为了生存被动的工作，为了更好的生活主动去工作，哪种效率高？

无疑是后者。发布页Ltxsdz…℃〇M

既能够满足经济需要，又能获得名誉，基于兴趣富有激的去工作呢？

也许兴趣和激有一天会消退，但在消退之前，效率无疑是最高的。会让不自觉的，忘我的，不知疲惫的，灵感迸发的投其中……

此刻位于温莎的B实验室，所有科研员不论白发苍苍已经功成名就的，还是笨拙稚处于学习和积累阶段的，每一个都拿出了平生最大的热，投到了“大计划”当中。

牛、剑与B实验室之间的计算机网络架设完成后，一直有个国际象棋体验项目。

之所以选国际象棋，是因为这是如今工智能领域竞争最激烈的赛道。从74年开始，专门开设了世界计算机象棋锦标赛。

工智能与类棋手的对弈，也一直是非常热门的话题。

主要是能够让不同知识背景的，直观的判断出所谓“工智能”的智能程度……

世界范围内参与这条赛道的IT公司与实验室非常多，小来小去的不提，比较知名的就有一堆。

老美的Cray Research公司，依靠Cray-1 超级计算机一直处于顶尖水平。

毛子的莫斯科控制科学研究所，第一届世界计算机象棋锦标赛就是他们承办的，并取得了冠军。

还有老美的David Kittinger公司、老美的西北大学，以及77年启动原型机开发， 78年获得北美计算机象棋锦标赛并夺冠，80年获得世界计算机象棋锦标赛冠军的贝尔实验室。

这里面有两个背景要科普一下。

第一个背景。

别看前面那些参与工智能项目的公司、高校和实验室好像挺厉害似的，但即便是眼下能最强的，贝尔实验室的“Belle”专用计算机，国际象棋Elo评级也只有2200到2300。

其次是Cray Research对Cray-1 超级计算进行专业优化后的Cray Blitz，有2100到2200。

第三David Kittinger的MyChess，能够达到2000至2100。

而时下的国际象棋顶尖大师们，Elo评分都在2700+。准顶级大师在 2650到2695之间。地址发布邮箱 LīxSBǎ@ＧＭＡＩＬ．ｃＯＭ特级大师的最低标准是 2500分。“大师”的门标准是2400。

也就是说，时下竞争火热的“工智能们”，即便是排名第一的“Belle”，距离大师的门水准，也还有一段距离呢。

第二个背景。

对计算机而言，棋力表现的基础有两个，算力和数据库。

前者决定了单局落子时限内的搜索度，说白了就是每次落子前能算出后面多少步棋路发展。

时下工智能的算力，硬件基础加上软件优化，普遍在 8至9层左右。

贝尔实验室的“Belle”，依靠PDP-11/23 加LSI-11处理器，再加上多块专用定制电路板。采用混合架构和硬件加速技术，能达到10层+。

具象一点，每秒钟能够比对约16到18 万个局面，是所有竞争对手中最快的。

这并不是一个稳定结果，具体表现要结合棋面的复杂程度。而且，国际象棋标准赛中，每局就时间分配而言分三个区段。每个区段留给和计算机思考的时间都不一样。

而类顶尖大师，能够稳定达到12到13层。状态特别好时，甚至能达到14层。

这也是个波动值。毕竟类身体的客观条件决定了，时时刻刻都要面临多维度的扰和影响……冷了热了、饥了饱了、有尿了憋屎了，后背有点刺挠，苦茶子有点勒沟子……

朋友劈腿了，五岁的儿早恋，十五岁的儿子又尿床，观众席有咳嗽……哪来的臭蛋味儿……诶？内妞儿真漂亮……

至于数据库，贝尔实验室的“Belle”内置了二十八万套局面的开局库，是眼下赛道内所有计算机中最高的。

艾兹格一帮早就想好了，“悟空”想要真正取得业内认可，最佳的捷径就是参加世界计算机象棋锦标赛，以及战胜知名类棋手。

但那这三个月之前的想法，和制定的初步计划。所有都认为，需要很长的时间做准备。

因为，“悟空”和现有的所有“工智能”都完全不同的。

聚焦于国际象棋这一点，现有的“工智能”知识获取，完全依赖类专家编码的规则和棋理。依托专用的“棋类计算器”执行，算法与硬件度绑定国际象棋问题。

这种“工智能”，无法应对类未编码的复杂局面，需要专家持续更新规则库。

而“悟空”依托的算力单元，硬件层面没有针对国际象棋做任何专项优化，也没有做优化的计划。

软件层面，将国际象棋的基本规则“教”给它，然后通过两种方式进行强化。

其一是，将历史比赛数据转化为知识，投喂给它。让它基于“规则”和“知识”，通过 MCTS算法和神经网络组合自我训练。

其二是不断给他找对手，它的度卷积网络会在对局中基于胜率，自动捕捉高阶模式。

听着很美好，但也导致参数空间扩张和外部数据资产的不断积累。

简单的说，数据量越来越大。

而计算机的算力、总线、内存、外部存储器和磁盘阵列控制器的吞吐、读写速度都是有限的。数据量越来越大，就意味着调用、比对、决策的时间越来越慢。

而国际象棋的时间规则又那么严苛，这几乎是无解的矛盾……

谁也没想到，这个问题在曲卓上次来时，所有都没留意的况下，就被初步解决了。

虽然他只待了大半天，其中很大一部分时间还用在了开会和闲聊上。

闲聊过程中，得知参数量越来越大，不但占用了大量宝贵的硬盘空间，甚至为了保证读取速度，不得不将数据分配到不同磁盘阵列里。

确定了问题后，曲卓只用了两个小时左右，就编辑了一个知识库蒸馏程序。随后用蒸馏程序对现有数据进行清洗、去重，还修改了标注规则。

“蒸馏”的过程非常慢，分布在四个磁盘阵列下，已经累积到接近3G的专项知识库，用了二十多个小时才完成。

等蒸馏结束后，实验室的惊讶的发现，新的智能体数据包，居然只有两百三十多兆，参数量从亿级骤降到了百万级。

没有知道如此夸张的脱水比，在提升知识密度的同时，会损失多少有效知识。但毫无疑问，运算速度重新回到了丝滑流畅的水平。

呃~~

只能说，不同的时代，对“丝滑流畅”这一评价的阈值，是不同的。

然后，就是不断的惊喜。

大概从去年年底诺贝尔颁奖前后开始，参数进行过度优化的“悟空”，进了连胜状态。

消息传开后，之前那些体验后便失去了兴致的国际象棋高手们，有起了再次体验的兴趣。

今年一月中，“悟空”在所有都毫无准备的况下，突兀的赢了一位继去年夏天后