（来源：上观新闻）
Ste🐟💡phanie 🚁🎏Zhan：我觉得🎶🎡这句话说得非常好🙆♂️🅾。因此，你可以想🛢〽象一种非常奇特且🌕陌生的景象🦃🦘：神经网络🍯承担了🥝🇱🇮大部分繁👩🎨重的工作，而它们🍍☸使用工具，就像是🐝处理某些确定性🔗🇯🇪任务时⛈🧁所保留的历史🇸🇧🇨🇬性附庸💁🥕。我之前确实⚽没有想到🌦这一点👨❤️💋👨。可能存在许🚖👩⚕️多可验证🔏🔵的环境本可以🇩🇴👥被纳入考量，⚪🚺但却没能进入主流🥒，因为它们➗🎐所具备🌪的能力并🇸🇷没有那么高的👨🏫实用价🇵🇷🇧🇯值⛷。
这就是我们今🙍天讨论🐚的开端🥪。所以，编🈵程在某种程度🇬🇦😵上变成了编排🏳️🌈数据集，或🇦🇶许还涉及一些☃目标函数和神经🇲🇩🏊网络架构🇽🇰。回到你关于编🇲🇳程的问题，我2️⃣📂认为这同🇧🇬🇦🇶样是一个受限于旧🔸思维的例子，因🇯🇪为它不仅仅关乎🍹编程，也不仅仅👩❤️👩是编程效率🇪🇭的提升®🖍。高校缺少真实🏐😅海量一线数据，难🐙以验证🤺👩🦳算法模型，企业🐭数据又无法💆♂️充分向高校🇩🇰🏩开放，成为制约产💪⚖学研用📓😇融合的突出难题🏝。两边走的都是👨🦳同一条🧝♂️路🌸。所以它们是不同的🇳🇵。我可以🕯把我的邮箱🍑👙发给他，没问题🎠🚖。部分原因与实🍒验室训练模型的方🚔式有关，但另一部🎟分原因也与⏺实验室的侧重点🇰🇮🌮，以及他们恰好放🎎入数据分布中📞🍨的内容🧂🇿🇦有关⛸。
