洛北静静听着。苏大小姐的台风确实硬朗能打，她直接脱稿起手，从全球ai产业格局切入，讲到苏世集团的战略布局，再深入探讨技术与伦理的平衡，观点犀利，论证清淅。

演讲完毕，掌声如雷。

上午的压轴戏，是“神经网络之父”

《通用人工智能的边界》。这位七十多岁的老人走上台时，全场起立鼓掌，掌声持续了整整一分钟。

洛北一边听，一边翻看着放在座位上的宣传小册子。

这本宣传册编撰得很有水平，深入浅出地梳理了神经网络的发展史：从最早的感知机，到第二代基于bp算法的深度神经网络，再到被认为是未来方向而寄予厚望，却迟迟没有突破性进展的脉冲神经网络。

“snn仿真生物神经元的脉冲发放机制，具有事件驱动、低功耗的潜在优势，被认为是实现类脑智能的重要路径。然而，其训练困难，难以与现有深度学习框架兼容、大规模网络稳定性差等问题，至今仍未得到根本性解决。”

洛北陷入了沉思。矩阵科技虽然做的是aigc应用层，但他一直对底层算法有浓厚的兴趣。

巧思笔记的“知识树扩散算法”，本质上，还是基于现有transformer架构模型做的设计。而脉冲神经网络————

就在这时，台上的辛顿正在讲到大模型的局限性：“————我们现在所做的一切，本质上是在训练一个巨大的统计模型。通过穷举海量数据来查找规律，这很了不起。但这真的是智慧吗？”

“ai能生成文本、图象和视频，但它们并不理解自己在做什么。这就好比一只鹦鹉能完美模仿人类语，但它不知道那些词汇的真正含义。但人类历史上所有推动文明跃迁的新知识，往往不是靠归纳法总结出来的。”

与外界对大模型的狂热追捧不同，这位深度学习理论泰斗对ai的未来看法，透着一股深深的忧虑：

他说，现在的ai只是在已有的数据中查找规律，通过量变积累优化参数。但这永远无法产生真正的智慧，无法象人类那样进行创造性的突破。

洛北听着辛顿的话，结合手里关于snn的介绍，脑中忽然闪过一道灵光。

现在的ai，无论是gpt还是deepsea，本质上都是在做归纳法。

它们穷举海量数据，查找统计规律。这是一种量变。

但人类的智慧，往往来源于顿悟。

就象禅宗里讲的“明心见性”，就象阿基米德在浴缸里喊出的那声eureka。真正的智慧，也许不是计算出来的，而是进发出来的，就象灵感那般，是非线性突发的，是超越了已有逻辑推演的质变。

如果说第二代神经网络是在模仿人类的逻辑推理，那么被卡住瓶颈的第三代snn，仿真神经元脉冲的那种瞬间放电机制，会不会才是通往顿悟和创造力的钥匙？

洛北并没有继续细想这件事，只是把它默默记在了心里。

而在冥冥看不见的虚空，天赋树的枝叶缓缓舒展。它同样记住了此刻。

。。。。。。

。。。

_1