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.chujiu8.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)