按照林楓最開始的想法，他是沒打算繼續普林斯頓大學數學係這邊繼續攻讀博士學位了。
畢竟無論是林楓還是林柏的情況似乎都不怎麽擅長數學。
林柏此前是在哈佛學的計算機，而碩士在麻省理工繼續攻讀計算機。
前世，林楓本科先是在金陵大學讀的是應用數學，研究生跨考的清華計算機，當然沒考上。
調劑學校林楓也沒去，調劑學校倒也不差，但堂堂985考研211，那不成了反向上分了？
林楓可不想成為被恥笑的對象，最終二戰一年上岸的浙大的計算機，畢業後入職了福報大廠搞ai算法，後來為了薪資更高又跳槽去了某科技接著人工智能訓練，一直“奮鬥”到死。
雖然林楓前世也跟數學有過幾年交集，但看得出來後來林楓所做的選擇都是為了擺脫數學大坑。
沒想到重生了一遭反而又陰差陽錯地跟數學搞到了一起，造化弄人啊。
林楓感覺他那點為數不多的數學知識也就勉強應付一下數學本科了。
至於數學方麵讀博，而且是在普林斯頓這種頂尖數學學府攻讀博士，這特麽有點西遊記裏麵那個要小怪去捉唐僧師徒的即視感了。
但現在受困於資金限製。
繼續硬著頭皮讀博是有必要的，
別的不說，一個月三千多美元的那筆補助金還是很香的。
雖然以“掙美元花美元”的視角衡量，一個月三千多美元也不算多。
但對於此時全身上下現金加起來隻有五百美元不到的林楓來說能有這個保底已經不錯了。
另外，原本林楓是打算囤一波比特幣的。
但現在看來顯然是行不通的。
綜合各種信息來看，下個月要還的信用卡就需要五萬多美元。
而鼓搗比特幣的話，除了要有足夠的啟動資金外，還需要時間來等待其升值。
在當前的經濟壓力下，林楓根本沒有那樣的餘地。
每個月的信用卡賬單像一座大山一樣壓在他頭上，讓他不得不重新審視自己的計劃。
林楓冷靜下來，他意識到當前最緊迫的問題不是如何投資未來，而是如何盡快解決眼前的資金困境。
如果無法在短時間內籌集到足夠的資金，他將麵臨信用崩盤的風險，甚至可能陷入債務泥潭無法自拔。
不過如何搞到錢呢？
林楓下意識地就開始迴想前世經曆過的種種。
身為重生者當然要利用自己先知的種種信息，利用信息差來攫取利益了。
這一迴想不要緊，林楓隻感覺他此前以“林楓”這個身份親曆的各種見聞都無比清晰。
不隻是曾經刻意記憶的內容無比清晰，甚至是很多一麵之緣甚至是無心之下瀏覽過的東西都變得印象極其深刻。
離譜到什麽程度，記得重生之前曾無聊之中看過一個有關於圓周率的沙雕視頻，視頻長達幾個小時，裏麵就是枯燥的圓周率小數點後的情況。
林楓發現他現在居然真的能迴憶起來圓周率多達上百萬位的內容。
而這種離譜的還隻是冰山一角，林楓感覺他的腦子像是被超級擴容了一般，看似依舊是正常人腦，但實際上卻是仿若一個超級記憶宮殿。
當他隨意瀏覽的一些信息，林楓也能做到過目不忘。
當然，這種過目不忘無關於什麽天賦，而是簡單粗暴的很。
對於林楓來說，瀏覽信息的時候相當於把內容存儲在記憶宮殿中，而需要取出來的時候隻是在記憶宮殿中取出來。
這個發現可是讓林楓震驚不小，一方麵對前世的信息有了超級清晰的記憶，另一方麵還能過目不忘。
如果能做到這樣，未來似乎就一下子廣闊了很多啊。
這樣的超級記憶宮殿能帶來前世清晰的記憶，這很好。
在這樣的超級記憶宮殿的加持下，如果需要前世記憶，林楓可以很輕易地迴想起來前世的細節。
不過在林楓看來，這種超級記憶宮殿最不值得一提的可能就是其清晰的記憶本身了。
過往的記憶縱然因為信息差的緣故能給林楓帶來很多。
但，時間是流逝的，這些信息終究有一天會因為時間的流逝而喪失其價值。
