。
原因无他，成功率太低了！
这个模型的训练效果远远要弱于他的预期，如果按照这样的效率，恐怕亿级的训练都不够用。
那还玩个屁啊？
机器学习中有一条铁律：
当AI的训练强度大于人工训练强度时，那模型就是无效的。
很显然，他手里的这个模型，就是这样的情况。
“不太行啊.这个算法好像达不到可用的标准。”
“训练效率太过低下了，策略生成的速度也慢。”
“这么搞下去，我们还不如人工遍历定制策略来的划算了.”
听到他的话，陈念也皱起了眉头。
他开口问道：
“能看出原因吗？”
“看不出来.我感觉咱们的算法应该是没什么大问题的，但是，冷启动耗费的资源太多了。”
“机器学习的本质也是遍历，但它没办法做任何感性经验的参考。”
“也就是说，人工先验和机器先验拉不齐”
看着王建成略微有些失望的眼神，陈念继续问道：
“上次聊的混淆矩阵呢？能解决吗？”
“解决不了.现在我们的问题是，priors和experience都比较少，想要高效得到高水平解决方案，就必须要求机器的智能化水平极高。”
&neneralization，也就是任务泛化难度本身就很大，进一步提高了对机器的要求。”
“不行，这么跑下去不是个事儿。”
说着，王建成直接敲下了停止键，模型停止运转，最终的结果，在六万多次的训练中，达成有效结果的次数仅仅为两次。
这样的数据量，根本不足以支撑模型继续训练。
王建成失望地看着屏幕上的结果，这一刻，他感受到了一种难以言喻的挫败感。
实际上，在最开始，他对这个模型是极为自信的。
从获得陈念的点拨，逐渐了解卷积神经网络算法的基础原理之后，他几乎感觉整个世界都已经掌握手中。
这一套算法的潜力实在是太大了，只要不断去开发，有一天彻底改变世界也不是奢望。
而且，在这个赛道上，自己已经比其他研究者快了不知道多少步，只要能拿出可用的成果和案例，自己很有可能会跟学长一起，成为新一代人工智能的开创者之一。
这是多么大的荣誉，不用细说。
抱着这样的自信，他可以说是一路高歌猛进，速度快到陈念都惊叹不已。
他本来以为，事情就是会这样一切顺利地发展下去，但没想到，模型的初次训练成果，给了他重重的一击。
这不仅仅是结果没达到预期那么简单，而是不可用！
如果达不到预期，那还可以通过不断地调整和优化来向目标靠拢，可如果是不可用那真的就是怎么尝试都没有用了。
推倒重来，也许是唯一的办法。
但自己.还能有那样的心气吗？
楚建树在一旁默默地听着两人的对话，实际上，这个结果也算是在他的预料之内。
要知道，这可是人工智能啊！
哪怕是科幻，对人工智能的展望也是在几十年之后。
而想要在这个时代，在当前的计算机算力下实现初级人工智能，还要考虑终端机的性能上限，这谈何容易？
能做到这一步，已经是某种意义上的成功了。
接下来的路，还是要一步一步慢慢去走的。
——
当然，要说解决方法，其实他也不是没有。
在之前，因为对项目的兴趣，他也已经了解了一些机器学习、卷积神经网络方面的知识。
按照刚才陈念和王建成的讨论