钢铁小说网

手机浏览器扫描二维码访问

第53章 新的野心（第1页）

和上次在京海市图书馆中自习的内容不同，裴瑜没有接着研究数学在金融领域方面的应用，她的注意力完全被系统的时间循环功能吸引了。

在火车上睡着之前，她看似闭着眼睛躺在下铺，实际上是在用意念探索系统，想知道怎么才能重新触发新的存档点。

作为一个上辈子游戏时长高达上千小时的重度Steam玩家，她对及时存档的重要性再清楚不过了。

存档就是游戏中的后悔药和进度条，她做出重要选择之前，或者完成某个任务之后，都会及时存档。

这样即使她以后操作失误角色挂了选错对话，还可以直接回到存档点重来一遍，避免一失足成千古恨。

同理，如果她可以用系统随意存档的话，在现实中就相当于无敌了，无论怎么作死都能直接重开，不需要对自己的行为付出任何代价。

上辈子的她就特别喜欢飙车，抢到好车后一脚油门踩到底，遇到什么情况都不带刹车的。

可惜裴瑜研究了系统半天，还是没能找到控制存档点的地方，勾心挠肺地想知道为什么。

她猜想，激活时间循环的关键在于某种心理状态。

第一次开启时间循环时，过去某些死掉的记忆突然攻击她，让她进入了某种和现实解离的状态，这是那个时间点上唯一的特殊变量。

裴瑜还记得，刚绑定系统时，系统说它和DeepSeek属于不同的技术路线。

这样岂不是意味着，系统承认了它是一种类似人工智能的黑科技，而不是玄幻高魔世界观下的修仙法宝什么的。

既然系统是一种科技产物，就必然符合数学和计算机科学的基本逻辑、必然是地球人或者外星生物智慧的产物。

要知道，上辈子火爆全球的DeepSeek，正是华国头部金融机构“幻方量化”

孵化出来的开源大模型。

韭菜们在市场上追涨杀跌，投资情绪往往是不理性的，他们吱哇乱叫的文字会在互联网中留下许多痕迹。

这些文字和图像、声音一样都属于非结构化数据。

而深度学习模型，尤其是卷积神经网络（CNN）、循环神经网络（RNN）和自然语言处理（NLP）模型，非常擅长处理韭菜的这些非结构化数据。

在这种市场环境下，幻方量化将大模型当作主攻赛道，利用语言大模型识别韭菜们的情绪，还通过深度学习的方法，从其他非结构化数据中挖掘出了不少量化交易因子。

降维打击韭菜的同时，幻方量化无心插柳柳成荫，在预训练阶段仅消耗了2048块GPU，花费550万美元，训练时间不到2个月，便孵化出了DeepSeekv3，实现了与闭源的ChatGPT相媲美的效果，不久后还孵化出了自带思维链的DeepSeekR1，成本之低可谓是“AI界的拼多多”

，而同类产品ChatGPT耗费了上百亿美元的投资。

当时DeepSeek和ChatGPT悬殊的训练成本差距震惊了华尔街，戳破了不少建立在人工智能基础上的金融泡沫，直接导致美股一度出现暴跌。

对此，裴瑜很不甘心。

曾经都是金融同行，凭什么幻方量化做得出DeepSeek，她就做不出另一个技术路线的系统，实现时间循环的存档自由？

她现在争分夺秒掏出白纸学习的，正是1986年最新出炉的人工智能关键技术点——“反向传播”

技术，也就是链式法则在神经网络训练中的具体应用。

别看2022年ChatGPT才横空出世，早在1986年的现在，世界上就已经掀起了一股人工智能热潮。

1986年的计算成本几乎仅有1970年的千分之一，于是Hinton、Rumelhart等人的计算实验证明了反向传播可以在神经网络的隐藏层中产生有用的内部表征。

反向传播技术的发展，正是人工智能从“死记硬背”

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。