蘇博一他們只是同情著彭真真，順帶吐槽最近偷數據的那個人。
但他們并不會去做些什么。
但他們經常把這兩件事情合在一起說，讓周舟忽然就有了懷疑。
因為做出這些事的人，思維路徑太像了就是極度自私。
這個人只做對自己有利的事，完全不考慮可能會帶給別人的損失。
如今事情水落石出，也正好印證了她先前的猜想，這兩件事的確都是一個人做的。
周舟雖然感慨，但終究是高興與興奮占了上風。
她發了一會兒呆，目光又漸漸聚焦在眼前的電腦屏幕上，那一條標紅線性軌跡從左端一直延伸到右端，下面是已經被她遺棄了的另一條軌道圖。
周舟慢慢眨了眨眼，又眨了眨眼。
她右手無意識在電腦觸控板上畫著某種軌跡，于是光標也隨著那道軌跡而移動著。
將這一個軌跡畫到第七遍的時候，她忽然悟了。
之所以這段時間實驗室的進展變緩，歸根結底，是視野問題。
他們做這個項目已經一個月，一直在沿著先前設定的計劃，按部就班地走，但也正是這種按部就班，無形中框定了人的思維。
他們研究的是用ai解微積分，最終的目標，也是要寫出一個會解微積分的程序。
為此，他們花費了大量心力抽象出樹狀圖譜，一邊試圖模擬人腦的思維過程后，一邊在嘗試各種模型，計算各種表達式。
打磨出一個比較粗糙的版本后，就把它拿去和國際上現有的極大模型跑，比速度。
簡單來說，就是用理論模型，去推理論模型。
但其實他們的視野太局限了。
ai的本質是機器學習，而機器學習，是基于快速計算能力的統計學，是對傳統統計學的優化。
微積分學再往上看，是數學分析。如果說高等數學偏重實戰運用，數學分析就更偏重理論的推導與理解。
如果用一句不太專業的話來解釋，他們先前，其實是用數學分析的思路，來處理這個問題。
周舟忽然想到的是，如果從純數據的角度，從高等數學的角度去想呢
數學本身就是一門抽象的學科，也正是抽象，賦予了它無與倫比的神秘美感。
歷史上那些由數學大家們建立的模型，包括歐式幾何學，包括牛頓的微積分學，其實都是從比較小的數據集中抽象出來的。他們用超強的思考能力，從相當有限的數據中，抽象出了通用的數理模型。
而計算機卻恰恰相反。
計算機處理數據的能力遠超人腦，但在抽象能力上卻遠遠不如。
其實在目前的人工智能界，最大的爭議與分歧莫過于此。
傳統數學研究一直是走的抽象的路子，如果真的完全靠堆積數據量去訓練ai，等于是對數學研究的顛覆。
也正因為如此，ai實驗室的整體思路其實還是偏保守。
周舟卻覺得，如果放手去做呢
既然計算機的優勢在于處理大數據，不如就調高訓練數據的比例吧。
不需要那么辛苦地處理數據，不需要事先讓人將每一道題目都繪出樹狀圖，不需要試圖讓機器學會人類的思維方式。
計算機有計算機的路子。
他們只需要把很少的樹狀圖輸入進去，再輔以大量數據就可以了。
如果能跳脫人類的思維習慣。