第78章 全方位抉擇
第78章 全方位抉擇
被自己大腦鄙視了是種什麼體驗？
其實沒什麼，只是腦子裡突然湧現出無數需要學習的科目。
排在最前面的，都是他接觸過的，比如演算法導論、計算機視覺、大數據挖掘這些，等等，為什麼他還需要學習大型集成電路設計？這需要掌握的東西就多了，數學方面的複變函數還好說，但還涉及到量子力學、數字電路、高頻電路、信號與系統、材料化學、光學精密工程、微電子加工工藝……
除此之外還有更基礎的EDA軟體設計。
擴展內容還有仿生學、生物材料學、生物化學、神經生物學、遺傳學……
而此時，站在尹晨露的視角，只覺得寧為在說出自己的目標后，突然就呆住了，愣愣的盯著自己，好在並不尷尬。因為尹晨露能看出寧為並不是被自己的美貌所吸引，因為那眼神完全沒有聚焦，明顯已經魂游天外。
「那個，寧同學，寧為！」
「哦！不好意思啊，這邊採訪完了吧？我突然想到點事情，要去趟圖書館了。再見啊，尹姐。」
說完，壓根沒等尹晨露有反應，寧為便站起身，匆匆而去。
愣了半晌，尹晨露突然扭頭沖著攝影師問道：「剛才攝像機關了嗎？」
攝影師撓了撓頭，然後無奈的攤了攤手，看來他手快了。
不過側頭時，眼角餘光正好滑過教室角落上的一個攝像頭，紅燈亮著，應該是開著的，於是指了指：「找學校要監控？」
「有的話最好！我覺得這畫面很有教育意義！」
……
寧為可不知道他的心血來潮成了衛視台主持人覺得很有教育意義的一幕，他只是下意識的希望趕到圖書館，翻一翻相關的書籍，深入了解一下為什麼人工智慧領域需要這麼多的知識才能算入門。
到不是說看過書後就能想通這些，而是藉助看書時大腦自動構架的知識體系，來確定自己到底選擇了一個多麼變態的努力方向。
沒讓寧為失望，當他大概瀏覽了幾本書後，他大概明白了大腦的意思。
他的大腦認為想要實現真正的人工智慧，必須要是硬軟體兩者一同革新，才能可能最終實現，兩者缺一不可。
所以軟體方面，他需要重新系統的梳理各類演算法跟數學知識，比如數學方面的線性代數、概率論、拓撲學、泛函、優化論等。
硬體方面他需要去設計全新的晶元，而且他的大腦認為既然要做自己的方向，現階段的EDA軟體肯定是達不到要求的，所以他得重新設計，寫一款設計智能晶元專用的EDA軟體出來。
光是這個軟體就是個天坑，主框架、元器件庫、工程庫、各種介面、工具……
這還只是純技術方面需要的東西。
成熟的EDA軟體還需要提供匹配的模擬工具，為設計出的晶元提供各種模擬調試環境。這就已經不是單純的技術問題，更是一個經驗領域。
因為模擬環境需要大量的數據支撐，需要像英特爾、台島積電、三星電子等等晶元製造商提供詳實的數據支撐，來保證提供一個結果不會偏差太多的模擬測試。
畢竟不可能晶元設計出來就直接拿去流片，要知道流片是很昂貴的，再有錢也禁不起這麼造。
有了EDA軟體還只是起步，接下來是晶元結構設計。
這一步很難，難就難在要繞過被人的專利，設計出一個新的智能晶元架構。整體架構出來了，還有各個細節部分，比如每塊晶元都要去設計引腳定義、規格、功能，然後用來豐富自家的元件庫。
這個過程還要給晶元寫好底層驅動，各種通訊協議。
然而這些跟接下來的難度比起來都是浮雲，因為關鍵在於晶元不止要設計出來，還要能造出來。
所以他的大腦還希望他能學習精密光學、材料化學，微電子加工。
另外，他的大腦還覺得實現人工智慧還有另外一條路，那就是仿造人類，通過生物材料設計一種跟人腦通訊差不多模式通過神經介質來傳遞存儲信號的人工智慧實現模式，這又是一個全新的領域，所以需要各種生物學知識跟計算機知識。
至於現階段比較流行的所謂深度學習跟神經網路，他甚至認為沒什麼太大的科技含量，其大半功能的實現，都是通過不斷的回歸，不斷的修改權重，最後給出最優解。
所以五個小時后，從圖書館走出的寧為整個人都被震撼到了。
他感覺自己的大腦肯定是對自己的想法有什麼誤解。
他所說的人工智慧領域，只是研究其中一個分支，但他的大腦卻似乎希望他成為一個全能的超人，從硬體到軟體，從設計到生產全部搞定？
這特么怎麼可能？
現代工業是個分支極細的專項化工業體系，以世界最先進的阿斯麥光刻機為例，其部件就包括了美國Cymer的光源，德國通快的激光器，德國蔡司的光學系統，英國Edward的真空系統以及德國的靜電吸盤技術，等等。
至於擴展到整個半導體領域涉及到的工業體系有去膠設備、熱處理設備、清洗設備、化學機械拋光機、精密量測設備、測試機、分選機、塗膠顯影、探針台……
除了這些之外，還有四大核心裝備鍍膜機、刻蝕機、離子注入機跟最重要的光刻機。
或者他真的可以？
當這個想法剛從腦子裡冒出來，寧為就狠狠的甩了甩腦袋。
所有線全精通？那是瘋子才該有的想法。
到是可以從基礎做起，做到哪步是哪步。
很快寧為便打定了主意，既然想要往這個方向發展，那就做出點成果來，他可以嘗試從最基本的演算法跟軟體做起。
當然，得是他完成湍流演算法這個項目之後。
好在近期湍流演算法項目已經不需要他全心趴在這一塊了，每天反饋的數據都會按照他制定的標準上傳到伺服器上，一些代碼細節上的調成，新配的三個研究員跟餘興偉也足以勝任，關於湍流演算法的第一篇正式論文也差不多完成，等到填補並解釋足夠的數據樣本之後，就能再次投稿了。
他也的確可以花些時間重新開題了。