第七章 給世界來點小小的人工智慧演算法震撼

“大衛，改變世界太大了，你如果真的想招來一些人做點什麼，你一開始就喊出這麼大的口號，很容易讓人心生畏懼。

因為你喊出這樣的口號，只有兩種可能，一種是你只是當成口號招人，實際上要做的事情沒有你所宣稱的那麼偉大，那麼人們會認為這是一種欺騙。

另外一種是，你真的認為自己要做的事情能夠改變世界，改變世界並不容易，他們會認為如此宏偉的目標自己要付出多大的努力才能實現？

我不過是想花時間找點樂子，你卻告訴我我要付出卓絕努力。

總之這樣的口號是阻礙你實現目標的最大障礙。”霍夫曼今天白天在電腦科學系大樓外也看到了王熾，還和他攀談了幾句。

不過他當時只是驚訝於自己過去只知道唸書的室友，現在居然開始試圖組織起一個團隊了。

要知道過去半年時間裡，霍夫曼一直有嘗試著帶王熾參加斯坦福內的一些校園社交活動，但王熾對此壓根不感興趣。

你對基本社交不感興趣，如何能夠培養出管理集體的能力？

不過出於室友情誼，晚上回到寢室後，霍夫曼還是點了一下對方。

王熾一邊敲擊著鍵盤，一邊說道：“明白，我得讓他們相信，我們真的是在幹一件改變世界的活。

你說的沒錯，是會有人因為如此宏偉的目標而望而生卻，但同樣會有野心勃勃之徒，因為這樣的目標燃起雄心壯志。

我需要做的就是找到這部分野心勃勃之徒。”

矽谷是一個很龐大的概念，它不僅僅包括聖何塞和聖克拉拉，帕羅奧托也是矽谷。

同樣矽谷漫長的歷史，決定了它有著不同的氣質。

換做是1995年網景上市後，你隨便喊一聲就能拉起一個團隊，每個人都在做著上市夢。

1995到2000這段時間簡直就是創業的黃金時期，跟地上撿錢沒區別。

而1990年，這個時間段，整個矽谷的創業風氣還是比較保守。

這背後的根本原因在於，過去整個八十年代，矽谷創業最大的資金來源是阿美利肯的國防部。

70年代，提供給大學的軍事撥款從1980年不足5億美元飆升到1985年的9.3億美元。

在20世紀70年代末至80年代初，聖克拉拉山谷所獲得的人均國防投資是阿美利肯最高的。矽谷1/5的經濟產值來自航空航天與國防領域。

八十年代崛起的甲骨文，他們最早的一桶金來自於一份CIA合同。

這樣的創業資金來源，決定了當下矽谷的整體氣質是很務實的，類似改變世界這樣的口號除了吸引眼球外是無法真正獲得認可的。

王熾透過雜誌和討論組對當下矽谷創業形勢有了更深瞭解後，他深刻意識到，不能用過去經驗放在現實上。

過去的經驗最多能夠用來參考，1990年的矽谷對他而言，和開荒沒有區別。

“大衛，希望你順利，越是野心之徒就越難被馴服。”霍夫曼感覺大衛已經完全不是他之前認識的那個大衛了。

“當然，但是我有這個自信，只是霍夫曼，後續我可能需要借你的MacintoshPortable一用。”王熾顯得胸有成竹。

霍夫曼好奇道：“你要用它來幹嘛？”

王熾轉過身去看著躺在二層床上的霍夫曼，背後的麥金塔電腦螢幕上的定位符一閃一閃：

“用語言說服人是蒼白無力的，用實際行動說服他們我想這更加直接。

我打算開發一個人工智慧國際象棋程式帶去挑戰所有人。”

這一下霍夫曼來了興趣，“我可是國際象棋高手，你得先過我這一關。

MacHack那種玩意可是沒辦法糊弄我。”

MacHack是第一個參加人類比賽的國際象棋程式，也是第一個達到擊敗人類程度的國際象棋程式，它只花了短短37步就擊敗了伯克利的哲學教授休伯特。

“當然不是Hack這種簡單貨色能夠比擬的。

你很快就能看到的。”王熾笑道。

機器在國際象棋領域戰勝人類，並不用等到IBM的深藍出現，在那之前，能夠戰勝人類的國際象棋人工智慧早就層出不窮了。

七十年代末肯·湯普森開發了Belle，它獲得了阿美利肯國際象棋聯合會授予的全國冠軍稱號。

八十年代末HiTech在比賽上以3.5–1.6的比分擊敗了特級大師阿諾德·丹克以及其他幾位特級大師。

九十年代的IBM深藍不過是對機器能夠戰勝任何人類這件事釘上了最後一顆釘子。

雖說國際象棋的人工智慧已經如此普及，但要考慮到這些都是用的專門機器。

尤其是IBM的深藍，它可以說是一個巨型的並行系統，採用了28+2的架構，28個30Mhz的處理器和2個135Mhz的處理器，所有處理器透過高速交換機相互通訊，每秒最多能夠搜尋多達250萬個國際象棋位置。

而王熾是要用一臺普普通通，最大執行頻率只有16Mhz的MacintoshPortable開發能夠擊敗國際象棋高手的人工智慧，這在當下來說是非常困難的事情。

霍夫曼很清楚這一點，如果一臺以便捷性著稱而不是以運算能力著稱的行動式電腦都能做到這一點，那大衛在演算法上得有多強？

在當下還沒有膝上型電腦的概念，膝上型電腦被稱作行動式電腦，portable就是行動式的意思。

MacintoshPortable合在一起就是，行動式的麥金塔。

霍夫曼知道自己這位室友成績不錯，但成績和實際開發能力是兩碼事，所以他還是很好奇王熾到底能夠做到什麼程度。

“如果使用極小化極大演算法去遍歷所有的可能性，這對算力的要求太高，MacintoshPortable肯定支撐不起這個程度的遍歷運算。

在所有選項中有很多是明顯可以排除的，這就涉及到Alpha-Beta剪枝演算法去把不必要的落子給排除。

把搜尋時間聚焦在更有希望的子分支上。”

“這樣做好像還是有點問題，因為它只能去計算局面價值，局面價值未必是真實價值。

用局面評估演算法依然有損失算力的可能，考慮到MacintoshPortable的效能，我必須要節約每一點算力到勝負上。”

“我好像忘了什麼。

沒錯，是移動排序！

如果能夠把移動排序和Alpha-Beta剪枝演算法相結合，這樣的話我就不用每個回合都去重新計算其動作，可以直接去利用已經計算出來的資料。

然後再將它記錄下來的資料和轉置表結合，跳過已經見過的節點，這樣的話就能夠最大化利用寶貴的運存。”