以近似简化形成一系列编号，到了二级神经网络里所需的数据处理量就会大大减少，占用的存储空间也会变得极少。
就拿标准钢琴来举例子，88个音符，每个都是一小段不同的音频，但这些音频对应每个琴键又是相对固定的，一个琴键一个音，那么我们就可以只在一级神经网络里存储88个音频，这些音频到了二级神经网络里就会变成88个数字编码，而一些着名的钢琴曲，其乐谱对应的数字是基本按顺序固定的，那么在三级神经网络里他们又会被简化为一些标准组合，这些标准组合嘛，也是可以用一组特定编号代表简化的。
这样一来，几乎人类所有的现有钢琴曲，经过3级神经网络计算压缩之后，就会形成“乐谱”，乐谱所占用数据空间连几十m都不到，以此类推，可能整个人类创作的音乐，经过处理之后，所占用的存储空间连几个G都不到。
而这个过程反向运行一下，我们就可以根据乐谱对应的编号的钢琴音符来演奏出相应钢琴曲，如果我们还有其他乐器的音符库，那么我们就能听到吉他版的《time back》了！
延展一下，所有语言文字，也是一样的处理方式，经过标准化处理，然后编号，然后经过神经网络处理、存储，现有的所有书籍所占的数据量也就不到10t。
这就是女娲一个足球大小的体积，却能携带浩如烟海的资料的核心秘密。
现代AI功能之所以强大，在于存在世界各地服务器上的海量数据支撑和互相联通的网络提供的高速交互。
人脑内正常工作的神经元在10亿级别，但一般只用了3-6亿左右，而现在主流cpU内集成的单元器件也已经达到了10亿级别，二者数量上差不多的。
但电脑运算速度虽然快，但在并行处理多事务的性能上却被人脑完虐。
况且人类大脑其实是处于封印状态的，受限于物理结构和化学物质的运行效率，他有一个运行速度上限，就像cpU的钟频一样决定着一个芯片的运算速度。
女娲的原型机就是基于雷权对大脑的结构研究得来的科技成果。
