第96章 做科研就是要头铁（1更求订）（2/2）

周铂向来都是一个说做就做的性子。

早在去年，他利用课余的时间，就已经自学完了，包括史丹福大学、麻省理工学院、卡內基梅隆大学、加州大学伯克利分校在內的，多所国內外顶尖名校的、所有关於人工智慧领域的相关课程。

之前，他在开发“学神引擎”的那个核心复习模块时，就已经大量地，运用到了这些超前的知识。

所以，如果现在开发一个，能够处理后台繁杂业务的人工智慧小助手，从理论上来说，难度，並不算太大。

说干就干。

周铂打开了电脑上，进入processon的专业流程图绘製软体，开始为自己那个未来的ai小助手，绘製起了系统的流程图。

他很快，就梳理出了，这个ai小助手的，三个最关键的核心：

第一，是整个程序的，底层核心构架。

第二，是核心的ai技术模块，这其中，又包括了语音识別、自然语言理解、

文字与语音合成等多个子模块。

第三，则是后续的，整个系统的逻辑框架，以及生態部署。

在技术选型上，他也很快就有了明確的思路。

他计划，底层的逻辑，採用运行效率最高的c++语言，来开发，以保障语音识別、信號处理等核心功能的运行性能。

同时，考虑到要涉及到，复杂的自然语言处理，他还需融入，相关的深度学习算法模块。

可就在他绘製流程图的过程中，他突然发现了一个，他之前从未考虑过的、

关键性的难题——

语言逻辑的理解问题。

无论是用c++，还是java，或者是python，这些现有的、主流的计算机编译器，来开发程序，计算机语言的逻辑理解能力，都与人类的、那种自然的语言逻辑，存在著巨大的、鸿沟般的差异。

其最核心的原因，就在於现有计算机体系下的，算子融合优化，严重不足。

这类基於传统的计算机语言，所开发的ai系统，需要强大的gpu与cpu，进行协同的调度，才能勉强地，支撑起最基本的运行。

处理一些简单的、指令性的语言逻辑，尚可应对。

但是，一旦要实现，那种复杂的、带有情感和语境的、深层次的语言逻辑理解，就必须从最底层的编译器层面，实现模型、硬体、任务的协动化处理，彻底地，重构底层的代码，与语言的表达方式。

而这，用现有的这些编译器，是根本，就不可能办到的！

周铂看著自己辛辛苦苦绘製了几个小时的，那张复杂无比的流程图，无奈地，嘆了一口气。

他自嘲地，笑了笑：“我不过就是想找个，能帮我管理一下软体后台的、简单的ai小助手而已。

“

“怎么一不小心，就一头，撞到人工智慧领域的、最深层的、那个终极难题上去了”