时间一分一秒地过去，随着程序的不断运转，王建成的脸色变得越来越凝重。

原因无他，成功率太低了！

这个模型的训练效果远远要弱于他的预期，如果按照这样的效率，恐怕亿级的训练都不够用。

那还玩个屁啊？

机器学习中有一条铁律：

当ai的训练强度大于人工训练强度时，那模型就是无效的。

很显然，他手里的这个模型，就是这样的情况。

“不太行啊.这个算法好像达不到可用的标准。”

“训练效率太过低下了，策略生成的速度也慢。”

“这么搞下去，我们还不如人工遍历定制策略来的划算了.”

听到他的话，陈念也皱起了眉头。

他开口问道：

“能看出原因吗？”

“看不出来.我感觉咱们的算法应该是没什么大问题的，但是，冷启动耗费的资源太多了。”

“机器学习的本质也是遍历，但它没办法做任何感性经验的参考。”

“也就是说，人工先验和机器先验拉不齐”

看着王建成略微有些失望的眼神，陈念继续问道：

“上次聊的混淆矩阵呢？能解决吗？”

“解决不了.现在我们的问题是，priors和experience都比较少，想要高效得到高水平解决方案，就必须要求机器的智能化水平极高。”

“而且目前来看，这个任务的generalization，也就是任务泛化难度本身就很大，进一步提高了对机器的要求。”

“不行，这么跑下去不是个事儿。”

说着，王建成直接敲下了停止键，模型停止运转，最终的结果，在六万多次的训练中，达成有效结果的次数仅仅为两次。

这样的