另外因為蝴蝶效應，林楓在利用過往信息而攫取利益的時候也可能會造成一些擾動因素而影響後麵信息的利用。
因此能有前世清晰的記憶這固然很好，
但在林楓看來真正具有無窮無盡價值的是超級記憶宮殿這種機製究竟是如何實現的。
截止到現在2014年，哪怕再高效的政權也無法說能夠精準的控製到每一個個體，在底層總會存在一定的模糊區間。
這涉及到管理成本的問題。
而普通人同樣是無法做到精準的控製每一個細胞，甚至是很多比較宏觀層次的生物行為也不受神經控製，比如說腸道的蠕動就不受神經調節。
這涉及到生物學上的運營成本與管理成本。
一般來說，普通人是很難做到過目不忘的。
要知道，正常來說遺忘是人體的一種正常的保護機製，這能有效的避免人腦的超負荷工作。
可現在重生之後林楓卻擁有了事無巨細的記憶能力，這卻沒帶給林楓任何副作用。
無論是大事小事，很容易就記下來，裝入腦海中的記憶宮殿，而在想要取用的時候直接就取出即可。
作為一個資深網文迷，對於重生林楓不算很難接受。
也知道很多小說主人公在重生之後因為各種各樣的原因身體往往會得到一定的強化。
但真當重生這事發生在林楓身上，並且真切感受到身體得到的強化，林楓依然是震撼不已。
雖然林楓感覺他身體的這樣的強化也不能讓他如《超體》那般做到精準的控製每個細胞，但僅僅是記憶層麵的大幅度強化以及過目不忘的能力，再加上能感知細胞的運作機製，這些就足夠讓林楓震撼不已了。
是的，沒錯，能感受到細胞的運作機製。
想到先前的處於一氧化碳中毒之後恢複期的情景的時候，林楓能感覺到自己的每個受損細胞都在自我修複一般。
雖然並不是林楓主動操作著這些細胞進行修複。
但林楓確實能感受到細胞的具體活動，隻要林楓願意主動去體會，就能察覺到這些。
這樣的能力林楓不知道該如何用科學的道理去解釋以及描述，
如果硬要描述的話，倒是有種道家所說的“內視”的那種感覺了，而且是很細微層級的“內視”。
當然，隔行如隔山，即便是能做到“內視”，林楓首先想到的也不是什麽修道之類的。
林楓第一時間想到的還是人工智能有關的。
人工智能表麵上看是計算機學，但本質上其實是仿生學。
就拿卷積神經網絡和人類視覺係統之間的聯係來說吧。
人類的視覺係統通過眼睛捕捉光線，形成圖像。
這些圖像通過視神經傳輸到大腦的視覺皮層。
視覺皮層分為多個層次，負責不同級別的圖像處理。
例如，初級視覺皮層會檢測基本的視覺特征如邊緣、角度和顏色；
更高層次的皮層則處理更複雜的特征，比如對象的形狀和麵部識別。
每一層的神經元負責不同的任務，從簡單的識別線條的方向（對應特征識別）到更複雜的識別人臉（如模式識別）。
而卷積神經網絡是受人類視覺係統啟發設計的，它們也通過多層結構來處理圖像信息。
卷積神經網絡的第一層通常由卷積層組成，它們就像人類視覺係統的初級視覺皮層一樣，專門提取圖像的低級特征（如邊緣、角度）。
在接下來的幾層中，網絡會逐步提取更高級的特征，最終能夠識別複雜的對象或場景。
卷積神經網絡的層次結構模擬了視覺皮層的分層處理過程。
比如，第一個卷積層可能會識別圖像中的邊緣，第二個卷積層可能會識別邊緣組合形成的形狀，第三個卷積層可能會識別這些形狀組合形成的物體。
普通人通過感知、體驗和反複訓練來學習新知識。
學習過程中，大腦中的突觸連接會根據經驗進行調整，這就是所謂的“突觸可塑性”。
通過強化常用的神經連接，大腦能夠優化特定的任務處理能力，例如識別人臉、解讀文字等。
類似地，卷積神經網絡通過訓練數據來調整其網絡參數。
在訓練過程中，網絡會對輸入圖像進行處理，並與實際標簽進行比較。
