简单来说，人类的大脑及神经系统也就是一台超级计算机，只不过人类这台超级计算机的运算处理能力比人类迄今发明的最qiáng大超级计算机要厉害到哪里去了。简单来说，你要让现在的超级计算机一边模拟人类的微笑一边朗读一段课文就几乎可以bī死这台超算，更别提我们人类还可以在这两个动作的同时一边走路、一边欣赏美景，顺带在脑海里胡思乱想。更为重要的是，人类如此多进程地处理如此多的事件，耗能才多少？估计连一小口香蕉所产生的卡路里都不需要吧？但是如果让超级计算机来的话，那耗能简直吓死人。因此这个“类人神经系统架构”可以在尽量降低能耗和硬件消耗的前提下提高超算的运算能力，算得上是一种突破了吧。

不过林锦麒从系统里兑换出来的版本大概已经是10.0了，然后林锦麒故意弱化成了1.0版，而最后教给陈士骏的则是0.1版的α测试版本。不过饶是被林锦麒这样弱化再弱化，最后估算出来的效果也将陈士骏吓了一跳。用陈士骏的话说，林锦麒几乎是以一己之力将计算机的世代从第四代推进到了真正想第五代过度的第四代半计算机。

“目前‘雅典娜项目’进展一切顺利，架构基本得到了验证，目前我们正在寻求最佳方案。相较于‘雅典娜项目’的进展，‘普罗米修斯项目’则有些延宕。”陈士骏有些不好意思地说道。

和超算并成为高科技公司必涉足的另外一个项目就是“人工智能”，而林锦麒这次提供给陈士骏的人工智能就是源自后世谷歌的alphago。alphago原初版的原理就是“shen度学习”和“价值网络”，而“shen度学习”则是将一个具体的知识点不断分拆至抽象化，而通过这种分拆让计算机理解人类的“抽象思维”和“模糊思维”，进而摆neng原来计算机那种机械式重复学习；至于“价值网络”就是通过双重评估的方法来确定计算机的决定。

双重评估的第一重评估就是选择“最优”的选择，即通过shen度学习所获得的只是来评估若gān个可选方案中哪个是最佳方案；而第二重评估则是“选择”之后引发“最佳可能”的概率有多少，也就是选择了某个选项之后会不会让后续发展也最佳，其实这就是一个负面评估。简单来说，通过双重评估的“价值网络”，计算机可以在一个或若gān个最佳选项里找到那个不会给自己带来太大麻烦的“最He适选项”。

林锦麒和陈士骏讲解这些原理的时候，陈士骏顿时惊为天人。在科学界，“会做事”的往往不如“知道做事”的那么地位高。或许林锦麒并不知道真正的人工智能该如何，但是就凭林锦麒的这一系列分析，那么未来的“人工智能之父”的头衔就跑不掉。不过即便林锦麒指出了一条比较可行的道路，但是要走过去还是比较麻烦的事情。

本章未完...

=== 华丽的分割线 ===