如果意识通过共振而非纯粹的计算来运作会怎样？这就是我们一直在开发的神经网络架构背后的前提，老实说，这些发现正促使我们重新思考认知的真正含义。

大多数人工智能系统将智能视为一个函数逼近的问题——你输入数据，通过多层计算，然后得到输出。干净。机械。但如果在这个流程中我们遗漏了什么呢？

我们的方法探索思考是否更像是共振——模式相互接口、放大、干扰，而传统架构未能捕捉到这种方式。早期的结果表明，这种框架为神经网络处理信息的方式开启了不同的可能性。

这不仅仅是关于构建更好的模型。这关乎提出根本性的问题：我们是在设计仅仅模拟智能的系统，还是在逐步接近一种与实际认知运作更为契合的东西？架构本身成为探索这些深层次问题的一个视角。