永不下車 第四九九章 存儲

    譬如內存占用，聯調開始時，系統初始占用值只不過40gb左右，現在的占用則超過1tb，雖然距離物理上限——12tb還比較遙遠，但這種程度的內存占用提升，還是與一般計算機程序、甚至ai的行為迥異，也引發了研發組的關注。

    另一方面，系統運行時占用、調用的存儲空間，雖然也有增長，卻只不過是從12tb提升到17tb，遠未觸及450tb的硬體上限。

    一般的計算機系統，運行時，占用的內存總是小於存儲空間，數學領域的專業程序尤其如此，況且在某種程度上，內存與存儲空間的占用還可以互相轉化，所以單純研究一個ai的運行時內存與外存占用，意義並不大。

    但「強ai初號機」還是引人矚目，是因為其特性，與一般的人腦思維模型有很明顯的差異。

    人腦的運行機制，直至今天，還沒有被人類認識的很透徹，但相關模型、假說則浩如煙海，這些模型、假說背後的理論一般都認為，倘若將人腦的運轉與計算機相比擬，其占用的內存應該相對較小，此外則應包含規模很大的存儲空間。

    人腦的思維過程，無須解析，但凡審視一下自身，便大概就明白這種猜測的由來。www

    具體而言，當一個人意識清醒時，大腦始終在運作，但同一時刻所思考的念頭卻很「狹窄」，至多不過應付很具體的一件事，或者處理很簡潔的一段訊息，這種特質，在人類的語言裡時常被稱為「專注」，也是意識活動的重要特徵之一。

    與每時每刻的思維相比，人腦的記憶，容量之大則令人印象深刻。

    不同的人，大腦的記憶能力各有差異，將模擬式系統直接與數字式系統比較，也很粗糙，即便如此，學術界仍認為人腦的存儲能力超乎想像，估計其能夠存儲相當於1pbtes、一千萬億字節的數據。

    即便考慮到人腦的特性，這1pbtes中的絕大多數，都是含義模糊、未必能被稱為「數據」的模擬訊息，人腦至少也能存儲若干tbtes、幾萬億字節的數據。

    思維活動所涉及的信息量，在tbtes級別的信息規模面前，顯然十分渺小。

    綜合起來，舊時代學術界的主流觀點，基本上都認為人腦是一種單線程、占用較少「內存」、同時具有超大容量外存的模擬式系統，大量意識仿真，乃至於「強人工智慧」方面的研究，也都以此為指導。閃舞小說網www

    站在舊時代的認知水平上，這一做法，其實也可以理解。

    經過很多年的嘗試，算力超強的巨型機人工智慧程序，都未呈現出任何意識活動、自主思維的跡象，而人腦卻天生具備這一令人驚嘆的能力，兩相比較之下，自然會讓研究者產生某種猜測，人腦的結構、運行機理等特質，是否才是「意識」誕生的關鍵。

    這種猜測，今天的方然已瞭然於胸，顯然是一種難以避免的歧途，徒然耗費時間精力。

    計算機，人類研發出來的數字式電子計算機，不論技術原理、底層架構還是運行方式，與人腦幾乎沒有相似之處，產生自主思維的方式，也必然迥異。

    以人腦的意識運行方式，去揣測計算機的「意識」，會是什麼樣子，顯然太不靠譜。

    至於另一條路， nep_791地下建築里的「初號機」，則是劃時代的成就。

    聯調取得成功後，很快，研發組就在「初號機」的基礎上，制定「二號機」的總體規劃，相比於探索、試驗性質的「強ai初號機」，二號機的定位則是——力爭實用，規模比前一階段的試驗機組大得多。

    研發組的設想，方然沒找出什麼隱患，在確認nep_787與80研究機構的「強ai」進展順利、初步展現預期功能後，就原則上批准了這一計劃。

    至於二號機的研究領域，斟酌再三，他還是選擇了數學與相關基礎學科。

    在完全確認「強人工智慧」的能力和風險之前，不消說，任何讓其涉足it領域研發的想法都是極端危險的，除此之外，貿然投入一般的科學技術研發領域，又會引起科學家群體的普遍焦慮和緊張，並不利於當前的計劃。

    相比之下，專注於數學及相關基礎學科，雖然無法直接對東北太平洋大區的「全產機」等體系產生幫助，長遠看來，卻可以在另一方面有所助益：

    便是指揮暴力機器、執行戰略計劃的「通用型ai」。

    通用型ai，一直沒有正式的名稱，反正在「一人之國」般的東北太平洋大區，除自己外，並沒有任何人直接與這系統打交道，方然也懶得為其命名。

    總之這套系統的功能，是運籌帷幄、縱覽全局，作為nep大區的中樞而存在。

    既然是中樞，地位，可想而知會有多重要，自從在北大陸的一片混亂中殺出，執掌偌大的nep，藉助舊時代的超算、管理中心、apos節點等組織起「通用型ai」，多少年來，方然始終沒計劃、也沒能力升級這一浩大的體系。

    新時代的世界，人類文明在it領域的進展，相當緩慢，管理員的選擇幾乎一模一樣，一時間倒還沒有很緊迫的威脅。

    但這種情形，一望可知，並無法長久的持續下去。

    如何維護、升級現有的「通用型ai」，很顯然，讓研究機構里的it專家插手是自尋死路，但一切全都自己應付，也根本就不現實。

    從舊時代一路走來，時至今日，當了六年多管理員的方然，it領域的技術雖然一點沒丟，卻也沒時間精力去應付nep大區那龐大、複雜到令人窒息的自動化、智能化體系。

    倘若不是一大堆如asa、asaig這樣的人工智慧，在「通用型ai」的指揮下，各司其職，處理五百萬平方公里之上的一切事無巨細，小到鹼性電池尺寸規格的優化，大到下一年度的大區能源生產規劃，照料阿達民、科學家與一千萬民眾的生活，整個東北太平洋大區早就會遍地狼藉，化為混亂之極的人間地獄。

    ();