毕竟是少数，大部分人，以及电视前的观众们，那些专业名词...听着听着就脑内自动翻译成了：让我们.：.走进科学..：
比起之前三个阶段，这部分要缓和许多。
但也挺好的，做事如做人，不能一味蛮干。
要有节奏，有缓有急。
对了，至於衬底生成，暂时没提。
至於最後的阶段，则交给了最抽象的「量熵算法」部分。
主讲人，研究院首席数学家：卢薇。
在回哈工大进修的两个月里，卢薇又发表了三篇论文，虽然不如之前那麽重要，但学术界许多人意识到，她正在将目光转向全新的领域，并有了自己的体系。
这部分内容，主要是对於「大数据」领域，比半导体还要硬核..：
半导体至少能听见个「良品率」这样好理解词...於是大家再度开启了「走近科学」
模式.：
但最後讲到应用的时候，观众们却发现，这似乎也是一个了不得的东西。
所以...研究院是有多少「牛逼玩意儿」？
目前来说「量熵算法」是一种数学工具，而演化来的「量熵大模型」，也仅止於「大数据处理与模型训练」这一层。
它无法做到後世那种「自然语言大AI」的程度，但却在专业领域能有自己的一席之地。
卢薇讲解了三个下一步计划：
1、医疗影像辅助诊断：与医院联合，通过数以亿计的X光片、CT影像来进行图像训练（抹除患者隐私），辅助医生进行判断，减少漏诊概率、缩短诊疗时间、降低专业门槛。
2、金融风险预测：与之前类似，不过这部分有可能产生收益，换一个说法..也可以称之为「量化金融」。
并非是研究院想要介入金融领域，而是在网际网路时代刚开始腾飞的当下，社会上成批量的「数据」，本就不多。
大数据大数据，你得先有数据，才能训练吧？
在考虑到公开性、历史可追溯性、准确性等，金融领域的数据是最方便的..：
至於能不能挣钱，反倒是不重要，至少目前是这样。
3、气候预测：和金融部分类似，也是少数「量大管饱、有海量数据」的领域，当然最重要的，是卢薇本人的志向，只是发布会不需要与众人细说。
至於「鸿图0S个性化内容推荐」的方向，作为系统方，没必要撩拨「数据安全」这根弦。
本章未完，请点击下一页继续阅读！