我的舰娘很科学

    陈枫远远地站定。他的眼睛眯了起来，视线穿过虚掩的门缝盯着屋里的两人。

    虽然还听不清他们在说什么，但陈枫能够看出两人都很开心的样子。

    那个青年一边在黑板上写写画画，一边兴高采烈地向列克星敦讲解着什么。而列克星敦也兴致盎然地听着，时不时点头轻笑。

    真不愧是被称为“列克丝太太”的大明星，列克星敦的美貌即使在舰娘中也算出类拔萃。

    一身朴素的白大褂也遮不住她高挑婀娜的身材，反而更衬托出了她的知性和优雅。古典雕塑般的面容和波浪般的黑色长发，即使距离甚远也能够牢牢吸引住所有人的目光。

    虽然陈枫离两人还有二三十米远，但也能够清晰地看出那青年看向列克星敦时欣赏的目光。

    有时列克星敦还会凑过去指着黑板上的东西和那青年讨论。两人的肩膀都几乎碰在了一起。

    陈枫并没有看太久。他只是稍稍停了十来秒，便又大步走了过去，伸手推开了虚掩的房门。

    “在谈什么呢这么开心”陈枫故意大声问道，脸上若无其事地笑着。

    列克星敦蓦然回首，然后绽放出了明媚的笑容：“指挥官你来得正好。我正想请您过来看看呢。”

    说着列克星敦快步迎了上来，毫不避讳地挽住了陈枫的胳膊，把他拉到黑板前。

    列克星敦的亲昵举动无疑表示了陈枫在她心中更为重要。而且她不介意在别人面前表现出来。

    这让陈枫大为受用，原本的一点不快立刻就烟消云散了。

    他不由得暗暗瞥了那个站在黑板前的英俊青年一眼，想看看他现在是什么表情。

    这个青年正是陈枫试图招揽的那位帝国理工教授、疑似学霸文主角的杨怀宇。

    看到列克星敦和陈枫的亲密举动，他的眼中闪过一丝复杂的神色。那目光中满是惋惜，又有些失望，却似乎并没有受伤和愤怒的样子。

    看起来对方并不像是争风吃醋的样子。这让陈枫更加安心了一些。但他总感觉对方是在感叹“一朵鲜花怎么就插在了牛粪上”。

    我擦，老子什么时候得罪你了在你眼里怎么就成了坨臭烘烘的牛粪了

    陈枫正有些不爽，但列克星敦一开口就把他的注意力拉了过去：“指挥官你看，这是杨怀宇提出的一个猜想：他认为力场盾的本质可能就是一种特殊调制的电磁场。”

    陈枫吃了一惊：“你们刚才是在讨论力场盾的原理”

    他其实已经猜到列克星敦和杨怀宇刚才是在讨论某种科学问题。因为黑板上写得满满的都是公式和图形。

    但陈枫本以为他们讨论的是更容易一点的理论，而不是一看就科幻度爆表的力场盾。

    这东西怎么看都不像是能用现有科学理论解释的。

    列克星敦似乎看出了陈枫的疑问：“事实上，这还只是一个猜想。如果这个猜想是正确的，那么力场盾的原理很可能并没有我们原以为的那么高深。”

    接着列克星敦简单解释了一下这个猜想。

    杨怀宇认为力场盾借助的并不是什么未知的神秘力量，而是人类所熟知的电磁力。因为在四种基本力，引力、电磁力、强作用力和弱作用力中，只有电磁力既有足够的作用距离、又有容易被操控。

    按照他的猜想，力场盾应该就是在飞来的子弹前方建立了一种特殊的电磁场。

    这种电磁场能够模拟物质原子之间的排斥力。因此子弹撞上这个电磁场时，就如同撞上钢板一样会被挡住。

    陈枫马上提出了一个疑问：“但电磁场应该是在源头附近最强，越向外越弱。如果这个电磁场能够在远处挡住子弹，那么更靠近发射源的舰装零件应该会受到大几万倍的排斥力。为什么舰装自身没被电磁场撕碎呢”

