與前沿探索的“阿爾法”組不同，“貝塔”組的方向，則更加現實，專注於現有人工智能體係的調整、優化，在應用平台上混合AI與傳統邏輯模塊，提升係統的實際性能。
作為新手，一開始在“貝塔”組工作，這是很自然的安排。
夏洛特的信息基礎研發中心裏，有若幹AIG這樣的組，之前麵試過方然的肯*湯普森則是中心的項目負責人之一，也是五個AIG組的總管，但他想必很忙，來到夏洛特中心很多，方然都沒在見過他本人。
除非是開討論會，他倒是通過投影屏幕見過兩三次，畢竟也和現場不一樣。
目標明確，組裏負責帶新人的工程師也挺友善，認識到自己要展現能力、顯露才華，才能如願以償的留在研發中心，方然很投入，和組中資曆更老的其他員工不一樣，他每都會準時去工作室，下班時間後，還會在住處的電腦前繼續忙碌。
資平平，眼前一切全憑實打實的努力，方然清楚自己的斤兩。
不過這樣的投入度，也不全是受眼前目標的驅使：在動身前幾乎刺探、評估過夏洛特研發中心的一切，對於“努力到什麽程度才能留在IB”，方然很有把握。
對人工智能，具體的講，對未來的人工智能，究竟會發展到一個什麽樣的程度，他的確很感興趣，既然工作需要，索性就全身心的投入其中，先嚐試解決內心早已有之、卻始終沒有解答的困惑：
正如四色定理的證明，原則上，並不能作為計算機超越了人的證據；
他想知道，計算機、人工智能、自動化體係的能力上限，究竟在哪裏，人的智慧、思維、能力，會不會是這一切新生事物的花板。
人無法解決的問題，原則上，計算機更無法解決。
直到不久之前，不，直到坐在電腦前思考的這一刻，方然都清楚的知道，這句話還是工程界、計算機界乃至自然科學界的共識。
未來尚未可知，眼前的情形卻不容置疑，迄今為止，人類所創造的一切計算機、智能係統與自動化體係，雖然在很多領域都具有令人望塵莫及的強大力量，也在諸如實時翻譯、自動駕駛和棋類對弈等領域呈現出碾壓性的優勢，但是在邏輯推導、思維推斷的層麵，卻根本沒有取得任何實質性的突破。
直到今，任何一個數學猜想，仍然需要由人來證實、或者證偽；
倘若某些猜想，可以被計算機嚴密的證明、或者證偽，那必定是人的智慧在幕後操縱，計算機，則隻是用來節約時間、節約生命的有力工具。
現實情形如此，但，未來又會如何；
智慧，邏輯思維，分析、理解、洞察，這一切為人所壟斷的時間，還有多久……
每工作到深夜，十一點準時離開電腦、洗漱就寢，方然的腦海差不多被模型、架構和分析測試所充斥，但稍有閑暇時，他還是會被腦海中縈繞的念頭所吸引。 本章已閱讀完畢(請點擊下一章繼續閱讀!)