搞定了workflow這款軟件的demo之後。
接下來林灰的工作無非就是再繼續添加些細節。
這個工作很枯燥，但說不上困難。
不過此時時間已經接近零點。
林灰不打算夤夜鏖戰了。
林灰不開夜車並不是因為精力上的疲乏。
相反，林灰的精力很充沛。
林灰之所以不加班加點趕工是因為涉及到一些技術支持上的問題。
workflow這款軟件和林灰先前上線的幾款軟件/遊戲有些不一樣的地方。
那就是workflow這款軟件是需要服務器的。
盡管用戶在使用多數軟件的時候基本上都感知不到服務器。
但沒有服務器的話多數軟件其實是玩不轉的。
服務器通常是以網絡作為介質，既可以通過內部網對內提供服務，也可以通過互聯網對外提供服務。
服務器的最大特點就是其強大的運算能力或是具備大量磁盤存儲空間的電腦。
使其能在短時間內完成大量工作及負載大量的文件資料存儲，並為大量用戶提供服務。
一般理解服務器相當於軟件的奶媽。
盡管現在林灰搞得workflow相比於後世的完全體隻是“弟中弟”形態。
但即便是這種形態想將這樣的軟件全部的功能發揮出來的話依然是要用到服務器的。
沒有服務器的話workflow的工作效率會大打折扣。
後世的快捷指令APP在不跟Siri一塊用的時候，基本可以離線運行。
但現在的情況稍稍有些棘手。
說起來有點麻煩，最主要的原因是因為iOS7功能還不夠強大。
盡管這個iOS界麵首次應用的扁平化設計風格。
但除了風格上的改變之外，涉及到很多底層的東西都有點拉跨。
總之，workflow這款軟件想要發揮出相應的實力還是需要服務器的。
等到iOS8版本上，workflow這款軟件對服務器依存度就比較小了。
盡管如此，為了工作效率最大化還是有服務器的好。
涉及到工作效率隻是一方麵原因。
另一方麵原因還是為了防盜版。
講真，跟盜版軟件各種勾心鬥角真的很心累。
但不防範也不行，天下烏鴉一般黑，盜版無處不在。
workflow這款軟件對於林灰來說價值可是接近兩億元。
再小心也不過分。
最關鍵的是涉及到workflow這款軟件，林灰沒法在專利上做文章。
因此隻能在機製上玩些心機。
說起來，林灰覺得他似乎該找個得力下屬了。
有下屬的話弄服務器這種事情隨便交代一下就完事了。
事事躬親屬實有點累。
不過現在事情多多少少有點麻煩。
最關鍵的是林灰並不知道將來他要何去何從。
是去麻省理工呢？
還是在國內隨便讀個水木將就一下？
要是以後去美國的話，在國內找個跟班短時間看沒啥大用。
黃靜倒是個不錯的人選。
不過距離黃靜示好也不過才半天不到。
黃靜要真正加入林灰的麾下怕是要好久。
在大公司入職不容易，離職也是一件麻煩事。
涉及到工作交接神馬屬實煩人。
即便黃靜真的有誌於過來投奔林灰。
能在一個月之內處理完交接手續就很不錯了。
更何況黃靜和林灰還沒有私下接觸過。
黃靜怕是還沒有真正做出決斷。
……
說起未來，林灰隻是學業上暫時沒明確做出選擇罷了。
涉及到未來事業上的發展，林灰很清楚他將去往何方。
林灰的未來絕不是開發一款又一款軟件。
盡管看起來林灰現在隻是在跟各種軟件打交道。
但看問題不能隻看表象。
林灰此時的目光早已放在了別的地方——人工智能！
人工智能，也被稱作AI。
對人工智能的研究由來已久。
約翰·麥卡錫於1955年的定義是“製造智能機器的科學與工程”。
安德烈亞斯·卡普蘭（Andreas Kaplan）和邁克爾·海恩萊因（Milein）將人工智能定義為“係統正確解釋外部數據，從這些數據中學習，並利用這些知識通過靈活適應實現特定目標和任務的能力”。
和現在重視基於控製論和神經網絡的方法不同。
當年人們一直致力於將人工智能符號化。
後來人工智能真的成符號了。
爛大街意義上的符號。
人工智能往後幾年基本是爛大街的詞匯。
