人工智能语音的互动性，是商业AI中一个重要的评判标准，也是客户体验中重要的一个项目。
小梦能够和苏陆进行那么流畅的对话，如果不是苏陆故意设置的，那就只说明了一点，这款智能在互动功能上很是强大。
如果不是这场会议没有提问的环节，不然的话他们一定都会举起手要求苏陆展示这一点。
一场好好的人工智能经验分享大会，仿佛被苏陆搞成了一个产品发布会似的。
接下来苏陆又一次展示了一下唤醒小梦的速度，这一次依然十分快速。
那天在听了肖一海关于小梦反应速度的建议之后，苏陆并没有立刻将反应速度改换成秒，只是让小梦不至于在他的尾音还没结束的时候就说出话来。
现在在这么多同行面前显露了一手，显然是把他们给震住了。
不过苏陆也清楚自己不是来秀小梦的，小梦只是顺带的，他来这的目的，就是把SL逻辑网络算法展现给所有人，为以后的合作打下基础。
接下来苏陆便开始说明这个新的算法是如何实现小梦反应速度增快的。
“SL逻辑网络算法，是依据神经网络算法为基础所建立起来的，经过和所有相类似的算法的比较，我敢说，这个新的算法是当前最高度模拟生物神经网络的算法。”
“生物神经网络如同一个有一个圈，同时又有输入口和输出口的环，而在这个环的中央，就是网状的连接物。从输入口输入的数据进入这个环之后，可能会经过一个圈，就直接从输出口输出一个新的数据，这可以称为我们不经过思考后的得到的结果，而如果这个输入的数据不止只是经过了一个圈，它还经过了中间的网络，比如说经过一个神经网络连接的节点，然后又回到了圈上，再次从输出口输出之后，那么就等于我们在大脑中思考了一次，然后得到这样一个答案。”
“举个例子，计算1+1，对于这样一个简单的问题，在‘1+1’这串字符进入我们神经网络的输入口之后，只需要经过一个神经网络节点，我们或许就能得出答案；而对于其他比较复杂的问题，比如99乘98，我们或许要经过多种多样的思考，这因人而异，比如你可能会想，把98换成100来计算，或者是把99换成100来计算，再或者你可能会率先考虑要不要拿计算器来算……”
“总之，对于我们人类来说，假如大脑有100亿个神经元，那就相当于有100亿个节点，我暂且做个假设，100亿个神经元等于我们针对一件事情在一秒内能经过100亿次的思考，然后将最后的结果输出。”
“当然这事情大家信不信都随意，我想说的是，SL逻辑网络，便是应用了这个原理，目前来说，这个新算法能够让一个人
请收藏：https://m.c1rp.com
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）