下，与其推广玄冰材料与质子半导体芯片有关的，对神经信号的解码与编码，才是她未来布局的关键所在。
在涉及到脑机接口的这个领域，跟耗资巨大、成果却寥寥无几的圣殿会不同，有着“他心通”的赵青，可以直接感知常人的思维活动，实时解析对方的想法，自然是突飞猛进。
短短几个小时内，她就搓出了一枚微型玄冰芯片，初步实现了它与特定神经的并联交互，令数名实验者在加减乘除上的运算速度提升了上万倍，接近或达到了计算器的水平。
实际上，就是在读取数据信息后由芯片直接计算出结果，然后输出“告知”负责该工作的众多神经元，抢先报出答案，让大脑在几乎无意识的状态下就能“灵光一闪”，涌现出一串准确的数据。
不过想要嵌入更复杂的运算，就有些困难了。
因为不同的人在想到开根号、开平方这些在自然界中不太直接的计算、或者说较为抽象的概念，神经信号可能有着显着的差别，需要兼容多种模型，重新设计。
作为后天建立起来的思维模型，这跟自然界本就存在的运动神经信号的高度相似性截然不同，毕竟前者属于进化出来的高等智慧，承载着人类的想象力、创造力和逻辑思维能力，后者仅仅是动物天生就有的本能。
随着运算符号的复杂程度不断提升，模型数量很可能将呈指数级增长，不亚于为每一片独特的雪花量身定制一副手套，到了前沿数学、物理的领域，恐怕得采用数以千万计的仿生神经元才能进行正常的信息交互。
值得一提的是，这种速算能力的提升，最好凭借着“直觉”当场报出答案，这样准确率最高，倘若慢慢思考，尽可能地“深思熟虑”，反而会增加出错的可能，其背后隐藏着神经网络系统的基础机制。
随着时间的推移，抢先作答的芯片在众多神经元中的权重不断下降，它的结果很可能不被信赖，让其他“愚蠢”的神经元给出的错误答案占据上风，使得正解淹没在海量的无效信息中。
好在根据赵青的推测，当芯片屡屡给出最正确的答案后，神经元们也会逐渐增加对它的信任度，自动优化突触连接，让芯片的权重比变得更高，成为区域性中枢般的存在，化身
本章未完，请点击下一页继续阅读！