第二百二十九章 新型神经模型第(2/2)页
李姝瑶怪笑道:“嘎嘎嘎这是幸福烦恼。”

    “郑理成法师，机构们肯定想知道第一手情报。

    “这能决定他们对科创生物的估值预期。

    “苹果之所以市值三万亿米元都能涨百分之三十，不就是因为魔脑还没用，充满了想象空间。

    “而科创生物这边也挖到了agi，魔法的效果，能决定机构们的估值。”

    “同时对苹果也有更准确的估计。”

    “我也想知道，中金手里也有部分科创生物的股票。”

    获得agi之后，科创生物的股价肯定会涨，但是涨多少，这是个问题。

    信息越全面越能把握好短期卖点。

    至于连板那是不要想，三万亿rb市值的盘子，几乎不可能能拉涨停的。

    特别科创板的涨跌幅限制还是百分之二十。

    当然对魔法感兴趣也是一个点。

    “今天晚上你们公司公告发了之后，我们的工作群跟炸了一样。”

    “同事都在让我赶快找你问问，大家都想知道第一手的消息。

    “所有人都跟疯了一样，我们有同事在说科创生物还招人不，他们都想跳槽了，领导在群里他们当着领导面这样说。

    “跟我关系比较好的同事，在私聊里问我为啥不去科创生物工作。”

    “魔法给你们做了最好的宣传，大家潜意识里甚至认为科创生物是比中金总部更好的去处。

    李渺渺在电话那头有种莫名的成就感，她微微笑回答道:

    “你如果想来，我安排你当我秘书，平时专门跑腿开车哈哈。”

    “科创生物确实是一家很有吸引力的企业，这两年我们基本上只招本硕双985”

    “门槛往上提了一大截。

    “连生物医药生产一线操作工都要985本。”

    “你来我给你秘书做已经很照顾你了，现在我的秘书基本上都是清北毕业的。”

    李姝瑶连连摇头:“我才不要，当你秘书我还不如在中金被剥削呢。

    “中金虽然卷了点，但是好歹没人使唤我。

    有很多人找李渺渺，自然也会有很多人找郑理。

    只是问题在于他们找不到郑理。

    克隆体注射魔脑，是一种不同的感觉，这种感受通过生物信号传输装置传输回本体。本体在吉隆坡的阴雨绵绵中，看着一份刊登无聊新闻的报纸。

    现代首位魔法师出炉郑理:科技狂人的又一次成功

    马来西亚几乎所有主流报纸都把这件事刊登在了头版头条。

    郑理手上的是一份星洲日报。

    星洲日报报道，科创生物创始人郑理使用魔脑，成为全球首个现代法师让人惊呼:再次见证了历史。

    然后分析了一下魔法对科创生物还有华国企业的影响。

    郑理在吉隆坡都能从媒体上看到自己的脸，颇有种新奇感。

    第二天开盘，早盘科创生物大涨5个点。

    科创生物的股吧里充斥着各大券商发布的最新研报。

    部分研报的目标价已经看向市值三万亿米元了。

    说法是华国排名第一的科技企业必须向苹果对标，市值也要对标。

    “三万亿的市值丝毫不夸张，苹果在2011年的时候市值不过三千亿米元，现在多少三万亿。

    科创生物光是脑机连接vr业务就能值三万亿，更别提还有其他两个核心板块的业务，现在又有了魔法的加持。

    科创生物绝对是大a最有价值的核心资产。”

    大洋那端的纷纷扰扰对于另外一个国家来说，只是报纸上的头条新闻。

    让人看过就忘。

    当然蓝星第一位公开法师，这个新闻还是能让人记住很久。

    不过怀尔斯已经很久没时间看新闻了，他也是看到魔法论坛左上角的编号加了一位。

    他意识到世界上又多一位法师，跟同僚交流之后，才知道新增加的法师叫郑理，是华国首富。

    同时在科研上有极强的天赋。

    这些只是吃饭时的闲谈。

    掌握魔法之后，怀尔斯发现自己的食量大了不少。

    根据研究发现，他们的大脑需要消耗更多的能量，因此需要更多的食物通过胃部消化来支撑大脑运转。

    怀尔斯吃完后回到自己的办公室，他有种预感。

    他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errorbased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agi的上传按钮后，内心一阵忐忑。

『加入书签，方便阅读』