科創生物光是腦機連線VR業務就能值三萬億，更別提還有其他兩個核心板塊的業務，現在又有了魔法的加持。
科創生物絕對是大A最有價值的核心資產。”
大洋那端的紛紛擾擾對於另外一個國家來說，只是報紙上的頭條新聞。
讓人看過就忘。
當然藍星第一位公開法師，這個新聞還是能讓人記住很久。
不過懷爾斯已經很久沒時間看新聞了，他也是看到魔法論壇左上角的編號加了一位。
他意識到世界上又多一位法師，跟同僚交流之後，才知道新增加的法師叫鄭理，是華國首富。
同時在科研上有極強的天賦。
這些只是吃飯時的閒談。
掌握魔法之後，懷爾斯發現自己的食量大了不少。
根據研究發現，他們的大腦需要消耗更多的能量，因此需要更多的食物透過胃部消化來支撐大腦運轉。
懷爾斯吃完後回到自己的辦公室，他有種預感。
他很快能在人工智慧領域實現突破。
這次的辦法絕對可行。
此前有科學家提出過用於實現聯想記憶的新型神經模型，該模型基於透過感覺神經元接收外部刺激的分層生成網路。
這種新型神經模型使用預測編碼進行訓練。
而預測編碼是一種基於錯誤(errorbased的學習演算法，其靈感來自人類大腦皮層中的資訊處理。
聯想記憶模型，借鑑了人類大腦神經元儲存、關聯以及檢索資訊的模式。
由於在人類智慧中的重要性，聯想記憶的計算模型有數十年的歷史
其包括自動關聯儲存器，允許儲存資料點和檢索儲存的資料點s當提供噪聲或部分變體時s和異質關聯記憶，能夠儲存和呼叫多模態資料。
但是這僅僅停留在想象階段，當時只是提出設。
猜測可以透過新型神經網路達到預想中的目的。
但是具體落地一直沒有實現。
而懷爾斯在進行人工智慧學習後，認為這個路線的潛力最大。
當然也有潛力更大的路線，但是那些潛力更大的路線，有硬體上的桎梏。
硬體突破要比軟體突破難的多。
比如可進行學習的自動機，此種型別的自動機可以透過從學習資料中改變自身的狀態轉換函式的機率來對資料進行學習，並可以使用自身的狀態來編碼資訊，
不同於神經網路，可學習自動機天然的具有對資料進行時序編碼的特性，且具有良好的可解釋性。
但是這種路線的問題在於演算法路徑過於複雜，狀態太多，硬體難以實現。
“是否上傳’
“是’
經過長期的研究、開發、測試階段，他們終於做出了相對完善的人工智慧。
並且經過了內部的圖靈測試。
懷爾斯點選的上傳按鈕後，內心一陣忐忑。