思维模型的研究，依旧是一个挤牙膏的过程。

要不断替换公式、纠正参数、发现问题、解决问题。

这是一个需要耐心的过程，更需要庞大的算力，不仅仅是计算机的算力，也包括楚飞自己的思维能力。

虚拟空间中，同时演算四个思维模型；而楚飞也需要同时观察四个模型，并不断纠正。

这同样是一个需要扎实知识根基的研究——这其中需要怎样的公式、如何替换公式、代入怎样的参数等，都需要丰厚的知识。

同样，在这样的研究过程中，也是一个不断实践的过程，在实践中检验自己的知识体系。

随着演算，不断有数据被筛选出来，进入数据库中。

又随着数据库的积累，经验公式越发完善，甚至连拓扑结构也越发的丰富起来。

整个经验公式渐渐形成了主干和分支，分支交叉渐渐形成网络。

一个拓扑网络渐渐形成。

到现在为止，楚飞才惊觉变化：

“这就是智能神经网络系统吧，至少算是一个神经网络的雏形。”

发现这个，楚飞回头寻找人工智能的相关技术、相关架构，并继续代入其中运算。同时也寻找类似的ai结构借鉴、甚至是节选部分代码嵌入自己的系统中。

四个思维模型的运算速度陡增，数据库加速丰富，那初级的神经网络系统加速蔓延，并从平面结构，开始向立体结构蜕变。

一个ai结构，正在迅速形成。

随着ai的形成，又反过来推进思维模型的演算。

思维模型的演算，竟也开始加速。

如此进行两天时间，一个新的稳定的思维模型架构确立，计算机自发完成一次校验工作。

至此，

思维模型内，一个个逻辑链、拓扑结构纵横交错，虽然本质上还是欧几里得几何空间的内核，但却大空间套小空间，环环相扣，又相互嵌入。

初级的思维模型，本质都是正四面体架构，每一个小正四面体就如同一个小小的计算单元。无数正四面体单元不断堆叠，最终形成了复杂的思维结构。

但这一次计算机的行为却与先前不同了：

看了一眼正在自发运行的、初步成型的ai网络，楚飞退出虚拟空间，再次将自己的

依旧是双核四线程的结构，但因为结构更加细腻，楚飞构建思维模型用了七个小时，消耗一支超能药剂、四桶肉粥、一包营养物质补充剂。

睁开眼睛后，楚飞眼神中闪过一抹希冀——这次思维架构应该更好吧，毕竟用上了ai推演！

跑分试试！

几分钟后，跑分几十次，最终跑分稳定在：14077次/秒！

相比于

楚飞很想欢呼、尖叫。

激动的，不仅仅只是

曾经楚飞就知道这样一个说法：计算机技术的时代和过去的机械技术的时代，有一个本质的差别。

机械技术的时代，一个技术需要十几年、甚至几十年的琢磨和研究，才能一点点完善。

但在计算机技术的时代，算力为王，只要有足够的算力，技术就能迅速迭代。有时候三五年就能迭代很几十次，技术会脱胎换骨。

现在，自己似乎也一只脚踏上了计算机技术的快班车。

完成

却发现，只是一个晚上，

思维空间内，竟然出现一个进度条。

这个进度条，是按照经验公式推导出来的，虽然不见得准确，但作为参考还是可以的。

楚飞仔细检查了进度，并回顾了演算过程，发现ai自动推演还是有一点小问题，但只要手动调整一下参数就可以了。

而后，继续代入更多的科学知识、成熟的模型结构作为参照、以及一些经验总结等。

当前的ai还有一个小问题，它并不会主动搜寻相关知识，哪怕资料库中就有。还是需要楚飞手动输入。

另外，随着代入的资料增加，计算机效率开始降低。先前是同时推演四个思维模型，现在因为算力限制，不得不砍掉一个思维模型，只剩下三个。

就算如此，依然只用了五天时间，就确定了

与

将

在这种精简思维的指导下，

楚飞休息一下，再次格式化自己的思维模型，构建

因为

最终进行跑分测试：15859次/秒，算力增加12.66%的样子。

感受着算力的不断增加，楚飞心中充满了满足，还有更大的渴望：

这就是升级的快感吗？

不知道是否可以继续迭代？

但登陆虚拟空间后，却发现

“到极限了！”楚飞明白了，“若没有外界技术的借