第七百四十六章 計算機語言（1 / 1）

    「或許還是需要進行人工干預，但是工作強度已經大大降低，我們可以通過拍照，掃描等方式，將生僻字的圖片掃入計算機，讓程序去分析它，最後得到標準點陣字，編碼之後加入到字庫當中，對字庫進行擴充。」

    「要實現這個功能需要有幾個前提，第一就是字庫當中要有足夠的樣本，這個我們已經已經完成，因為我們現在已經有了四萬個標準點陣字的字稿。」

    「還是拿《康熙字典》來舉例，我們先將《康熙字典》上每一個單字的掃描圖掃入文字識別系統，然後提取其字體參數特徵，再將這些參數賦給已有的標準點陣字，讓系統計算出根據這些參數產生的『系統字』。」

    「再拿這些生成的『系統字』，與『掃描字』進行校驗，通過四萬個標準字生成的『系統字』，去驗證參數的代表性，最後將參數調整到最佳。」

    「得到參數體系之後，我們就能夠將它套在掃描進來的生字上，最終得到《康熙字典》全部近六萬個單字的標準點陣字，字庫就從四萬擴充到六萬了。」

    「這個思路倒是新穎，然而卻也是可行的。」麥明川點頭：「不過還是有問題，就是存儲和運算。」

    「我也拿《康熙字典》來舉例，近六萬個單字，就是近六萬張圖片，我們就拿一張圖片五兆來計算，這就是300g的空間，這也太可怕了。」

    「那王院長覺得，這個系統多大的圖片存儲容量，可以被接受呢？」

    「一個g，」麥明川脫口而出，想了想覺得實在是有點欺負人：「最多最多，兩個g。」

    1g是1024m，兩百張5m的圖片，兩g就是400張。

    「也就是說，如果按照這個標準，這個系統能夠一次同時完成四百個字的掃描分析和成字入庫的工作？」

    「那還得分串行並行。」李紅江已經上套，開始思索程序的工作方式了：「涉及到時間成本，學校也不可能將有限的計算資源全拿來做這事兒。」

    「那我們可不可以像上級求助呢？」周至問道：「我們先把基礎工作做好，然後申請國家級的運算資源來完成它，有沒有機會呢？」

    「國家資源那更緊張，全國無數單位排隊呢。」麥明川苦笑著搖頭。

    辜老說道：「那乾脆這樣，我們將工作再做細一點，肘子說的這個文字識別反向推算點陣字的程序咱們先緩一緩，第一步先集中精力把標準定出來。」

    「與此同時，我們這邊，再把現在的四萬字稿擴到七萬。」

    「小李那邊，抓緊先開發出讀字稿的程序，咱們先把七萬字稿的數字化工作完成。」

    「之後再拿著這七萬漢字的數字化成就，去跟那個統一碼聯盟談判，並且要留夠下一步繼續拓展的空間，力爭讓我們的大字庫成為全球統一標準。」

    「有了這個大字庫，咱們再制定出幾個子集，滿足國內國際不同應用場景的需求。到此我們的第一步工作是不是就算完成了？」

    「至於肘子說的文字識別，那也相當重要。」辜振鐸補充道：「這個可是我們下一步搞典籍數字化的神器啊！」

    辜老不由得嘆了一口氣：「這不是資源有限，怕排不上嘛？」

    「那也不一定。」周至說道：「咱們大可以將這些思路都給一股腦兒報上去，咱漫天要價，在等著部委落地還錢，取乎其上，得乎其中嘛！」

    大老們都鬨笑起來，這肘子是懂部委的，要人家不拿捏你，百分之百滿足你的要求，幾乎都是不可能的，能夠滿足你五成那都是開恩了。

    因此不妨將餅子劃大一點，最後哪怕給砍掉一半，落個小餅子也差不多夠吃。

    今天只是一個務虛會，算是統合一下思路，研究一下文理跨學科合作的可能性，現在能夠得到一個較為統一的意見，就已經算是超出會議預期了。

    這裡邊主要功勞，還是周至已經完成的前期工作。

    李紅江就握著周至的手，熱切地道：「要不再多修一個信息工程學位吧？我看肘子你雖然是文科生，但信息技術的基礎這麼好，多修個學位一點問題都沒有的。」

    「精力實在是太有限了。」周至只能婉拒李紅江的好意：「不過那個文字識別系統我是非常有興趣的，李教授要是有興趣，我也可以參與研究。」

    「你對編程熟悉不？basic或者pascal。」到現在李開江絕不相信周至會是外行。

    「我更熟悉c語言。」周至回憶起當年被代碼支配的恐懼。

    「c？」李紅江感覺自己好像撿到寶了：「那unix呢？」

    「unix也還行。」周至問道：「學校這是有新引進的小型機了？可以運行ansi c的那種？」

    對於多數人來說，兩人的對話好比天書。

    計算機語言最基本當然就是直接對晶片操作的指令集，例如最早的打孔紙帶，直接就是零和一的組合。

    這種語言對計算機來說最直接，但是對人來說最不友好。

    於是人們就發明了一套基於晶片的「基本指令集」，這就是匯編語言。

    匯編語言同樣還是針對晶片，但是至少可以讓專業人士讀懂這程序是要讓機器幹什麼的了。

    但是匯編語言有個問題，那就是無法移植，因為它是針對某一類晶片開發的，換到另一類晶片上，另一類晶片就看不懂。

    於是人類又想出一種辦法，設計出編譯庫概念和更高一級的程序，這就是面向過程的編程語言，c語言就是其中的佼佼者。

    c語言很難，原因就在於它具備匯編語言簡潔高效的特徵，因此工作迅速，代碼緊湊，可讀性比匯編語言好，最關鍵是容易調試，修改和移植。

    程序員只負責寫代碼，代碼寫好之後對其進行編譯，就能夠轉化為能讓計算機讀懂的二進制代碼，稱為「應用程序」。

    針對不同的晶片類型，編譯庫中有不同的編譯方式，可以將c語言編寫的程序編譯成能夠在不同系統上運行的程序。

    這就解決了程序的移植問題，讓同一個程序，既可以在dos系統里運用，也可以在蘋果系統里運用，還可以在unix系統里運用，不用分別編寫三套。

    一筆閣 www.pinbige.com