兵貴神速！
唐筱也不知道，吳杰如何創造奇跡。
但繞不過的技術專利，解決不了的技術難題。
就當是‘死馬當作活馬醫’，讓吳杰隨心所欲的去折騰。
而這一折騰，吳杰要求還挺多。
不僅征用了唐氏電信的測試大樓，還調用兩臺集裝箱式數據中心，說是要加強計算力。
另外，還將需要實現自主化的儀器設備，全部準備了好幾套，說是要拆解做對比研究。
經過數小時的準備后，吳杰開始‘閉關’了。
唐筱并不太懂電子信息技術，也不可能在科研方面，給予吳杰多大的幫助。
所以她便有求必應，吳杰需要什么儀器設備，都不惜代價以最快速度弄來最好的。
然后……
等著吧！
看兩天后，吳杰能不能給她一個驚世奇跡。
而孤軍奮戰的吳杰，工作量其實并不大。
因為昨晚抽獎，弄到了‘初級人工智能程序’。
人工智能其實并不是什么新鮮概念了。
早在計算機研發之初，科學家就希望，將來某一天，計算機能從事科研、生產、制造、維護等所有工作。
但很可惜，想要讓計算機變得和人類一樣，擁有邏輯思維、思考和判斷能力，實在是太困難了。
于是乎。
人們不斷優化改進硬件，電子計算機從幾十噸重不斷演變。
運算速度越來越快、功能越來越強大、體積重量越來越小……
時至今日。
以智能手機、平板電腦為代表的‘新型計算機’，已經擁有了極為強大的功能。
而人工智能的發展，也到了一個新階段“大數據時代”。
各種APP應用軟件，在服務用戶的同時，也在不停的記錄數據。
喜歡買什么、吃什么、玩什么、常在哪兒活動、收入和消費狀況……
在人們不知不覺之間，其實已經讓軟件記住了‘用戶習慣’。
經過大數據處理之后，用算法分析了用戶行為，然后……
用戶看短視頻、看新聞、看電影電視……甚至是。
都更容易看到自己感興趣，或者曾經看到過的……
精準！高效！
很多人并不知道，自己已經生活在一個‘大數據時代’。
不懂為什么同樣是人，信用評分卻不一樣？能網絡借貸的金額不同？
其實這是根據收入和消費情況，進行了大數據分析。
就像支付寶不可能給一個收入微薄、每月透支的人，給予太高的信用評分、借太多錢。
而有了大數據的基礎，最頂尖的科技公司，便開始研究人工智能。
試著讓計算機，通過廣泛的學習，獲得邏輯思考和判斷能力。
從而代替人類，從事高度重復性、日常性和優化性的工作，讓人類更加專注于復雜的、創意的工作。
而一些企業已經走在了前沿。
比如國外的微軟、谷歌，國內的百度、阿里。
事實上，初步的人工智能，人們已經有所接觸了。
比如智能手機和音響，已經用上了智能語音助手，比如亞馬遜的Alexa、蘋果的Siri……
比如汽車上的自動駕駛技術，雖然尚不成熟但已經很前沿，比如谷歌的Waymo……
當然，這些人工智能都是‘偽智能’。
其本質上，軟件本身還是不能主動思考。
它之所以顯得‘很聰明’，是因為在云計算、大數據等技術下，它有足夠多的案例可以提供結果，因此它們都離不開網絡。
真正的智能，是告訴它一加一等于二，那么它自己可以思考，二加二相當于就是做兩次的一加一，從而自己得出結果等于四。
而不是所有的問題和結果，都要統統告訴它，提問之時，它再從海量的案例數據中，去尋找結果，而不是自己思考。
目前。
許多頂尖公司的人工智能，其實就是大數據的升級版。
通過大量的信息標記、軟件識別，然后強行的讓軟件記住，是生搬硬套。
就像用蘋果的Siri，或者其他語音助手。
每次問它什么問題，它都是聯網去搜、去找，網上什么結果，它就是什么結果。
總之。
以目前人類的科技發展速度，要做到真正的人工智能還為時尚早，不過遲早有一天實現。
相比之下。
吳杰通過系統抽獎方式，獲得的‘初級人工智能程序’，那就真是猶如一個數字生命。
與人類不同，智能程序是活在虛擬世界的生命。
因此它必須要活在電子設備里，比如服務器、計算機甚至硬盤。
就像養魚必須要有魚缸，吳杰特意準備了兩套集裝箱式數據中心。
從系統將其倒入之后，初始化了安裝環境，吳杰綁定了主人身份，通過腦電波感應器，直接與它進行交流。
這是地球人類文明第一個人工智能程序，意義重大。
而從太空俯瞰地球，地球是一個大面積被水覆蓋的蔚藍色星球。
干脆就取了一個有些俗氣，但還算文藝的名字——“藍星”。
擁有了名字還不行。
藍星猶如剛降生的嬰兒，什么都還不會。
吳杰必須要讓它學習，語音、圖像、文字、視頻。
人類之所以能學習進步，能從咿呀學語、蹣跚學步，變成博學多才、見多識廣。
靠的是什么？
當然是聽說讀寫，而本質上都是模仿。
通過書籍、雜志、影視、廣播等等各種方式，在潛移默化之間就慢慢學會了。
就像小孩子為什么會說話會方言？當然是模仿與她朝夕相處的人。
而作為人工智能程序的‘藍星’，與數據中心融合之后，便擁有了龐大的存儲量和超高的計算能力。
