第(1/3)页

    成文飞指了指桌上的智能音箱样机，轻声叹了口气：“你看，现在我们写的这所有神经网络，从数学本质上讲，全都是无状态的函数映射。”

    “你给它输入一批数据，它经过前向传播给你输出一个预测结果，算完这一步，网络里所有的激活值就全部清空了，做完就忘。”

    “每一次推理都是完全割裂、彼此独立的，它根本没有持久的记忆。”

    成文飞走到实验台前，手指轻轻抚过这个工程音箱的外壳，动作轻柔的就像是在抚摸一个孩子一般。

    像是在对何凯明做技术剖析，又像是在对自己内心深处的执念自言自语道：

    “如果我们只是想做一个听懂‘打开客厅空调’、‘播放周杰伦的歌’的语音遥控器，那无状态函数就完全够用了。”

    “但如果我们想要的，是一个能够跟人持续聊天、拥有连贯稳定的人格、清楚记得你们上个月聊过什么话题、甚至拥有属于她自己独有回忆的人工智能呢？”

    何凯明愣了一下，顺着成文飞的思路往下深想，眉头也渐渐皱了起来：

    “残差结构本身确实完全不自带记忆功能，要想让一个深度网络拥有连续的记忆，我们就必须跳出单纯的分类网络，去解决序列建模的问题。”

    “不仅需要长短期记忆网络那样的隐状态传递，未来甚至还需要构建独立的外部记忆库、全局状态管理机制，以及足够长的上下文窗口和检索增强系统……”

    “是啊，路还长着呢，一步一步来吧。”

    成文飞隐藏起自己的情绪，拍了拍手，把话题拉回了眼前的工程现实。

    “而且就算我们现在把这些算法的理论图纸全都画出来，光靠咱们机房里现有的这些英伟达计算卡，也根本跑不动！残差结构让模型可以无限变深、变大，但更深、参数量更大的模型，单卡显存连塞都塞不下，更别提训练了。”

    一提到算力和硬件瓶颈，何凯明也泄气了，苦着脸吐槽道：
    第(1/3)页