作为t从业人员，又一直在了解最新的各种资讯，向坤自然知道现在最前沿、最顶尖的a大概是什么样子。
在a领域，现在依然是深度学习、神经网络的天下，国内国外，狗哥、企鹅哥、度娘、阿里娘等等大厂，都有各自深研的方向，不时都要发表一下最新的进度。
毕竟目前大多数a的研究方向，是很难通过闭门造车造出好车的。特别是机器学习，数据、算力、算法缺一不可，没有足够的数据集，你就是算法再精妙，机器的算力再n，也很难得到想要的结果，并进一步进行现实应用。
在某些专项领域，a已经有了超越或者说远远甩开人类的能力。
就好像alphago接连战败了最顶级的围棋高手，随着进一步的提升和迭代，以后人类棋手可能已经很难再与其一战，它的对手会变成其他的a。
但真说起来，打败柯洁等人类棋手的，就真的只是a，只是机器么？
恐怕也不能这么说。
就像小明战斗力只有5，他想去见恋人小红，但是路上被一条战斗力100的巨龙挡着，他打不过。
于是小明回到村里，纠集他的矮人小伙伴，花费数年时间，针对巨龙的各种弱点和战斗方式，进行各种模拟对抗，然后打造了一柄飞剑“白帝圣剑”。
“白帝圣剑”打龙类的时候战斗力200！
于是高喊着“白帝圣剑御剑跟着我！”的小明，轻松地干掉了巨龙，见到了小红。
那么到底巨龙是被“白帝圣剑”打败的，还是小明和他的矮人小伙伴？
没有小明，说不定“白帝圣剑”遇到一只战斗力3的猫咪，就被拍趴下了，因为它的训练集里没有见过呀~！
狗哥家去年的ert模型，甚至在机器阅读理解顶级水平测试squad11中的11项nlp任务夺得stoa结果，号称在阅读理解方面远超人类。随后讯飞哥、企鹅哥、阿里娘的国内团队，也先后在squad测试中轮番登顶。
到了squad20，巨硬亚洲院、阿里娘等团队，也都不停刷新着更好的成绩，看起来在阅读理解方面，人类也已经被a甩得很远了。
但真的是这样么？a真的已经能比人类更强的阅读理解能力了？已经能够理解人类的思维和想法了？
说到底，现在的a，依然只是“高级工具”而已。
不论它看起来多像人类。
向坤在刚开始做“a助理计划”的时候，就已经看到了现在机器学习、神经网络的瓶颈，所以最开始，他并没有做“超级a”的想法，因为那不现实，他一直是想着在现有的各种框架下做一个集成和优化。
但后来他发现，那种做法依然要花大量的时间精力，依然不是他现在能以一己之力轻松完成的。而既然要费那么大力，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“a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“a要取代人类工作”的说法。
今年早些时候华为发布了晟腾 910 a训练芯片、晟腾 310 a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800a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，量子计算领域取得重大突破，量子计算机开始大规模应用，到时必然也将带动a领域出现变革，必然会诞生更加全面、复杂和强大的a模型，说不定随着对人类神经元研究的推进，会出现“抄袭”得更全面的神经网络，从而实现真正意义上的“超级a”。