第176章 這AI顯然是進化了！

  “我再確認一下，”紀弘問道：“申總這邊是提供了一個DUV的成熟方案，然後按照自己的理解，升級了一套EUV的方案，對吧？”

  “是這樣的沒錯！”申再平心裡此刻也有了一定的猜測了，但這個猜測過於大膽，於是小心翼翼謹謹慎慎的思索了一番，最終重重的點了點頭。

  “然後就是，各大零部件供應商的子系統相關數據，”紀弘看向了張博，這方面的東西是他在記錄。

  “嗯。”張博拿出了自己的平板電腦，找出了相應的工作筆記：“我和劉院士來到這裡，第一時間就利用科學院的關系，聯系和整合了EUV光刻機所能用到的所有零部件的供應商。

  “也是第一時間拿到了他們的產品文檔和參數，尤其是科學院的相關科研院所非常支持我們，產品研發的全流程數據都給我們了。

  “而這些都用於了AI的訓練。”孫博說道：“還有這個，你看看。”

  孫博遞過來的，赫然是他這一段時間的心得，也就是那本《如何駕馭類思維AI——以EUV光刻機的研發進程為例》。

  光刻機研發過程中的整體AI訓練他並沒有整理，但是各個零部件是怎麽突破的，他這裡邊記錄的就非常清楚。

  比如，光源系統。

  “鈦寶石13.5 nm極紫外光源系統是科學院下屬的幾個研究院聯合好幾所大學共同研發的，我們拿到這套系統的時候，它實際還不完善。”

  孫博介紹道：“最起碼用於光刻機是不夠的，高次諧波產生的過程能量轉換效率還非常低，無法維持光源的長期穩定。科學院也想了很多方案，但最終都沒有解決。

  “我們來看看，對於這個零部件，AI是怎麽思考的。”孫博已經習慣了說這樣的話，在他的眼裡，AI就是在思考：
  “看這裡，它首先判斷光源不穩定的因素是溫度漂移。”

  “等等。”紀弘打斷了他：“你怎麽知道AI是這麽判斷的？”

  “計算出來的啊！”孫博理所當然的說道：“截取這些結果片段，通過模型與函數分析，後續的這些改進都是圍繞控溫進行的。”

  孫博說著，還展示了他的數學運算成果，一個一個函數、模型、方法那是演化繚亂，紀弘也是直接擺了擺手讓他收起來。

  既然是通過定點采樣然後通過數學模型計算出來的，他就不看了。孫博在數學方面的造詣實在是太高，看也看不懂，但是結果應該是沒有什麽問題。

  “但是，控溫沒有解決問題。”孫博接著說道：“預計AI推演了得有十幾萬次，然後不得不放棄了這個方案。”

  紀弘點了點頭，他剛剛在整理數據的時候也發現這裡的這個AI模型具有的一種獨特的性質——會放棄。

  “但是你知道嗎，我後來問了我光電所的一個同事，他們的思路也是控溫，而且直到現在還在不斷的嘗試。”

  對於科研人員來說，一次又一次的失敗才是常態，什麽時候能夠成功，那不僅要靠實力，有時候還需要一點點的運氣。

  哪怕是愛迪生，在發明燈泡的時候，也嘗試了上千種的材料進行上千次的嘗試才成功的。

  人尚且如此，AI就更不用說了，嘗試幾萬十幾萬次失敗那是非常正常的事情。

  但是，AI嘗試是幾萬次的耗時，一天半！

  孫博驚為天人也是因為此——一天半，這個時間，科學院的那些人寫一次方案的時間都不夠！
  你這邊一次都沒搞完，AI模擬，十幾萬次都過去了！
  這樣的差距，怎麽能不令人絕望？

  “絕望什麽？”紀弘笑道：“AI的存在就是為人類提供效率支撐的啊！而且，AI的模擬推演，不一定百分百精準，他只是把可能性最大的方法給實驗人員篩出來了，然後再去實際生產驗證。最終還是要走實際驗證這一步的。”

  下邊的東西紀弘就看的非常明白了，溫控未能起效，AI也是嘗試了非常多的其他方案，而其他方案所需要的設備和硬件的參數和數據，更是需要實驗室的工作人員去補充。

  這些參數和數據應該是務必要求精準的，一旦有差，結果可能就會謬以千裡了。

  “也不盡是如此，”孫博立即又找出了一個案例：“比如這組數據，我們的工作人員在輸入的過程中出錯了，哪怕幾重校驗都沒發現。

  “但是你看，AI推演了幾輪，就告警了，它認為這個數據偏離不符合一般分布，直接讓我們確認。”

