被自己大腦鄙視了是種什么體驗？
其實沒什么，只是腦子里突然涌現(xiàn)出無數(shù)需要學(xué)習(xí)的科目。
排在最前面的，都是他接觸過的，比如算法導(dǎo)論、計算機視覺、大數(shù)據(jù)挖掘這些，等等，為什么他還需要學(xué)習(xí)大型集成電路設(shè)計？這需要掌握的東西就多了，數(shù)學(xué)方面的復(fù)變函數(shù)還好說，但還涉及到量子力學(xué)、數(shù)字電路、高頻電路、信號與系統(tǒng)、材料化學(xué)、光學(xué)精密工程、微電子加工工藝……
除此之外還有更基礎(chǔ)的EDA軟件設(shè)計。
擴展內(nèi)容還有仿生學(xué)、生物材料學(xué)、生物化學(xué)、神經(jīng)生物學(xué)、遺傳學(xué)……
而此時，站在尹晨露的視角，只覺得寧為在說出自己的目標(biāo)后，突然就呆住了，愣愣的盯著自己，好在并不尷尬。因為尹晨露能看出寧為并不是被自己的美貌所吸引，因為那眼神完全沒有聚焦，明顯已經(jīng)魂游天外。
“那個，寧同學(xué)，寧為！”
“哦！不好意思啊，這邊采訪完了吧？我突然想到點事情，要去趟圖書館了。再見啊，尹姐。”
說完，壓根沒等尹晨露有反應(yīng)，寧為便站起身，匆匆而去。
愣了半晌，尹晨露突然扭頭沖著攝影師問道：“剛才攝像機關(guān)了嗎？”
攝影師撓了撓頭，然后無奈的攤了攤手，看來他手快了。
不過側(cè)頭時，眼角余光正好滑過教室角落上的一個攝像頭，紅燈亮著，應(yīng)該是開著的，于是指了指：“找學(xué)校要監(jiān)控？”
“有的話最好！我覺得這畫面很有教育意義！”
……
寧為可不知道他的心血來潮成了衛(wèi)視臺主持人覺得很有教育意義的一幕，他只是下意識的希望趕到圖書館，翻一翻相關(guān)的書籍，深入了解一下為什么人工智能領(lǐng)域需要這么多的知識才能算入門。
到不是說看過書后就能想通這些，而是借助看書時大腦自動構(gòu)架的知識體系，來確定自己到底選擇了一個多么變態(tài)的努力方向。
沒讓寧為失望，當(dāng)他大概瀏覽了幾本書后，他大概明白了大腦的意思。
他的大腦認(rèn)為想要實現(xiàn)真正的人工智能，必須要是硬軟件兩者一同革新，才能可能最終實現(xiàn)，兩者缺一不可。
所以軟件方面，他需要重新系統(tǒng)的梳理各類算法跟數(shù)學(xué)知識，比如數(shù)學(xué)方面的線性代數(shù)、概率論、拓?fù)鋵W(xué)、泛函、優(yōu)化論等。
硬件方面他需要去設(shè)計全新的芯片，而且他的大腦認(rèn)為既然要做自己的方向，現(xiàn)階段的EDA軟件肯定是達不到要求的，所以他得重新設(shè)計，寫一款設(shè)計智能芯片專用的EDA軟件出來。
光是這個軟件就是個天坑，主框架、元器件庫、工程庫、各種接口、工具……
這還只是純技術(shù)方面需要的東西。
成熟的EDA軟件還需要提供匹配的仿真工具，為設(shè)計出的芯片提供各種模擬調(diào)試環(huán)境。這就已經(jīng)不是單純的技術(shù)問題，更是一個經(jīng)驗領(lǐng)域。
因為仿真環(huán)境需要大量的數(shù)據(jù)支撐，需要像英特爾、臺島積電、三星電子等等芯片制造商提供詳實的數(shù)據(jù)支撐，來保證提供一個結(jié)果不會偏差太多的仿真測試。
畢竟不可能芯片設(shè)計出來就直接拿去流片，要知道流片是很昂貴的，再有錢也禁不起這么造。
有了EDA軟件還只是起步，接下來是芯片結(jié)構(gòu)設(shè)計。
這一步很難，難就難在要繞過被人的專利，設(shè)計出一個新的智能芯片架構(gòu)。整體架構(gòu)出來了，還有各個細(xì)節(jié)部分，比如每塊芯片都要去設(shè)計引腳定義、規(guī)格、功能，然后用來豐富自家的元件庫。
這個過程還要給芯片寫好底層驅(qū)動，各種通訊協(xié)議。
然而這些跟接下來的難度比起來都是浮云，因為關(guān)鍵在于芯片不止要設(shè)計出來，還要能造出來。
所以他的大腦還希望他能學(xué)習(xí)精密光學(xué)、材料化學(xué)，微電子加工。
另外，他的大腦還覺得實現(xiàn)人工智能還有另外一條路，那就是仿造人類，通過生物材料設(shè)計一種跟人腦通訊差不多模式通過神經(jīng)介質(zhì)來傳遞存儲信號的人工智能實現(xiàn)模式，這又是一個全新的領(lǐng)域，所以需要各種生物學(xué)知識跟計算機知識。
至于現(xiàn)階段比較流行的所謂深度學(xué)習(xí)跟神經(jīng)網(wǎng)絡(luò)，他甚至認(rèn)為沒什么太大的科技含量，其大半功能的實現(xiàn)，都是通過不斷的回歸，不斷的修改權(quán)重，最后給出最優(yōu)解。
所以五個小時后，從圖書館走出的寧為整個人都被震撼到了。
他感覺自己的大腦肯定是對自己的想法有什么誤解。
他所說的人工智能領(lǐng)域，只是研究其中一個分支，但他的大腦卻似乎希望他成為一個全能的超人，從硬件到軟件，從設(shè)計到生產(chǎn)全部搞定？
這特么怎么可能？
現(xiàn)代工業(yè)是個分支極細(xì)的專項化工業(yè)體系，以世界最先進的阿斯麥光刻機為例，其部件就包括了美國Cymer的光源，德國通快的激光器，德國蔡司的光學(xué)系統(tǒng)，英國Edward的真空系統(tǒng)以及德國的靜電吸盤技術(shù)，等等。
至于擴展到整個半導(dǎo)體領(lǐng)域涉及到的工業(yè)體系有去膠設(shè)備、熱處理設(shè)備、清洗設(shè)備、化學(xué)機械拋光機、精密量測設(shè)備、測試機、分選機、涂膠顯影、探針臺……
除了這些之外，還有四大核心裝備鍍膜機、刻蝕機、離子注入機跟最重要的光刻機。
或者他真的可以？
當(dāng)這個想法剛從腦子里冒出來，寧為就狠狠的甩了甩腦袋。
所有線全精通？那是瘋子才該有的想法。
到是可以從基礎(chǔ)做起，做到哪步是哪步。
很快寧為便打定了主意，既然想要往這個方向發(fā)展，那就做出點成果來，他可以嘗試從最基本的算法跟軟件做起。
當(dāng)然，得是他完成湍流算法這個項目之后。
好在近期湍流算法項目已經(jīng)不需要他全心趴在這一塊了，每天反饋的數(shù)據(jù)都會按照他制定的標(biāo)準(zhǔn)上傳到服務(wù)器上，一些代碼細(xì)節(jié)上的調(diào)成，新配的三個研究員跟余興偉也足以勝任，關(guān)于湍流算法的第一篇正式論文也差不多完成，等到填補并解釋足夠的數(shù)據(jù)樣本之后，就能再次投稿了。
他也的確可以花些時間重新開題了。