第197章 人工智慧(第1/2頁)

“親愛的j先生，你好。”青年人禮貌的打招呼道。

江凡同樣打招呼後，說道：“l先生，我最近在研究千年前材料學方面的內容。

我發現他們那個年代做事真是沒效率，做出一款材料必須得用實際環境去測很長時間才能得出效能引數。

有些耐久性的材料，測試時間甚至要高達半年一年。

不光如此，他們幾乎大多數的基礎發明，尤其是一些核心領域的成果，比如飛機發動機，都必須得經歷實際環境同等時間的檢驗才能使用，動輒就是一兩年。

這太浪費時間了，也難怪他們的文明程序發展的這麼慢。

所以我想聽聽你的想法，你覺得這是阻礙他們文明進步的重要原因嗎？”

青年人聽了江凡的話，連連點頭道：“j先生，您說的一點都沒錯，確實如此。

研發很關鍵也是最耗時間的就是驗證環節，一個小時就可以討論出5種思路，但在那個年代，驗證這5種思路卻往往需要花費5周、5個月乃至更久。

如果能夠像我們這樣5分鐘就完成驗證，那一年的成果可能一場2小時的會議就已經完成了。

只是可惜，他們的人工智慧還處在最初級的階段，用什麼阿爾法狗下下棋還可以，但要進行這種全方位的模擬計算模擬，還遠遠不夠。”

“人工智慧？”江凡捕捉到了華點，輕咳了一聲說道：“確實，這運用了很複雜的原理，他們那個年代的認知怕還沒法理解到這個程度。”

青年人認同道：“您說的沒錯，他們現在還處在弱人工智慧的最初級階段，頂多算是剛入門。

而要解決這個問題，是需要強人工智慧來解決的，或者至少等他們發展到弱人工智慧高階階段才多少可以解決這個問題。

至於其中運用的原理嘛，說複雜也複雜，但抽象出來哪怕他們那個年代的普通人也是可以理解的。”

青年人見江凡沒接話，想著是不是想讓他繼續說，於是接著道：

“其實解決思路和初階弱人工智慧，也就是他們那個年代口中的機器學習原理上類似。

也是讓人工智慧去學習海量的歷史資料，並建立演算法。

就比如您剛剛說的材料，他們之前研究出的各種材料，包括有一些細微差異的，加起來可能有10萬到一百萬種。

那隻需要把這一百萬種材料的各種資料丟給人工智慧去學習，它就可以得出一個匹配這些材料的驗證模型。

這樣再有全新材料出來需要驗證的時候，就可以把它的完整引數扔給這個人工智慧的驗證模型，就可以跳過試驗而快速地進行判斷。

而這樣得出結果值得相信的邏輯基礎是，如果前一百萬次的歷史資料都支援這個模型得出的結論可信，那也有足夠的理由相信，這第一百萬零一次新成果透過人工智慧測出的資料也會是準確的。

因為它出錯的機率要小於一百萬分之一，在統計學上就可以認為是零出錯，畢竟就算真實實驗，其依然還是會因為各種天氣、溫度等因素存在誤差，而且誤差可能還要遠大於一百萬分之一。