很快能在人工智能领域实现突破。

    这次的办法绝对可行。

    此前有科学家提出过用于实现联想记忆的新型神经模型，该模型基于通过感觉神经元接收外部刺激的分层生成网络。

    这种新型神经模型使用预测编码进行训练。

    而预测编码是一种基于错误(error-based)的学习算法，其灵感来自人类大脑皮层中的信息处理。

    联想记忆模型，借鉴了人类大脑神经元存储、关联以及检索信息的模式。

    由于在人类智能中的重要性，联想记忆的计算模型有数十年的历史

    其包括自动关联存储器，允许存储數据點和检索存储的数据点s当提供噪声或部分变体时s和异质关联记忆，能够存储和调用多模态数据。

    但是这仅仅停留在想象阶段，当时只是提出设。

    猜测可以通过新型神经网络达到预想中的目的。

    但是具体落地一直没有实现。

    而怀尔斯在進行人工智能学习后，认为这个路线的潜力最大。

    当然也有潜力更大的路线，但是那些潜力更大的路线，有硬件上的桎梏。

    硬件突破要比软件突破难的多。

    比如可进行学习的自动机，此种类型的自动机可以通过从学习数据中改变自身的状态转换函数的概率来对数据进行学习，并可以使用自身的状態来编码信息，

    不同于神经网络，可学习自动机天然的具有对数据进行时序编码的特性，且具有良好的可解释性。

    但是这种路线的问题在于算法路径过于复杂，状态太多，硬件难以实现。

    “是否上传’

    “是’

    经过长期的研究、开发、测试阶段，他们终于做出了相对完善的人工智能。

    并且经过了内部的图灵测试。

    怀尔斯点击的上传按钮后，内心一阵忐忑。