不論從哪一點出發，“強人工智能”，都必須盡早應用到實踐中去。
找到萊斯利*蘭伯特，方然毫不掩飾的直接說出構想，對這一計劃，蘭伯特原則上認為“可以一試”，但並未給出任何確切的承諾。
“是的，阿達民先生，用‘強人工智能’替代現有的ai，的確可以提升一些效率。
這一點，不知您是否理解，即便通用型人工智能與強人工智能，都是基於現有信息技術水平的計算機加軟件之體係，彼此之間，沒有明顯的技術差距，後者的處理效率也會大大優於前者，當然，能領先到什麽程度，還說不準。”
“是因為兩者的軟件架構，一個基於fscim，一個則基於‘自主思維’嗎。”
“正是如此，或者說，在算力消耗相同的情況下，‘強ai’比現有ai快得多，主要原因並不是前者的效率極高；
而是基於fscim體係的傳統人工智能，在解決實際問題時，效率太低。”
萊斯利*蘭伯特的說法，對熟悉fscim體係的方然而言，一聽就懂，他早知道這體係的弊端。
fscim，聯邦標準信息測度碼，誕生在舊時代的一套“計算機係統通用編碼標準”，原則上是站在計算機、而非人類的立場上，描述客觀世界，進而從這一體係出發，可以用傳統ai的諸多算法，實現諸多功能。
這一體係，早在誕生之初，就引起it業界的濃厚興趣，但也有很多業內人士不以為然。
反對者的一大武器，便是fscim體係的低效，這種低效，並不是體係架構本身多麽拙劣，而是由於fscim的開發初衷：
描繪計算機眼中的世界，進而，為計算機提供一種內稟的通用“語言”。
這樣的體係，顯而易見，並無人類對客觀世界的既有認識，以其為基礎開發的程序，一般而言，也幾乎無法借助人類已有的科學技術成果，去加快處理的速度。
這是什麽意思呢，譬如說，物流網絡的運力規劃問題，用ai解決的一般思路，是掛載深度學習網絡，並根據問題的性質給定大量邊界條件，ai上線運行後，很快就能根據初始條件與運行數據，逐步優化策略，給出較好的解決方案。
舊時代的it領域中，人工智能，往往就是應用在這樣的場合。
這種“自動化、智能化”，實質上仍然是一種低級重複勞動的替代，是用人類智慧，分割、定義問題，給出算法，然後利用計算機的速度，迅速做完原本用人力需要很長時間才能完成的工作。
但這種應用方式，顯然，對複雜問題的解決能力，不會太理想。
在若幹年前，應用於某一領域、解決某一類問題的ai，幾乎隻能用於解決該類問題。
不僅如此，一旦問題的邊界條件發生變化，甚至隻是略微改變，ai的效率都有可能大幅滑坡，進而必須有人來幹預，修改邊界條件，替換算法，總之，借助人類的智慧才能應對多變的具體情形。
即便這些多變的情形，根本上講，並未改變問題的性質，理應在計算機的能力範圍內，傳統ai體係也幾乎總是一籌莫展。
這種情形，在fscim體係出現後，才逐漸被改變。
基於fscim體係的計算機、ai體係，一言蔽之，對問題的“理解程度”，遠比之前那些全憑速度吃飯、對自己正在解決的問題本質一無所知的ai深得多。
說計算機“理解”問題的本質，很多業界人士，隻會一笑置之。
這實際上反映出人類的傲慢，方然的觀點則相對中立，他並不認為，一台運行fscim架構之軟件的計算機，會如同人類那樣認識、分析、理解問題。
否則，fscim體係反而相當於失敗，這一體係最初就是為計算機所準備，故，fscim體係賦予計算機的能力，是獨特的新視角，區別於人根據自身思維特性而做的探索與認識，計算機同樣也有自己的一套認識、分析問題之構架。
