而所谓的通用型人工智能，你可以简单的把他理解为更像人类，通过简单的调试就可以像人一样工作。
这样就不需要为每一份工作单独开发一套专用的AI程序，那么如何开发，底层原理是什么？
Gpt的思路就是碰运气，通过复杂系统中的“涌现”来无中生有，一直增加感知与参数，看看究竟到什么级别才能让它变得更聪明，至于为什么，谁也不知道，唯一能确认的是，会变更聪明。
当我们将文本资料喂给语言模型时，其实也已经将人类的思维逻辑系统一并喂了下去，每次逻辑训练，都以某种抽象的难以解构的数学形式在大语言模型中留下痕迹。
当语言模型诞生后，其思考逻辑会接近人类，准确来，更接近华国人。
声势浩大的训练开始第5后，投喂数据规模500亿。
前端测试开启，先做最简单的常识问题。
问题一，找出与“确信”意思相同或者意义最相近的词：
1.正确。2.明确。3.信心。4.肯定。5.真实。
前端给的答案：4，正确；
问题二，找出与众不同的一个。
1.水。2.太阳。3.汽油。4.风。5.水泥。
前端给的答案：5，正确，还给出了解释，水泥是一种人造建筑材料，其他4种都是自然界存在的物质。
众人开始争论起来，汽油严格来，并不是自然界存在的，是提炼物品。
应该解释为水泥是建筑材料，其他4个属于能源，虽然答案对了，但解释有些牵强。
问题三，找出与众不同的一个。
1.铝。2.锡。3.钢。4.铁。5.铜。
前端给的答案：3，正确；解释为只有钢是合金，其他都为单一金属元素。
接着又测试了许多基本的常识问题，前端给的答案都正确，解释也非常合理。
众人兴奋起来，期待着更进一步的测试。
问题：樱桃对于红相当于牛奶对于什么？
1.湿。2.冷。3.白。4.甜。5.熟。
给出的答案是：3，正确；并给了解释，樱桃对于红，牛奶对于白，两者选取的是颜色关系。
问题：“预杉”对于“须抒”相当于8326对于什么？
1.2368。2.6238。3.2683。4.6328。5.3628。
给出的答案是：4，正确；
解释：“预杉”对于“须抒”是相似反义词，它的字形结构相似，但意思相反，因此需要找一个字形结构类似，但意思相反的选项，根据提示8326拆分为，83与26，这两个数字进行倒叙排列后为，38与62，然后拼接起来的道3862，按题意对掉，答案为第4个6328。
问题：如果有些“甲”是“乙”，所有的“丙”都是“乙”，那么“一定有些甲是丙”，这句话是：
1.对的，2.错的，3.既不错也不对。
给出的答案是：2，正确；
众人欢呼起来，这道题已经难度偏上了。
接着深化难题，开始上学的数学应用题，都能完美解答。
语文题就复杂学多了，比如：哪吒不脑海，武松不过岗，打一成语。
给出的答案是：生龙活虎，正确；
路阳还在旁边猜成语时，前端几乎是秒回，成语题目准确率在90%以上。
问题：假如你给女朋友发红包，发了0.1元，结果女友回了0.22元，于是你再发0.3元，女友回了0.4元，你再次发送99.9元，这次女友没回你了，请问你亏了多少钱？
路阳看了一眼这群年龄都在40岁以上的专家，你们这是出的什么题目啊？
同样是秒回：50元，正确；
接下来的问题是超长逻辑链问题，路阳直接转身离开，你们这群专家太无耻了。
测试一共进行了2，学试卷，中学试卷，高考试卷。
结果学，中学试卷正确率都超过90%，高考试卷正确率75%。
模型训练持续到第12，1200亿数据训练结束，志愿者第一阶段结束，两后，模型通过图灵测试，路阳直接命名为知晓1.0。
虽然路阳一再强调图灵测试并不是他们的目标，但是穆继萍还是坚持做了，并且多轮测试都完美通过。
整个项目组上百人欢呼雀跃，大半年的时间，花费如此巨大，他们总算成功了。
“首先得祝贺各位，这段时间的工作没白费，但这距离我们真正的成功还有很远，接下来启动第二阶段数据训练，同时把图片、语音识别加上，下次，我们就不测试这种常识性问题了