“拒絕談判？”

太平洋彼岸，阿美瑞卡某處會客室，一名男子不可置信的看到。

“我就說，他們絕不會答應進口核輻射地區的糧食的，他們跟我們不一樣，他們是有底線的。”

“鮑姆，不對。我們現在還沒有開始談條件呢，這些東西，我們要談什麼，他們現在不可能知道的。”

“Jacks，那他們爲什麼拒絕的如此乾脆？連談都不願意談？究竟哪裡出了問題？

“難道是工業人工智能模型的未來不夠誘人？還是他們已經發現了什麼？”

“不不不，”傑克斯搖頭：“我們的專家評估了那麼長時間才得出的確切結論，他們那落後那麼多的水平，專家們即便是猜到了，也絕對不敢打包票作保證。”

現在的人工智能訓練，包括最強大的GPT4.0，都是一樣的原理，就是海量語料和海量算力的堆積。

語言模型，像ChatGPT，海量的語料獲取非常容易，網絡上爬取就是了，無非就是需要進行一番清洗，只要不在乎成本，可以無限堆積。

哪怕是OpenAi和GitHub合作共同訓練的代碼機器人模型，那也有GitHub代碼倉庫裡不計其數的代碼做訓練支撐。

但工業模型訓練呢？工業生產數據可不像語言和代碼那樣，全網都是，爬取就完了。

哪兒來的那麼多的工業數據來做訓練支撐呢？

且不說各家的工業數據都是核心隱私，根本不可能共享。就算能也沒用。

智庫評估，哪怕把全美甚至全世界的工業生產數據全部擼來，也不夠工業模型訓練之萬一的。

換言之，就是這玩意不可能存在。

……

“是的，不可能存在。”文國昌開完會，立刻就趕往了華州，他要見一見程旭，程旭也是直接了當：

“文老，以現有的人工智能模型訓練方式，至少十幾二十年內，成熟的大型工業人工智能模型沒有任何出現的可能。”

“你說的這些，包括，現有工業生產數據根本不可能支撐大型工業模型的訓練這種觀點，很多專家也都說了。”

文國昌問道：“但是，他們都不敢這麼保證。你爲什麼就敢說十幾二十年不可能？”

“他們是你的智囊團，要對你的決策負責。”程序笑道：“而我嘛，只是跟一個老朋友聊聊天，我有什麼不好說的？”

“小鬼頭。”文國昌笑了笑，沒有再糾結這個問題，這其中的道道，他比程旭明白。

“你說十幾二十年不會出現大型工業人工智能模型，我選擇信你。”

文國昌起身，鄭重的說道：“這個決策，是我個人做出的，有我來負責。”

“文老，您等會兒，”程旭立刻制止：“我什麼時候說過了。”

“你剛纔不是說……”文國昌心中突然一驚，滿臉疑惑的看着程旭。

“文老，我說的可是，以現有的人工智能模型訓練方式，是有這個前提條件的。”

程旭笑道：“換言之，阿美瑞卡不會有，但我可沒說我們不會有。”

“價值判定方法？”文老詢問道。

“文老也知道價值判定？”

程旭一驚，不過隨後也就明白了，就現在的世界形勢，這麼重要的東西不關注反倒不正常了。

文國昌點了點頭，也沒有瞞着：“我不想知道也得知道，從昨天到今天，價值判定這四個字兒都快把我的耳朵磨出繭子來了。

各路專家分析來分析去，沒有形成統一認知。

“認爲它好的，那叫一個誇，誇得天上有地下無的，開創人工智能訓練新的時代，這評價，高的沒邊兒了。

“也有人認爲，它是有點兒突破，但也就那麼回事兒，再怎麼強也強不過阿美瑞卡。畢竟人家起步早，沒有個三五十年怎麼趕得上呢？還是建議得妥協。

“現在，我想聽聽，你這個創造者對價值判定是怎麼樣的一個看法。”

“文老，價值判定是什麼我就不跟您講了，相信專家們肯定分析過了，講的肯定比我好。”

程旭笑道：“我就給您說說，基於價值判定核心，出現的一種新的訓練模型：我管它叫【條概模型】。”

“現在的人工智能訓練模型，不管哪一種，都是概率統計模型。”

程旭說着，看文老有些懵，瞬間改了一種說法：“這就像什麼呢，我們把人工智能當成一個牙牙學語小孩兒，我們教一個孩子學習語言。

“現在的模型是怎麼教的呢？給它一大堆的文章，成G成T的給它，它就會自己去拆解這些文章，統計字與字、詞與詞之間的組合和出現的概率。

“計算是計算機擅長的啊，尤其是GPU，專有運算能力非常強大，海量的數據和算力堆積就形成了現在看似是思考和邏輯的語言能力，其本質還是統計概率。

“而我的條件概率模型呢，開始的時候是不會給它海量文章的，它像孩子一樣，先學識字、再學組詞造句、再學詞性分解。

“訓練了完了這些，再給它灌輸中量的文章語料，去統計這些字這些詞出現的境況概率和詞性分解情況，慢慢的形成看起來具有一定思考和邏輯的語言能力。”

“看起來本質還是概率統計啊！”文國昌笑道。

“對，本質還是概率統計，”程旭也笑了：“它形成的東西，也只是看起來具有思考性和邏輯，它自己本身是沒有這個概念的。

“不過話說回來，如果它真的像孩子一樣，慢慢的形成思維，那就不是強大，而是可怕了吧？”

文國昌點了點頭，他聽懂了。

雖然本質還是概率統計，但是條件概率，提前通過某種手段剔除掉了絕大部分不可能的情況，那剔除的這部分，訓練量就完全省下來了。

從程旭的話裡邊也非常明顯的聽出來，現有模型訓練是海量數據堆積、海量算力支撐，而條概模型，是先行基礎邏輯，然後中量數據投喂，進行統計分析。

海量，那是沒量，愈多愈善。但，中量——可能也不少，但至少有數了。

這一比較——

突然想起剛剛說起的工業人工智能訓練模型，按現有的訓練方式，全世界的工業數據都不足以支撐。

那條概模型呢？

“條概模型能省多大水平的數據？”文國昌也是殷切的問道。

程旭一眼就看出了文老的心思，因爲他壓根沒有加以掩飾：

“利用條概模型，我說的是未來的成熟條概模型哈，而不是千尋臨時用的那個還不完善的模型雛形。

“利用條概模型，以我國的工業體系數據，絕對足以支撐一個大型工業人工智能模型的訓練。”

“哈哈哈哈哈哈……”

文國昌仰面大笑，內心十分舒爽：

阿美瑞卡是在吹牛、在忽悠，他們一定想不到，我們未來竟然有可能真的實現吧？