对于AI来说, 让结果从“不准”到“准”, 不是十分容易，与传统的“找bug修bug”模式全然不同。
目前在对AI的争论当中，一个常常被提起的问题就是“算法黑箱”。也就是说，人类不能解释它的工作原理。
人工智能的核心是“神经网络”。科学家们模仿人类神经系统，让机器进行学习。“神经元”们一层一层分布下来，每个单元都能接收部分数据，再将结果向上传给其他单元。
还是用“猫”来打比方，第一层可以将图片切割、降维, 得到许多小图, 第二层在每个维度利用色差寻找边缘, 三四五层根据勾勒出的边缘确定各个器官形状，六七八层通过各个部分颜色判断毛色、花纹，瞳色……最后顶层得出答案：这是猫、狗、兔子、其他。
2006年多层神经网络出现以前，机器学习都只处于初级阶段, 需要人工提取特征。而2006年后, 它进入到“深度学习”的大时代。人类不监督、半监督, 机器自己分析特征、独立思考。给一万张猫的图片, 说“这都是猫”, 它就懂了，再给一张它没见过的，问“是不是猫”, 它会说是。人们给它正确答案的数据集, 它便可以进行学习, “看”的越多会的越多，不断优化自身能力。因此，“人工智能”定义十分清晰，区别是真·人工智能还是噱头只需要看它有没有模仿人脑。
然而，对每一层都在提取什么特征，以及机器为何要做这些事情、为什么能得出结论，人类无法解释。根据输出，有些提取简单易懂，比如勾勒边缘、模糊图片、突出重点、锐化图片……可是，在很多时候，人类完全get不到！看着某层下来以后图片所变成的样子，只能叫一声“什么鬼！”有时人类只能提出几个特征，AI分出好几百层！
它给了人空前的可能，也给了人无尽的困惑。
就像人类无法摸清大脑的工作原理一样，他们同样无法摸清AI的工作原理。
训练AI这种方式为何能行？它是如何学的？信息存在哪里？为何下此判断？不知道。
它好像在玄幻境界。码工时常觉得自己正在养蛊，贼刺激，给蛊虫喂个这个、喂个那个，一掀盖子，嚯，出来一个超厉害的东东！
有人说，让AI向人解释一个东西，相当于让人向狗解释一个东西，听着so sad。
人类历史充分表明，只有一个决策可以解释、分析，人才可以了解它的优点缺陷，评估风险，知道它在多大程度能被信赖。
很多专家说过“必须质疑人工智能为何做出一个决定……”“难道，无人汽车每回出事，企业都说不知原因、AI让它这么干的？”
何况，不幸的是，如同大脑会出错，AI也会出错。
于是问题来了：我们能信任AI吗？我们能在多大程度上相信AI？我们能在生死攸关时信任AI吗？
当然，也有学者表示：“它能做到就足够了！”“大脑一直为你工作，你也一直都信任它，即使并不知道它是如何工作的。”
目前，各国科学家正致力解开黑箱，政府、行业协会也对此有要求，已经取得一些成果——不少东西都是数学。
阮思澄是一直觉得，这种现象十分正常，没有那么邪乎。在人类的文明当中，往往实践先于理论。比如，老祖宗在打造刀剑时、发明火-药时，清楚地知道原理吗？NO！都是东西先出来了，能work了，大家才开始研究原因。
AI也是啊！慢慢来嘛。
不过，虽然如此，攻城狮们写程序时，也能根据他人经验，知道大概该怎么做。AI能自己学，但是，攻城狮们需要设置许多参数，比如用哪一种激活函数；如何搭建网络结构；分别设置多少卷积层、池化层、全连接层，如何排列架构；用多少个卷积层；用哪一个池化方式；选择多大以及多少卷积核、多大卷积步长和池化步长、多大学习率，又分别从哪层开始、到哪层结束……[注]。也因为没道理可讲，各种奇奇怪怪的结构都有了。层数绝非越多越好，层数越多，说明运行时间越长、传递错误几率越大。
出于这个原因，对算法的调整、修改，经常就是瞎jb试，比较最终结果。
调参数能有效还好，数据也有可能不行！要知道，输入数据的大小、像素、嗓声、甚至亮度和对比度、翻转变换、旋转变换、位移……都可以对最终结果产生影响！为啥？还是，不知道。
因此，现在“经验”并不好用，结果一塌糊涂，可阮思澄和陈一非对于修改全无头绪。
他们甚至无法估摸不准到准需要耗费多长时间。
…………
阮思澄从贝恒那儿继承了个降压方式——搓脸。
她搓了搓，拨打内线叫陈一非，一起开会。
“一非，”阮思澄问，“这个结果……要多久能调整过来？”
气，她想：如果钱纳贝恒现在都在公司思恒医疗不会陷入这种困境。罢免钱纳夺回公章耽误了一个月，贝恒接手、不会，消耗了两个月，接着招聘、挖人，等陈一非入职，又是一个月。
陈一非答：“思澄，目前……没有头绪。如果说一个月就能全部搞定肯定是胡扯淡。”
