涉獵這一領域，成敗，並不在於何時開始，而在於能否想到這一步。
盛夏時節，眼見就要過去，東北太平洋大區的廣袤土地上，第一縷秋風帶來絲絲縷縷的涼意，NEP_791的地下世界，擴建工程緊鑼密鼓，在初號機測試進行的同時，更大規模的“強人工智能”部署用基礎設施，也在緊張施工中。
研究劃時代的“強人工智能”，單論項目本身，已經是一項前所未有的巨大成就。
但方然的動機，據實而言，並不是簡單的探尋科學技術之未知，他希望擁有的“強AI”，能力至少也要在最頂尖的人類科學家之上。
否則，從促進科技發展的角度，庸碌的“強AI”就沒有意義，單純研究意識、思維與認知，進而用計算機 人工智能的方式將其複現，便會成為舊時代的諸多燒錢工程，徒然耗費資源而得不到即期的收益。
一切科學技術的研究，必須要有收益，否則，NEP便無法自殘酷的競爭中勝出。
即便如此，一開始研發“強人工智能”，目的仍然是驗證總體架構的可用性，出於種種考慮，NEP_791地下世界裏的初號機，指標要求一點也不高。
采納萊斯利*蘭伯特的意見，方然為初號機選定的研究領域，是數學。
遵循從易到難的原則，考慮到強人工智能的一切初始條件，隻能來自於人，而人類的科學技術體係又未必完全正確、完全自洽，為避免不必要的幹擾和疏漏，“數學”這樣一個最客觀的學科，是很合理的選擇。
總之，第一個“強人工智能”的目標，是探索數學。
但依靠很原始的強AI，能否去探索前沿，解決大量懸而未決的問題呢，當然不可能，沒學會爬就像跑，隻會摔一個大跟頭。
研發組的具體規劃，是給予初號機的數據庫一份簡單的“已有知識列表”，按FSI體係的規範要求，錄入基礎知識條目，而後啟動該係統，觀察、測度係統能否從這些簡單的已有知識出發，推導出其自身並不知曉的數學定律。
即便推導出的結果，極大可能，是人類已經掌握、因此而毫無價值的東西。
但用來驗證係統的可用性，這卻是一個可行之策。
不僅如此，觀察係統的運行，借助ASA這樣的人工智能進行追蹤，還有望解析“強AI”的運作機理，甚至搞清楚其自主意識的根源。
數據庫，思維核心，具備這兩大部分的係統，原則上便是一個“強人工智能”。
不過，早在項目的規劃之初，方然就意識到，僅有這兩部分所組成的“強AI”，能力注定十分有限，直白的講，其理論上的最高成就，僅僅局限於現有基礎理論的延拓、應用，而絕不可能在現有基礎理論的基礎上更進一步。
原因很簡單，不論是人，還是人工智能，脫離客觀世界、閉門造車，都不可能憑空推動科學技術的進步。
理論，對與不對，要由實踐來檢驗。
沒有後麵的這一步，再華麗的理論，也隻能永遠停留在空中樓閣的狀態，永遠無法坐實，永遠無法成為新的出發點。 本章尚未完結,請點擊下一頁繼續閱讀---->>>