王杉在熬了30多个小时后，终于发出了成功的欢呼。
吕尧和陆小亦都是精神一振，然后迅速起身俩口王杉身边恭喜道：“成功了？太好了啊！”
陆小亦恭喜完就关心王杉的身体：“你身体怎么样？有什么什么不舒服的地方？外面就有医护人员，要不要让他们过来帮你检查下？”
对王杉这种学神级别的存在，上面给到的关心和关注是难以想象的。
因为科研人员是最容易掌握的优质资源，他们没什么野心，反而会带来难以估量的价值，所以每一个类似的王杉的研究型学者都堪称国宝。
但王杉却摆着手，浑身上下是难以遏制的的亢奋：“不着急不着急，你们先来试试看我做的这个模型。”
“这是任务输入端，你们可以尝试输入点什么。”
在王杉的电脑屏幕上是一个看着就很简陋的对话框，对话框的最下面是文本输入栏。
这是一个类似qq聊天框的东西，只不过ui远不如qq聊天框精美，但ui在现阶段并不重要。
吕尧看了眼陆小亦和王杉，然后坐到王杉的电脑椅里开始在输入框里打字道：“你好啊。”
对话框上面有一个小圆圈转了转后，很快给出回复：“你好啊！什么事你找我，。”
吕尧挑眉，继续输入自然语言：“就是单纯来聊聊，没什么事。”
对话框上的小圆圈再次转了转后给出回复：“那我们可以聊聊诗歌，我会三百首唐诗，怎么样？”
吕尧轻轻倒吸了一口凉气，看向王杉：“王哥，这不是预设的答案吧？”
王杉激动道：“当然不是！”
陆小亦看着系统给出的回复有点摸不着头脑：“这个回复看不出什么东西啊，比之前我在你们实验室看到的东西都差远了。”
王杉连连摆手：“不一样的不一样的，她才诞生多久啊，她的潜力很大的。”
说完王杉就开始科普道：“现在大部分的计算机深度学习模型都是通过积累数据然后通过分析输入端的问题，进行检索回复，这种深度学习模式是有弊端的。”
“举个例子。”
“「我喜欢吃苹果」和「苹果手机真的很不错」这两句话里，虽然苹果两个字一样，但代表的含义却截然不同。”
“现在的任务是要给苹果打标签，我们都知道第一个「苹果」是一种水果，第二个「苹果」是苹果公司，假设我们现在有大量的已经标记好的数据以供训练模型，当我们使用全连接的神经网络时，我们做法是把「苹果」这个单词的特征向量输入到我们的模型中，在输出结果时，让我们的「标签」里，正确的标签概率最大，来训练模型。”
“但我们的语料库中，有的苹果的标签是水果，有的苹果的标签是公司。这将导致，模型在训练的过程中，预测的准确程度，取决于训练集中哪个标签多一些，这样的模型对于我们来说完全没有作用。”
王杉开始自问自答的说道：“那么问题在哪儿呢？问题就出在了我们没有结合上下文去训练模型，而是单独的在训练「苹果」这个单词的「标签」，这也是全连接神经网络模型所不能做到的，所以后来就有了循环神经网络这个深度学习模型。”
“但循环神经网络却也有自己的弊端，不管是「梯度消失」还是「梯度爆炸」，又或者是「全局建模」，「长期记忆」，乃至「扩展性」或「泛化能力」都有上限。”
王杉深深倒吸一口气：“但现在！经过吕总的提点，加入「提炼重点」的算法后，也就是数学上的离散概率分布算法，通过加入这一算法后，原本循环神经网络的弊端将得到极大的改善！”
“经过我十几个小时的数据训练，现在这个ai模型在「梯度传播」，「全局建模」以及「长期记忆」方面都取得了跨越式的成长。”
王杉在讲述他的成果时用了非常多的专业性词汇，这让一直努力想要跟上王杉思路的陆小亦十分吃力。
但全程认真听完的她总之是明白了一件事，那就是他们的ai数据中心建设迎来了特别重要的一步。
所以陆小亦也激动起来：“所以咱们的ai模型是成功了吗？”
王杉摆摆手：“那还差得远了，现在这个模型只是表现出了不错的解析能力，但学习能力，强度测试以及多层序列处理能力还没有进行测试。”
“更别说这方面的专业数据分析学习，模型后期的建设还有很长的路要走呢。”
吕尧倒是能大概理解王杉话语里表达的意思，因为在十年后，ai是所有人都不得不面对和考虑的问题，甚至很多互联网大佬都在说——你可以不懂ai技术，但你一定要会使用ai。
在更远的将来，一定会有更多低技术含量的工作被ai取代，与此同时社会上也会涌现出一大批需要会使用ai的岗位。
那段时间吕尧正好面临人生中的多重困境，十分焦虑的他也研究过ai技术。
相较于之前近乎骗局的元宇