结果这套没有经过学习的新型神经网络模型在进行学习时速度比之前的神经网络模型要快得多，而且在不同任务的学习当🌆☡🀽中都是如此。
这也验证了白冰带领的技术团队确实是找到了一种新的人工智能模型，而且是可行的。
这种能🜡🃫够进行多任务训练的神经网络模型比起之前那种只能🀩是进行特定任务训练的神经网络模型自然是具有更大的优势，也为之后能够执行复杂任务的多功能机器人做好了技术储备。
现在梅溪湖🄮大学人工智能研究院现在也在为这套神经网♝络模型开始提供各种感知能力，并且训练灵活处理各种信息的能力。
当然，梅溪湖大学人工智能研究院也是诞生了世界上第第一种神经元网络处理器，然后用众多的处👋理器芯片搭建起了一套系统。
这种处理器芯片架构跟大脑神经元网络非常类似，具有包括输入端、神经薄膜、信号发生器和输出端🁉，其中输入端类似生物神经元的树突，神经薄膜类似生物神经元的双分子层，信号发生器类似生物神经元的🝕神经细胞主体，输出端类似生物神经元的轴突。
而神经薄膜是整个神经元产生作用的关键物质，它类似生物神经细胞中的液态薄膜，当能量吸收⛺到一定程度时😴就会产生信号并🄿向外发射。
这些信🜡🃫号经过🛐输出端传导，然后被其他神经元接收，以此循环形成信息处理过程。
神经元网络处理器大小跟普通的🅩🉑处理器没有太多区别，不过里面的架构却截然不同，核心区域内密密🁉麻麻的挤满了数千个处理核心，用来模拟超过百万个人脑神经元和上亿个神经突触。
这些处理核心每个包含了上百万个晶体管，其中负责数据处理和调度的部分只占掉少量晶体管，而大多数晶体管都被用作了数据存储、以及与其它核🅒心沟通方面，每个核心都有自己的本地内存，它们还能🞳通过非常类似于人脑神经元与突触之间的协同的方式来与其它核心快速沟通。
这种架构白冰带领的技术团队也称之为“神🔰经突触内核♝架构”。
在人脑中，神经元相当于处理器，一个成年人的大脑至少有数百亿个神经元，每个神经元都与其它神经元相连，它☯🂷们的连接处被称为突触，突触是人脑的存储器，用计算机🔱🄜⚃术语来说，这是一个极其庞大的分布式计算系统。
这种处理器与存储器紧密相连的结构，让📎🙮🍲人脑内🙙🙙的通信效率非常高。
梅溪湖大学人工智能研究院在这种神经元网络处理器研制出来后也是搭建了一套类人脑的神经元网👋络处理器阵列的神经元计算机原型出来，这套计算机搭载了10多颗神经网络处理器。
这套神经元🄮计算机原型机也是进行了一系📎🙮🍲列测试，结果让人非常惊喜🕱。
没🗏🚨🕹有普通处理器和图像处理器的这套神经元计算机消耗的能🀩源要低好几个数量级，而且学习的速度也是快得惊人。