动态，以及和林燃讨论他的战略构想。
「它真的能跨越情感交流的深吗？」
林燃不假思索道：「我不知道，我们都知道人工智慧是黑箱，时至今日，大家也不清楚人工智慧所谓智慧涌现到底是怎幺表现出来的。
我只能说，我们的测试人员从体验上，会觉得这比过去人工智慧表现出来的更加智能，感觉有更多的情绪在其中。
但你能说这跨越了所谓情感交流的深谷吗？我没办法给你一个具体的回答。」
余东想到了过去他们所体验的人工智慧，无论是文本还是语音，都没有情绪。
像豆包，它在和人通话的过程中，会模拟人的语气，会模拟人说话的停顿和呼吸，但冰冷的现实依然存在，计算机代码的固定无法避免。
什幺是计算机代码的固定？
是指它在模拟对话过程中，不同对话之间，语气的停顿和间隔都是一样的。
类似疑惑从0到100，豆包对疑惑的表现永远是卡在50这个分位线上。
这是因为模型在生成语音时，需要对一系列参数进行预测和控制，包括了音高、语速、音量、停顿等等。
而模型的第一要义是平滑性，也就是生成自然、流畅、没有明显机器感的声音。
为了达到这一点，模型倾向于选择参数空间中最稳定、最平滑的路径，而不是最极端、最不规则的路径。
另外在参数空间里的均值回归，为了最小化损失函数，模型同样会倾向于输出高概率的均值。
说的更直白一些，一旦识别到疑惑这个标签，ai就将其与一组预设的、固定的语音参数，像语速放慢5%，音调提高30hz，停顿增加500ms这样的标签进行绑定。
所以人工智慧模拟的情绪是假的，余东的疑问是，你们到底能做到哪一步？
只是更多的标签，更细分的情感表达，还是说真正意义上的情感模拟？
如果林燃说的信誓旦旦，他反而不敢信。
而林燃给的回答，是我也不知道。
这样的回答，让余东内心震惊不已，你们该不会是真的做到了吧。
「林总，卧槽，你们真实现了非结构化、高纬度的实时情感反馈？」余东问道。
林燃说：「如果你只是指这个，那我可以肯定的告诉你，我们确实做到了。这个本身就是左右脑架构要解决的核心问题。
右脑的神经形态晶片本身就具备负责捕捉