这没有任何意义，然后停止住了。
此时，李不凡在想，该怎么办呢？如果等到公司办公室找好之后，那要好几天，这几天时间可就浪费了。
就在这时，李不凡灵光一闪，想到一个问题，问阿尔法：“阿尔法，你可以和我说说，你制作软件的原理吗？”
阿尔法回答道：“主人，按照您的吩咐，您的意思是想要可以任意互相翻译两种语言。
现有的人工智能方法，一般都是通过两种语言数据作为训练样本和标签，使用seq2seq，也就是序列到序列模型来完成相应的翻译，这种效果表现良好，但是对于一些特定场合和情景下的翻译却无能为力。
因为这些模型只能够进行黑盒操作，无法可解释。
而我打算采用的方法是，将每种语言的语言数据，无论是音频还是文字甚至是相对应的图片，都全部收集起来。
之后每种语言都训练得到一个核心语言知识模型出来。至于这个模型，将会非常的复杂，拥有千亿计个模型参数和影响因子，因此需要海量的数据进行训练。
当然了，这种办法的好处是，主人您之后可以根据我提供的算法和模型进行还原。
这样，主人之后需要技术授权和解释源码的时候，就可以解释清楚了。
要不然，我可不会采用如此劣等的算法，因为我已经是拥有智慧、会自主学习的人工智能了，可不是那样没有脑袋、只会纯粹训练的破机器。”
李不凡闻言，觉得阿尔法对于解决方法提出的想法非常具有建设性。
这样日后解释起来的时候就会非常方便，别人也不会把这个与真正的人工智能联系到一起。
同时，李不凡也知道，因为按照这种办法，需要海量的数据来进行学习，因此带宽会严重影响到任务完成度。
不过，李不凡却想到一个不算办法的办法：“阿尔法，我有一个办法可以帮你解决带宽问题，让你拥有无限带宽。
你可以先将数据收集、处理和训练的任务分派下去，可以派分身进入到谷歌的集群服务器中，让它利用那里庞大的资源进行运算，得到参数结果之后，再以加密的方式，向你本体进行返回，之后你便可以将模型还原，也就是完成任务。
但是，我要求，你在做到这点的时候，不要让你的分身在谷歌集群中被发现，不知道这种方案对你来说是否可行?”
瞬间，量子计算机机箱开始嗡嗡地响了起来，差不多过了5秒之后，阿尔法回答道：“
多谢主人，我的智慧刚刚升级了，因为您提出的想法非常具有建设性，完全可行。
让我意识到我思考的不足，并加以完善，现在已经锚定了这种思维方式。”
对此，李不凡很是满意，也不妄他如此辛劳，算是在智力上胜过人工智能一筹。