显然对于山姆·奥特曼来说，华夏人的人工智能技术是有特指的。

    也不止是豆豆，虽然豆豆是全世界最成功的人工智能产品，而且名声很大。但其实就目前来说，一般人只能在网上接触一下豆豆，没可能接触到豆豆的源代码。

    二般人其实也一样，倒是群智的框架能接触到，两者走的路线并不完全相同。

    比如chatgpt的逻辑中不存在因果耦合，其最核心的工作原理是通过分析大量文本数据来预测给定上下文中最可能的下一句话或词汇。

    这种基于统计模型的学习模式缺乏对真实世界的理解。

    起码就目前而言，chatgpt还没有构建出内在的世界模型来理解因果关系。

    一个最简单的例子，当有人向chatgpt提问，苹果熟了又没人采摘会发生什么？回答大概率是正确的，掉在地上。这并不是说chatgpt理解了重力导致的因果关系，更大的可能是它学习过关于牛顿发现重力的那篇文章。

    这跟群智的因果解耦框架不同，群智框架其实更接近世界大模型框架，依赖的是因果关系的学习。简单来说，就是不断的通过结果，倒逼原因的学习方式来掌握知识，以及加深对这个世界的理解。

    这也是如果有人孜孜不倦的给chatgpt喂养错误的数据，就能让人工智能在某个问题上不停犯错的原因。

    当然并不是说群智框架就是完美的。

    事实上群智框架也会出错。只是犯的错误往往出于对因果关系错误的理解。

    比如之前网上就曾曝出过一個笑话，有人问接入了群智框架的小艺，如果把冰块放进刚烧开的热水会发生什么？小艺的回答是，冰块会变成蒸汽，因为沸腾热水可能使冰块蒸发。

    这就属于典型的因果关系理解错误。毕竟按照物理过程，冰块会先在热作用下经历融化再被加入到沸点，才能变成蒸汽。

    两者的区别是要让chatgpt给出正确的回答，需要训练数据时生成文本。群智框架只需要让它彻底能理解融化跟升华两种不同的概念就够了。

    对这种简单的问题解答，显然前者更有优势。前者只要不停告诉chatgpt，冰要先融化成水，下次就能给出正确答案。

    但后者要各种举例，比如让系统理解干冰之所以会直接变成气态，是因为在地球标准压力下，二氧化碳没有液态存在的稳定区。所以会直接从固体变为气体，但水则不一样……

    但优劣不能如此简单的对比。

    因为一旦群智框架通过因果推导，理解了整个过程，下次就不会再犯同样的错误。但前者如果有人稳定的，坚持的，不停喂养错误数据，下次依然可能犯错……

    对于山姆·奥特曼来说，目前的好消息是，chatgpt已经喂养足够多的数据，起码在现阶段，也许能做得不比群智框架差多少。但坏消息是，还有豆豆这种逆天的存在，以及还要面对金主的威胁。

    真的，如果不是有那么多的禁令限制，山姆·奥特曼说不定便也屈服了。

    让他有底气发出那两声“呵呵”，终究是因为对面这家公司恰好是被严格限制的。别说投资对面了，微软如果真想跟对面眉来眼去，首先要迎接的是来自资本主义的铁拳，哪怕微软有着充足的动因。

    现在世界的格局就是这样，起码在国际层面，发展到了微软、有为这种层级的公司，早已经不可能从纯粹的商业角度来做任何决策，更别提微软还是上市企业。

    就算萨蒂亚·纳德拉敢乱命，股东跟董事会分分钟能教这个三哥裔的ceo该怎么做人。

    只是嗤笑之后，山姆·奥特曼显然也并不想把眼前这位得罪的太狠了，深吸一口气说道：“好吧，萨提亚，我们会考虑你的意见，也会尽力找到双方都能接受的合作方式。但我们必须明确，openai的技术推进不可能被单一的利益关系所束缚。”

    萨蒂亚·纳德拉面沉如水，但也只能不咸不淡的回了句：“希望你能够慎重考虑。如果继续这样下去，openai很可能将失去曾经最重要的支持者。”

