第七章 给世界来点小小的人工智能算法震撼

“大卫，改变世界太大了，你如果真的想招来一些人做点什么，你一开始就喊出这么大的口号，很容易让人心生畏惧。

因为你喊出这样的口号，只有两种可能，一种是你只是当成口号招人，实际上要做的事情没有你所宣称的那么伟大，那么人们会认为这是一种欺骗。

另外一种是，你真的认为自己要做的事情能够改变世界，改变世界并不容易，他们会认为如此宏伟的目标自己要付出多大的努力才能实现？

我不过是想花时间找点乐子，你却告诉我我要付出卓绝努力。

总之这样的口号是阻碍你实现目标的最大障碍。”霍夫曼今天白天在计算机科学系大楼外也看到了王炽，还和他攀谈了几句。

不过他当时只是惊讶于自己过去只知道念书的室友，现在居然开始试图组织起一个团队了。

要知道过去半年时间里，霍夫曼一直有尝试着带王炽参加斯坦福内的一些校园社交活动，但王炽对此压根不感兴趣。

你对基本社交不感兴趣，如何能够培养出管理集体的能力？

不过出于室友情谊，晚上回到寝室后，霍夫曼还是点了一下对方。

王炽一边敲击着键盘，一边说道：“明白，我得让他们相信，我们真的是在干一件改变世界的活。

你说的没错，是会有人因为如此宏伟的目标而望而生却，但同样会有野心勃勃之徒，因为这样的目标燃起雄心壮志。

我需要做的就是找到这部分野心勃勃之徒。”

硅谷是一个很庞大的概念，它不仅仅包括圣何塞和圣克拉拉，帕罗奥托也是硅谷。

同样硅谷漫长的历史，决定了它有着不同的气质。

换做是1995年网景上市后，你随便喊一声就能拉起一个团队，每个人都在做着上市梦。

1995到2000这段时间简直就是创业的黄金时期，跟地上捡钱没区别。

而1990年，这个时间段，整个硅谷的创业风气还是比较保守。

这背后的根本原因在于，过去整个八十年代，硅谷创业最大的资金来源是阿美利肯的国防部。

70年代，提供给大学的军事拨款从1980年不足5亿美元飙升到1985年的9.3亿美元。

在20世纪70年代末至80年代初，圣克拉拉山谷所获得的人均国防投资是阿美利肯最高的。硅谷1/5的经济产值来自航空航天与国防领域。

八十年代崛起的甲骨文，他们最早的一桶金来自于一份CIA合同。

这样的创业资金来源，决定了当下硅谷的整体气质是很务实的，类似改变世界这样的口号除了吸引眼球外是无法真正获得认可的。

王炽通过杂志和讨论组对当下硅谷创业形势有了更深了解后，他深刻意识到，不能用过去经验放在现实上。

过去的经验最多能够用来参考，1990年的硅谷对他而言，和开荒没有区别。

“大卫，希望你顺利，越是野心之徒就越难被驯服。”霍夫曼感觉大卫已经完全不是他之前认识的那个大卫了。

“当然，但是我有这个自信，只是霍夫曼，后续我可能需要借你的MacintoshPortable一用。”王炽显得胸有成竹。

霍夫曼好奇道：“你要用它来干嘛？”

王炽转过身去看着躺在二层床上的霍夫曼，背后的麦金塔电脑屏幕上的定位符一闪一闪：

“用语言说服人是苍白无力的，用实际行动说服他们我想这更加直接。

我打算开发一个人工智能国际象棋程序带去挑战所有人。”

这一下霍夫曼来了兴趣，“我可是国际象棋高手，你得先过我这一关。

MacHack那种玩意可是没办法糊弄我。”

MacHack是第一个参加人类比赛的国际象棋程序，也是第一个达到击败人类程度的国际象棋程序，它只花了短短37步就击败了伯克利的哲学教授休伯特。

“当然不是Hack这种简单货色能够比拟的。

你很快就能看到的。”王炽笑道。

机器在国际象棋领域战胜人类，并不用等到IBM的深蓝出现，在那之前，能够战胜人类的国际象棋人工智能早就层出不穷了。

七十年代末肯·汤普森开发了Belle，它获得了阿美利肯国际象棋联合会授予的全国冠军称号。

八十年代末HiTech在比赛上以3.5–1.6的比分击败了特级大师阿诺德·丹克以及其他几位特级大师。

九十年代的IBM深蓝不过是对机器能够战胜任何人类这件事钉上了最后一颗钉子。

虽说国际象棋的人工智能已经如此普及，但要考虑到这些都是用的专门机器。

尤其是IBM的深蓝，它可以说是一个巨型的并行系统，采用了28+2的架构，28个30Mhz的处理器和2个135Mhz的处理器，所有处理器通过高速交换机相互通信，每秒最多能够搜索多达250万个国际象棋位置。

而王炽是要用一台普普通通，最大运行频率只有16Mhz的MacintoshPortable开发能够击败国际象棋高手的人工智能，这在当下来说是非常困难的事情。

霍夫曼很清楚这一点，如果一台以便捷性著称而不是以运算能力著称的便携式电脑都能做到这一点，那大卫在算法上得有多强？

在当下还没有笔记本电脑的概念，笔记本电脑被称作便携式电脑，portable就是便携式的意思。

MacintoshPortable合在一起就是，便携式的麦金塔。

霍夫曼知道自己这位室友成绩不错，但成绩和实际开发能力是两码事，所以他还是很好奇王炽到底能够做到什么程度。

“如果使用极小化极大算法去遍历所有的可能性，这对算力的要求太高，MacintoshPortable肯定支撑不起这个程度的遍历运算。

在所有选项中有很多是明显可以排除的，这就涉及到Alpha-Beta剪枝算法去把不必要的落子给排除。

把搜索时间聚焦在更有希望的子分支上。”

“这样做好像还是有点问题，因为它只能去计算局面价值，局面价值未必是真实价值。

用局面评估算法依然有损失算力的可能，考虑到MacintoshPortable的性能，我必须要节约每一点算力到胜负上。”

“我好像忘了什么。

没错，是移动排序！

如果能够把移动排序和Alpha-Beta剪枝算法相结合，这样的话我就不用每个回合都去重新计算其动作，可以直接去利用已经计算出来的数据。

然后再将它记录下来的数据和转置表结合，跳过已经见过的节点，这样的话就能够最大化利用宝贵的运存。”