通過反向傳播算法，卷積神經網絡會逐層調整其權重，以最小化預測誤差。
這個過程類似於人類大腦中的突觸可塑性，網絡逐漸“學習”如何更好地識別圖像中的特征。
普通人可以在複雜環境中快速準確地識別物體，無論光線條件如何變化，甚至在部分物體被遮擋時也能識別。
而經過訓練的卷積神經網絡同樣可以在圖像分類、物體檢測和圖像分割等任務中表現出色。
現代的卷積神經網絡能夠在大規模的圖像數據集中識別數千種不同的對象，甚至在有噪聲或部分遮擋的情況下也能做出準確預測。
可以說卷積神經網絡就是對人體真實機製的1:1精準複刻。
正是根據人腦識別機製的精準複刻，人工智能才能做到擁有像人一樣類似的能力。
所以說，人工智能看似是計算機學，實則本質上是仿生學。
依托於對人類機能的深入研究，人工智能發展出了一整套神經網絡係統。
這些係統通過模擬人類的神經元連接和突觸可塑性，逐步建立起了龐大的人工智能體係。
然而，即使到林楓所熟知的2024年，這一體係依舊被限製在弱人工智能的範疇。
弱人工智能指的是專注於單一任務的人工智能係統。
它們可以在特定任務中表現出色，例如圖像識別、自然語言處理、自動駕駛等，但離開了這些設定好的環境，它們就無法自主運作。
弱人工智能並不具備像人類那樣的自我學習、理解、推理的能力，更談不上擁有自我意識或適應多變的環境。
然而，強人工智能卻是完全不同的層次。
強人工智能能夠像人類一樣，不僅能完成單一任務，還可以在任何環境中靈活決策、學習，甚至可能擁有自我意識。
更高的層次是超人工智能，這是一種遠超人類智慧的存在，能夠進行超越人類認知的思考和推理。
到林楓前世2024年，全球範圍內仍然沒有任何人工智能突破弱人工智能的壁壘，強人工智能始終隻是理論中的可能性。
這種始終被局限在弱人工智能的情況就像被智子封鎖了發展路徑一樣。
那麽，問題的根源在哪裏呢？
林楓靈光一閃，開始意識到，或許問題不在於人工智能的設計本身，而是在於其底層神經網絡的基礎依然沿襲自普通人類的神經係統。
人類的神經網絡有著生物進化帶來的固有限製，包括處理信息的方式、速度和容量。
在這一基礎上，盡管卷積神經網絡模仿了大腦的層次化結構，盡管我們能讓人工智能執行極為複雜的任務，但這些網絡的根本性缺陷限製了它們的發展空間。
換句話說，人工智能的“大廈“依舊是基於普通人類的生物學模型搭建的，盡管結構可以精巧無比，但它的基礎注定了其上限依舊有限。
而林楓腦海中的“超級記憶宮殿“卻帶來了一種新的可能。
林楓覺得其體內的神經網絡尤其是跟記憶以及信息處理方麵有關的神經網絡很可能跟普通人的那套神經網絡有些不同了。
普通人的記憶來自於反複、刻意強化等環節。
而林楓不用這麽麻煩，林楓能夠精確記憶和快速提取信息。
這些都充分表明林楓體內的神經網絡機製很可能與傳統人類神經網絡有了很大的區別，至少邏輯層麵截然不同，
而能‘內視’自己身體中的細胞運作，感知到它們的諸如自我修複這樣的過程這種能力更是不同尋常。
普通人類的大腦和身體，無法做到這樣的感知或信息處理方式，而林楓的“超級記憶宮殿“似乎擺脫了生物學上效率和管理成本的桎梏，展現了更高效的信息處理方式。
這一切的一切，林楓感覺奧妙無窮。
可能因為職業敏感性，林楓感覺如果能搞懂這背後的機製問題，注定是受益無窮。
別說是搞懂這背後所有的奧秘了，僅僅是把其身體內的全新神經網絡構型搞懂並得以在計算機層麵加以複現，就會造成非凡的意義。
這種全新的神經網絡，為了跟普通人的那套神經網絡加以區分，林楓姑且對其命名為超神經網絡。