不過在2014年來看，人工智能代表著未來的一種可能。
人工智能其實是一個很寬泛的課題！
也正因為人工智能的寬泛，林灰才將這個方向作為入局的首選。
以人工智能為切入點，將來可以很容易延申到別的方向。
林灰相信人工智能在未來10~15年的潛力。
當然，也僅僅是10~15年的潛力。
至於再久遠的事情，林灰並不是很看好。
事實上以前世2021年的人工智能情況來看。
已經給人一種日薄西山的感覺。
人工智能已經淪為一門很俗很俗的學問。
遠沒有人工智能概念剛火起來那會，給人一種點石成金的感覺。
林灰不看好人工智能15年後的潛力並不完全是心理層麵的原因。
很大程度上也是因為人工智能本身的原因。
以前世人工智能的發展狀況來說。
前世大概2010年之後，人工智能這方麵的熱度就在不斷發酵。
在2016年，人工智能這方麵的熱度被徹底引爆。
之後的幾年時間，基本上各個大廠科研機構一窩蜂地湧入人工智能領域。
在這段時間裏，看似科技成果瘋狂湧現。
但林灰覺得這些科技成果的瘋狂湧現隻是量變的積累罷了。
並沒有產生質變。
為什麽這樣說呢？
前世人工智能方麵的研究進展看似取得很多成果。
但這些研究成果大部分都屬於弱人工智能。
最為典型的就是弱人工智能就是Siri。
你與它的對話，實際上就是程序設計者在背後設計出一套相對應的流程。
然後在語音識別的基礎上加了一套應對，使得大家都以為它能夠聽得懂你在說什麽。
其實Siri不過是走了一遍流程而已。
有弱人工智能，自然就有強人工智能！
“強人工智能”一詞最初是約翰·羅傑斯·希爾勒針對電腦和其它信息處理機器創造的，其定義為：
<a href="https://m.tsxsw.la" id="wzsy">tsxsw.la</a>
“強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，隻要運行適當的程序，計算機本身就是有思維的。”
強人工智能和弱人工智能最大的區別在於能不能具有不依賴於人的思維能力。
不止於此，還涉及到一些理念上的區別。
比如說弱人工智能觀點認為不可能製造出能“真正”地推理和解決問題的智能機器。
從前世人工智能的發展情況來看，弱人工智能一派似乎是勝利了。
強人工智能一派一敗塗地。
前世在很多人眼中人工智能進展早已突飛猛進，但實則不然。
諸如圖像識別、影像識別、語言分析、棋類遊戲等。
這些看似很高端大氣上檔次的人工智能實際上都處於非常原始的弱人工智能階段。
這些機器隻不過“看起來”像是智能的，但是並不真正擁有智能，也不會有自主意識。
之所以說這些東西原始，是因為這些人工智能的一舉一動都是程序設計者在預測會出現的情況。
或許有人會說，人工智能一舉一動都處在程序設計者預測的情況不才是正確的嗎？
如果人工智能產生了什麽設計者預測不到的情況豈不是意味著人工智能的失控嗎？
這樣說確實有道理。
但是換個角度想想，人們設計人工智能的初衷是什麽呢？
人們是想要人工智能在諸如語言分析、棋類遊戲上做的更遊戲嗎？
哪怕人工智能在這些方麵做的再優秀也隻能說明這些人工智能更適應規則而已。
而人類所期待的是人工智能可以打破規則。
隻有人工智能打破規則才有可能在基礎科學上有所助力。
聽起來有點扯。
但事實如此，強人工智能的研究一向有誌於此。
如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa計算機程序，隻要給予一些資料，這計算機程序自己隻用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式。
這等於隻用幾十個小時就自己重新發現牛頓力學公式。
但這種研究也僅僅到牛頓公式而已。
研究人員致力於此也是可以理解的。
基礎科學才是決定人類科技真正上限的東西。
