虽然家里面没在通知里说明具体原因，但召回的数学家研究方向部分趋同，还专门给陆明远打了电话，其实已经很能说明问题。这不难猜！
乔源研究的那几个项目两人都烂熟于心。
虽然乔源自觉拉了坨大的。
但在导师们眼里，能够引发国内这么大动静，必然是又出了什么了不起的成果。
实际也的确如此。
即便乔源是玩票性质，但自从乔源立项开始，许多人都对这个人工智能抱有极大的兴趣。
虽然早在十年前，阿法狗横空出世的时候，就已经迎来了人工智能技术的热潮。
国外的超级科技公司，谷歌、微软、亚马逊等等……也早已经深度布局这个赛道。
到如今人工智能也早已经发展得如火如荼。各种大语言模型，视觉生成模型，乃至于能做艺术创作的音乐生成模型，早已经走入了成千上万人的个人设备，成为许多创作者的辅助工具。
但极为反直觉的是，这些都是工程学上的成功。
到目前为止，这个世界还没有真正能指导人工智能发展的底层数学框架。
简单来说就是这个赛道没有理论指导，所有的大模型有一个算一个，都是在瞎摸索。
历史上这种情况很多。
当年蒸汽机发明的时候，其实也只是工程学的成功。
当时的影响跟应用范围其实很有限。
直到热力学定律出现，才真正开启了工业革命。
现在人工智能也是一样。没有ai第一性原理，所谓机器的深度学习就好像黑箱。
基于实验室的成功，大都是靠经验去试错。
看起来现在的人工智能已经很先进了，但遇到发展瓶颈就很容易抓瞎。
比如人工智能的记忆力问题。
哪怕只是微调新知识，也会导致覆盖了旧知识，长文档处理失真是普遍性问题。
一旦训练之后，就无法动态更新。长文档处理失真是家常便饭。
没有内生记忆机制的理论路线，导致隔一段时间，提同样的问题可能给出截然不同的回答。所谓的机器记忆无非是一个个向量数据库，而不是al本身的内生能力。
没有理论指导最大的问题还在于为了解决某个问题做了改动，往往会导致出现一堆的新问题。不止是语言大模型，视频、音乐类的模型其实也一样。
哪怕最先进的人工智能视频生成软件，给出一