怎么让AI和神经网络效率更高？

       本人是擅长系统与产品设计，但是对人工智能深入了解后，发现AI目前发展好像有一些局限，市面上的AI好像走错了方向。如果大家对我的观点有想法，期待您与我交流。

        自AI与神经网络问世以来，AI的研究好像日渐深入，但是目前好像都只是局限于拼算力，没有创新性的神经网络与AI，以openai的gpt-3为例，这一个通用性领域的人工智能，是输入了整个词库，已经广泛的学习了人类的知识，但是底层的东西并没有创新，没有质的变化，确实是“暴力美学”。

        人工智能的本质是仿人脑，但是人脑的学习能力的整个神经网络的效率却比AI强大很多，但是人脑的计算能力，连一台笔记本的百分之一都没有，所以AI并不是纯靠算力，也就是说，目前的算力已经完全够了，我们应该研究和创新的方向是怎么做出学习能力更强的神经网络。

        比如市场上的神经网络，玩一个游戏，我们给他一个规则，他需要尝试十万次、百万次才能找到逻辑，知道怎么做才能赢。而十万次百万次本身就是“穷举了”所有结果，这也是不具有智商的。什么是智商？这个问题只需要看人有多高效了，人可能都不需要尝试，拿到题目、规则，我们动动脑子可能就知道这个游戏的奥妙在哪，策略是什么。

        所以，ai的发展就卡在了神经网络不够科学，系统效率不够高。智商越高，其实需要的学习次数和算力就越少，这也就是人脑耗能为什么低。如果AI行业要想再有质的飞越，那么神经网络系统的效率就是最值得思考也最有商业价值的方向。

       欢迎您私信我交流！！！！！！