不論這一架構，是否真的存在，當今時代的“全產機”、通用型ai，確乎可以應付一些以前並無法用ai獨力完成的任務。
靈活性與運行效率，這一對矛盾體現在ai架構上，基於fscim架構的人工智能效率相對較差，在解決具體問題時，所需算力會比傳統的人工智能高出一個約數量級，換來的卻是更強大的自主性。
而“強人工智能”，解決問題的思路則不一樣，更像是對人類思維過程的模仿。
雖然這種模仿，並非如舊時代的ai方案那樣，原版照抄人類大腦的運作過程，而是放手讓計算機用“斂散算法”自行探索，一旦形成某問題的解決方案，效率，就可以接近傳統ai的水平。
相對基於fscim的通用型ai，采用強人工智能，顯然可以極大的節約算力。
想法很好，找到萊斯利*蘭伯特說明來意，負責人的表情卻有一點為難，蘭伯特先告訴阿達民，目前“強人工智能三號機”的研發還算順利，在近乎無限的資金、資源支持下，樂觀的講，“盤古”甚至有望在年底完成第一階段測試。
隨後，uu看書ukansu他又向阿達民轉告，nep_791等研發機構的數學家們，對“盤古”、“混沌”這些係統的看法：
“站在工程技術的角度，應該說，‘強人工智能’目前的表現，出乎意料。
但是數學家們，對這一係列新產物，還有些疑慮，畢竟與傳統的人工智能不同，‘強ai’的內部運行狀態，原則上也無法得知，這裏麵的確潛藏著一定的風險。”
“風險，什麽風險？
擔心人工智能有一天意識覺醒，人類自取滅亡嗎。”
“倒也沒那麽誇張，而是……”
電影大片，是嗎，萊斯利*蘭伯特一開始想到的，也是那些花裏胡哨、效果爆炸的舊時代科幻作品，但身為it領域的資深專家，他現在已基本認同了阿達民的觀點。
直白的講，蘭伯特也一致認為，“混沌”、“盤古”這些係統並不會反噬人類。
找到萊斯利*蘭伯特，方然毫不掩飾的直接說出構想，對這一計劃，蘭伯特原則上認為“可以一試”，但並未給出任何確切的承諾。
“是的，阿達民先生，用‘強人工智能’替代現有的ai，的確可以提升一些效率。
這一點，不知您是否理解，即便通用型人工智能與強人工智能，都是基於現有信息技術水平的計算機加軟件之體係，彼此之間，沒有明顯的技術差距，後者的處理效率也會大大優於前者，當然，能領先到什麽程度，還說不準。”
“是因為兩者的軟件架構，一個基於fscim，一個則基於‘自主思維’嗎。”
“正是如此，或者說，在算力消耗相同的情況下，‘強ai’比現有ai快得多，主要原因並不是前者的效率極高；
而是基於fscim體係的傳統人工智能，在解決實際問題時，效率太低。”
萊斯利*蘭伯特的說法，對熟悉fscim體係的方然而言，一聽就懂，他早知道這體係的弊端。
fscim，聯邦標準信息測度碼，誕生在舊時代的一套“計算機係統通用編碼標準”，原則上是站在計算機、而非人類的立場上，描述客觀世界，進而從這一體係出發，可以用傳統ai的諸多算法，實現諸多功能。
這一體係，早在誕生之初，就引起it業界的濃厚興趣，但也有很多業內人士不以為然。
反對者的一大武器，便是fscim體係的低效，這種低效，並不是體係架構本身多麽拙劣，而是由於fscim的開發初衷：
描繪計算機眼中的世界，進而，為計算機提供一種內稟的通用“語言”。
這樣的體係，顯而易見，並無人類對客觀世界的既有認識，以其為基礎開發的程序，一般而言，也幾乎無法借助人類已有的科學技術成果，去加快處理的速度。