  “用的數學分析的方法？”紀弘問道，他知道，數學統計和分析在一定程度上是能夠篩出異常數據的。

  “是。”孫博又說道：“但是這種計算，我做不到。或者說，我做不到那麽快。”

  “跟AI比速度，你才叫找虐呢！”紀弘嘀咕了一句，然後繼續往後看AI的處理，AI最終敲定的方案是：
  引入校準光路，標定以及引導光路搭建與調節。

  而這個方案，實施起來非常之簡單，只需要在驅動激光的同軸光路上，加入一個單模低功率綠光激光器就可以了。

  不僅如此，這個方案還可以同時應用於穩定控制系統的標定。

  最終形成了這麽一套光束穩定控制系統，完成了相關的方案。

  AI是怎麽解決光源長期穩定運行這個問題的，紀弘雖然感興趣，但他更感興趣的，是這個分支的AI發生的這些個變化以及應用。

  根據申再平的工作記錄，以及張博按照AI的需求提供的各個零部件的參數以及整理出來的相關資料，依據這次EUV光刻機的研發進程，紀弘總結了如下的步驟：

  第一步：將DUV光刻機的成熟方案當作素材輸入到了訓練庫中。

  第二步：類思維AI將這個成熟方案分解成了若乾個模塊。

  第三步：單獨升級其中的關鍵模塊，甚至每一個模塊。

  第四步：將升級過後的模塊替換掉步驟一當中的原始模塊。

  第五步：重複第一步。

  ……

  “你們看似隻提供了一套DUV的成熟方案，和供應商的能夠應用於EUV的零部件，AI其實已經循環迭代無數次了。

  “不僅EUV光刻機的整體是如此，很多零部件的解決方案也是類似於這樣的過程。

  “都是經過幾萬十幾萬甚至更多次數的推演，才最終給我們提供的最優選擇。這個最優選擇，幾乎就是成功的選擇。”

  AI的過往歷史訓練數據十分龐大，僅僅整理出一部分，就耗費了一眾人一個星期的時間。而紀弘也是得出了這樣的結論。

  而這樣的結論幾乎讓所有人都瞠目結舌——這AI顯然是進化了！

  劉向東院士更是發出了無限的感慨：“科研領域，從此也要被改寫了。”

  以往科學研究，主要就是六大步驟：提出問題、猜想與假設、制定計劃與設計實驗、進行實驗與搜集數據、分析與論證、評估。
    而現在呢？

  劉向東院士甚至認為，會直接栽在第一步：提出問題，好家夥，AI解決了！
  “哈哈哈！”紀弘也是樂得不行，看著劉向東院士甚至有些幽怨的表情，他也是笑道：

  “劉老師啊，你這是被鎮住了，伱仔細想想，AI在解決問題的過程中，創造新的東西了嗎？
  “沒有！它就是按照我們給它灌輸的知識和理論，甚至是設備的數據和參數，來進行運算、組合、模擬、推演，從而得出一個結果給我們。

  “它解決問題是有基礎的。它既不能無中生有，也不能點石成金。

  “而科研的目的呢，是為了更深入、更快速的探索這個世界尚未被發現的規律和性質。在這個過程中，AI這東西是一個加速我們研究效率的東西罷了。”

  “你不用安慰我！”劉向東院士搖了搖頭：

  “我不信你想不到問題所在，現在的科研人員，最大的依仗是什麽？是他們掌握的知識，是他們成年累月積累的經驗。

  “但如果這個AI再度進化下去，知識和經驗可能就沒有用了，尤其是知識，AI學的嗖嗖快。”

  紀弘皺了皺眉，總覺得哪兒有點兒不對。

  人不用去學高深的知識，讓AI去學？然後人利用AI去實現自己的目標？扯犢子呢嗎這不是？倒反天罡啊這是！
  “劉老師！”紀弘緩緩搖了搖頭：“任何時候，都是只有自己本身強大才是強大。您說的這個，我不認同。

  “您帶隊，利用這個AI，研發出了EUV光刻機。難道您認為，隨便找一個啥都不懂的外行人，也能搞定嗎？這完全不可能！”

  “那是因為現在的AI還不夠強大。”劉向東教授反駁道。

  “好，我們假設它現在夠強大了，只需要說一句：給我製造一台EUV光刻機，它就可以完成相關的工作。”