阮思澄：“……”
“咱们必须有B计划。”陈一非又开口说道，“公司账上还有200万，能坚持到两个月后。也就是说，将将巴巴能挤出来一个月完善产品，一个月出门融资。下个月要还是不准，思恒医疗就会走到穷途末路。”
“我知道。”阮思澄说，“我问问邵总王总，是否行使增资权利。”
“行。”
按照投资协议，邵君理和王选拥有增资权利，有权利但无义务在产品初版出来后以2亿估值再投5%，也就是1000万。其实现在邵君理和王选股权已经太多，34%，但也没办法了，只能以后想方设法强迫天使以低估值出售股权，或者劝诱对方往期权池扔回一点。如能进入A轮，这点应该不难。
“如果邵总王总拒绝……”
陈一非的脸孔还是白胖白胖，笑容十分职业，让人非常舒服，可语气中却无半分和蔼可亲，他说：“尽早裁员。”
裁员！！！
阮思澄只觉得自己头皮一麻！！！
她抬起头，没有说话。
陈一非说：“行政岗位全部裁掉，A轮进来再重新招。产品经理、UI设计，现阶段也可以不要，还有早前从事头痛腹痛的工程师，通通裁掉。”
顿顿，又道：“我这两月不拿工资，补贴公司。”
“一非，咱先别提裁员。”阮思澄笑，心里发凉，“我打电话问问增资。”
“好。”在出现问题时，陈一非并不如贝恒一般逃避，而是依然带着气场，维护着他CTO的体面——贝恒都恨不得把自己给缩没。
…………
阮思澄在自己肚里打了整整十遍腹稿，终于按下投资爸爸办公室的电话号码！
秘书接进去，邵君理磁性的声音很快响起：“在。”
“邵总，”阮思澄的声音当中带着不安，“我想汇报一个情况。胸痛部分，还有腹痛部分……我们刚把测试集给输进去了。”
“不好？”
“是……”阮思澄道，“有一大半心脏疾病……AI并没有诊断出来。”
邵君理的声音一顿，而后才又重新响起：“我期望的结果是比人类医生更快更准。”
阮思澄咬了咬下唇。传统算法对于波的识别有局限性，而思恒的机器，用CNN和RNN，可以和人一样，将 P-QRS-T作为完整波群进行分析，看数字，看波形，看各种指标，还能根据患者特征读的更好！甚至知道瘦人该什么样、胖人该什么样、小孩该什么样、老人该什么样、孕妇该什么样，比人类医生懂的更多！
每年许多心脏病患无法确诊被送回家，阮思澄本希望AI可以帮忙。
而事实是，现在，它失败了！！！
阮思澄长呼吸了口：“而且……另个部分也不如意……本来，P大易均团队做最难的超声，应该取得最差的结果，可事实上，这一部分在测试中挺靠谱的……贝恒离职以前弄出来的东西反而不行。”
“腹部本就是不易的。”邵君理道，“不仅仅是图像识别。”
“嗯。”阮思澄也清楚，毕竟图像识别发展相对较快。
“具体说说测试结果。”
阮思澄的思路清晰，一项一项仔细说了，包括哪种病准，哪种病不准，准确率是多少，如果不准，AI都给看成什么了。
邵君理听完，想：太差了。
真的，太差了。
准的都是容易看的。
“邵总……”阮思澄又弱弱地道，“我们正在修程序呢……”
“嗯。”
“可是时间真的好紧，思恒只剩200万了。您……如果是您，有没可能投资pre-A轮……或者天使轮加？”
阮思澄并没有想到话筒那边一阵沉默。
“邵总，”阮思澄道，“请您实话实说。”
足足过了七八秒钟，邵君理才讲出答案：“这种情况，我不会投。”
一分都不会投。
在邵君理看来，生意归生意，感情归感情，他在这些方面有着99%的理性。
难道每年投资1000万陪小姑娘玩儿游戏？瞒着哄着？对谁好呢。资本市场不讲感情，甚至不讲道德、人性。
事实上，自从钱纳离开公司，他就不看好了。
工作3年的小姑娘当公司CEO纯属扯淡，等到产品进入市场更是够她喝一壶的。
然而2000万投都投了，也不可能再收回来。
可是现在，产品demo一塌糊涂，寄希望于后期调整，或者说，寄希望于撞个大运。陈一非方向、思路没有问题，依他水平选的肯定也是已知道的最优参数，能调好的可能微乎其微。
“投的公司捉襟见肘，A轮融资还没头绪”其实是天使投资人们常常会碰到的情况。这个时候，创业公司往往绝望地求助于天使，希望对方再掏点钱让公司撑一下，继续寻找投资。
于是天使深陷泥潭，直到某天如梦初醒。
换了过去绝不会投，该断则断，让那公司自生自灭。
可是……
一想到阮思澄失望难过的样，邵君理的心里其实并不好受。
再说吧，先让公司自然发展，等真到了生死关头，再说吧。
“邵总，”阮思澄叫，“我明白了，您别为难。”
她挺了解邵君理的，知道对方绝不会把公事私事混为一谈。
“阮……”
“邵总，”阮思澄在心里算算，“思恒医疗打算裁员。”
“是个办法。”
“嗯。”