就这样，时间一天天过去。
搭建这套通用A的过程，对林叶来说其实并不算麻烦。
因为最核心的【动态拓扑流形认知架构】已经是现成的了，地基打无比牢固，现在摆在他面前的主要工作，是让这个架构先掌握各种基础常识与原理。
在这个过程中，林叶也发现了一个有意思的现象。
这个架构不仅能够完美掌握各种科学原理，从理论上来说，它同时也能掌握人类社会的其他各种复杂逻辑。
比如法律逻辑，这类逻辑不仅需要判断对错，还要兼顾程序正义与法理边界。
又或者是情感逻辑，这就需要理解人类在各种不同情绪下的非理性决策，甚至去揣摩微表情背后的心理学动机。
再比如商业博弈逻辑，这其中掺杂了人性的贪婪、恐惧以及信息差的利用等方方面面。
但归根结底，它们都属于可以被【动态拓扑流形认知架构】掌握的东西。
想要成为一个通用人工智能，能够做到这一点也算是基础，毕竟所谓“通用”就体现在这里。
然而，这些社会学与人文学科的逻辑，界定起来实在太过模糊，远没有科学公式来那般泾渭分明。
至少，林叶一个人想要靠手敲代码，快速将这些感性且多变的逻辑全部写死在底层里，显然是做不到的。
这些东西可不像科学原理那样【一加一等于二】般明了。
所以，关于法律、情感、社会学这些非自然科学的部分，还是留到【猫零】的底层框架彻底成型后，之后再通过海量的互联网案例和真实语料去进行定向训练，才能最终完成。
这是任何A在走向“通用”的过程中都不可避免的必经之路。
毕竟，就像是人类自身的三观逻辑，也都是在从小到大的社会接触中逐渐形成的，没有人能够成为生而知之者，即便是最顶尖的A技术也是一样。
当然，林叶对此倒是一点也不担心。
他相信以动态拓扑流形认知架构强大的因果认知能力，即使是之后通过喂数据去训练，其理解深度和学习效率，也绝对会呈现出断层式的优势，效果肯定远超市面上所有那些靠堆砌算力硬背答案的其他人工智能。
目前市面上的一些A模型，虽然看上去能够理解感情，甚至是给出法律建议，但其本质上都是源于对网络上的海量文本学习后，从而实现的【预测下一个字是什么】这样的功能。
所以当用户想要找这些A模型寻求安慰时，本质上都是它们在学习其他类似场景的文本后，仿照这些文本生成的回答。
并不代表这些A模型真的懂什么叫感情和逻辑。
而动态拓扑流形认知架构，就能够真正掌握这些东西。
不过，写到这些关系到社会逻辑的代码时，也让林叶忍不住揉着眉心感慨。
“果然，还是跟科学打交道最简单。”
毕竟，科学的原理，对就是对，错就是错，不需要去揣摩那么多复杂的人心。
：
……
当然，在没日没夜搭建A的这段时间里，林叶也没有忘记自己另一个重要的任务——研究凝聚态物理和超导理论的书籍与论文。
他现在的作息非常规律，基本上是白天在电脑前狂敲【猫零】的底层代码，到了晚上，便坐在书桌前，翻阅那些物理学专著和最新的前沿期刊。
以林叶如今恐怖的学习能力，对于这些现有知识的接纳速度，简直快令人发指。
学习这些新知识的过程，对他而言，无非就是去接受一种新的数理逻辑，然后顺理成章地将其消化理解。
真正能够让他感到费解的，往往是那些人类都还没搞明白的未知领域。
比如凝聚态物理中，那些让博士生们头疼欲裂的“多体微扰理论”或是“非平衡态格林函数”，对于别人来说，光是看懂那些密密麻麻的张量微积分可能就需要大半年，但林叶往往只需要扫上一遍，在脑海里迅速推演一下闭环，就能够完全理解并掌握。
在这些已知的知识体系里，他如履平地。
只有当他看到那些同样是学术界最前沿，至今还在争论不休的未解之谜时，才会让他停下翻书的手，陷入沉思。
比如——魔角石墨烯的超导机制。
当林叶第一次看到这篇论文时，也不不承认，这玩意儿确实很神。
