专项训练学习不过是增强人工智能某方面的能力，而这种整体性训练，则是提升人工智能整体水平。
项目前想要专项训练，需要先设置规则，然后利用数据资料进行训练，而整体提升就是另外一番操作。
由于具备海量的综合性数据知识，导致人工智能能够通过这些数据的学习，增加它在各个方面的能力，然后反向优化规则设置。
也就是说一种是从理论到实践的过程，另一种是从海量实践当中总结出理论，从而继续指导实践。
前者虽然效率更高，专业化程度更高，但是确定性越高，也就不会给人惊喜，大家都知道接下来会发生什么。
而后者虽然效率和专业化程度可能没有前者高，但是由于没有提前设置规则，完全是人工智能自己学习总结，然后上升到规则的阶段。
这就会产生不确定性，也就会诞生出人意料的结果，例如经过海量数学知识的训练学习，可能会诞生新的数学理论，或者是衍生数学理论。
虽然这样的理论不一定具非常高的原创性，但是却也是众多数学知识的总结，对于指导一些数学问题的解决具有重要的作用。
当然，如果人工智能的计算能力非常强大，是有可能会诞生具有很高原创性的数学理论知识，推广开了，也能在其他的学科发生这种情况。
这就意味着人工智能已经可以深度参与人类的科学研究和世界本质探索当中了，也许今后人类只需要负责提供知识线索和样本，人工智能来负责总结和升华。
内容未完，下一页继续阅读