老婆，你先睡，我還需要整理一點兒技術思路，這會兒有點兒靈感。”吃過晚飯，又折騰了許久，紀弘拍了拍程薈，輕聲道。
“老公，現在我們的生活已經很好了，不要再像以前那麼拚了，身體更重要！”程薈眼中閃過一絲心疼。
“就一小會兒，我整理個思路，不會很晚的，你先睡吧，乖~Mu~A！”
程薈也知道，靈感這東西不立刻整理出來，明天可能就沒了，會導致以後老公更辛苦，也就沒有再多勸：“那你一定要早點睡！親親~”
“嗯~”
……
AI趨勢預測類模型，這是前兩天紀弘獲得相關設計和訓練靈感的時候記錄下來的。
“這東西還真複雜，不控製變量的情況下，哪怕【類思考模型】也力有未逮。”紀弘閉上眼睛，默默盤算著：
【如果用它去預測A股股票的走勢，然後巨資去買，想都不用想，肯定會虧個底朝天！】
【如果不出手去買的話估計還會好一些，畢竟一件事情自己一旦介入這本身就是一個變量，而這種牽一發而動全身的變量，後果是最不可預計的。】
【還有，如果利用它去預測未來經濟趨勢，那是不是也要將這種超強大的AI能力本身也加入到變量當中去？】
【都有這種超級強大的AI了，會對經濟沒有任何影響？不可能的！它本身就是生產工具的一部分，是能產生經濟價值，甚至如果指導政策製定和落實，甚至會改變大局。
【但一旦把自身也作為變量進行預測運算，那不可測的因素就會呈指數級上升，這種連鎖效應絕對會把模型本身的能力榨乾，然後拖垮。】
紀弘又想起【類思考模型】的基礎【簇式卷積網絡】。
“整體與局部的關係，個體與簇的關係，【時間-影響】曲線模型……”
“如果將時間與影響的局部綜合模型簡化為【簇】作為自身對預測事物的【整體變量】計入預測模型呢？”
“不同的【簇】……權重……”
紀弘的腦子在飛速的轉著，又結合到了今天所獲的技術能力——GPU算力調度方向技術能力——這是不是也是另一種調度呢？
這些天，紀弘的腦子越來越靈光，舉一反三的能力也越來越強了——這種【時間與影響】的綜合模型是否計入預測模型的變量，計入的權重與時機，本身跟【調度】就有異曲同工之處，隻是確實更為複雜了。
但如果快刀斬亂麻，化繁為簡，以【簇】做為基礎變量單元的話——
每時每刻都會產生變量，將一段時間產生變量總和作為【簇】……
這樣的話，時間跨度越短，【簇】越精細，變量參數就越多，相應的預測精準度就越高，預測模型也就越強大，當然，算力消耗也更大。
時間跨度越長，【簇】越粗糙，變量參數越少，算力消耗就小，相應的，預測模型也就越弱，精準度就會差點兒。
“思路還是可以的，回頭測試一下，看看效果。”
紀弘腦筋飛速的旋轉著，雙手劈裡啪啦的敲著鍵盤，迅速的記錄著自己的思路和方案，慢慢的形成了一整套的理論和技術方案。
“變量越少越精準，預測股票和經濟估計會差點兒意思，頂多差強人意，但如果用在工業上呢？比如芯片流片成功率與性能預測？”
紀弘感覺很有搞頭，而且這東西是真的有巨大的市場需求的！
芯片的設計與製造，流片費用是一個無論如何也避不過去的成本，而且，越先進的製程，流片成本越高。