但對於ASA，方然觀察到的情形，則並非是在軟件、而是在行為層麵的一種仿生，他隱約察覺，完全活躍起來的人工智能，麵對近乎無限的信息海洋會作何感想：
AI的思路恰與人腦類似，是近乎於並行的迅速嚐試大量路徑，並通過各種判斷條件，將絕大多數無效路徑終止，進而獲得相對可行的路徑。
區別隻在於，以計算機的強大算力，處理的廣度和深度遠超人腦。
拘於永不下車的目標和有限的時間精力，事務繁多，方然研究人工智能的時間並不長，但，麵對屏幕上的實時監控數據線圖，他還是心生感慨，認識到電腦與人腦，人工智能與人類思維之間，並無本質上的區別。
但是不是就能，人的思維，可以與計算機的運作等同呢……
無意間觸及了一個意味深長的問題，潛意識知道這會有多難，方然沒多想，他等待著ASA給出結論，卻始終沒如願。
關於ASA本身，因為是集思廣益般的開發出來，這種規模的軟件，出現一些錯誤再尋常不過，軟件運行的幾周時間裏就崩潰過好幾次，即便有數據備份，但遠程操控基礎科學部的服務器、再登陸計算節點去處理，很繁瑣，這種為隱藏自身信息的安全措施大大拖延了項目的實際進度。
不僅如此，就在軟件趨於穩定、正常工作後，雖然為AI解決問題的方式而感慨，方然拿到的報告，卻沒有多大的價值。
7*4的不眠不休，ASA追蹤到若幹疑似“匿名者”的聯邦公民，但針對性卻不高。
白了，這些形跡可疑的目標，有可能是“匿名者”，更有可能是蟄伏在聯邦的同類，最大的可能還是係統判別的太粗糙、草木皆兵所致，而調查其他競爭者的行蹤，並非方然的目標，現在他可沒有精力去調查同類、甚至自相殘殺，而隻想弄清楚匿名者本人的近況。
那麽是軟件的大方向有問題嗎，回顧報告，方然並不這樣認為。
根本的問題，基於ASA的洪水泛濫般探索、逐級篩選驗證的調查方式，算力消耗太大。
伯克利大學的網絡帶寬，在聯邦政府新一輪經濟刺激政策下，提升顯著，看上去並不成為調查的掣肘，但是ASA要完全執行搜索方案，需要十分龐大的算力和存儲空間。
方然粗略估計，可能需要獨占伯克利的兩台大型計算機才勉強夠用，這顯然不現實，莫采用非法手段太危險，即便合理合規的購買算力，一台算力PFlps級的大型機每也要支付上萬馬克，這還是校內結算價；以自己現有的財力，這樣做完全是得不償失，還要承擔暴露行跡的風險。
在信息技術高度發達的世界，算力，某種程度上，比算法更關鍵。
這樣的認識，是方然對I領域的觀察而得出，和計算機課本上的法大相徑庭，但想一想也知道，再怎樣精妙的算法、代碼、程序，脫離實際運算平台的話也毫無用處；算法可以完善，可以拷貝再製，可以永續工作，然而建立在實打實計算機器之上的算力，卻不可能憑空摹想，更不可能複製重用。 本章尚未完結,請點擊下一頁繼續閱讀---->>>