“靠多层LSTM，目前根本做不到这个程度。”
LSTM，长短期记忆网络，是目前自然语言处理领域最主流的架构。
伊利亚在谷歌大脑的时候就是这个领域的顶尖研究者，他写过的几篇关于序列模型和循环神经网络的论文，至今还是这个领域的基石。
没有人比他更清楚LSTM能做到什么，不能做到什么。
“上下文理解？可以有。简单的多轮对话？也可以有。
但是精确的数学推理……这是两回事。
如果那个初中生跟你说他用的是标准框架，那要么是你没看清楚，要么就是他做了某种欺骗。”
格雷格在旁边点了点头，他也是从技术岗上来的，对这个问题有相同的判断：
“而且一个人写的代码量能有多大？”
萨姆没有马上表态，他靠在椅背上，手指在桌子上轻轻敲着，看着马斯克的脸，像是在判断对方是不是在夸大其词。
马斯克被三个人轮番质疑，也不着急，靠在椅背上，把脚翘起来，慢悠悠地说：
“我亲眼看到的。”
“那你问他了吗？用的什么框架？”伊利亚问。
“我没问技术细节。”
马斯克耸了耸肩，
“我当时光顾着惊讶了。再说了，就算他告诉我，我一个搞物理和商业的，也未必听得懂。”
伊利亚沉默了手无意识地转着一支笔。
格雷格忍不住又开口了：
“假设，我是说假设，那个初中生真的做出了你说的那种智能体。
那只能说明一种可能，他用的根本不是多层LSTM。”
“那能用什么？”萨姆问。
格雷格把目前主流的几个框架都过了一遍。
循环神经网络、卷积神经网络、生成对抗网络、变分自编码器……每一个他都能说出至少三个不适合做精确逻辑推理的理由。
他最后还是摇了摇头，语气里带着一种不想承认但又不得不承认的无奈：
“我不知道。但绝对不是我们已知的标准框架。”
一直沉默的伊利亚忽然开口了。
“如果他用的是别的框架模型呢？”
所有人都转头看着他。
伊利亚继续说：“我们一直用LSTM来处理序列数据，因为它在时间维度上的记忆能力是最好的。
我们在这个框架上修修补补好几年，优化了一代又一代，效果是有提升，但天花板一直在那里。”
“可是如果，如果有人从头开始就没走LSTM这条路呢？如果他觉得LSTM根本解决不了根本
本章未完，请点击下一页继续阅读！