沒想到僅僅是半年，就做到了。
劉嘉欣點點頭，笑道：“前不久才突破的，程式II組那邊對大正整數因子分解論文中有關於深度神經網路的權重層已經應用到了智慧AI矩陣分解結構上。”
“這減小訓練模型的引數總量的同時還在一定程度上加快了啟靈的訓練工作。”
“尤其是在SVM分類構造、整合學習模組、大稀疏矩陣問題以及模糊演算法等方面有不小的突破，做到了可以透過因子分解機解決大規模稀疏資料下的特徵組合難題。”
聞言，徐川恍然明白了過來。
如果是基於大正整數因子分解是否具有多項式演算法中的部分理論完成的，那就不奇怪了。
“P=NP?”是計算理論的核心問題，儘管大正整數因子分解是否具有多項式演算法只不過是這個千禧年難題的一部分。
但它對於分散式計算與並行處理演算法、單源最短路徑演算法、整數因式分解等多個計算機演算法領域有著重大的影響。
從2023年劉嘉欣解決了這個問題到現在，時間已經過去了一年半，它應用到計算機和人工智慧領域也差不多是時候了。
畢竟數學成果轉變成計算機領域的研究本身就是最容易的領域之一，再加上還有證明了這個問題的學者本身就在計算機領域發展，小靈能夠快速的進化原因也正是如此。
不像他研究的數學難題，除去NS方程這個本身就具有強應用性的數學猜想外，另外兩個無論是霍奇猜想還是楊米爾斯存在性和質量間隙難題，即便是已經解決了好幾年了，在應用領域依舊沒什麼動靜。
數學領域的尖端難題，要轉變成應用成果，最容易的恐怕也就是P=NP難題了。
但P=NP難題卻並非那麼容易解決的。
至少就目前來說，無論是他還是解決了大正整數因子分解是否具有多項式演算法難題的劉嘉欣都認為這個問題可能無解。
上帝不擲骰子，人類也幾乎不可能找到一種多項式演算法來驗證NP類難題屬於P類。
不過對於計算機發展來說，P=NP？難題可能無解並不意味著它就不能繼續發展了。
相反，對於這個問題的每一次研究，哪怕是一點點的突破，都有可能對計算機與人工智慧的演算法起到巨大的推動作用。
就像是二十世紀七十年代人們基於NP完全理論，密碼學取得了革命性突破，建立了公鑰密碼體系。
而後又在八十年代NP，完全問題的研究有了縱向的突破，在許多表面看來並不相關的計算模型之間發現了深刻的刻畫關係。
這一次突破非常大的刺激了演算法界對近似演算法研究的新熱潮。
此外，還有90年代量子計算機和命題證明系統的研究，21世紀以後的引數複雜性理論研究。
幾乎每一次P=NP？猜想上的數學成果突破和研究，都會引起計算機領域的劇震。
如果說‘啟靈’再繼續進化下去的話，它就離第四階段‘創新者AI’距離不遠了。
這個階段的智慧AI系統具有模仿人類的創造力，突破思維的侷限，提出令人耳目一新的創新理念的能力。
簡單的來說，它已經能夠基於龐大的資料庫，針對某一種問題提出以前人類沒有想到過的解決辦法或思路。在一定程度上具備弱·創造性或弱·獨創性。
在這一級別，人工智慧AI可以輔助人類進行發明創造，推動多個領域的創新和進步。
例如，在科學研究、藝術創作以及技術開發等多個領域，創新者均能發揮其獨特價值，提供新的思路和方法。
甚至你可以將P=NP？猜想這類難題交給它去推衍、嘗試解決等等。
儘管它並不一定能夠做到，但理論上來說，它已經完全能夠思考這種高度複雜性的難題了。
至於最終的組織者AI級別。
理論上來說，它已經是完全體的人工智慧了。
在這一級別，它不僅具備戰略思維，還擁有實現組織目標所需的高效率和強適應性，能夠管理複雜的系統。
比如它們能夠靈活協調多個智慧AI，合理的分配任務，實時監控任務進度，並依據實際情況作出迅速調整等等。
這種級別的智慧AI，理論上來說，你完全可以將一家大型公司或者說一整個國家都交給它管理。
它足夠制定出‘完善’且‘公平’的規劃來維持公司乃至國家的執行。
PS：晚上還有補更，不過會比較晚，大家早上起來再看好了。