振华在网络上看到这个消息整个人都是懵的！

他本以为宁孑能说动有为集团赞助体大计算机院的建设是因为湍流算法，但现在看来他想差了。

同时激动的还有燕北大学数学院研究人工智能方向的教授跟学生们。

宁孑能在体大数学系每周的课堂上为研究生们解答问题的事情已经传开了。

现在看来第一批有机会去的研究生们提的问题大概还不是宁孑最擅长的。

只从M10的智能助手就能看出来宁孑最擅长的大概还是人工智能方向……

也有教授认为能解决NS方程这种问题的数学家，本就应该极为擅长解决人工智能的问题。因为众所周知，NS方程描述的是湍流问题，而湍流问题又是一种复杂系统的问题。

众所周知，对于物理学上对于复杂系统的研究是极为困难的。难就难在就算写出了公式一般人都看不懂的地步。同样如果能在复杂系统的研究方向上有所建树，也意味着研究者在解决问题过程中，所使用的数学方式本就会推动人工智能的发展。

其中的道理很简单。

理论上来说一旦一个问题有了完全的数学方案，就意味着能够凭借计算机来模拟问题，众所周知针对复杂物理系统，一个初始的参数不一致，得出的结论将会天差地别。

尤其是像湍流这种复杂到极致的运动，如果照着计算机每一步都要精确结果的方式去计算，即便是世界上算力最强的计算机，花费数万年可能也无法解决一个相对简单的湍流。

这就跟人脑跟CPU的区别一样。

人脑在精确计算上肯定是不如计算机的，但是人脑却能比计算机显得更加智能，原因就在于人脑处理问题时追求的并不止是精确。尤其是人脑总能通过经验不自觉的将跟任务无关的干扰项直接剔除，从而获得远胜于机器的效率。

这就好像人刚进公共厕所时，会觉得很臭，甚至难以忍受。但只要蹲在了便池，并拿出手机，呆了几分钟后，就几乎感受不到臭味了。

这就是人类大脑的奇妙之处，它能自动将这些跟你正在做的事无关的干扰线索直接剔除。用更科学的说法就是神经系统对外界刺激的响应，会随着时间的拉伸进行智能调整。

但机器就不一样。如果是一台拥有嗅觉的计算机在厕所里的话，那么对它而言，这种臭味是始终存在的。并会一直干扰它的判断。这就是计算机在很多时候会显得很蠢的原因。

不具备模糊思维能力，就