既然要费那么大力，那为什么不想办法再更进一步？

　　说白了，就是几次变异后，他又“膨胀”了，攥着两毛钱，就想吃世界上最好的馄饨。

　　因为他觉得自己这两毛钱很值钱，就这么买价值普通两毛钱甚至两块钱、二十块钱的东西太亏了。

　　但要怎么做？

　　向坤无数次地有过那么一点“灵光一闪”，隐隐约约地已经有了个想法，但总是还没办法完全兜住，还是“俱现”不出来。

　　这也是他为什么要答应张倩，要接下那个项目的原因，他想要在做其他项目的过程中，帮助他再去找“那道光”。

　　不过遗憾的是，帮助并不大，那个项目的框架已经打好、核心已经做完，但向坤的“AI助理计划”依然连挖坑的角度都没找好。

　　看着显示屏上他为了帮助自己思考而画的图，向坤一手捏着自己的下巴，一手把玩着他自己雕的阿尔萨斯。

　　向坤现在已经明白了：

　　想要用两毛钱弄出两百万的东西，一定、必须要有非常开创性的创造，必须是一个从底层开始的、全新的东西，一个能够撬动地球的“杠杆”。

　　在旧有框架下，他是肯定没有办法做到的，哪怕他通过变异，大脑在某些领域远比普通人甚至一般的天才要强许多倍，但全世界那么多的机构、那么多的大厂、那么多的人才和团队聚集在一起天天研究，有那么多的设备、那么多的数据可供他们使用，他一个人无论如何都是比不过的。既然他们没办法从旧有框架下找到突破点，那他一个人也同样很难做到。

　　但这个底层要有多底层？

　　真要说起来，软件层面的创新，永远离不开硬件。

　　就好像当初计算机刚诞生的时候，关于人工智能就分为了“符号主义”和“连接主义”以及后来的“行为主义”。

　　“连接主义”又叫仿生学派，主张模仿人类的神经元，用神经网络的连接机制实现人工智能。现在大热的机器学习，奉行的就是“连接主义”。

　　但是在七十年代，因为硬件的发展水平、算力匮乏等原因，“连接主义”一度陷入低谷。

　　直到现如今，计算机的算力突飞猛进，因为互联网、移动网络的发展带来了海量的大数据，使得“连接主义”下的机器学习有了最合适的成长环境，开始蓬勃发展，孕育出各种各样的平台、算法、模型，在各行各业，各种环境中开始有了大量的应用，甚至有了“AI要取代人类工作”的说法。

　　今年早些时候华为发布了晟腾910AI训练芯片、晟腾310AI推理芯片，没过多久阿里达摩院也发布了号称全球最强的含光800AI推理芯片，这些硬件上的提升，都必将让机器学习获得更加极致的进化。

　　而可以预见的未来，或许三十年也或者二十年，量子计算领

　　请收藏：https://m.biquge11.cc

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）