人工智能如果無助於基礎科學的研究。
那現在多多少少都有點資源浪費的意味。
大概類似於換皮賽博朋克？
就算把概念炒出花來，本質上也隻是虛假繁榮而已。
當所有領域都被弱人工智能鋪開一遍。
那人工智能估計也就走到盡頭了。
有的時候，林灰甚至會覺得涉及到人工智能很像是科技樹點歪的結果。
深度學習的到來開啟了人工智能的大門。
但開啟了這扇大門之後，帶來的直接後果是：
機器越來越聰明，人的作用在下降。
一些算法工程師甚至直接淪為機器的保姆。
一言難盡。
不是說人工智能沒發展前景。
如果估計也隻能夠用個10~15年而已。
弱人工智能的潛能挖掘殆盡，估計人工智能的紅利也就走到盡頭了。
至於說林灰刻意引導發展強人工智能？
林灰沒那麽勇。
人工智能的發展不僅有技術上的難題！
還有社會上的重重阻力：
很多媒體預測弱人工智能將取代諸如超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員之類的很多行業。
因此引起了這些人的恐慌。
人工智能每前進一步都要麵臨著巨大的社會爭議。
前世弱人工智能的發展都麵對著層層阻礙。
更不要說強人工智能將會麵對怎樣的阻礙了。
畢竟強人工智能某種意義上來說具有顛覆性。
林灰沒那麽勇是一方麵。
另一方麵，林灰沒那麽高尚。
僅僅是弱人工智能就足夠林灰吃的了。
一萬億直接經濟，十萬億附帶效益。
這還僅僅是國內。
總之，一切都是大有可為。
不過這些都是往後的事情了。
至於十年二十年之後又該如何，林灰說不好，也不好說。
要是林灰能實時接受前世那個時空的消息。
或許就……
……
林灰停止了胡思亂想。
開始例行的睡前回郵件環節。
在郵箱裏，林灰看到伊芙·卡莉又發來了郵件。
在郵件中伊芙·卡莉表示她已經到帝都了。
大概明日就會到達北域。
這讓林灰多多少少有點意外。
林灰原本以為伊芙·卡莉會在帝都逗留一段時間呢。
結果全然沒想到伊芙·卡莉居然明天就到了。
不過這樣也好。
林灰也蠻期待著這次見麵。
除了向林灰通告了一下行程之外。
伊芙·卡莉還在郵件裏繼續力邀林灰加入麻省理工學院。
雖然伊芙·卡莉在郵件中的語言基本都是陳述句。
並沒有什麽煽動性。
但林灰卻心動了。
因為林灰敏銳地捕捉到了一個信息。
伊芙·卡莉在郵件中介紹麻省理工學院在本科以及碩士期間均是完全學分製。
完全學分製？
所謂的完全學分製有別於學年學分製和學年製。
基本上在校學生隻要修夠相應的學分就能直接畢業。
這居然還有這好事？
林灰本就不想在本科浪費太多時間。
學校在林灰看來是跳板。
完全學分製這個條件對林灰無疑是極大的誘惑力。
這豈不意味著修滿學分就能畢業了？
林灰記得前世MIT似乎不是這個製度啊。
是這個時空獨有的製度？
還是為他一個人開的特例？
不過不管這些是什麽原因，如果真的是完全學分製。
那林灰似乎沒什麽好糾結的了。
果斷選擇麻省理工學院就完事了。
水木什麽的一邊呆著去。
林灰之所以青睞完全學分製。
不僅僅是因為實行完全學分製學生能夠快速修滿學分。
完全學分製還意味著學生能夠充分根據個人興趣製訂個性化的學習計劃。
這對於學習無疑是很有好處的。
畢竟興趣才是最好的老師。
前世林灰所期待的大學生活就是這樣的。
無奈理想很豐滿，現實很骨感。
如果麻省理工學院真的是完全學分製的話那無疑對林灰來說是個極大的利好。
不過林灰並沒有盲目樂觀。
誰知道所謂的麻省理工學院是完全學分製這件事究竟有沒有貓膩呢？
林灰記得前世在本科教育中，我國確實有不少高校都號稱實行“完全學分製”。
並且宣稱要推進按學分收費。
聽起來很棒。
但實際上隻是補考收費而已。
而且所謂的學分製學生選課根本沒有太大空間。
不少學校的可選課程並沒有優化或增多，課程質量也沒有提高。
所謂的“完全學分製”實質仍是學年學分製。