這是什麽意思呢，譬如說，物流網絡的運力規劃問題，用ai解決的一般思路，是掛載深度學習網絡，並根據問題的性質給定大量邊界條件，ai上線運行後，很快就能根據初始條件與運行數據，逐步優化策略，給出較好的解決方案。
舊時代的it領域中，人工智能，往往就是應用在這樣的場合。
這種“自動化、智能化”，實質上仍然是一種低級重複勞動的替代，是用人類智慧，分割、定義問題，給出算法，然後利用計算機的速度，迅速做完原本用人力需要很長時間才能完成的工作。
但這種應用方式，顯然，對複雜問題的解決能力，不會太理想。
在若幹年前，應用於某一領域、解決某一類問題的ai，幾乎隻能用於解決該類問題。
不僅如此，一旦問題的邊界條件發生變化，甚至隻是略微改變，ai的效率都有可能大幅滑坡，進而必須有人來幹預，修改邊界條件，替換算法，總之，借助人類的智慧才能應對多變的具體情形。
即便這些多變的情形，根本上講，並未改變問題的性質，理應在計算機的能力範圍內，傳統ai體係也幾乎總是一籌莫展。
這種情形，在fscim體係出現後，才逐漸被改變。
基於fscim體係的計算機、ai體係，一言蔽之，對問題的“理解程度”，遠比之前那些全憑速度吃飯、對自己正在解決的問題本質一無所知的ai深得多。
說計算機“理解”問題的本質，很多業界人士，隻會一笑置之。
這實際上反映出人類的傲慢，方然的觀點則相對中立，他並不認為，一台運行fscim架構之軟件的計算機，會如同人類那樣認識、分析、理解問題。
否則，fscim體係反而相當於失敗，這一體係最初就是為計算機所準備，故，fscim體係賦予計算機的能力，是獨特的新視角，區別於人根據自身思維特性而做的探索與認識，計算機同樣也有自己的一套認識、分析問題之構架。
不論這一架構，是否真的存在，當今時代的“全產機”、通用型ai，確乎可以應付一些以前並無法用ai獨力完成的任務。
靈活性與運行效率，這一對矛盾體現在ai架構上，基於fscim架構的人工智能效率相對較差，在解決具體問題時，所需算力會比傳統的人工智能高出一個約數量級，換來的卻是更強大的自主性。
而“強人工智能”，解決問題的思路則不一樣，更像是對人類思維過程的模仿。
雖然這種模仿，並非如舊時代的ai方案那樣，原版照抄人類大腦的運作過程，而是放手讓計算機用“斂散算法”自行探索，一旦形成某問題的解決方案，效率，就可以接近傳統ai的水平。
相對基於fscim的通用型ai，采用強人工智能，顯然可以極大的節約算力。
想法很好，找到萊斯利*蘭伯特說明來意，負責人的表情卻有一點為難，蘭伯特先告訴阿達民，目前“強人工智能三號機”的研發還算順利，在近乎無限的資金、資源支持下，樂觀的講，“盤古”甚至有望在年底完成第一階段測試。
隨後，uu看書ukansu他又向阿達民轉告，nep_791等研發機構的數學家們，對“盤古”、“混沌”這些係統的看法：
“站在工程技術的角度，應該說，‘強人工智能’目前的表現，出乎意料。
但是數學家們，對這一係列新產物，還有些疑慮，畢竟與傳統的人工智能不同，‘強ai’的內部運行狀態，原則上也無法得知，這裏麵的確潛藏著一定的風險。”
“風險，什麽風險？
擔心人工智能有一天意識覺醒，人類自取滅亡嗎。”
“倒也沒那麽誇張，而是……”
電影大片，是嗎，萊斯利*蘭伯特一開始想到的，也是那些花裏胡哨、效果爆炸的舊時代科幻作品，但身為it領域的資深專家，他現在已基本認同了阿達民的觀點。
直白的講，蘭伯特也一致認為，“混沌”、“盤古”這些係統並不會反噬人類。