但后來他發現，那種做法依然要花大量的時間精力，依然不是他現在能以一己之力輕松完成的。而既然要費那么大力，那為什么不想辦法再更進一步？
說白了，就是幾次變異后，他又“膨脹”了，攥著兩毛錢，就想吃世界上最好的餛飩。
因為他覺得自己這兩毛錢很值錢，就這么買價值普通兩毛錢甚至兩塊錢、二十塊錢的東西太虧了。
但要怎么做？
向坤無數次地有過那么一點“靈光一閃”，隱隱約約地已經有了個想法，但總是還沒辦法完全兜住，還是“俱現”不出來。
這也是他為什么要答應張倩，要接下那個項目的原因，他想要在做其他項目的過程中，幫助他再去找“那道光”。
不過遺憾的是，幫助并不大，那個項目的框架已經打好、核心已經做完，但向坤的“AI助理計劃”依然連挖坑的角度都沒找好。
看著顯示屏上他為了幫助自己思考而畫的圖，向坤一手捏著自己的下巴，一手把玩著他自己雕的阿爾薩斯。
向坤現在已經明白了：
想要用兩毛錢弄出兩百萬的東西，一定、必須要有非常開創性的創造，必須是一個從底層開始的、全新的東西，一個能夠撬動地球的“杠桿”。
在舊有框架下，他是肯定沒有辦法做到的，哪怕他通過變異，大腦在某些領域遠比普通人甚至一般的天才要強許多倍，但全世界那么多的機構、那么多的大廠、那么多的人才和團隊聚集在一起天天研究，有那么多的設備、那么多的數據可供他們使用，他一個人無論如何都是比不過的。既然他們沒辦法從舊有框架下找到突破點，那他一個人也同樣很難做到。
但這個底層要有多底層？
真要說起來，軟件層面的創新，永遠離不開硬件。
就好像當初計算機剛誕生的時候，關于人工智能就分為了“符號主義”和“連接主義”以及后來的“行為主義”。
“連接主義”又叫仿生學派，主張模仿人類的神經元，用神經網絡的連接機制實現人工智能。現在大熱的機器學習，奉行的就是“連接主義”。
但是在七十年代，因為硬件的發展水平、算力匱乏等原因，“連接主義”一度陷入低谷。
直到現如今，計算機的算力突飛猛進，因為互聯網、移動網絡的發展帶來了海量的大數據，使得“連接主義”下的機器學習有了最合適的成長環境，開始蓬勃發展，孕育出各種各樣的平臺、算法、模型，在各行各業，各種環境中開始有了大量的應用，甚至有了“AI要取代人類工作”的說法。
今年早些時候華為發布了晟騰910AI訓練芯片、晟騰310AI推理芯片，沒過多久阿里達摩院也發布了號稱全球最強的含光800AI推理芯片，這些硬件上的提升，都必將讓機器學習獲得更加極致的進化。
而可以預見的未來，或許三十年也或者二十年，量子計算領域取得重大突破，量子計算機開始大規模應用，到時必然也將帶動AI領域出現變革，必然會誕生更加全面、復雜和強大的AI模型，說不定隨著對人類神經元研究的推進，會出現“抄襲”得更全面的神經網絡，從而實現真正意義上的“超級AI”。