陈念一直都觉得，过往无数的影视作品里，对通用型人工智能的描述都并没有那么准确。
无论是那部让机器人三定律脍炙人口的《我，机器人》，还是终结者里的天网，所能反应的，其实都只是通用型人工智能的一个面而已。
人工智能就一定会是人形机器吗？
人工智能就一定能获得至高无上的数据权限吗？
也许不是这样。
理论上来说，出于对危险的知觉，人类会把通用型人工智能限制在“工具”的层面，它的形态有可能会更接近于“智能助手”，也就是某一个生物人的“附庸”。
而陈念打算要做的，也就是这个方向。
或者换句话说，他不打算作为创世神去创造一种“新人”，而是要在“通用”这个关键词上做文章，创造一类能够适应大多数工作环境、并在特定领域上展开自我学习的“智能机器”。
用更学术的语言来表达，就是弱通用型人工智能。
相对于绝对意义的GAI来说，这个思路的难点会稍稍低一些，但也没有低到哪里去。
毕竟，人工智能的发展哪怕在上一世也完全是个盲盒，它跟核聚变技术完全不同，基本上没有固定的、明确的路径，反而更类似于当时的常温超导探索。
一帮人沿着自认为正确的方向去摸黑探索，在黑暗中也许会偶尔摸到几个宝石，可没有人敢断言摸到宝石的这条路是不是就直接通向矿脉。
我们需要的是更大的模型？更多的数据？更巧妙的技巧？更合理的超级参数？
也许都不是，这些东西并不能让人工智能变得更强大，相反，只会让它变得更臃肿。
想要真正解决GAI面临的所有问题，就必须首先解决人脑和电脑在“底层原理”上的差异。
量子计算机。
这是最接近人脑运作方式的计算机组成形式。
传统计算机处理的方式只有0和1，其处理数据的方式是直线型的，属于一维。
哪怕是多核计算机，也不过是同时进行多个线性计算而已。
但人脑的处理方式完全不同，它是神经元在酶的作用下产生对化学刺激产生多种不同的变化和结果。
有多少不同的酶和化学刺激，就会产生多少种不同的状态和反应。
并且，人脑每秒可以有上千亿个神经元同时发挥作用，可以同时完成多项任务，比如我们经常一边喝水一边看电影一边思考，这是计算机无法做到的。
具象地表达的话，计算机智能喝一口水、看一眼电影、想一段问题，然后通过超高频率的计算，把“喝水、看电影”的时间缩短到极致，制造出“同步进行”的假象。
只有在量子态下，同一时间验证所有可能性的工作方式，才能最好地复刻出人脑的底层逻辑。
——
不过，在设备发生改变的前提下，传统的深度学习理论似乎也要做出相应调整？
那就是王建成的事情了。
自己只负责把地基给造出来。
想到这里，陈念打开了系统面板，查看了量子计算机的解析源点要求。
不出他所料，在这个积累并不算深的领域，解析的源点要求极高。
通用型量子计算机的源点消耗直接是一串问号，哪怕是专用型量子计算机，在对“量子体积”有要求的前提下，源点消耗也基本达到了四位数以上。
——
所谓的量子体积，代表的就是量子比特数、量子比特寿命、高保真操作、高连接性几个指标共同作用下，能够成功地相互作用并高概率产生正确结果的量子比特数。
根据陈念的经验，量子体积100以下时，其实基本是没有解析的价值的。
毕竟在2010年，中科大就已经实现了四量子比特纠缠，想要达到100，也只不过是维持现有的技术水平，不断去堆硬件而已。
不划算。
光一台计算机就得上千源点，这还没考虑依赖于量子算法的操作系统呢.
想到这里，陈念无奈地退出了系统界面，重新拿起了桌上的电话，打给了陈果。
“我这里可能遇到点问题。”
陈念直截了当地说道。
“什么问题？”
对面的陈果语气稍有些疑惑地问道。
“嗯应该说，我高估了国内量子计算的发展水平。”
“在当前情况下，想要创造出GAI实现的基础，基本上是不可能、或者说是不经济的。”
“所以，我需要国内在这方面投入更多的资金和资源，最好是拉一个专门的项目组出来。”
“同时，考虑我们现在的人才