  紀弘說到：“那麽現在，找一個三歲的孩子過來，他就能造一台光刻機嗎？他最起碼得知道什麽是光刻機吧？得知道這東西是幹什麽用的吧？這不還是需要知識？”

  紀弘的話很粗淺，但劉向東院士明白他什麽意思，一時間也不知該作何考慮。

  而紀弘這個時候也覺得自己好像有一些什麽事情沒想明白，雙方頓時都陷入了沉默。

  倆人並不是在吵架，而是在推演未來——AI未來的發展方向以及對人的影響。

  隨著AI的越來越強，人所需要掌握和學習的知識越來越少？
  “如果真的有一天，我們看不懂AI在做什麽、要做什麽、能做什麽的時候，就是一件非常危險的事情了。”劉向東院士話說的十分流利。

  對於AI的未來怎麽樣，各種各樣的幻想小說都有過描述，什麽智械危機啊，賽博朋克啊等等，倒不是劉向東院士杞人憂天。

  如果不是卷耳智能科技，如果不是接觸了類思維AI這麽強大的東西，劉向東院士可以一輩子都不會去憂慮這個問題。

  飯都還沒吃飽呢，就考慮會不會噎著是一個很愚蠢的事情。

  但是，這個AI太強大了，已經完全超出了認知。

  雖然現在還能理解它在做什麽怎麽做的，但是它如果再發展發展、再發展發展，理解不了呢？

  自己理解不了，那很正常，實際上自己理解不了的科學和技術多了去了，自己也不是全能的！

  但是，如果全世界就沒有一個人能夠理解呢？那就十分可怕了！

  紀弘之前也從未去考慮過類似這樣的問題，他一直秉承的觀念：AI就是一個工具，在工具的歷史地位上，AI從來也不是特殊的那一個——人利用工具來實現自己的目標、達到自己的目的。

  但劉向東院士的擔憂……

  紀弘總覺得不是那麽回事兒，但一時半會兒也有點兒迷糊了。

  ……

  “想不明白現在就別想了。”兩個人沉默了好一會兒，劉向東院士也是說道：“因噎廢食肯定不可取，我也不是在阻止你。

  “只是想給你提個醒，不要走的太快了，也要停下來想一想怎麽更好的去平衡這之間的關系。原本這不是事兒的，哪怕有問題，也可能是千百年後。

  “但，卷耳實在是……我甚至感覺，你們甚至直接走了幾十甚至幾百年的路，這太快了！”

  劉向東院士頓了一下：“不說這個了，你自己有考慮就行。我相信以你聰明的才智，一定能夠有一個完美的解決方案！

  “不過現在現在擺在眼前的也有一個問題，這個AI在工業領域、科研領域能夠發揮非常巨大的作用。你有考慮要把這樣的AI提供給科研機構或者是其他工業企業使用嗎？”

  是否要把這樣的大殺器對外提供，這個問題紀弘真的還沒有考慮好。倒不是他敝帚自珍，而是這個事情太過於重要了。

  就像劉向東院士說的那樣，這可能會完全改變整個科研行業。

  “再讓我合計合計吧！”紀弘輕聲說道。

  此刻的他心裡也並不平靜，自從卷耳智能科技成立以來，還是第一次有這種不受控的感覺。

  直到晚上回到酒店的住處，紀弘的腦子一直在飛速旋轉，過去、現在、未來，各種各樣的場景是一刻也沒有停過。

  其中想的最多的，還是AI——

  AI的訓練並不是一個可以定向控制的過程，傳統的大模型如此，類思維AI就更是如此。

  越是高級的東西，其“進化”的方向就越是難以預測——至於成果，套用生物學的進化論，其實是可以總結為“物競天擇，適者生存”這八個字的。

  只不過這裡邊的“適者”指的是訓練過後，被人篩選留下來的分支。當然，更多的分支在訓練的過程中被放棄。

  就像這次，AI形成了方案優化和迭代的能力，就是一個未知的過程，它形成了，被留下了，就“適者生存”了！

  不過，這應該是現有條件下類思維AI的極限了——受限於現有的GPU硬件。

  但自己現在不是在搞三維立體存算融嗎？如果利用那個芯片來訓練呢？那未來……

  也不知過了多長時間，紀弘迷迷糊糊的睡著了，而且做了一個非常離奇的夢……

  (本章完)