第150章 點歪了的科技樹
接下來林灰的工作無非就是再繼續添加些細節。
這個工作很枯燥，但說不上困難。
不過此時時間已經接近零點。
林灰不打算夤夜鏖戰了。
林灰不開夜車並不是因為精力上的疲乏。
相反，林灰的精力很充沛。
林灰之所以不加班加點趕工是因為涉及到一些技術支持上的問題。
workflow這款軟件和林灰先前上線的幾款軟件/遊戲有些不一樣的地方。
那就是workflow這款軟件是需要服務器的。
盡管用戶在使用多數軟件的時候基本上都感知不到服務器。
但沒有服務器的話多數軟件其實是玩不轉的。
服務器通常是以網絡作為介質，既可以通過內部網對內提供服務，也可以通過互聯網對外提供服務。
服務器的最大特點就是其強大的運算能力或是具備大量磁盤存儲空間的電腦。
使其能在短時間內完成大量工作及負載大量的文件資料存儲，並為大量用戶提供服務。
一般理解服務器相當於軟件的奶媽。
盡管現在林灰搞得workflow相比於後世的完全體隻是“弟中弟”形態。
但即便是這種形態想將這樣的軟件全部的功能發揮出來的話依然是要用到服務器的。
沒有服務器的話workflow的工作效率會大打折扣。
後世的快捷指令APP在不跟Siri一塊用的時候，基本可以離線運行。
但現在的情況稍稍有些棘手。
說起來有點麻煩，最主要的原因是因為iOS7功能還不夠強大。
盡管這個iOS界麵首次應用的扁平化設計風格。
但除了風格上的改變之外，涉及到很多底層的東西都有點拉跨。
總之，workflow這款軟件想要發揮出相應的實力還是需要服務器的。
等到iOS8版本上，workflow這款軟件對服務器依存度就比較小了。
盡管如此，為了工作效率最大化還是有服務器的好。
涉及到工作效率隻是一方麵原因。
另一方麵原因還是為了防盜版。
講真，跟盜版軟件各種勾心鬥角真的很心累。
但不防範也不行，天下烏鴉一般黑，盜版無處不在。
workflow這款軟件對於林灰來說價值可是接近兩億元。
再小心也不過分。
最關鍵的是涉及到workflow這款軟件，林灰沒法在專利上做文章。
因此隻能在機製上玩些心機。
說起來，林灰覺得他似乎該找個得力下屬了。
有下屬的話弄服務器這種事情隨便交代一下就完事了。
事事躬親屬實有點累。
不過現在事情多多少少有點麻煩。
最關鍵的是林灰並不知道將來他要何去何從。
是去麻省理工呢？
還是在國內隨便讀個水木將就一下？
要是以後去美國的話，在國內找個跟班短時間看沒啥大用。
黃靜倒是個不錯的人選。
不過距離黃靜示好也不過才半天不到。
黃靜要真正加入林灰的麾下怕是要好久。
在大公司入職不容易，離職也是一件麻煩事。
涉及到工作交接神馬屬實煩人。
即便黃靜真的有誌於過來投奔林灰。
能在一個月之內處理完交接手續就很不錯了。
更何況黃靜和林灰還沒有私下接觸過。
黃靜怕是還沒有真正做出決斷。
……
說起未來，林灰隻是學業上暫時沒明確做出選擇罷了。
涉及到未來事業上的發展，林灰很清楚他將去往何方。
林灰的未來絕不是開發一款又一款軟件。
盡管看起來林灰現在隻是在跟各種軟件打交道。
但看問題不能隻看表象。
林灰此時的目光早已放在了別的地方——人工智能！
人工智能，也被稱作AI。
對人工智能的研究由來已久。
約翰·麥卡錫於1955年的定義是“製造智能機器的科學與工程”。
安德烈亞斯·卡普蘭（Andreas Kaplan）和邁克爾·海恩萊因（Milein）將人工智能定義為“係統正確解釋外部數據，從這些數據中學習，並利用這些知識通過靈活適應實現特定目標和任務的能力”。
和現在重視基於控製論和神經網絡的方法不同。
當年人們一直致力於將人工智能符號化。
後來人工智能真的成符號了。
爛大街意義上的符號。
人工智能往後幾年基本是爛大街的詞匯。
不過在2014年來看，人工智能代表著未來的一種可能。
