1982年：美国物理学家约翰·霍普菲尔德提出一种新型神经网络模型一一霍普菲尔德网络（HopfieldNetwork），解决了联想记忆问题，为神经网络的复兴莫定基础。
1986年：大卫·鲁梅尔哈特、杰弗里·辛顿和罗纳德·威廉姆斯重新普及反向传播（Backpropagation）算法，极大提高了神经网络的训练效率和实用性，开启了深度学习的新时代。
1987年：专家系统泡沫破灭，由于硬件成本过高和应用限制，AI产业进入第二次“AI寒冬”，导致许多商业AI公司倒闭，但研究转向更实用的基础技术。
1989年：法国科学家杨立昆（Yann LeCun）等人，用反向传播算法训练卷积神经网络（CNN），成功用于手写邮政编码识别，推动了模式识别和计算机视觉的进展。
1990年：机器学习成为主流研究方向，国际机器学习会议（ICML）开始制度化，AI技术在金融、医疗和工业自动化等领域，开始了扩大应用。
可以说，在魔法界还在用古老的书信的时候，科学界的AI已经度过了两次寒冬，并在酝酿着下一次的爆发。
而斯内普在了解完技术背景，又了解完白夜如何用“活画像”、“摄神取念”等魔法，跨越科技中的各种软硬件的关隘，直接用黑箱弄出来的“莉莉”后，就更加的心慌了。
斯内普对于黑箱型技术非常的不信任，他非常担心白夜造出来的那看似是莉莉的“人工智能”，会不会某一天也如曾经的自己一样，堕入了黑暗。
毕竟斯内普除了看理论书籍之外，也看了不少白夜推荐的电影。
讲AI威胁论的《2001》、《终结者》、《西部世界》，提到仿生人的《银翼杀手》、《机械战警》、《异形》，以及著名太空歌剧《星球大战》……
（再次强调一下，整个故事的根源事件1981年10月31日伏地魔袭击波特家，哈利幸存；1991年7月31日，哈利收到录取信。
哈利·波特，是实实在在的80后！）
这些虽然是导演虚构的影片，但是哪怕只有万分之一的可能，他也不希望哈利波特手中的那个魔镜里的莉莉，会忽然暴走。
所以，斯内普对于拆解白夜用那一堆黑箱构筑的魔镜的热情，也被极大的激发。
然后，斯内普就开始头疼了。
构建这类智能AI系统，需要的基础和依赖的前置技术非常广泛，毕竞AI是数学、逻辑学与计算机科学的交叉发展中，逐渐形成的。
也就是说，搞计算机，数学不能不学。
线性代数当中的向量、矩阵运算，是深度学习模型（神经网络）的核心计算基础。
微积分是优化算法，特别是梯度下降及其变种的基石。
概率论与统计学是AI处理不确定性、进行推断、模型评估（置信度、假设检验）的基础。这几门数学科目，都是必须要掌握的基础。
搞定了数学基础之后，还需要理解算法逻辑，并精通数据结构（数组、链表、树、图等）。毕竞斯内普需要的，不是用魔法搓出第二个人工智能，而是拆解白夜构造莉莉时，用各种魔法形成的“技术黑箱”。
所以，哪怕不去管各种硬件设施，那个如幽灵般的莉莉是“如何获取信息”、“如何存储信息”、“如何利用信息”、“如何删除（遗忘）信息”、“如何输出信息”，是斯内普必须要掌握的。也就是说，斯内普不仅需要学习数学，还需要弄出现在并不存在的，基于白夜的魔法编程的数据处理与工程技术。
包括但不限于数据库技术，数据收集与获取，数据清洗与预处理，数据可视化技术，大数据技术，各种神经网络算法……
而这么多的项目，显然不是斯内普凭借一己之力就能够弄好的。