    不欢而散。

    约谈的结果就是没有任何结果，但并不是没有收获。起码双方都大概了解了对方的态度。能不能有一个合适的解决方案另说。

    当然，这场谈话属于机密。

    除了当事人外，没有第三人能听到。

    只是两人都没，其实也不可能注意到，当两人山姆·奥特曼站起来告辞后，办公室角落里wifi代表信号传输的灯光闪烁的要比平时稍微频繁了些。

    ……

    “我代表西林数学研究所非常欢迎大家的到来，同时也感谢乔教授把这次代表荣誉的机会给了我，来为大家介绍一种新的加速器理论，以及我们用超算验证的相关结果。”

    西林数研所八楼的中型现代化会议室里，爱德华·威腾坐在主席台上，准备正式向来访的专家考察团介绍新型加速器的理论基础跟超算模拟过程以及反馈的数据。

    其实不需要太多准备，理论向的东西，大家吵吵闹闹如此长时间，早已经烂熟于心。

    对于参加过无数场报告会的爱德华·威腾来说，这种介绍工作，本就属于他的长项，而且他的身份也正好能镇得住场子。

    而且ppt也是豆豆做的，而且还能根据需要做修改，非常方便。

    “这次的介绍分为三部分，第一部分是理论基础。相信来之前大家已经都对数学的交织性有所了解，接下来理论部分，我将从粒子运动方程、量子隧道效应的数学描述，以及等离子波动方程根能量反馈系统，来探讨引入交织性后的理论框架。”

    “第二部分是关于我们的新型加速器验证设计跟算法介绍。包括理论建模，模拟软件的选择，等等。值得一提的是，我们使用的软件是用于多物理场耦合模拟的comsolmultiphysics改进款，改进的部分也有详细的介绍。”

    “第三部分是相关成果的汇总展示，以及我们已经针对新加速器的制造做的一些前置性准备工作。其中各种关键构造的材料选择，以及已经找相关生产厂家安排的一系列工业测试的数据……”

    爱德华·威腾话说到这里，台下顿时有些不淡定了，窃窃私语的嗡嗡声，甚至足以打断台上的讲话。好在这位诺奖、菲尔兹奖双大佬也并不意外，只是笑咪咪的坐在那里，半点不觉得着恼。

    毕竟他之前也是被震惊到了，台下这帮人的反应恰好是希望他看到的。

    看吧，这才是正常人该有的反应。

    都像乔泽一样，那大家不要活了。

    “好了，大家有什么问题，可以现在先随便问问，当我开始正式讲解的时候，希望你们都能保持安静。”

    “我有问题，威腾教授，你说已经安排相关厂家进行过工业测试数据是什么意思？”

    几乎就在爱德华·威腾话音落下的瞬间，张起歌便站起身开口提出了这个问题。

    “就是字面上的意思。好吧，你应该庆幸今天不是乔来主持这次报告会，否则的话，他大概懒得理会这种问题。嗯，我的准备的ppt里有相对完整的报告。

    所以你们很快就能看到这些报告，甚至还能直接向那些被选中的厂家验证，所以请有些耐心。虽然这些并没有我什么功劳，都是伱们的人工智能主导的。没错，就是那个叫豆豆的小东西。”

    台下再次哗然。

    坐在会议室最后面陪听的白院长，此时已经完全控制不住脸上的表情，一脸的褶子此时像朵盛开的牡丹。

    京城来的专家又怎么样？院士又怎么样？诺奖获得者又怎么样？还不都是一群没见过世面的家伙？

    说起来白子喻绝对是今天会议室内所有人中，除了爱德华·威腾外，对乔泽信心最足的人。毕竟他是亲眼见证过，有了豆豆介入科研管理之后，学校各个实验室的效率有多高。

    尤其是新上任的张校长来了之后，直接大笔一挥，要求学校所有实验室，不管是否跟西林数研所有合作项目，都强制并入豆豆的科研管理体系之后，据说连科研资金的效率分配都提高了。