人工智能其實是一個很寬泛的課題！
也正因為人工智能的寬泛，林灰才將這個方向作為入局的首選。
以人工智能為切入點，將來可以很容易延申到別的方向。
林灰相信人工智能在未來10~15年的潛力。
當然，也僅僅是10~15年的潛力。
至於再久遠的事情，林灰並不是很看好。
事實上以前世2021年的人工智能情況來看。
已經給人一種日薄西山的感覺。
人工智能已經淪為一門很俗很俗的學問。
遠沒有人工智能概念剛火起來那會，給人一種點石成金的感覺。
林灰不看好人工智能15年後的潛力並不完全是心理層麵的原因。
很大程度上也是因為人工智能本身的原因。
以前世人工智能的發展狀況來說。
前世大概2010年之後，人工智能這方麵的熱度就在不斷發酵。
在2016年，人工智能這方麵的熱度被徹底引爆。
之後的幾年時間，基本上各個大廠科研機構一窩蜂地湧入人工智能領域。
在這段時間裏，看似科技成果瘋狂湧現。
但林灰覺得這些科技成果的瘋狂湧現隻是量變的積累罷了。
並沒有產生質變。
為什麽這樣說呢？
前世人工智能方麵的研究進展看似取得很多成果。
但這些研究成果大部分都屬於弱人工智能。
最為典型的就是弱人工智能就是Siri。
你與它的對話，實際上就是程序設計者在背後設計出一套相對應的流程。
然後在語音識別的基礎上加了一套應對，使得大家都以為它能夠聽得懂你在說什麽。
其實Siri不過是走了一遍流程而已。
有弱人工智能，自然就有強人工智能！
“強人工智能”一詞最初是約翰·羅傑斯·希爾勒針對電腦和其它信息處理機器創造的，其定義為：
<a href="https://m.tsxsw.la" id="wzsy">tsxsw.la</a>
“強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，隻要運行適當的程序，計算機本身就是有思維的。”
強人工智能和弱人工智能最大的區別在於能不能具有不依賴於人的思維能力。
不止於此，還涉及到一些理念上的區別。
比如說弱人工智能觀點認為不可能製造出能“真正”地推理和解決問題的智能機器。
從前世人工智能的發展情況來看，弱人工智能一派似乎是勝利了。
強人工智能一派一敗塗地。
前世在很多人眼中人工智能進展早已突飛猛進，但實則不然。
諸如圖像識別、影像識別、語言分析、棋類遊戲等。
這些看似很高端大氣上檔次的人工智能實際上都處於非常原始的弱人工智能階段。
這些機器隻不過“看起來”像是智能的，但是並不真正擁有智能，也不會有自主意識。
之所以說這些東西原始，是因為這些人工智能的一舉一動都是程序設計者在預測會出現的情況。
或許有人會說，人工智能一舉一動都處在程序設計者預測的情況不才是正確的嗎？
如果人工智能產生了什麽設計者預測不到的情況豈不是意味著人工智能的失控嗎？
這樣說確實有道理。
但是換個角度想想，人們設計人工智能的初衷是什麽呢？
人們是想要人工智能在諸如語言分析、棋類遊戲上做的更遊戲嗎？
哪怕人工智能在這些方麵做的再優秀也隻能說明這些人工智能更適應規則而已。
而人類所期待的是人工智能可以打破規則。
隻有人工智能打破規則才有可能在基礎科學上有所助力。
聽起來有點扯。
但事實如此，強人工智能的研究一向有誌於此。
如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa計算機程序，隻要給予一些資料，這計算機程序自己隻用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式。
這等於隻用幾十個小時就自己重新發現牛頓力學公式。
但這種研究也僅僅到牛頓公式而已。
研究人員致力於此也是可以理解的。
基礎科學才是決定人類科技真正上限的東西。
人工智能如果無助於基礎科學的研究。
