宁为的研究其最大意义并不仅仅止于在数学理论上的突破，而重要的是对人工智能领域底层的重新定义。比如最基本的人工智能深度学习模型，现在人工智能领域用到的深度学习模型标准大都还是我们所设计的，其中包含了深度神经网络、卷积网络、循环神经网络、玻尔兹曼机跟受限玻尔兹曼机等等。”
    “现在我们面临的问题是，我们已经验证了两人研究的许多理论。而这些理论已经确定可用于指导人工智能底层定义的革新。我以openai推出的自然语言深度学习模型gpt-3为例，我们都知道具有1，750亿个参数的自然语言深度学习模型gpt-3的表达能力已经接近人类，是极为成熟的深度学习模型，但依然有着缺点，比如跑任务的时候耗时太久，导致中途如果发现问题，也不敢停止运算，毕竟代价太大。”
    “可如果按照余兴伟跟宁为的研究，我们不一定要走这条繁琐的道路来赋予机器智慧，并不一定需要不停的进行深度学习来实现人工智能，而是直接搭起一个相对成熟的认知框架，这直接让我们曾经信奉的底层逻辑产生了变化。说得更通俗些，以前我们让机器拥有一定智能，靠的是大数据堆积学习，给予机器哪方面的资料，然后机器便能在哪个方向具备一定的智能。比如机
 <本章未完请点击"下一页"继续观看!>