之所以神经网络学习“学得慢”“学得费劲”原因在于
曾经的弱人工智能所主要一来的深度残差神经网络还没有逻辑思考、联想和推理的能力。
而借助于强人工智能则完全没必要有这方面的担忧。
一旦强人工智能能够实现突破，不光是传统的神经网络学习训练更加容易。
甚至于借助于强人工智能还可能助力于基础学科方面研究的突破。
这些都是人们追求强人工神经网络的原因。
除此之外科研人员追求强人工网络还有很多原因。
比较值得一提的是。
部分科研人员认为生物学上的人类是有劣根性。
人类渴求更加完美的自己。
很多时候对强人工智能甚至是超人工智能的渴求同样也是人类在追求更加完美的自身而已。
这不光是这一单一神经网络的局限性，事实上也正是弱人工神经网络的局限性之所在。
《剑来》
理想很丰满，现实很骨感。
前世人们都没搞出强人工智能，更不要说在神经网络学习方面各个方面都略有滞后的今生了。
现在的科研情况不要说是强人工智能的实现，事实是就连弱人工智能都玩明白。
时下科研人员鼓捣出的神经网络学习算法仍然缺乏人类这样的联想、记忆、学习、推理等高级功能。
想依靠这样的算法搞弱人工智能都费劲。
真不知道为什么这种情况下居然还有人操心什么人工智能伦理和机器伦理所带来的风险。
事实上就算林灰借助于现有的信息优势做文章也只能对弱人工智能做文章。
而对强人工智能同样手足无措。
这种情况下林灰倒是觉得时下的人们与其操心这些风险之类的不着边际的事情，还不如真正搞搞具体实在的研究。
退一步讲，纵然是有风险就望而却步吗？
世界上有什么事情是完全没风险的？
林灰倒是觉得，人工智能有适当的风险反而有助于人工智能正确的发展。
举这样一个例子，神庙逃亡游戏内容和大多数跑酷游戏都非常相似，越过重重障碍和陷阱，不断向前飞奔。
不过在神庙逃亡里玩家控制的是一个印第安纳琼斯似的人物，在热带雨林的某个古老神庙中逃出，被神庙中一群猴子模样的恶魔守卫追赶。
人物是自动不断向前飞奔的，而玩家则需要控制他避开逃亡路上遇到的各种危险。
一路上各种危险，反而让人更加专注于跑酷本身。
同样的道理，当某项技术有招致一定风险的可能的时候。
适当的已知风险反而可能有助于研究。
因为科研人员或许反而会自觉的远离相应的风险。
从而更加专注于算法逻辑和应用场景。
……
或许这种表述也不够严肃。
但林灰是始终坚信的发展中的问题要靠发展来解决。
不能因为发展可能存在问题就拒绝发展。
人工智能方面的发展同样是如此。
纵然人工智能可能引发一定层面的争议。
但林灰同样相信很多科研人员同样和他持有相同的观点。
至少林灰是知道的，尹芙·卡莉和他的看法是一致的。
能在未来的前行路上有同行的人自然是不错的。
某种程度上林灰也是需要有人一并同行的。
前世在媒体的撺掇下，关于人工智能的炒作可以说是蜂拥而至。
关于人工智能也各种说法却乱七八糟。
但这些宣传普遍将悬窗重点放在人工智能取代人类这种宣传上。
却没搞清人工智能真正的价值之所在。
人工智能真正的价值在于带来了对劳动力和生产关系之间的变革。
这才是其真正的影响深远的原因。
这也是为什么前世国家层面如此重视人工智能的原因。
以往涉及到劳动力和生产关系通常是什么形式呢？
不是改革就是革命。
作为能影响劳动力和生产关系的东西。
人工智能所衍生出来的内涵其影响不亚于一场革命！
在前世人工智能更是一度被认为是引领当时新一轮科技革命和产业变革的战略性技术。
在前世人工智能还被官方认为具有溢出带动性很强的“头雁”效应。
相应的文件更是直接了当地指出加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手。
前世官方的表述是这样的：
“人类已经历了蒸汽时代、电气时代、信息时代这三轮科技革命的浪潮，现在，新一代人工智能技术快速发展，正在掀起第四轮科技革命，推动人类社会迈向智能时代。
想一想蒸汽机对蒸汽时代的意义、电力技术和内燃机对电气时代的意义、计算机和网络技术对信息时代的意义，我们大概就能理解新一代人工智能技术对智能时代的意义。”
不难看出前世对人工智能技术是相当重视的。
也无怪于人工智能在前世被相当看重。
在前世人工智能在很多领域都表现出了相当强的水平。
空战，人工智能可以打败空军上校，这事儿发生在前世2016年——美国辛辛那提大学研发的人工智能系统阿尔法驾驶三代机F—15，对抗有20多年飞行经验的美国空\/军上校吉恩驾驶的F—22，结果是阿尔法获得胜利；
医疗，人工智能可以打败资深医生，这事也发生在2016年——Ibm的人工智能“沃森”学习了海量医学论文后，在人类医生们对一名病人束手无策的情况下，10分钟内判断出病人得的是罕见白血病，并给出了治疗方桉；
围棋，人工智能可以打败世界冠军，这是发生在前世2017年的事——围棋人工智能AlphaGo以3比0打败世界冠军kEJIE；
科研，人工智能可以打败科学家，精准预测蛋白质高级结构，这是发生在前世2018年12月2日的事——deepmind公司推出的人工智能AlphaFold在全球蛋白质结构预测竞赛cASp中一举战胜各国人类专家，夺得冠军。
因为时空的一些扰动，这些前世发生的事情在今生虽然未必能够如约而至。
但前世这些事情却充分说明人工智能的巨大潜力。