“但是，控温没有解决问题。”孙博接着说道：“预计AI推演了得有十几万次，然后不得不放弃了这个方案。”
纪弘点了点头，他刚刚在整理数据的时候也发现这里的这个AI模型具有的一种独特的性质——会放弃。
“但是你知道吗，我后来问了我光电所的一个同事，他们的思路也是控温，而且直到现在还在不断的尝试。”
对于科研人员来说，一次又一次的失败才是常态，什么时候能够成功，那不仅要靠实力，有时候还需要一点点的运气。
哪怕是爱迪生，在发明灯泡的时候，也尝试了上千种的材料进行上千次的尝试才成功的。
人尚且如此，AI就更不用说了，尝试几万十几万次失败那是非常正常的事情。
但是，AI尝试是几万次的耗时，一天半！
孙博惊为天人也是因为此——一天半，这个时间，科学院的那些人写一次方案的时间都不够！
你这边一次都没搞完，AI模拟，十几万次都过去了！
这样的差距，怎么能不令人绝望？
“绝望什么？”纪弘笑道：“AI的存在就是为人类提供效率支撑的啊！而且，AI的模拟推演，不一定百分百精准，他只是把可能性最大的方法给实验人员筛出来了，然后再去实际生产验证。最终还是要走实际验证这一步的。”
下边的东西纪弘就看的非常明白了，温控未能起效，AI也是尝试了非常多的其他方案，而其他方案所需要的设备和硬件的参数和数据，更是需要实验室的工作人员去补充。
这些参数和数据应该是务必要求精准的，一旦有差，结果可能就会谬以千里了。
“也不尽是如此，”孙博立即又找出了一个案例：“比如这组数据，我们的工作人员在输入的过程中出错了，哪怕几重校验都没发现。
“但是你看，AI推演了几轮，就告警了，它认为这个数据偏离不符合一般分布，直接让我们确认。”
“用的数学分析的方法？”纪弘问道，他知道，数学统计和分析在一定程度上是能够筛出异常数据的。
“是。”孙博又说道：“但是这种计算，我做不到。或者说，我做不到那么快。”
“跟AI比速度，你才叫找虐呢！”纪弘嘀咕了一句，然后继续往后看AI的处理，AI最终敲定的方案是：
引入校准光路，标定以及引导光路搭建与调节。
而这个方案，实施起来非常
…。。