鲁东义的干脆有些出乎宁为的意料，他本以为还要多说两句的，好在师兄似乎看出了他的疑惑，在他转身前，感慨了一句：“照你说的，如果有一天，咱们的成就真能达到见到爱因斯坦得先给我们递烟，碰到牛顿他得先来敬酒的高度，的确挺值得期待的。”
宁为脚步顿了顿，品位了一番这追求，除了稍微有些不太吉利外，没啥毛病。当即头也不回的答道：“只要我们有自信，一定可以的！”
“哦，对了，后天就是国庆七天假了，做事情还是有张有弛比较好，我建议你可以好好的出去玩几天，等假放完之后我会每天监督你工作状态的。”鲁东义又说了句。
宁为随便挥了挥手代表他知道了，然后果断的回到了自己的办公室。
人在陷入对未来的思考时，屁话通常会很多，即便是高智商也难以免俗，比如鲁东义。
心情自然是更好了，宁为想通了许多东西豁然开朗之后，已经明白他想做的事情光靠他一个人肯定不够，哪怕是加上余兴伟也不够，必须有一群人能够跟他有相同的理念，然后一起为这个目标而奋斗。
鲁东义无疑从任何方面来看都是极为合适的。自身智力条件就不用说了，本身还是燕北大学的副教授，且在国内数学界尤其是学生中间本身就具备极大影响力，以后振臂一呼，肯定能拉来不少感兴趣的学生，在加上本身就有授课经验，简直完美！
把鲁东义绑上了战车还是得做出点东西，来鼓励大家的。
坐到自己的办公桌前，得意了一会后，宁为才发现办公室里明显被收拾过，他早上翻乱的东西都已经被摆的整整齐齐，窗台上的花瓶里也插上两朵新鲜的桂花，正散发着怡人的花香。
显然这是江同学专门来收拾过，宁为闭上眼睛，狠狠的嗅了嗅房间内的香气，这才打开了自己的笔记本，开始继续思考如何搭建他的理论框架。其实在参加STOC大会之后，宁为便对基础的人工智能搭建过一个基础框架，并将之用到了三月的主程序构建，所以他现在需要考虑的是更加抽象的问题，机器的意识建模。
说的更清晰些，就是通过数学模型来描述物理状态的整个信息系统。如果需要这一理论成立，那么大概就可以理解为相适应的算法将是机器的意识。
要从理论上解决这个问题，最困难的步骤就是要解决一个哲学上的命题，非还原主义。具体到他现在所考虑的人工智能领域，大概描述就是要证明这个世界类人高级智能活动过程能否全部或绝大部分还原为计算过程。
如果可以，需要给出具体推导过程；即便不是所有人类智能活动过程都还原为计算过程，理论上也要给出尽可能多的高级智能够还原为基本计算过程的原理，因为这是强人工智能数学理论中最重要的部分。当然，如果可以还要尝试论证被摒弃的那一部分是无用智能……
比如对于人类来说，其实并不需要给为你辅助的智能设备添加审美功能。毕竟不能说以后某位长得过于抽象的客户买了一部最新的智能手机，智能手机还能因为摄像头感知到主人长得太丑而长期以低效的模式提供智能服务，这就是属于给自己找麻烦的高级智能还原。
这是宁为正在做的东西。
他需要将一系列人类需要的智能反应过程，转化为计算过程提供出有力的理论证明，并结合大数据证明机器可以拥有主动学习能力，并为实现更精确的计算机视觉、听觉甚至触觉提供一个更简单更精准的理论指导。
说起来简单，但真的做起来却是极为复杂的过程。在制作数学模型的时候需要充分考虑到其可扩展性，包括每个计算单元、每个算符，想要实现一个很简单的能力可能都需要多级程序语言调用的多级编译或解释系统。这一点是从构建三月主体程序得到的经验。
以三月为例，现在三月就具备了一定的程序感知能力，跟对基本语义的识别能力，这些都是建立在主动学习基础之上的。但实际上就目前的三月来说，相对于她审核那些可公式化的数学稿件，在识别人类基础语义这块消耗的算力要更多。
想要让机器如同人类一样去识别语言语义，尤其是识别一些不同环境下能表现丰富情绪的语义，往往还需要机器对情绪的洞察力。
而这一切都是人工智能理论构架的基础，其难度自然是极大的，宁为能做的便是将所有的问题分解成一个个小问题，然后一个个解决，最终形成整套大理论。
比如他已经解决了其中最简单的大数据压缩难题。通过强压缩手段可以让人工智能程序在最短时间内获得最多的数据来锻炼其本身的分析判断能力。现在宁为正在做的则是人类理解语义、情绪的计算还原过程。
这块做完了，他的拔尖青年项目也能顺利完成，顺便在拿个图灵奖大概问题不大。这块的难度虽然极大，超乎想象的大，但有三月作为参照物，却让难度直线下跌了不少，最关键的点在于整个学习过程的计算模式还原。
这章没有结束，请点击下一页继续阅读！