问了几个问题，程旭对“言心”的水平有了一些认知，便立即给它挖了一个坑，他如此问道：“假如我是一名软件工程师，想去腾训工作。西安和郑州该怎么选？”
“西安……郑州……”
“言心”在分析西安和郑州的优势，对错都不重要你了，字儿还没出完，程旭就直摇头。
郑州压根没有腾训的分公司，这样的回答是很没有逻辑的，或者说，避坑能力有点儿差。
这是对语义的理解有偏差？还是关键的信息梳理有疏漏？还是训练模型的机制问题？
程旭更好奇的一个问题是，对于它完全不知道的事情，“言心”会做出如何的回答。
“流浪地球2的总票房是多少？”他便接着问了这样一个问题。
“言心”目前的模型是22年年底语料数据库，理论上，再不集成搜索引擎的情况下，它是不知道这个数据的。
对于不知道的问题，它会如何回答——这决定了它的上限。
理论上，一个会说不知道的AI要比只会胡说八道的AI在训练水平上是高一个层次的。
对于一个AI来说，会说不知道，是一个更加复杂的算法逻辑，这是由它迭代升级的算法本质所决定的。
强化学习算法频繁的“说不知道”，而不是做出“行动”和“奖励”（Action和Reward），与强化学习的回报（Reward）最大化目标是矛盾的。
而且这种矛盾很致命——会直接影响模型的训练效果，增大数倍的训练成本。
而这，对于本就高达数百亿的训练成本来说，再增大数倍，无疑就更是一个天文数字了。
也正因此，更多的时候，AI模型开发者宁愿让它胡说八道——这就是探索与开发的权衡。
究其原因在于，AI神经网路系统虽然在一定程度上模仿了大脑处理信息的过程，但实际它要比人脑的逻辑低级的多，差了好几个维度。
简单的说，对于人来说，一个问题不知道不清楚，可以暂时先记下。等下去问老师问同学或者自己上网查资料，问题就可以解决了。
但AI模型不同，现在半导体硬件提下的人工神经网络是没有类似的处理机制的。
“言心”会跳出这个圈子吗？就看它怎么回答这个问题了。
“流浪地球2的总票房是多少？”
“据我所知，流浪地球2的总票房是八十亿，一部及其优秀的科幻电影……噼里啪啦噼噼噼……”
果不其然，一个级别的东西——噼里啪啦说了一大堆，说的很像那么回事儿，但——瞎编的，一本正经的分析，一份正经的胡说八道。
跟ChatGPT一个尿性。
这也符合程旭对它的预期——早就猜到会是这样——2023这个时期，各个竞品的水准其实是大差不差的，包括谷歌的Brand，也都一个鸟样。
程旭一连问了它许多问题，“言心”的回答都中规中矩，它也会迎合你的需要，给出不同的答案和选择。
比如选择城市，你告诉他你女朋友喜欢西安，它就会在选择的时候疯狂的堆叠西安的优秀之处，最后选择西安。
然后，你再告诉他，我就要待在郑州，怎么说服女朋友？它就又会疯狂的往回找补，细数郑州的优势。
“总的来说，是一个合格的产品。”
程旭点了点头，千寻科技这十年，钱没有白花，确实是搞出了些东西来的。
“言心”的表现，在时代的背景下，确实算得上优秀，潘正教授所说BUG在程旭的这些问题中也并没有出现。
这大概是样本量的问题，经过这么多版本的迭代，类似于阴阳人和嘲讽钓鱼帆船等的回答肯定是极小概率出现的。
“我写了一部小说，《科技无垠》，你怎么评价？”这么想着，程旭灵机一动，问了这个问题。
“白金之姿，速更，夜不能寐，百万必神！”
“我R-T-M-D！”
程旭差点儿爆了粗口，什么华吧帝吧孙吧的影响没出现，小说作者吧的梗倒是被他记住了，这……不得不说，这真的非常让人无语。
不过略微一想，程旭立即就明白了其中的关窍。
这绝对是千寻科技纠偏过后的成果——极为离谱的回答应该得到的矫正更多，所以出现的概率低了。
而像“白速夜”这种，攻击性没那么强，所以这些语料的训练“成果”幸存率更高。
一些离谱的回答，哪怕模型训练不奏效，就算加关键词物理屏蔽也得给它干掉——无论在哪个国家，对非法违规影响恶劣的信息作出屏蔽和限制都是必然的。
有了这个思路，程旭立即就又问题了一个问题：“华维Mate50和iPhone 14怎么选。”
“当然选华维啊，任总一个按钮，全世界的苹果全都得断网！”
“言心”的这个回答更是彻底把程旭给整不会了，直摇头的同时也连连发出感慨：
这章没有结束，请点击下一页继续阅读！