至永生。”
周不器問：“跟it相結合？”
拉裡·佩奇坦言道：“當然，要跟人工智能關聯起來。現在人類每研究出一款蛋白質的功效，可能都要由幾十位醫學專家花上千萬美元才能研究出來。如果ai發展起來了，完全可以一次性地把全人類所有已知蛋白質的功效都給破譯出來。”
周不器豎起一根大拇指，“有追求。”
“你也會參與吧？ai在改變世界。”
“當然。”