数据链与财富链

Google为了解决搜索单元（可能是单词、可能是句子等）也就是人们常说的关键词赋予权重问题，开发了模拟人脑的神经网络系统。人脑的神经网络具有两个主要特征：第一是神经元中的记忆、第二是神经元之间的联系。同一信息在不同神经元中存在越多，说明这个信息就越重要。人类可以通过分析判断建立逻辑，确定使用信息的先后顺序而确定结果，同理，在确定的数域内，就如同在人类认知范围内的有限信息中，计算机可以通过确定每个数据之间的关联度和概率来确定每个数据的重要程度，并以此赋予不同词汇在数域中的权重。神经网络是人工智能的基础，没有神经网络就无法重组人类智能而输出智能结果。

神经网络在2016年AlphaGo人机棋艺对决中已经得到了智能应用。Google检索也早已是人工智能检索，即使用神经网络通过机器深度学习，对Google不同领域中的所有数据进行权重分析和赋值，这就是为什么我们在搜索任何内容、产品或问题时都能够瞬间获得答案的原因。

全球每天都会进行千亿万亿次网上搜索，虽然其结果由不同物理条件产生不同的物理参而产生动态的不同结果，但以神经网络为基础的计算的概率和权重早已存在其数据库中。因此，任何请求只是在不同条件下对数据进行重组。人工智能能实现绘画、程序编写和回答各种问题，就是通过不同模型对不同单元数据进行重组后的结果输出。

从数学角度来看，神经网络是一个数据关系和数据权重关系网络。大模型处理神经网络中的数据并输出相应的数据结果。大模型并不是纯粹抽象出来的数学模型，而是以客观世界的真实存在为对象，以人脑分析判断结果为导向而开发出来的数据处理模型，通过它，我们能够获得类似于人类智力才能获得的结果；

由于人工智能是基于客观实际建立的物理模型，因此，利用这一物理模型确定参数，并开发对应的数据处理模型，用这些数据模型能处理海量自然语言数据，包括图片和视频数据、实现海量数据重组而输出智能结果；

因此，自然关系就是智能关系，自然界中的产业链也是数据链，财富链同样是财富数据链。在人工智能数据中，人类的财富流动早已经在神经网络深度学习中建立了流动关系。例如，一个面包生产线企业早已经被匹配了直接相关数据，如面粉、酵母、烘焙、面包包装等数据，同时也在不同维度上被匹配了健康、卡路里、三明治、热狗、咖啡等数据。无论是从神经网络中的哪个数据单元开始，都可以建立无数维度的数据梯度相关性。这些数据匹配正是人类社会利益链的匹配。

人类越来越依赖网络提供信息、网络信息在参与人工智能网络数据匹配的同时、人类的利益与财富也随之被重新匹配，我们不得不承认、人工智能能影响我们的选择和决策、也影响他人的选择和决策、数据链决定财富链、数据流动决定财富流动！