如果能將這種超神經網絡搞出來，無疑意味著這是一種全新的人工智能底層架構。
下層基礎決定上層建築。
不同於依托傳統神經網絡而始終囿於弱人工智能範圍內，
依托超神經網路架構的全新的人工智能網絡很可能徹底打破局限，真正超越弱人工智能，為強人工智能甚至超人工智能提供了堅實的基礎。
這樣的人工智能不再局限於執行單一任務，而是能夠在複雜環境中自主學習和適應，甚至產生自我意識，徹底突破弱人工智能的天花板。
盡管這隻是一種想法，但林楓愈發覺得這種想法很有搞頭。
最關鍵的是林楓是有樣本可循的。
林楓的樣本就是他自己。
如果林楓的上述猜測成立，那麽某種意義上來講林楓現在自身大概率就是一個典型的強人工智能樣本甚至是超人工智能的樣本。
在有樣本的情況下，原理也沒什麽太複雜。
到時候林楓要做的隻是按圖索驥，搞懂自身的秘密就夠了。
當然，知易行難，林楓想法有關於通過底層重構的事情而打破弱人工智能的禁錮那肯定非一朝一夕之功。
林楓需要很久的時間布局，這個過程需要很大的投入，包括金錢、精力等等，還可能麵對著種種未知的風險，畢竟就像誰也想不到弱人工智能的風險一般，強人工智能和超人工智能真正的風險也完全是未知數。
不過問題不大，盡管需要很多投入，但如果能成功，意義將是重大的，對林楓來說，他自身也將受益良多。
大概就以後林楓能跟圖靈一樣的地位吧。
而且這還隻是學術上的地位。
實際上經濟上的地位還會更牛掰。
想想隻是弱人工智能相關的那些應用，包括人臉識別、自動駕駛之類的那些，隨便拎出一個都是萬億美元級別的市場。
而強人工智能背後會蘊含多麽巨大的一筆財富呢？
很難量化，但保守估計在20萬億美元以上。
甚至可能成為東大經濟增長的新引擎。
完全有可能使得東大經濟依舊保持10%以上的高增速。
想到這個林楓也是內心狂喜啊。
這個外掛牛逼大了。
畢竟無論是林楓還是林柏的情況似乎都不怎麽擅長數學。
林柏此前是在哈佛學的計算機，而碩士在麻省理工繼續攻讀計算機。
前世，林楓本科先是在金陵大學讀的是應用數學，研究生跨考的清華計算機，當然沒考上。
調劑學校林楓也沒去，調劑學校倒也不差，但堂堂985考研211，那不成了反向上分了？
林楓可不想成為被恥笑的對象，最終二戰一年上岸的浙大的計算機，畢業後入職了福報大廠搞ai算法，後來為了薪資更高又跳槽去了某科技接著人工智能訓練，一直“奮鬥”到死。
雖然林楓前世也跟數學有過幾年交集，但看得出來後來林楓所做的選擇都是為了擺脫數學大坑。
沒想到重生了一遭反而又陰差陽錯地跟數學搞到了一起，造化弄人啊。
林楓感覺他那點為數不多的數學知識也就勉強應付一下數學本科了。
至於數學方麵讀博，而且是在普林斯頓這種頂尖數學學府攻讀博士，這特麽有點西遊記裏麵那個要小怪去捉唐僧師徒的即視感了。
但現在受困於資金限製。
繼續硬著頭皮讀博是有必要的，
別的不說，一個月三千多美元的那筆補助金還是很香的。
雖然以“掙美元花美元”的視角衡量，一個月三千多美元也不算多。
但對於此時全身上下現金加起來隻有五百美元不到的林楓來說能有這個保底已經不錯了。
另外，原本林楓是打算囤一波比特幣的。
但現在看來顯然是行不通的。
綜合各種信息來看，下個月要還的信用卡就需要五萬多美元。
而鼓搗比特幣的話，除了要有足夠的啟動資金外，還需要時間來等待其升值。
在當前的經濟壓力下，林楓根本沒有那樣的餘地。
每個月的信用卡賬單像一座大山一樣壓在他頭上，讓他不得不重新審視自己的計劃。
林楓冷靜下來，他意識到當前最緊迫的問題不是如何投資未來，而是如何盡快解決眼前的資金困境。
