儘管人工智慧還做不到餵給它一個公式，它就能自己把所有由此公式引發的變形題做對。
但它還是比搞人類情感容易多了。
人類的腦子靠題海戰術能搞定，人工智慧也能靠題海戰術搞定。
人類做幾道題之後，不是想切橡皮，就是想彈尺子，不是想喝水，就是想上廁所。
人工智慧它不會！它是最乖最聽話的好寶寶。
唯一的問題是需要調整學科資料庫用來適配。
否則可能會出現一些問題。
比如醫學生考題：
請回答p是什麼？
標準答案：經外周靜脈穿刺中心靜脈置管。
人工智慧回答：中國人民保險公司。
安夏想到錢倩就是小學六年級，如果想要模仿她平時的生活狀態，讀書做作業也是不可少的。
從資料包里那些作業本和考試捲來看，錢倩的成績中等偏上，全班四十個人里，英語語文等等考全班前五，數學考全班前十幾。
第一個dem做出來之後，機器與人類的精神分裂出現的概率是四比六。
「不行，太高了。」
人工智慧組把關於教育那一塊的數據跟戴密特看，請他指點一下。
戴密特回信：「人工智慧最好的學習方法是以接近人腦學習的方式，也就是自然的方式去認知。現在你們開發的這套系統是固定代碼，用if和e1se鎖死了邏輯……」
最後，他建議，使用人工神經網絡的方式，讓機器進行深度學習。
人工神經網絡也是早在1943年就被提出的理論，國外在一直不斷發展並完整各種神經網絡模型。
國內也在198o年就開始起步。
紫金科技向全社會招聘。
來的人或多或少都有些能力，但都沒有達到安夏想要的水平。
最後是一位it屆的同行跟安夏說：「有這個能力的人都已經有工作啦，廣撒網發廣告是不行的，你得定點找。」
「怎麼定點找？」
國內現在也沒有搞人工智慧特別厲害的單位，沒法定點去挖人。
同行告訴安夏，三年前，曾召開過「中國人工智慧聯合會議」，她可以按著參加會議的人員名單，一個個找過去。
於是，人事部接到了一個任務：找人。
一回生，二回熟，李俏現在對於挖人也算小有心得，領導發話，她就執行。
公司現在一不限名份，二對收入這塊也給得大方。如果對方實在要求更多，給安夏打個電話，也不是不可以批下來。
李俏挖來了一位曾在加州理工留學的專家，他的情況比較複雜，一腔熱血回國，然後被行政系統見鬼的辦事效率拖到氣急敗壞，還有學界各種他看不上的行徑，現在處於一怒辭職，打算回美國再就業的狀態。