“这确实是一个新路子，是一个了不得的设想。”郝成嘀咕着：“知识能够凝聚意图的最小单位
“知识凝聚意图这”
其实郝成一大早送完女儿就想直接回到家研究昨天夜里那45分钟所学的知识来着，但是被何钢一顿电话给薅了过去，耽误了大半天，直到下午三点多才回到家里。
而一回到家，他就开始将深深记在脑海里的东西再次梳理了一遍，而经过梳理，对这些东西的理解就又深刻了一个层次：
“这理论是从微观论述的，不太好理解，如果从宏观上去表达，”郝成眯着眼睛，脑筋分外活跃：
“宏观来看的话，知识是作为决策依据的一部分而存在的。而所谓凝聚意图，直接看作是形成决策的渐进过程。
“而渐进的过程，再分解成微观来观察，那就是最小单位的富集过程，当然这个富集并不是1加1等于2的这种叠加，而是1个融合1个，变成更大更强的1个，最终形成的是如小沙般更加强大的ai模型。”
……
这个时候再回过头去看，类似于现代符码系统的那个“知识凝聚意图”的规律性联系……
郝成觉得自己的思维都更加的清晰了，原本很多想不明白的点也慢慢的在一次又一次的思索中豁然开朗。
此刻，什么小沙不小沙的，他已经觉得自己上自己也行的程度了。
甚至，他已经迫不及待的想要开始“凝聚”完全由自己打造的第一个基于意图做决策的“ai模型”了……
不过，事情显然并没有看起来那么简单。
原理已经很清晰了，但怎么样利用现有的硬件去实现，这也是一个巨大的难题。
现在的ai训练所用的算力卡，其本质就是实现多组算术运算和逻辑运算的组合逻辑电路，被称为a。
简单理解，它就是做数学运算的，最简单的就是加减乘除。
从数学运算怎么样发展到人工智能，一方面，需要便捷的方式充分利用算力芯片的性能，英伟达的cuda就是做这个的。
另一方面，也需要优秀的算法，比如transforr这个基于自注意力机制的深度学习算法模型，就是后来gpt和chatgpt以及多数语言大模型的基础。
此刻的郝成，也需要设计一个强大的算法，来实现他刚刚才学习、刚刚才开始理解的理论——知识凝聚意图的规律性联系理论。
痛苦，但也快乐着。
“这比整天坐在公司写那些重复写了不知
『加入书签，方便阅读』
-->> 本章未完，点击下一页继续阅读(第1页/共3页)