从这个层面上来说，即使模型真的产生了“智能”，似乎也不足为奇，毕竞人的大脑进行思考的时候，也只是神经元的电位运动而已。
只是大脑里神经元之间的连接是以百万亿计的，而现在最大的AI模型，参数量也不过万亿级，还差了几个数量级。
而且，大脑运转的耗电量，还不到AI模型的几万分之一。
所以过去几年全世界的AI公司拚命砸钱，就是要把模型做大、维度做深。
但当算力砸到一定程度之後，每多加一层带来的提升开始递减，代价却越来越贵。
这个时候，标注的价值出来了。
好的标注，相当於提前告诉模型：“这一类问题你不用在整个空间里盲搜，只要在这一小片里搜就行。”分布空间一被收窄，有限的层数就能算出更准的结果。
韩路一面前这堆反复的红，恰好是这件事的反面
具体拿这个任务来说，把三个已经上线模块里各自跑着的队列逻辑，抽成一套通用组件，还要保证迁移完之後一分现有行为都不能变。
模型训练数据里，单独某一套队列的代码有。业务层做抽象的通用组件也有。但“跨三个已经在跑的模块做无损重构”这种要求见得不够多，标注也太稀疏。
一次还要同时装下三个模块的实现加测试用例加“不许改行为”的约束，上下文窗口根本不够。空间又大、又稀疏、还不准。
模型只能一段一段盲猜，嚐试了这麽久，没搜到那个窄窄的正确解。
但这不是说这个产品的方向错了。
只是基於现有的模型能力，它没有做足够的优化。
但这是AI未来发展的方向。
给AI工具赋能，让AI工具承担更多的工作。
韩路一很期待。
“小姜。”韩路一说道。
“嗯嗯？”姜亦心小心翼翼。
“东西做得很好，你找几个人完善一下，内部先用上。”韩路一说着合上了笔记本电脑，递给姜亦心。“可是刚才苏总试的那个场景……”姜亦心有点犹豫。
苏念念微微笑了一下：“所有的工具刚出来的时候都有这样那样的问题，有它能做的，也有它做不了的“先当内部工具用着，把使用反馈都收集起来。”韩路一补充了一句，“尤其是失败的例子，对我来说更有用。”
姜亦心突然想起一件事，又问道：“那和Neus的合作呢？”
苏念念看了韩路一一眼，转过头和姜亦心说：“两个都由你负责，但是优先这个，合作那边如果你管不过来了，可以来找我。”
“嗯嗯！”
“回去吧。”
姜亦心抱着笔记本电脑，走到门口，她回了一下头，两个老板都没动。
她从外面带上了门。
会议室里只剩韩路一和苏念念。
“念念，我突然有一个感觉。”
“什麽？”
“招到对的人之後，就不停地有好东西自己蹦出来”
“好爽。”
韩路一说完，脸上露出了笑容。
这就是资本家的快乐吗？
苏念念也欣慰的笑了一一小姜确实是个人才。
会议室的门合上。
韩路一一个人坐了会儿。
窗外夜色深了，前滩那条江的倒影在玻璃上晃。
他回想着姜亦心今天给他带来的惊喜。
现在最大的限制来源於模型的能力。
既然这样，等我给它装个好脑子。
韩路一拿出手机，上面是程远下午发来的微信：
“韩总，我们对上次您带来的展示原型很感兴趣，不知
-->>(第4/5页)（本章未完，请点击下一页继续阅读）