吳杰將一些提前準備好的數據倒入，藍星便開始進行‘自主學習’。
先學習語言文字和發音，再學習網絡信息技術……
吳杰儼然化身成為了老師，幫助藍星學習成長。
人工智能程序確實恐怖！
正常人如果想要成為高級軟件工程師，時間會很久。
小學六年、初高中六年，都只是學習掌握基本的知識。
而大學四年、研究生三年，也是理論多于實踐。
往往需要參加工作，不斷的歷練成長，花費三五年時間才能成為高級軟件工程師。
這也就意味著，培養一個人才需要二十多年。
但人工智能程序呢？
答案是三十分鐘。
小學生需要花費很多年，才能識文造句、加減乘除。
而藍星只用了不到十秒，但看似短暫，其實它已經做了數億億次的計算學習。
比如認字、寫字、發音，小學生需要反復讀寫才能記住。
但藍星立馬就能記住它長什么、讀什么、筆畫順序。
而在掌握基本知識之后，便學習數學、微電子、軟件編程……這些更高難度的知識。
人類學習比較痛苦，要聽老師講課、自己學習思考，甚至還要反復做題，應付考試。
藍星學習就很簡單了，知識體系和原理都是固定的，掌握知識其實就是數據記憶的過程。
最后。
人類現有的電子信息技術，看似復雜龐大，但已經累計了足夠龐大的工程實踐案例。
藍星動用那每秒千萬億次的計算力，去分析理解、去學習思考。
關鍵是，人類容易疲勞、厭煩、偷懶、抵觸，不認真學習、好吃貪玩。
但藍星不會，只要設備不壞、電力不斷，它能一直百分百專注的學習進步。
光是這效率……就不是一個數量級了！
然而……
半小時，藍星從一個知識小白，變為學識淵博。
這已經是很慢的速度了。
目前決定藍星能力的關鍵因素，是運算速度。
兩套集裝箱式數據中心，最高運算速度還是太慢了。
如果能讓藍星，‘生活’在超級計算機里。
那每秒十幾億億次的計算力，將可以讓它的速度數百倍。
當然。
吳杰不可能弄來一臺超級計算機，那玩意兒造價動輒幾十億，每年電費就要好幾千萬。
現實中，超級計算機都是做氣象模擬、氣動設計、災害預警、核武試驗之類的大事，對于任何國家來說都是國之利器，不可能想用就用。
而集裝箱式數據中心，既能高速運算、又能大數據存儲，成本還相對便宜，何樂而不為呢？
兩套不夠嗨，明天一百多套組網，難道還不夠強大嗎？
時間悄然來到了深夜。
吳杰化身成為了‘傳道受業解惑’的老師，回答藍星各種問題。
就像已經知識淵博的博士生，也會有一些問題，需要請教導師。
而之所以如此‘不勝其煩’的耐心教育輔導藍星，目的很簡單，就是把它培養成材。
如何去分析研究那些技術專利、如何逆向研究找到破解思路、如何找到創新辦法……
吳杰腦細胞不夠燒，但藍星可以！
教會它之后，它可以自行開展科研。
用它那每秒千萬億次的計算速率，解決掉困擾唐筱的技術難題。
第二天清晨。
經過徹夜的培養，吳杰已經沒什么可教了。
連系統都評價，藍星在電子信息領域，已經達到了‘宗師級’。
隨后，吳杰讓藍星利用它自己掌握的知識，不用國外企業的專利技術，去解決技術問題。
比如不用郎思科CSA的芯片，能否設計出新的芯片，功能不弱于它？
對藍星來說。
這一個個難題，就像是畢業考試。
只是……
人類考試，都是一門接著一門。
但誰讓藍星是人工智能程序呢？
吳杰讓它解決一百多項技術難題，相當于讓它同時參加一百多門考試。
當然。
為了讓藍星更快更好的‘考好’，唐筱替吳杰調集了一百多套集裝箱式數據中心。
它們看起來，像是重型廂式掛車。
貨廂里布置上千臺機架式服務器，標準化通信電力冷卻管線，特別方便快速機動部署。
它們一輛輛密密麻麻的停在廠區內，像是一支龐大的貨運車隊。
吳杰將它們并網之后，讓藍星擁有了更強的運算能力、更多的存儲空間。
方案設計、模擬測試、虛擬制造、工程試驗……
在純虛擬的數字環境下，藍星同時解決所有技術難題。
失敗！再來！
又失敗！又再來！
不停嘗試各種思路、不停論證各種方案。
每秒幾億億次的計算能力，宛如數百萬科研人員在持續科研。
三大巨頭做夢也想不到，他們以前集結成百上千名工程師，耗費幾年、耗資巨大才能研發一項新技術。
而現在，吳杰教會了人工智能程序藍星，讓它去做瘋狂龐大的科研，效率自然比他們高了上百萬倍。
功夫不負有‘錢’人。
一套高標準的集裝箱式數據中心，連同車體在內，總價高達數千萬元。
霸道總裁唐筱，給吳杰弄來了一百多臺，相當于給藍星配上了價值幾十億的‘身體’。
以每小時耗費十幾萬元電費的代價，持續高負荷工作了二十多個小時后大功告成。
提供的新技術，更先進強大、更低耗節能，連工藝圖紙都有，立刻就能讓工廠開工生產。
而人工智能的強大，何止于此。
吳杰讓唐筱趕來，一起見證奇跡時刻……