如果無法在短時間內籌集到足夠的資金，他將麵臨信用崩盤的風險，甚至可能陷入債務泥潭無法自拔。
不過如何搞到錢呢？
林楓下意識地就開始迴想前世經曆過的種種。
身為重生者當然要利用自己先知的種種信息，利用信息差來攫取利益了。
這一迴想不要緊，林楓隻感覺他此前以“林楓”這個身份親曆的各種見聞都無比清晰。
不隻是曾經刻意記憶的內容無比清晰，甚至是很多一麵之緣甚至是無心之下瀏覽過的東西都變得印象極其深刻。
離譜到什麽程度，記得重生之前曾無聊之中看過一個有關於圓周率的沙雕視頻，視頻長達幾個小時，裏麵就是枯燥的圓周率小數點後的情況。
林楓發現他現在居然真的能迴憶起來圓周率多達上百萬位的內容。
而這種離譜的還隻是冰山一角，林楓感覺他的腦子像是被超級擴容了一般，看似依舊是正常人腦，但實際上卻是仿若一個超級記憶宮殿。
當他隨意瀏覽的一些信息，林楓也能做到過目不忘。
當然，這種過目不忘無關於什麽天賦，而是簡單粗暴的很。
對於林楓來說，瀏覽信息的時候相當於把內容存儲在記憶宮殿中，而需要取出來的時候隻是在記憶宮殿中取出來。
這個發現可是讓林楓震驚不小，一方麵對前世的信息有了超級清晰的記憶，另一方麵還能過目不忘。
如果能做到這樣，未來似乎就一下子廣闊了很多啊。
這樣的超級記憶宮殿能帶來前世清晰的記憶，這很好。
在這樣的超級記憶宮殿的加持下，如果需要前世記憶，林楓可以很輕易地迴想起來前世的細節。
不過在林楓看來，這種超級記憶宮殿最不值得一提的可能就是其清晰的記憶本身了。
過往的記憶縱然因為信息差的緣故能給林楓帶來很多。
但，時間是流逝的，這些信息終究有一天會因為時間的流逝而喪失其價值。
另外因為蝴蝶效應，林楓在利用過往信息而攫取利益的時候也可能會造成一些擾動因素而影響後麵信息的利用。
因此能有前世清晰的記憶這固然很好，
但在林楓看來真正具有無窮無盡價值的是超級記憶宮殿這種機製究竟是如何實現的。
截止到現在2014年，哪怕再高效的政權也無法說能夠精準的控製到每一個個體，在底層總會存在一定的模糊區間。
這涉及到管理成本的問題。
而普通人同樣是無法做到精準的控製每一個細胞，甚至是很多比較宏觀層次的生物行為也不受神經控製，比如說腸道的蠕動就不受神經調節。
這涉及到生物學上的運營成本與管理成本。
一般來說，普通人是很難做到過目不忘的。
要知道，正常來說遺忘是人體的一種正常的保護機製，這能有效的避免人腦的超負荷工作。
可現在重生之後林楓卻擁有了事無巨細的記憶能力，這卻沒帶給林楓任何副作用。
無論是大事小事，很容易就記下來，裝入腦海中的記憶宮殿，而在想要取用的時候直接就取出即可。
作為一個資深網文迷，對於重生林楓不算很難接受。
也知道很多小說主人公在重生之後因為各種各樣的原因身體往往會得到一定的強化。
但真當重生這事發生在林楓身上，並且真切感受到身體得到的強化，林楓依然是震撼不已。
雖然林楓感覺他身體的這樣的強化也不能讓他如《超體》那般做到精準的控製每個細胞，但僅僅是記憶層麵的大幅度強化以及過目不忘的能力，再加上能感知細胞的運作機製，這些就足夠讓林楓震撼不已了。
是的，沒錯，能感受到細胞的運作機製。
想到先前的處於一氧化碳中毒之後恢複期的情景的時候，林楓能感覺到自己的每個受損細胞都在自我修複一般。
雖然並不是林楓主動操作著這些細胞進行修複。
但林楓確實能感受到細胞的具體活動，隻要林楓願意主動去體會，就能察覺到這些。
這樣的能力林楓不知道該如何用科學的道理去解釋以及描述，
如果硬要描述的話，倒是有種道家所說的“內視”的那種感覺了，而且是很細微層級的“內視”。
