只见当前的屏幕上，询问更多的还是关于数学模型，数学题的计算问题。
深度高，但对江皓来说并非关注的关键。
“推荐五个与人工智能和医学相结合的论文选题，尽量做到创新且能操作，结合近三年的研究热点，并告诉我每个选题研究的意义和可能的创新点。”
对话这种场景，很多手机助手都能做到，而且本身就是初级的语言大模型而已，算不上AI。
起码对江皓来说，他认为的AI大模型起码真的能有一定的解决实际问题的能力。
“以下是为您推荐的五个选题，选题一：基于多模态数据融合的阿尔茨海默病早期诊断，课题二：基于强化学习的个性化癌症治疗……”
江皓对于回复的选题并不算了解，不过并不影响他对该AI功能的判断。
“请根据选题一，帮我完成该论文的大纲。”
连续的发问并没有难倒该hiSeek模型的思考。
很快新的内容就已经呈现，大纲的每个部分包括子标题，以及子标题的核心内容等等。
所生成的内容让江皓当下是颇为满意。
哪怕知道该内容本质上还是源于足够多数据支撑下的预测，并非真正的创新，但这个智慧已经足够。
起码普通的硕士论文，能用该AI模型进行辅助，乃至直接生成且有很大概率能被通过。
中文文字的总体表述也十分准确。
江皓接下来还进行了一番文字表述的交流，包括中文和英文的，都能很正常的进行日常对话。
尤其是语音上，真的能模拟人声以及一些说话的气口，跟人类说话几乎相同。
“江教授，当前版本的hiSeek模型，共引入了1500亿个参数量，数据集来源与全网，……”
对于自己团队的成果，温教授当下介绍时情绪也颇为自豪与激动。
“温教授，目前这个版本可以开放下载么？”
…
“可以，不过需要进行简单的封装包括环境配置。”
“而且下载后使用的话，运算只能以用户电脑的配置进行，除非开通云计算服务，以我们的数据集后台进行运算。”
“只是这样的话，大量的访问，云计算中心的压力可能会比较大。”
…
“这点没问题，云计算中心整体我会做好安排。”
“若是您没意见的话，当前的hiSee
…。。