正确的废话总是令人讨厌，如果，正确的废话再具体一点？或选个好角度再具体一点呢？—— David 9
科学界有这样一些论文题目，看起来有点意思，请允许David列出一些：
- “Transformers are Graph Neural Networks”
- “Deep Neural Networks as Gaussian Processes”
- “Transformers are RNNs: Fast Autoregressive Transformers with Linear Attention”
- “Wide Feedforward or Recurrent Neural Networks of Any Architecture are Gaussian Processes”
一些研究人员大胆地指出：A其实就是B！这就像告诉我们，“天上的云其实就是水分子，光其实也是一种波，妈妈唠叨其实是为了关心你”。看起来似乎都是正确的废话。
但是有两点值得注意：
1. 这至少可以帮你换个角度解释世界。
2. A其实就是B，是说A被B包含，即A⊆B，说明，B的解释范围比A大（得多）， 继续阅读为什么说Transformer模型甚至神经网络的“颠覆”会更早到来？以及神经网络的“表达力”并非真正的“壁垒”？