當然，隔行如隔山，即便是能做到“內視”，林楓首先想到的也不是什麽修道之類的。
林楓第一時間想到的還是人工智能有關的。
人工智能表麵上看是計算機學，但本質上其實是仿生學。
就拿卷積神經網絡和人類視覺係統之間的聯係來說吧。
人類的視覺係統通過眼睛捕捉光線，形成圖像。
這些圖像通過視神經傳輸到大腦的視覺皮層。
視覺皮層分為多個層次，負責不同級別的圖像處理。
例如，初級視覺皮層會檢測基本的視覺特征如邊緣、角度和顏色；
更高層次的皮層則處理更複雜的特征，比如對象的形狀和麵部識別。
每一層的神經元負責不同的任務，從簡單的識別線條的方向（對應特征識別）到更複雜的識別人臉（如模式識別）。
而卷積神經網絡是受人類視覺係統啟發設計的，它們也通過多層結構來處理圖像信息。
卷積神經網絡的第一層通常由卷積層組成，它們就像人類視覺係統的初級視覺皮層一樣，專門提取圖像的低級特征（如邊緣、角度）。
在接下來的幾層中，網絡會逐步提取更高級的特征，最終能夠識別複雜的對象或場景。
卷積神經網絡的層次結構模擬了視覺皮層的分層處理過程。
比如，第一個卷積層可能會識別圖像中的邊緣，第二個卷積層可能會識別邊緣組合形成的形狀，第三個卷積層可能會識別這些形狀組合形成的物體。
普通人通過感知、體驗和反複訓練來學習新知識。
學習過程中，大腦中的突觸連接會根據經驗進行調整，這就是所謂的“突觸可塑性”。
通過強化常用的神經連接，大腦能夠優化特定的任務處理能力，例如識別人臉、解讀文字等。
類似地，卷積神經網絡通過訓練數據來調整其網絡參數。
在訓練過程中，網絡會對輸入圖像進行處理，並與實際標簽進行比較。
通過反向傳播算法，卷積神經網絡會逐層調整其權重，以最小化預測誤差。
這個過程類似於人類大腦中的突觸可塑性，網絡逐漸“學習”如何更好地識別圖像中的特征。
普通人可以在複雜環境中快速準確地識別物體，無論光線條件如何變化，甚至在部分物體被遮擋時也能識別。
而經過訓練的卷積神經網絡同樣可以在圖像分類、物體檢測和圖像分割等任務中表現出色。
現代的卷積神經網絡能夠在大規模的圖像數據集中識別數千種不同的對象，甚至在有噪聲或部分遮擋的情況下也能做出準確預測。
可以說卷積神經網絡就是對人體真實機製的1:1精準複刻。
正是根據人腦識別機製的精準複刻，人工智能才能做到擁有像人一樣類似的能力。
所以說，人工智能看似是計算機學，實則本質上是仿生學。
依托於對人類機能的深入研究，人工智能發展出了一整套神經網絡係統。
這些係統通過模擬人類的神經元連接和突觸可塑性，逐步建立起了龐大的人工智能體係。
然而，即使到林楓所熟知的2024年，這一體係依舊被限製在弱人工智能的範疇。
弱人工智能指的是專注於單一任務的人工智能係統。
它們可以在特定任務中表現出色，例如圖像識別、自然語言處理、自動駕駛等，但離開了這些設定好的環境，它們就無法自主運作。
弱人工智能並不具備像人類那樣的自我學習、理解、推理的能力，更談不上擁有自我意識或適應多變的環境。
然而，強人工智能卻是完全不同的層次。
強人工智能能夠像人類一樣，不僅能完成單一任務，還可以在任何環境中靈活決策、學習，甚至可能擁有自我意識。
更高的層次是超人工智能，這是一種遠超人類智慧的存在，能夠進行超越人類認知的思考和推理。
到林楓前世2024年，全球範圍內仍然沒有任何人工智能突破弱人工智能的壁壘，強人工智能始終隻是理論中的可能性。
這種始終被局限在弱人工智能的情況就像被智子封鎖了發展路徑一樣。
