1、团队最终目标是利用微型技术重建大型、复杂的人工神经网络，为便携式人工智能系统构建真正的神经网络硬件。

2、在那里，他遇到神经科学家沃伦·麦卡洛克。麦卡洛克向皮茨解释用莱布尼茨逻辑演算建立大脑模型的想法，皮茨立即领会并清楚可应用的数学工具。

3、KAN干翻MLP，开创神经网络新范式 KAN（Kolmogorov-Arnold Network）的诞生，标志着机器学习领域的一次重大突破，它以一种全新的架构挑战并可能替代传统的多层感知器（MLP），为神经网络的研究打开了新的篇章。

1、利用图神经网络的模型在一段时间的训练后，能更好地解决机器学习课程问题。在新模型的开发过程中，MIT和哥伦比亚大学的数学课程被转化为相应的编程任务，运用了程序合成和小样本学习技术。

2、不仅适用于个人开发者，也可为企业提供规模化解决方案。

3、国外有不少在编程能力方面表现出色的AI模型，很难简单地评判哪一个绝对是“编程能力第一”，因为不同模型各有优势且在不断发展。OpenAI的Codex它在代码理解、生成和补全方面有着很高的水准。

从学霸到科研“菜鸟”的转变是正常现象，主要因学习模式差异、科研的独特挑战导致，可通过MIT研究员的“科研破局10条”中的部分方法逐步适应科研节奏。