入门级的人写代码，考虑的是整套程序的运行时间，是否有不必要的循环拖慢效率，代码是否简洁易辨。

但是汇入的模块在背后干些什么事情，大部分人都不关心，只在乎这个指令是否好用。

讲究效率或资源有限的人，他们会考虑一道指令的运行速度，内存的使用和释放。务必要把每一分算力，每一位元的内存都运用到极致。

a姐和艾尔比的对决，已经到了以数学为基础，结合机器语言与程序语言的比拚。连最基础的加法都要从内存位置重新检讨。讲究的程度不是变态，而是病态的级别。

即便如此，在国际象棋以十万盘为基数的对弈上，两套人工智能的胜率与曲线是一条丝滑的斜四十五度直线。并且早早就触碰到执白必胜，以及胜利定式的门坎。

就算是加入更多限制条件，诸如曾经输过的棋路，调低其被选择的加权值。以及限制思考时间，从一开始的二十微秒、十微秒，降低到三微秒甚至是纳秒境。

一切作为都改善不了国际象棋已经测试不出两套人工智能学习效率的事实，除非寻找一套更复杂但又保有一定公平性的竞技游戏。

然而不论是亨利或托尼&183;史塔克，暂时都没有对背后的硬设备进行大规模升级，加快运算效率的打算。真做到这种程度，就是真金白银比拚的军备竞赛了。和一开始的斗智、斗数学的主题不同。所以两人都没想过把这场游戏升级。自然而然，a姐的进展也就放慢脚步了。

作为最基础的算法暂时碰到了瓶颈，亨利自然将焦点放在实战用的人工智能训练上。c妹的性能与内容调教，就是近期的重点。

虽然已经开放了更多功能，但是亨利也分出更多权限等级，限制人工智能在自家计算机内部的行为。至少不要出现人工智能自删硬盘，或是把私密资料扔到网上公开的惨剧。

但要是对外的黑客行为，或是利用手机传简讯之类的动作，由于是在别人的系统中搞事，亨利倒是大胆地让c妹执行指令。

所以这阵子黑客世界，出现了一个时常犯下可笑错误的菜鸡。尽管没人能够追踪得到这个菜鸟，但他的行为有时就像闯空门的小偷不忘按电铃提醒人一样，留下明显的痕迹。

这个菜鸟其实就是出去练兵的c妹。不过也没让她做什么破坏性的行为，就是到处留个爪印而已。除此之外，亨利调教的重点，更在降低人工智能产生的幻觉上。总是可以一本正经地讲干话，似乎是交互式人工智能都会遇到的阶段。

如何表现得足够真，而不是一昧地掩饰自己或他人犯下的错误，这当中的“取舍’要做到什么程度。想要调教好一个人工智能，真的比教小孩还困难。

至少面对后者，打一顿，再扭曲的性格都会矫正回来，再端正的性格也能打歪。但是人工智能却没办法用这一套棍棒教育。

人工智能的训练，一旦走歪了，就只能推倒重来。从某个过去的节点重新开始，用不一样的训练材料，希望赌当中的随机性是往自己想要的方向转变。

这也是要给格温使用的蜘蛛机，并不是使用人工智能来控制，而是由两只亚马逊蜘蛛担任生物核心。实在是那两只蜘蛛的表现，比亨利手边的人工智能还要优秀啊。