那麽，問題的根源在哪裏呢？
林楓靈光一閃，開始意識到，或許問題不在於人工智能的設計本身，而是在於其底層神經網絡的基礎依然沿襲自普通人類的神經係統。
人類的神經網絡有著生物進化帶來的固有限製，包括處理信息的方式、速度和容量。
在這一基礎上，盡管卷積神經網絡模仿了大腦的層次化結構，盡管我們能讓人工智能執行極為複雜的任務，但這些網絡的根本性缺陷限製了它們的發展空間。
換句話說，人工智能的“大廈“依舊是基於普通人類的生物學模型搭建的，盡管結構可以精巧無比，但它的基礎注定了其上限依舊有限。
而林楓腦海中的“超級記憶宮殿“卻帶來了一種新的可能。
林楓覺得其體內的神經網絡尤其是跟記憶以及信息處理方麵有關的神經網絡很可能跟普通人的那套神經網絡有些不同了。
普通人的記憶來自於反複、刻意強化等環節。
而林楓不用這麽麻煩，林楓能夠精確記憶和快速提取信息。
這些都充分表明林楓體內的神經網絡機製很可能與傳統人類神經網絡有了很大的區別，至少邏輯層麵截然不同，
而能‘內視’自己身體中的細胞運作，感知到它們的諸如自我修複這樣的過程這種能力更是不同尋常。
普通人類的大腦和身體，無法做到這樣的感知或信息處理方式，而林楓的“超級記憶宮殿“似乎擺脫了生物學上效率和管理成本的桎梏，展現了更高效的信息處理方式。
這一切的一切，林楓感覺奧妙無窮。
可能因為職業敏感性，林楓感覺如果能搞懂這背後的機製問題，注定是受益無窮。
別說是搞懂這背後所有的奧秘了，僅僅是把其身體內的全新神經網絡構型搞懂並得以在計算機層麵加以複現，就會造成非凡的意義。
這種全新的神經網絡，為了跟普通人的那套神經網絡加以區分，林楓姑且對其命名為超神經網絡。
如果能將這種超神經網絡搞出來，無疑意味著這是一種全新的人工智能底層架構。
下層基礎決定上層建築。
不同於依托傳統神經網絡而始終囿於弱人工智能範圍內，
依托超神經網路架構的全新的人工智能網絡很可能徹底打破局限，真正超越弱人工智能，為強人工智能甚至超人工智能提供了堅實的基礎。
這樣的人工智能不再局限於執行單一任務，而是能夠在複雜環境中自主學習和適應，甚至產生自我意識，徹底突破弱人工智能的天花板。
盡管這隻是一種想法，但林楓愈發覺得這種想法很有搞頭。
最關鍵的是林楓是有樣本可循的。
林楓的樣本就是他自己。
如果林楓的上述猜測成立，那麽某種意義上來講林楓現在自身大概率就是一個典型的強人工智能樣本甚至是超人工智能的樣本。
在有樣本的情況下，原理也沒什麽太複雜。
到時候林楓要做的隻是按圖索驥，搞懂自身的秘密就夠了。
當然，知易行難，林楓想法有關於通過底層重構的事情而打破弱人工智能的禁錮那肯定非一朝一夕之功。
林楓需要很久的時間布局，這個過程需要很大的投入，包括金錢、精力等等，還可能麵對著種種未知的風險，畢竟就像誰也想不到弱人工智能的風險一般，強人工智能和超人工智能真正的風險也完全是未知數。
不過問題不大，盡管需要很多投入，但如果能成功，意義將是重大的，對林楓來說，他自身也將受益良多。
大概就以後林楓能跟圖靈一樣的地位吧。
而且這還隻是學術上的地位。
實際上經濟上的地位還會更牛掰。
想想隻是弱人工智能相關的那些應用，包括人臉識別、自動駕駛之類的那些，隨便拎出一個都是萬億美元級別的市場。
而強人工智能背後會蘊含多麽巨大的一筆財富呢？
很難量化，但保守估計在20萬億美元以上。
甚至可能成為東大經濟增長的新引擎。
完全有可能使得東大經濟依舊保持10%以上的高增速。
想到這個林楓也是內心狂喜啊。
這個外掛牛逼大了。