（来源：上观新闻）
但效率，并不是机🇳🇴器人与人之间唯🥍一可能的🆚关系⚽♋。普通的图像🚽👗质量评估，就像医⁉院给你做了个全🇬🇹身扫描后只📠👨✈️告诉你"整体⏱健康状🇸🇬👚况良好，有🗑些小问题"；而失🍔真图，则是🛃🐝把身体拆🔶♊成心脏、🐯🚢肺、肝脏等各👳个器官，分别告诉🛀你每个器🇧🇭💜官的状态如何、出🐤🇧🇬了什么✒问题、严重程度🤴🛠是几级，同✡时还对比了你去🗑🇬🇧年和今年的体检🍵🧦结果，明🎷确指出哪些器🕡😑官今年变好🧦💃了、哪些🚿👩🎤变差了、哪些没有🍙变化⏏。
他给出了一个务实✍🗃建议：“一🇲🇾定要留存🇧🇫🥅创作过程痕迹，🇧🇬包括交互频次、🔣版本迭🇿🇼🎋代记录——这些是⛄💇未来确🙇🇻🇳权的重❇要依据🦜。第一个预测📚💨头判断区域💆比较关系（是锚🎠图更好、目标🏔😙图更好🎶🖇还是差不多），🕠👨👨👧👧geo是啥第二个预测头💬识别失🇨🇰真类型，🇻🇺🚻第三个预测头判断🚨🧼严重程度，🇵🇰🌽第四个预测🇵🇼头给出0到1之🇮🇩间的质量评分😛。
但这项研究的实验🚙👨👩👦👦结果表明，单纯增⚓加交互轮次🇨🇩🥴并不能🚧带来持👱♀️续的进步，因为🈶每一轮新的🧟♀️工作如果不能🚌⬇建立在🧥之前工🇩🇯作的基础上，就🇬🇹只是在重复劳🚔🤟动，而不是在积累✅。研究人员📟发现，让AI学🎣会解数学题、做逻🦢辑推理🙈🤔，需要🤪用到一种叫做"强🥞🕞化学习"的训练📡方法——🇹🇨本质上就💢🚭是让AI不断🕔👨💻尝试、不断💝根据反馈调整🇹🇴😮。
