硅基文明精心设计的文化使者（2/2）

当然了，除了对文化整体的影响，硅基文明还会随机地影响各个子文明不同时期的极少数人的心智（通过影响脑电波影响意识），将硅基文明先进的数理文明的种子撒在了地球文明的土壤，这种影响就像出现在梦境中的画面，亦真亦幻；这样做也是做到符号人类的生物构造（因为人类本来就会在梦境中产生一些奇怪的意识），这也就是各个地区的文明在不同时期出现的超时代的人类，欧几里得、达芬奇、牛顿、东方的老庄哲学皆出于此，而这种影响一直在持续。

此时身处遥远的猎户座α星的硅基人地球探测分队一直关注着地球的发展，他们开始思考是不是最初从语言切入的出发点就出了问题；另一方面，技术官也在随着问题的产生和对优化其模型结构。但是硅基人看到，地球文明的发展逐渐步入指数爆炸式发展的前夜；这也正是硅基文明坚守地球与地球文明共同发展了大约两千年的原因。地球文明在此期间经历了农业文明到工业文明的过渡，而且预计这种文明的升级迭代速度会越来越快。时间来到了公元十九世纪，这个时候的地球人已经开始探索电、磁与太空，麦克斯韦等一批影响地球人类历史的角色登上舞台。

麦克斯韦夫妇

虽然暴力冲突多有发生，但是从结果来看，地球文明的确在融合与交流中获得了质的飞跃。硅基人决定再次派出星际飞船

02

—

掉书袋

【1】 上述情述是对seq2seq和lstm（long-short term memory）的简单演义介绍，其中seq2seq是个通用模型，其实现多基于rnn（recurrent neural network）这种网络结构，而lstm是rnn的一种优秀的变种。

【2】seq2seq在语言翻译任务上效果较好，实践过程中还有诸多trick，这里不做赘述；seq2seq也可以称为：enc-dec模型或encoder-decoder模型或编解码模型或端到端模型，除了结构上天然的适合做翻译任务，其中间状态（encoder的输出）可以拿出来作为句子的表示，所以后续还有更加优秀的模型基于encoder-decoder模型做表示学习。

03

—

参考文献

1. lstm详解：https://colah.github.io/posts/2015-08-understanding-lstms/

2. sutskever, ilya, oriol vinyals, and quoc v. le. ”sequence to sequence learning with neural networks.” advances in neural information processing systems 27 (2014).

3. fabbri, mirco, and gianluca moro. ”dow jones trading with deep learning: the unreasonable effectiveness of recurrent neural networks.” data. 2018.

4. hochreiter, s, and j. schmidhuber. “long short-term memory.” neural computation 9.8(1997):1735-1780.