虽然家里面没在通知里说明具体原因，但召回的数学家研究方向部分趋同，还专门给陆明远打了电话，其实已经很能说明问题。这不难猜！

乔源研究的那几个项目两人都烂熟于心。

虽然乔源自觉拉了坨大的。

但在导师们眼里，能够引发国内这么大动静，必然是又出了什么了不起的成果。

实际也的确如此。

即便乔源是玩票性质，但自从乔源立项开始，许多人都对这个人工智能抱有极大的兴趣。

虽然早在十年前，阿法狗横空出世的时候，就已经迎来了人工智能技术的热潮。

国外的超级科技公司，谷歌、微软、亚马逊等等……也早已经深度布局这个赛道。

到如今人工智能也早已经发展得如火如荼。各种大语言模型，视觉生成模型，乃至于能做艺术创作的音乐生成模型，早已经走入了成千上万人的个人设备，成为许多创作者的辅助工具。

但极为反直觉的是，这些都是工程学上的成功。

到目前为止，这个世界还没有真正能指导人工智能发展的底层数学框架。

简单来说就是这个赛道没有理论指导，所有的大模型有一个算一个，都是在瞎摸索。

历史上这种情况很多。

当年蒸汽机发明的时候，其实也只是工程学的成功。

当时的影响跟应用范围其实很有限。

直到热力学定律出现，才真正开启了工业革命。

现在人工智能也是一样。没有ai第一性原理，所谓机器的深度学习就好像黑箱。

基于实验室的成功，大都是靠经验去试错。

看起来现在的人工智能已经很先进了，但遇到发展瓶颈就很容易抓瞎。

比如人工智能的记忆力问题。

哪怕只是微调新知识，也会导致覆盖了旧知识，长文档处理失真是普遍性问题。

一旦训练之后，就无法动态更新。长文档处理失真是家常便饭。

没有内生记忆机制的理论路线，导致隔一段时间，提同样的问题可能给出截然不同的回答。所谓的机器记忆无非是一个个向量数据库，而不是al本身的内生能力。

没有理论指导最大的问题还在于为了解决某个问题做了改动，往往会导致出现一堆的新问题。不止是语言大模型，视频、音乐类的模型其实也一样。

哪怕最先进的人工智能视频生成软件，给出一样的关键词跟故事线，生成十个视频，大概只有一、两个能完美表达。其他都属于垃圾，纯属浪费算力。

用业内的说法就是抽卡式生成或者算力抽奖……

问题的关键是，哪怕用户做出了选择，给出了反馈，ai接着还是会犯同样的错误……

这就是现在人工智能的通病。

成功了，不知道为什么成功。

出错了，也不知道如何弥补。

而一旦有了数学框架就不一样了，或者说有了底层数学理论指导就不一样了。

理论能提供一套行之有效的方法论，为人工智能发展做指导。

有了一个大体框架的约束，就能快速定位问题，保证人工智能技术沿着

章节内容不完整，请退出阅读模式查看完整内容！