不出手。不过花大价钱请你王一男来，不就是帮我们解决问题的嘛。“怎么，有什么问题吗”，G老问到，
“基本的原理上没啥问题，但是你们的实验数据有点少，这样少的样本数量，我不知道对最终结果会有什么影响”。王一男说，
“那怎么办，现在再进行风洞试验，甚至使用超算进行模拟都有点来不及了”，G老也有点傻眼，没想到事到临头居然碰到这样一个大麻烦。
“让我想想，让我想想”，王一男开始了疯狂的思考，用李文静的说法，“王一男的大脑平时都是降频使用的，总是在这样关键时候进行超频，所以不用担心被烧坏”。
样本缺乏的时候，该怎样进行训练呢？
116所的飞控系统改造实际上分成了两个阶段，第一阶段是使用116所提供的22T数据，经过学习和进化，哥德尔系统学会了飞行，这个阶段如果细分的话，实际上可以再分成两个阶段，首先是利用人类给予的数据，在现有气动外形条件下，哥德尔系统学会了模拟飞行，也就是说，在哥德尔系统的意识空间里面，能模拟出现实中完全一样的飞行。第二阶段，哥德尔系统自己会去改变气动外形，大家还记得最后哥德尔系统给出的气动外形修改意见吧。
第二阶段就简单了，直接分析Ada的控制率找出缺陷就行，问题是王一男不知道哥德尔系统比他想象的更为强大，哥鲲鹏不仅仅知道116所的鸭翼重型隐身战机怎么飞，实际上早就知道其它布局的飞行器怎么飞的好，怎么飞的隐形！
要是哥德尔系统知道王一男在发愁什么，一定一巴掌抽过来，你个傻鸟，这么简单的气动外形，哥早就知道该怎么飞了（好吧，这里的哥完全是巧合），还用得着你瞎琢磨。
不过也正是王一男的瞎琢磨，才让哥鲲鹏再一次脱胎换骨，王一男想到最近看过的一篇论文，如果哪位读者提前想到，恭喜你，智商绝对超过160，对，就是米歌的那篇狗蛋的论文，发表在《自然》上的AlphaGoZero论文，完全不依赖于人类的知识，只是告诉神经网络基本的规则和胜负的概念，然后让神经网络自我对抗学习，仅仅490万局自我学习之后，狗蛋就从完全不会，达到了打败狗狗大师版的水平，根据估计，让最强的人类三子不是问题。
如果抛弃人类实验的数据，因为从样本数量上来说，即使116所的22T数据，相对真实世界，也是相差了无数个数量级，完全让哥德尔系统的神经网络按照基本的物理学，特别是流体力学规