得上很大，但对于完整的脑电图谱数据而言，未免就有些杯水车薪。
“其实也不是没有办法。”
苗小喵这时却仿佛想到什么，提出了一个主意。
“什么办法？”
林语来了兴趣。
“ai训练，咱们直接训练一个ai，将我的脑电波动与实际输出指令代码作为训练数据，训练ai进行识别判断。”
苗小喵提出了自己的办法：“如果训练出的ai能完成高精度的对照识别，那就意味着它整理出来了最准确的脑电图谱和预处理算法，我们再从ai身上进行提取。”
“好想法！”
林语听罢也眼眸一亮。
哪怕以他的角度来看，苗小喵的这个建议也非常有可行性。
前文已经说过，ai的判断识别本质上其实都是猜谜。
人类和机械从认知上就是截然不同的，人不可能教导ai任何东西，ai本质上是通过算法去猜谜。
例如，让ai分辨一个东西是苹果还是梨子。
人不可能给一个程序解释和表达苹果和梨子的概念，更没办法和教孩童一样去教ai怎么分辨。
所以也就有了训练。
如同一个暴君式的老师，不负责教导，只给出题目和参考答案，让ai自己去做题、然后对照参考答案。
在亿亿万的题海训练里，让它自行摸索与总结出如何判断、准确来说是如何猜得更准的参数和公式。
这种方式得出来的是一个黑盒子，设计它的人都不一定能知道内部的具体情况，而且所形成的也并不是真正的推导答案，而是猜。
就像某些人考试做选择题的口诀——三短一长选最长。
训练出来的，是一套让它猜得更准，尽可能接近正确答案的参数。
但不管如何，就算是猜，它也是无限趋近于正确答案的猜，在足够的训练数据与次数支持下是能达到极高准确率的。
也就是说，将这个ai训练出来，就有了一个彻底掌握意识与机械语言、趋于完美的翻译专家。
在苗小喵身上冒险他不愿意，但对于一个训练出的ai，无论是测试还是拆解自然都是任意施为。
到时候以他掌握的众多学识与工程技术，加上苗小喵与薛思巧的从旁协助，完全能以这个‘翻译专家’为试验品，重新推导设计出真正的脑电图谱与预处理技术。
但是有个问题。
“训练这种程度的ai，需要的算力可不一般。”
林语看向苗小喵。
想要保持真正的准确与高精度，那就对这个ai要求非常高。
想训练出这种程度的ai，需要极其庞大的算力资源和参考数据，供给它去重复的、同步的进行巨量训练。
“所以我现在才提出来。”
苗小喵也点头，与林语对视后又气馁的一顿：“……好吧，其实也是刚好受启发想到。”
“这下，就更加不得不将钟启航手里的超算中心拿下了。”
林语自然知晓她所说的受启发是指什么，相视笑了起来。
没有什么比钟启航手里的超算中心更适合训练ai了。
大概也正是因为有可能掌控住这个超算中心，苗小喵才会发散思维想到这种方案。
“今天你和薛姐可真是一人送了我一份超级大礼啊。”
林语感慨的又伸出手将苗小喵的发丝糅成一团乱遭。
超算中心。
演算芯片技术。
还有真正能掌握脑电交-->>