身在AI领域的学识，根本不需要重新学习就可以完美的融合这个强人工智能的科研图谱。
但事实上她的脑海里，还有一大片空缺需要她来填满。
其中最重要的空缺有两个。
一个就是这个强人工智能依赖的硬件环境。
很耐人寻味的是，这个环境恰好就需要那个2nm的光刻机，否则根本没法制造出最核心的处理器。
一切仿佛都又回到了原点……
至于说另一个空缺，那就是脑科学的所有理论知识了。
这一点其实也说不上有多不意外，因为这几年早就有人想过了，要研究出真正先进的人工智能，就必须从人脑这一块下手。
掌握了人脑的思维模式，然后将其运用到计算机上，就可能完成曾经一直突破不了的瓶颈。
但是说是这么说……
问题的关键就在于大家根本就没法说清人脑是如何进行思维的。
拿他们计算机视觉教材的绪论为例。
一个人类能够清楚地识别出一张图片中的关键信息，并能迅速地抛弃无关的信息。
比如给一个人连续地快速地看几十张图片，然后让他迅速判断那张图片里是否包含动物。
这对于智商正常的人来说，都是一件很容易办到的过程。
但是计算机却很难做到。
这其中的区别就是计算机在看到图像的时候，并不是一个个的景物，而是一个巨大的矩阵。
目前的计算机底层还在用最基本的方式一行一行地执行着固有的逻辑。
而且因为训练数据集的局限性，还有可能出现过拟合的现象。
所谓的过拟合，打个比方来说就是计算机认定了只有长着四条腿的物体是动物后，如果给定的新数据集里有八条腿的蜘蛛，就会判定它不是动物。
在人类看来根本就是常识性的东西，却经常会被计算机理解错误。
过分依赖数据的比对模式，和人脑的经验判断模式是有着本质的区别的。
但很可惜，到现在也没有人知道人脑到底是如何进行思维判断的，所以用人脑类比机器脑这个方向在很多人看来也只是一个大坑。
“又要从头开始学了吗……”
习惯了让学生代劳的顾雨，突然有些感叹曾经的好日子一去不复返。
但是这些都不是阻止她前进的因素。
因为在顾雨看来，目前困扰着光刻机研发最