那現在多多少少都有點資源浪費的意味。
大概類似於換皮賽博朋克？
就算把概念炒出花來，本質上也隻是虛假繁榮而已。
當所有領域都被弱人工智能鋪開一遍。
那人工智能估計也就走到盡頭了。
有的時候，林灰甚至會覺得涉及到人工智能很像是科技樹點歪的結果。
深度學習的到來開啟了人工智能的大門。
但開啟了這扇大門之後，帶來的直接後果是：
機器越來越聰明，人的作用在下降。
一些算法工程師甚至直接淪為機器的保姆。
一言難盡。
不是說人工智能沒發展前景。
如果估計也隻能夠用個10~15年而已。
弱人工智能的潛能挖掘殆盡，估計人工智能的紅利也就走到盡頭了。
至於說林灰刻意引導發展強人工智能？
林灰沒那麽勇。
人工智能的發展不僅有技術上的難題！
還有社會上的重重阻力：
很多媒體預測弱人工智能將取代諸如超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員之類的很多行業。
因此引起了這些人的恐慌。
人工智能每前進一步都要麵臨著巨大的社會爭議。
前世弱人工智能的發展都麵對著層層阻礙。
更不要說強人工智能將會麵對怎樣的阻礙了。
畢竟強人工智能某種意義上來說具有顛覆性。
林灰沒那麽勇是一方麵。
另一方麵，林灰沒那麽高尚。
僅僅是弱人工智能就足夠林灰吃的了。
一萬億直接經濟，十萬億附帶效益。
這還僅僅是國內。
總之，一切都是大有可為。
不過這些都是往後的事情了。
至於十年二十年之後又該如何，林灰說不好，也不好說。
要是林灰能實時接受前世那個時空的消息。
或許就……
……
林灰停止了胡思亂想。
開始例行的睡前回郵件環節。
在郵箱裏，林灰看到伊芙·卡莉又發來了郵件。
在郵件中伊芙·卡莉表示她已經到帝都了。
大概明日就會到達北域。
這讓林灰多多少少有點意外。
林灰原本以為伊芙·卡莉會在帝都逗留一段時間呢。
結果全然沒想到伊芙·卡莉居然明天就到了。
不過這樣也好。
林灰也蠻期待著這次見麵。
除了向林灰通告了一下行程之外。
伊芙·卡莉還在郵件裏繼續力邀林灰加入麻省理工學院。
雖然伊芙·卡莉在郵件中的語言基本都是陳述句。
並沒有什麽煽動性。
但林灰卻心動了。
因為林灰敏銳地捕捉到了一個信息。
伊芙·卡莉在郵件中介紹麻省理工學院在本科以及碩士期間均是完全學分製。
完全學分製？
所謂的完全學分製有別於學年學分製和學年製。
基本上在校學生隻要修夠相應的學分就能直接畢業。
這居然還有這好事？
林灰本就不想在本科浪費太多時間。
學校在林灰看來是跳板。
完全學分製這個條件對林灰無疑是極大的誘惑力。
這豈不意味著修滿學分就能畢業了？
林灰記得前世MIT似乎不是這個製度啊。
是這個時空獨有的製度？
還是為他一個人開的特例？
不過不管這些是什麽原因，如果真的是完全學分製。
那林灰似乎沒什麽好糾結的了。
果斷選擇麻省理工學院就完事了。
水木什麽的一邊呆著去。
林灰之所以青睞完全學分製。
不僅僅是因為實行完全學分製學生能夠快速修滿學分。
完全學分製還意味著學生能夠充分根據個人興趣製訂個性化的學習計劃。
這對於學習無疑是很有好處的。
畢竟興趣才是最好的老師。
前世林灰所期待的大學生活就是這樣的。
無奈理想很豐滿，現實很骨感。
如果麻省理工學院真的是完全學分製的話那無疑對林灰來說是個極大的利好。
不過林灰並沒有盲目樂觀。
誰知道所謂的麻省理工學院是完全學分製這件事究竟有沒有貓膩呢？
林灰記得前世在本科教育中，我國確實有不少高校都號稱實行“完全學分製”。
並且宣稱要推進按學分收費。
聽起來很棒。
但實際上隻是補考收費而已。
而且所謂的學分製學生選課根本沒有太大空間。
不少學校的可選課程並沒有優化或增多，課程質量也沒有提高。
所謂的“完全學分製”實質仍是學年學分製。
第150章 點歪了的科技樹