【第359章 濕件】
------------------------------------------
因為這次中間隔著翻譯器，可以更清晰的明確神經元和芯片兩邊的具體的運行情況
但是訓練方法，依然是由噪音來規範進行。
有趣的是，如果從底層的數據反應來看，幾乎所有的，看上去高深的，真正的有智能的事情，都被轉移到了芯片上，而不是在神經元細胞中完成的。
讀屏，學習，分辨輸贏，全部被芯片接管了過去，由芯片完成。
在某一個瞬間，項目組甚至覺得是陳一然的AI太強大了，厲害到根本不需要神經元，是不是需要用穀歌那種垃圾一點的來試試。
但是他們先做了一個消融實驗測試，以現在AI的運算能力，就算是去除神經元的反饋，獨立進行這種古早遊戲的深度學習也是輕而易舉的。
所以他們把神經元細胞拿掉，換成了純粹的隨機噪音反饋，讓芯片自主進行分辨學習。憑借著陳一然的技術，就算沒有神經元的輔助，芯片的自主學習能力依然非常強，甚至用更短的時間，就完美的通關了遊戲。
但是這並不意味著純芯片就更強，因為兩次的結果有著非常明顯的區別。體現在遊戲當中，就是當芯片自己完成學習的時候，因果異常清晰，整體學習梯度幾乎是可以預測的，芯片會非常清晰的奔著目標一路狂奔。
但是加入了神經元的輔助，他的行為就不一樣了，因為對噪音的喜好反饋，他會自動把某些方向的視覺信號放大，比如對傷害的反應，對死亡的恐懼，他不再是數據上的機械計算，而是一種更為人性化的反饋。
看本書最新章節，請到ｏｏｐ．ｔｗ
事實證明，神經元確實在做事，哪怕隻是很小的一部分，但是依然非常重要。
這正好印證了陳一然的觀點，矽基芯片是人類人工設計的、時鐘同步的、剛性的元胞自動機。它是對於宇宙底層規則的一種有趣的人工複刻，有固定節拍，有明確邊界。
但是毫無疑問，這種模仿缺失了很重要的一些東西，比如如果時空在普朗克尺度是離散的，必然會破壞相對論中的洛倫茲對稱性，所以某種程度上說，時間依然是光滑的。
所以，一定有一些維度信息，是由狀態演化補充的。而從宏觀意義上看，神經元就是一種有效的補充，生物神經元網絡，是宇宙底層規則在物質世界裡自發演化出來的天然同構體。
並且能有效彌補矽基芯片在數據搬運、運行模式以及可塑性上的一些劣勢。
現在的所有矽基芯片，歸根究底還是馮・諾依曼架構，計算單元和存儲單元是分開的。數據要在內存和算力核心之間來回搬運。90% 以上的能耗都消耗在數據搬運上。
並且矽基芯片全靠全局時鐘節拍驅動，所有晶體管同步運算。哪怕隻有1%的信息需要處理，整個電路也要跟著時鐘跑，閒置狀態也有靜態功耗。屬於全量密集計算。
而且訓練完成後，網絡結構和參數就固定了，推理階段不會改變核心架構，隻能微調權重，就算是deepflow也無法改變這一點。
。明文的大偉造創，耗功的瓦02用能才以所，耗損運搬據數有沒，生發哪在就算計，哪在息信。”算“ 和 ”存“ 責負時同就身本觸突，元單算計是也元單儲存是既元經神個每，元經神個億 068，腦人而
。略忽接直的用沒，算計發觸才息信的用有，態狀躍活於處元經神的 %1 到不有隻刻時意任。位電作動生產電放才時號信入輸的強夠足到收接有隻，息靜乎幾時平元經神。統係動驅件事的疏稀步異是的用采是且並
。構重償代以可能功區腦，弱減、強增、剪修、生新以可觸突，性塑可經神備具身終絡網經神，且而
。為行的元經神物生擬模件元子電用是然依但，天逆景前比效能，觸突工人和元經神造仿衝脈工人用采，做在人有也實其片芯腦類基矽
。來未是才機算計件濕有隻，為認然一陳
。分部機有的體身類人代指來用被，用采品作幻科類各等K04 錘戰被來後。人的連相密緊統係件硬、件軟機算計與指，念概的出提次首中》件濕《說小幻科其在年8891於克拉·迪魯家作國美是件濕
。事件這慮考會不了認確，議協了簽都經已人的組目項前之然雖，來上了提組目項被次一再，題問理倫，候時個這是但
。一統誌意的組目項個整保確要，議會型大次一了織組是還然一陳是但
。了海沉慮考就，改悔不還，會機後最次一給以可也，人的題問有別個
