加权惩罚，这个
直接作用于模型的决策程旭默默思索着：理论上应该可行，但在现在的技术条件和水平下，这
他摇了摇头，这真的有点难说
思路受限，程旭开始从另一个角度考虑这个问题。
言心的价值评价体系和决策过程出了问题，千寻科技也一定想过各种各样的办法，尝试去解决。
他们会怎么做呢？
程旭换了个身份，设身处地的思考着问题：如果言心是自己负责的项目，到了现在这个程度，在现实技术的条件下，该怎么去调校它。
林林总总写了十几个可能的方案，但都在现今的技术条件限制下，效果都不会很好，又被程旭给默默的划掉了。
要做，不管是奖励还是惩罚，都涉及一个问题，那就是加要怎么加减要怎么减的问题，标准怎么定？这其中最关键的因素就是。
如果人工来做判定，那还好说，培养人就行了——人在智慧方面肯定是强过ai的，至少现在以及可见的未来都会是这样。
但庞大的数据量决定，这项工作必然不可能全部是人工标定和处理的，而必须要通过模型和算法。
要更精准的做好价值判定，需要更强大的ai模型来支持，而ai本身的训练又依赖于价值判定体系和外部的反馈——这就是悖论。
除非，价值评估体系使用‘荷泵’芯片来做价值处理核心处理器！程旭最后得出这样的结论。
传统半导体的二进制运算逻辑，对于确定值的运算，比如整数浮点数等很擅长。
发展到今天，超级计算机甚至已经能达到每秒钟运算亿亿次这个级别——这是人脑永远也不可能达到的数字。
但是在处理复杂模型的时候，二进制是处在天然劣势的。
而源自神经元仿生的荷泵芯片体系，对此则正擅长——对于事务的分析判断和决策，它总能迅速的得到最合适的结果，这是它源自基因的优势。
切入，狠狠的切入！
找到了合适的方向，程旭十分满足的笑了，美滋滋的躺在了床上，这一夜睡的格外香甜。
程旭是睡得香了，但千寻科技这边却几近炸锅。
距离三月十六日言心预计上线的日子越来越近，但既有问题一直都没有得到有效解决。
又是一场技术研讨会连夜召开——这已经是千寻科技智能业务事业群言心项目组这个月第八次通宵达旦的讨论技术方案了。
起初的时候，对于这样的研讨会大家都还很积极，激情四溢。集思广益，努力寻找着解决方案。
但折腾到今天，多数人都已经疲了。
既然问题不能解决，项目又非要上线，那就上，些许问题，就当看不见不就完了？
于是有人就这样建议：我认为，这个问题根本无关紧要。一个新兴的东西，总是会有各种各样的问题的。
就像chatgpt，满口的胡说八道很受诟病，但是不也不影响它火爆全球？些许的阴阳怪气儿并不是什么大问题。
至于更恶劣的，甚至是有些翻动的回答，概率已经非常小了，而且我们也根据关键词做了屏蔽处理，能解决绝大部分的问题。
对，我也是这样认为的。他的话音刚落，立即就有人附和：根据我们的统计数据，在没有刻意诱导的情况下，出问题的概率很小，在十的负九次方，也就是十亿分之一级别，理论上，这是一个可以接受的数字。你说的理论上，理论上是没错，概率是小，这也没错，但你也说了，这是在没有刻意诱导的情况下。