路阳到筑城知道的人不多，而他所谓的计划改变却震惊了整个黔省高层。
2010年后，黔省凭借其特殊的地理气候，大力发展大数据，效果显着，其中每年一届数博会更成了享誉全国顶级盛会。
秦国芹连夜就把华芯的计划向省委做了汇报，5000亿第一期的投资，这规模已经是全省多年未见的大手笔了。
既然位置选择筑城，那这个任务自然就划归秦国芹主管了，其中还有个小插曲。
秦国芹把规划院那块位置汇报上去，一把手立马点头同意，并表示虽然黔省Gpd比起申城差距甚大，但魄力这东西却不能拉胯，秉承原则就是只要华芯开口。
“若涵，事情应该没问题了，你这孩子，给了我一个大人情啊。”
“秦姨，这不是应该的吗，以后在这边还得您多照顾。”
通话的两人正是秦国芹跟应若涵，两人不仅认识，还是亲戚关系，严格来说，秦国芹算是应家体系的人。
“好了，听路阳口气，打算在这边常住？”
“项目需要，我看靠近湖边好像有一个别墅区，环境不错，秦姨给我推荐下，常住酒店也不是办法。”
“这事我让小付去安排，你等消息吧，湖边的那块地盘，改建下应该可以用，但是动作别太大，位置很敏感。”
应若涵笑道，“我知道，届时我们挂个保密单位出来就行了，您也知道，华芯的安保等级一向不低。”
“秦姨，AI研究院是华芯接下来最重要的方向，从华芯剥离的原因我想您也能明白，大概会有20%的股份分出来，如果黔省这边有感兴趣的，可以谈谈，但是资金必须有可控性，而且不能是上市企业，也不能用华芯来做背书。”
秦国芹没想到这种级别的项目华芯会放出来，稍加思索便立刻明白过来。
“行，我知道了！”
“很久没回去看老爷子了，身体还好吧。”
“多谢秦姨关心，好着呢，就是年纪大了，话更多了。”
挂掉电话后，应若涵又拨通了一个电话。
“情况如何了？”
“最近见了很多粤省来的人，其中有几个是台鸡电的。”
“明白了，小心些，别被发现。”
“放心吧，队长，我们是专业的，不过最近由外界开始逐渐有传言，江天行入局华芯，有意打破现有格局。”
“知道了……”
应若涵并不清楚路阳与江天行在阁楼究竟达成了什么协议，但他能感觉出来路阳最近放松许多，对华芯的事也很少过问了。
她一直有种焦虑，怕路阳放弃华芯。
而路阳这边，此时却正在刷小破站，距离上次更新又过去许久，看着屏幕发呆，心中却在回忆关于chatgpt的一切信息，隔离期间也做了相当多的功课。
人工智能的前身用俗话描述，就是聊天机器人，1950年人工智能之父发表了一篇论文，大概内容就是，当你不面对面的跟别人聊天，如果你很难分别出跟你聊天的人是否为人类时，那就可以说明这个机器具有一定智能。
这就是所谓的图灵测试，一经推出后就吸引了很多计算机领域的科学家向其发起冲击。
1966年mIt实验室就发明了一款聊天机器人，ELIZA，把这款机器人舍得成一个心理治疗师，非常聪明的规避了许多问题，少说多倾听，说得越少，错得越少。
其实背后就是一堆，if……then……代码，底层逻辑还是关键词抓取，比如说你输入妈妈，他就会让你聊聊家庭，也算符合人类的逻辑。
30年后，ELIZA升级成ALIcE，关键词数量已经足以应对普通人类的回答了，但仍没通过图灵测试。
这种类型的聊天机器人其实就是模式匹配，听到关键词，就调取预设好的文案，直到今天，电商、银行领域类的客服，基本上都是基于模式匹配开发的，已经能解决大部分客服问题。
这种模式的上限是确定的，无论你设计多少量级的关键词，它只会根据预设文案做答复，不会创造新的答案，但确实替代了大部分人工客服。
模式匹配虽然有用，但不可能产生智能，于是就出现了一种新的模式，就是机器学习。
顾名思义，底层逻辑是我不给你规定模式，只给你大量的案例，让机器自己去学习，总结其中的规律，基于这个理念，2001年科学家又推出了一款名为smarterchild的机器人，很快，聪明的小孩就火出圈了。
2000年左右时，随着互联网的普及，网络聊天成了大部人的交流渠道，“聪明的小孩”隐藏其中，不管你跟它聊什么，它都能回答，虽然答案千奇百怪，但聊天本来就没什么对错。
“聪明的小孩”正式推出后，吸引了几千万用户每天跟它聊天，每日处理数据量过10亿条。
2007年，聪明的小孩被微软给收购，可以看出，国外大厂对这个领域重视时间非常早。
当然，“聪明的小孩”也没能通过图灵测试。
2010年，机器学习领域，开始出现一个新词，那就是人工神经网络。
人的大脑是靠超过100亿个神经元，通过网状链接来判断与传递信息，虽然每个神经元都很简单，但是组合起来就可以判断复杂的信息，所以科学家就用这种模拟人脑的方式来设计底层模型。
输入信息后，通过隐藏神经节点来判断与传递信息，其实这种模型早在1960年就有科学家提出，但是人工神经网络需要两个东西支撑，大量的数据和强大的算力，2010年前，条件并不具备。
2010年后，有了大量的数据，算力也成指数级提升，科学家就发现这种模式特别容易处理人类一看就知道或者说凭直觉就能知道的事，比如说人脸识别。
在这之前让电脑通过图片判断某人身份根本就不可能，用人工神经网络就能轻松解决这个问题。
这种类似的方案比如声音识别，自动驾驶，包括之前流行的ALphAGo都是基于人工神经网络开发的，并且落地应用效果非常好，遗憾的是在文字处理上，效果差上许多，甚至比不过匹配模式。
因为这种机器学习，通常使用的是循环神经网络，俗称RNN来处理文字，底层处理方式是一个词一个词的处理，没办法进行大量学习。
直到2017年谷歌发表一篇论文，提出了一种新的学习框架transformer，有效解决机器不能同时学习的问题。
有了transformer后，机器学习就像打通任督二脉，在文字学习上实现巨大飞跃。
“看来，我们都是站在别人肩膀上才能发展起来！”