纪弘也是解释道：“对于工业AI的训练，我早就有想法。这东西，要比语言模型，画图模型之类的要复杂的多。
“比如，语言模型之类的都是从拆词拆字母开始的，而工业，我之前的思路也是从基础开始。”
基础从哪儿来？是知识库教材库，工业发展史上的机械、设备等资料。
另一方面，就是人了。
像郑建平这样早年属于工业佼佼者的工作思维思路、甚至工厂普通员工操作某一台机器的心得和体会，都可以是基础数据的一部分。
双管齐下。
……
出来逛了一趟，还能有如此的收获——工业AI训练的思路一下子打开了，方向一下子确定了。
事实上，在产线这些天以及今天为光刻胶和高纯硅提供方案和思路的时候，纪弘就已经发现，利用现有产线数据训练AI，强则强已，但本质和现在的工业并没有什么区别。
总需要人不停的盯着，类思维AI发挥的作用完全没有想象中的那么大。
纪弘接着说道：“比如，两条一模一样的产线，这一条我搞好了，下一条一模一样的流程还需要再重复一遍。你觉得这像智能吗？”
“不太像？”程荟脑袋瓜子有些不太灵敏——原本别人都解决不了的问题，AI能解决，这还不智能吗？但是重复工作，又确实……
“还有就是，两条差不多的产线，出了同样的问题，这一条解决了，同样的方法，对另一条却没有用。为什么？”纪弘问道。
“为什么？”程荟毕竟是文史专业的学生，对这些问题天生不敏感。
“世界上不存在一模一样的两片树叶。”纪弘说道：“这就是现实世界与数字世界最大的不同。
“这类问题在数字世界是不可能发生的，数字世界一就是一，二就是二。但在现实世界，你看起来一模一样的东西，就真的一模一样吗？
“现在的AI是基于理想模型的，包括我所说的仿真100%，实际就达不到。但在一定程度上，这种差别对生产无影响，就可以视为百分之百。这也是为什么22nm以上可以使用，先进工艺目前还解决不了的根本原因。
“要想解决这个问题，包括未来工业领域的很多问题，就需要AI就有更强的智慧能力、更敏锐的判断。而这就要求训练的时候更加个性和自由。”
程荟听得似懂非懂，但大约明白是怎么回事儿。
尤其是一个词“敏锐
本章未完，请点击下一页继续阅读！