即便像AIASG這樣的係統，能自主生成程序，實質上，也不過是將一些類似的已有成果排列組合，解決那些早已被人解決過的問題。
路，還是人走出來，計算機隻不過是更快的再走一遍，兩遍，三遍；
就算再走無數遍，仍沒有任何創新。
取而代之的嶄新思路，“斂散算法”，則是根據一定的初始條件，在算法的每一步，嚐試盡可能多的展開分支，引入額外的發散量，當然這種做法，很快就會讓計算量暴增，所以還需要進行“收斂”，通過同樣包含隨機性的判據，迅速“砍”掉大量無意義的分支。
表麵上看，這一先發散、後收斂的做法，與向係統中引入隨機變量，並無本質區別，實質上也可以粗糙的這樣認為。
區別則在於，算法步驟中引入的變量，並非隨機數，而是來自於初始狀態庫的一切既有知識。
那麽就是在窮舉嗎，似乎是，隻不過為了應對完全窮舉的計算量暴漲，而必須在每一步進行判斷、預計與猜測，將無意義的分支完全消除。
具體到某一個分支，其是否有意義，判斷起來也並不容易，此外還要引入額外的隨機性，將某些“看起來”無意義的分支，移入另一個線程繼續追蹤。
這一做法，能避免收斂策略錯殺那些切實可行、卻不符合既有知識體係的分支。
“斂散策略”的核心思想，是建立在傳統計算機的運行之上，此外再加入“關聯擾動”與“隨機性”，利用這種方式，嚐試讓AI具備創造性、探索性思維。
這種體係，一開始在驗證可行性時，需要的資源量並不太大。
但可想而知，倘若投入到實際運行中，這樣的係統必然耗費巨大，哪怕隻用來解決一些粗淺的問題，都需要比傳統計算機更多的算力，當然，倘若其真能具備“強人工智能”的特質，巨大的投入也是值得的。
“強人工智能”的第一台實驗機，所需算力，設計指標大約在1PFlps。
以今的計算機技術水平，這種規模的算力並不難提供，不過，1PFlps算力能支持的思維、認知，可以達到多高的水平，僅從理論模型出發並無從得知，一切還要在初號機完成並上線運轉一段時間後，才能得出結論。
按項目組的計劃，從初號機開始，“強人工智能”就應該具備一定的自我演化能力，這種特質，也更接近於人腦的狀態。
那麽，假以時日，這樣的機器能演化到什麽狀態，就更需要時間來給出答案。
自從掌控一個大區，直到今，1495年才啟動“強人工智能”的研發工作，這種進度怎麽也並不算快。
但在方然看來，情況還好，他並不認為所有大區的管理員都和自己一樣，能夠洞悉“強AI”定義的內在矛盾，繼而認識到，以現有的科學技術水平，人類其實是可以研發出某種程度的自主AI，進而窺破“思維”、“認知”活動的奧秘。 本章已閱讀完畢(請點擊下一章繼續閱讀!)