第297章 一萬小時(第2/3頁)

經驗系統自動運轉，彷彿開著自動駕駛般，省去油門與剎車，佔用精力很少。

分析系統則需要自身對複雜的資訊進行處理，然後再根據理性進行分析，耗費精神大。

因而大多數情況下，經驗系統為分析系統提供者“直覺”、“印象”、“意願”、“態度”。

偏偏，人類或者說萬物天生就是懶惰的生物。

天生傾向於省事。

林奇也清楚，他本能就是傾向於靠經驗和個人直覺作判斷，透過經驗系統避開需要大腦費神費力思維的分析系統。

所以後來林奇一直刻意的進行“訓練”。

並非說他下意識讓自己多思考不依賴經驗，反而是訓練他的“經驗系統”，透過無數次的“分析”來訓練出真正接近全面的“經驗系統”。

然而，主動的訓練終究太慢。

林奇看著滿目蒼夷的地面，儘管這些原魔都躺著任由他屠殺，但林奇的這種“刻意”訓練，終究太慢了。

一個路邊的大臺北奶茶店終究只能養活一家幾口，可是當它變成連鎖時，得到的便可能是數十上百億的估值。

木工賣一張“椅子”，所生產的量終究突破不了一天24小時的極限。只有無形的“軟體”才能夠將邊際成本下降到零，實現真正的財富積累。

正如前世的alphago之所以能成為圍棋之神，本質上的神經網路與搜尋演算法便是一種“訓練”。

15年10月，alphago5:0擊敗了歐洲圍棋冠軍樊麾。

16年03月，alphago4:1擊敗了前世界冠軍李世石。

17年01月，alphago改版程式“aster”完成六十連勝，橫掃所有中日韓頂尖高手。

17年05月，alphago3:0擊敗了世界排名第一的中國選手柯潔。

當時關心局面的林奇，內心還保有著人類依舊有勝利希望的幻想，認為人類頂尖棋手如果得到alphago的長期訓練，定然能夠再度拔尖。

一直到當年，他聽到了另一個訊息——

17年10月，一個全新的變種alphagozero，完全擺脫過往所有的人類對局，只有基本的下棋規則後自己以一臺帶著4個tpu的機器從零開始透過機器學習，

3小時，alphagozero成功入門圍棋。

36小時，alphagozero摸索出所有基本重要圍棋知識，100:0擊敗戰勝李世石的alphagov18版本。

21天，alphagozero達到了aster水平。

40天，alphagozero對戰aster的勝率達到90。

40天，2900萬局圍棋便實現了人類兩千年都未曾出現的圍棋界獨孤求敗！

機器，某種程度而言比人類更為可靠。

林奇深刻明白這一點，倒也不是人類比不上機器。

而是人類的效能尤其是a模組至今依舊完虐計算機，甚至那耗能更是無解。

然而數萬年下來，人類終究只是進化了算術邏輯單元，至於主存暫存器、

不是人類笨，是效能不達標，人類的a遠超完虐計算機，然後就沒了，幾萬年的進化，人類只進化了a，像主存暫存器快閃記憶體io匯流排這些都還是萬年之前的老古董，自然比不上計算機了。

放如今，一臺98年的老古董給他配上i9一樣打不過帶著ddr4記憶體、ssd硬碟、3080顯示卡等隊友的i3。

林奇越發糾結地望著記憶宮殿深處，已經停工許久的“微處理器”模組，甚至他的重要度，再度提升！

哪怕如今林奇掌