    毕竟没人比豆豆更敢花钱，敢干事。

    好在今天会议室里都是大佬。很快大家便都冷静了下来，且各个都变得更为精神了几分。

    这些可都是好消息，而且还是那种大好消息。

    虽然这种好消息从一个外国友人传入他们耳中，给人的感觉有些怪怪的，但消息本身对于今天现场这些人来说，已经能帮他们抵御一切负面状态……

    嗯，除了那恼人的推导过程。

    ……

    有一个学术研究向的冷知识，数学跟物理在思维方式上有着天差地别的不同。其中最大的区别就是严谨性。

    数学是需要绝对严谨的，在研究跟推导过程中，要求推论必须绝对正确，任何一点小瑕疵，推导出的结构都可能导致整个定理的论证过程不被认可。

    物理学则是不严谨的，因为其思维过程跟数学研究完全不同。

    以牛顿为例，看到苹果掉下来，这是现象，然后发现任何东西，都会往下掉，这是尝试总结出一些规律。然后根据观察到规律，就可以大胆假设了，比如不管我看没看到，总之地球上所有东西在不受其他力干扰的情况下，都会落到地面。

    当有了这个假设的时候，就需要找一套数学工具，来描述跟解释这一假设。这种数学工具可以是自创，当然也可以是借用数学家的研究成果。

    值得一提的是，在物理学家推导的这一过程中，一般不可能太过严谨。毕竟用数学描述现实世界，本身就需要大量的假设。在这些假设之下，会推导出更多的结论，也让理论越来越完善。

    直到这一步，要正式开始建立理论体系的时候，物理研究才开始严谨起来。因为这一步往往需要数学家来完善出一整套数学工具，来将猜想、假设，证明成定理。

    不管是万有引力定律，以及之后的牛顿三大运动定律，又或者量子物理的提出……其实都是差不多的过程。

    尤其是微观领域，其实到现在还有很多现象，大家都是知其然不知其所以然。

    比如量子纠缠和非定域性；波函数的实在性……

    这也就是乔泽之前对质量间隙的解释，补充了量子场论的数学基础，否则的话描述粒子物理的主要框架，依然没有严格的数学基础。

    所以搞理论的物理学家，对于严格的数学推导过程，尤其是加入了抽象至极的数学交织性推导过程，是真有些敬谢不敏的感觉。

    没错，就是听不太懂。

    本来应该很熟悉的公式再绕了一圈之后，已经完全变了模样，非常不友好。关键是那些变形推演的步骤还很复杂，看懂需要极强的数学功底。

    当然也不是说搞物理的数学都不好，主要是真没那么精通，复杂的论证过程让人烦躁。

    好在爱德华·威腾是懂物理学家的。

    对于理论的推导过程，只是泛泛的讲了半个小时，就直接转入关于加速器的算法设计跟详尽的验证过程。这也终于让台下已经昏昏欲睡的专家团们重新打起了精神。

    另一边，乔泽也被勾起了兴趣。

    跟瑞典皇家科学院的沟通，肯定不需要乔泽亲自去聊。

    拿到了爱德华·威腾跟杨选清的授权之后，就丢给豆豆去处理了。这种小事情豆豆从没出过任何岔子。

    只要大方向的道理在他们这边就足够了，让他觉得有趣的是苹果跟openai的合作。虽然这次合作还没有正式对外宣布，只有少数人知道，但这种事情显然瞒不过豆豆。

    正如之前乔泽跟李建高说的那样，在研究群智框架之前，他就对chatgpt有所了解，本质上这是一种生成式预训练变换器，属于一种自回归模型，主要还是用深度学习技术。

    现在乔泽并不确定openai那些研究人员有没有发现他们的chatgpt已经有了些改变。如果再加上微软跟苹果的竞争关系，让乔泽觉得事情似乎正在变得有趣。

    他虽然对商业方面的事情并不感兴趣，但豆豆的进化，却让他对这些底蕴深厚的大公司数十年的技术积累有了想法。

    现在的豆豆已经具备了辅助科研的能力，如果能够融入对方的训练模式，取长补短的话，也许能在未来更进一步。

    眼下似乎就是一个很好的机会，帮西豆证明，比如跟微软达成合作的话，有些东西就能正大光明的出现在所有人面前。