问了几个问题，程旭对“言心”的水平有了一些认知，便立即给它挖了一个坑，他如此问道：“假如我是一名软件工程师，想去腾训工作。西安和郑州该怎么选？”

“西安……郑州……”

“言心”在分析西安和郑州的优势，对错都不重要你了，字儿还没出完，程旭就直摇头。

郑州压根没有腾训的分公司，这样的回答是很没有逻辑的，或者说，避坑能力有点儿差。

这是对语义的理解有偏差？还是关键的信息梳理有疏漏？还是训练模型的机制问题？

程旭更好奇的一个问题是，对于它完全不知道的事情，“言心”会做出如何的回答。

“流浪地球2的总票房是多少？”他便接着问了这样一个问题。

“言心”目前的模型是22年年底语料数据库，理论上，再不集成搜索引擎的情况下，它是不知道这个数据的。

对于不知道的问题，它会如何回答——这决定了它的上限。

理论上，一个会说不知道的AI要比只会胡说八道的AI在训练水平上是高一个层次的。

对于一个AI来说，会说不知道，是一个更加复杂的算法逻辑，这是由它迭代升级的算法本质所决定的。

强化学习算法频繁的“说不知道”，而不是做出“行动”和“奖励”（A和Reward），与强化学习的回报（Reward）最大化目标是矛盾的。

而且这种矛盾很致命——会直接影响模型的训练效果，增大数倍的训练成本。

而这，对于本就高达数百亿的训练成本来说，再增大数倍，无疑就更是一个天文数字了。

也正因此，更多的时候，AI模型开发者宁愿让它胡说八道——这就是探索与开发的权衡。

究其原因在于，AI神经网路系统虽然在一定程度上模仿了大脑处理信息的过程，但实际它要比人脑的逻辑低级的多，差了好几个维度。

简单的说，对于人来说，一个问题不知道不清楚，可以暂时先记下。等下去问老师问同学或者自己上网查资料，问题就可以解决了。

但AI模型不同，现在半导体硬件提下的人工神经网络是没有类似的处理机制的。

“言心”会跳出这个圈子吗？就看它怎么回答这个问题了。

“流浪地球2的总票房是多少？”

“据我所知，流浪地球2的总票房是八十亿，一部及其优秀的科幻电影……噼里啪啦噼噼噼……”

果不其然，一个级别的东西——噼里啪啦说了一大堆，说的很像那么回事儿，但——瞎编的，一本正经的分析，一份正经的胡说八道。

跟ChatGPT一个尿性。

这也符合程旭对它的预期——早就猜到会是这样——2023这个时期，各个竞品的水准其实是大差不差的，包括谷歌的Brand，也都一个鸟样。

程旭一连问了它许多问题，“言心”的回答都中规中矩，它也会迎合你的需要，给出不同的答案和选择。

比如选择城市，你告诉他你女朋友喜欢西安，它就会在选择的时候疯狂的堆叠西安的优秀之处，最后选择西安。

然后，你再告诉他，我就要待在郑州，怎么说服女朋友？它就又会疯狂的往回找补，细数郑州的优势。

“总的来说，是一个合格的产品。”

程旭点了点头，千寻科技这十年，钱没有白花，确实是搞出了些东西来的。

“言心”的表现，在时代的背景下，确实算得上优秀，潘正教授所说BUG在程旭的这些问题中也并没有出现。