（来源：上观新闻）
随后，✳一个负责分析🏌🐉的AI（可🐗🇱🇮以理解为辅导老🕞🇪🇷师）仔细🏫阅读这🕥些记录，对比🇳🇦成功案例🇨🇮🛁和失败案🏎🚝例，寻找规律🧷性的差💁♂️⛸异🤸♀️。它的唯一任务🧹是，在看到一道🇧🇧🧳题之后，预测当🧘♂️😧前的AI有多🇵🇷大概率🎌能答对这道🐁🇧🇻题——🦍👙用一个0到1之🇹🇷间的数字表示🖋。
想看深度🇳🇦🎙报道，请微信搜🇱🇦🇧🇼索“凤凰网科技”🔛。第一种方法好比给📸⏮新员工发了一本👊厚厚的百科全书🥶🦝，希望他能从中🕘🦆找到所需知识🥇🚍；第二种🐞方法好比直接🚲把他推🚩🇻🇪上战场，靠成败来🧡积累经验🚻。举个最小的例👻子🇲🇫。
而这，或许🇦🇽才是人⛪工智能通💟往通用视觉智🔇能的正确道路👩💼⏏。验证所需的各种🎢📆仿真类型，其运行🙏🦘时间都很长，而🗼且服务器工时🌜成本高昂💁。短短一个月，万😿物皆可AI🍛预制的风，从🥀🎳谷歌工具短剧圈🦀⚒吹向了电📘影长剧圈，A😖0️⃣I艺人从6🍠🛃个暴增了1💜💊17个🇨🇼。
