安排好王建成的行程之后，陈念这边也完成了有关通用型人工智能技术的前期整理。

事实上，跟很多人的第一印象不同，通用型人工智能虽然在概念上更容易被普通人接受、在前景上也具有更广泛的浪漫主义想象，但其实它所能发挥的价值，却绝对不仅仅是简单的一个“类人机器人”那么简单。

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