    “因为在量子力学里，所有力场的本质都是波。”杨怀宇解释道，“甚至物质本身也可以看成一种波。既然孤立的物质粒子是真实存着的，那么按照同样的道理，任何一种波都可以形成一个孤立的实体。”

    陈枫顿时哑然。

    虽然他在脑伴的帮助下自学过量子力学，但还是无法理解杨怀宇描述的是一种什么样的情景。

    毕竟在这个领域里有个词叫“不自量力”的——“不要自学量子力学”。

    于是陈枫只得把询问的目光投向列克星敦。

    列克星敦显然是能够听懂杨怀宇的猜想，但她也很难向外行解释这个超越常识的场景。即使是研究这一领域的学者，一般也无法用文字来描述超常识的世界，只能依靠数学工具来推算。

    列克星敦解释了半天，陈枫也只是听懂了一个大概。

    这个模型是利用数千个电磁波源的干涉和叠加，在需要的位置上产生一个类原子的电磁场。

    由于其他位置上的电磁场能够相互抵消，所以最终电磁力只会作用到指定的物体上，而对近在咫尺的舰装没有任何影响。

    当然，离电磁波源非常近的区域里，电磁场并不能完全抵消。但这些区域厚度只有几毫米，并且只会产生较弱且分散的吸力，不会造成破坏。

    陈枫想了想道：“听起来……这怎么有点像量子纠缠啊”

    杨怀宇却摇了摇头：“不，那不是一回事。量子纠缠其实是……”

    陈枫听了一会儿，却越听越糊涂了。于是他只得放弃搞明白的努力，问列克星敦道：“那么，你们讨论的结果是什么”

    “我推导出了一个公式。想借用研究中心的计算机验算一下。”杨怀宇说。

    “结果呢”

    “我模拟的结果证明，他的公式是错的。”列克星敦耸耸肩，轻飘飘地答道。

    舰娘本身就是强人工智能，拥有远胜超级计算机的计算能力。列克星敦只需要“心算”就可以完成这样的计算任务了。

    “你的意思是这个猜想不对”陈枫又问。

    虽然直到幸灾乐祸不好，但对于杨怀宇的失败，他还是有些窃喜的感觉。

    “那倒不是。”列克星敦回答，“这个猜想并没有被证伪。我认为它的方向应该没有错。只是我们还没找到正确的解题方法。”

    陈枫正似懂非懂地点点头，却听到列克星敦从内线传来的通讯：

    陈枫问：

    列克星敦道：

    陈枫微微一笑：

    列克星敦感叹道：

    最后，列克星敦郑重地向陈枫进言：




217 人工智能与大数据
    听到列克星敦的建议，陈枫并没有马上回答。但他已经默默将杨怀宇的价值上调了好几个档次。

    留下这个人并不困难。毕竟现在整个马萨岛都在陈枫的控制下。只要他发话，任何人都不可能跑得出去。

    但留下人只是第一步，还要想办法让他自愿为自己工作才能获得收益。

    尤其是对这种动脑子搞研究的人，外人根本看不出他是不是在划水。如果再玩个“身在曹营心在汉”，那不但没什么收益，搞不好还会坏事。

    所以陈枫一时之间也想不到什么好办法，只能先拖着。一直拖到胡德回来，再看看她有没有好办法。

    想到这里，陈枫就不再纠结这个问题，而是向列克星敦问起了人工智能方面的研究进展。

    提到这个话题，列克星敦马上吐槽道：“进展是有一点，但还是太慢了。我们现在的所谓‘人工智能’实在是太笨了，很多事情都做不了。我看还不如叫‘人工智障’更贴切。”

    听到“人工智障”这个吐槽，陈枫忍不住笑了起来。

    虽然在对外宣传的时候，陈枫一直声称自己的“忠诚僚机”系统能够自主作战。但实际上根本不是这么回事。

    目前的“忠诚僚机”实际上不比蟑螂更聪明。它甚至还无法准确地辨认目标和听懂命令。一旦脱离了舰娘的掌控，它们就只会朝着眼前的移动目标一通乱射。

    列克星敦这段时间已经对此进行过上亿次的模拟测试。因此也目睹过“忠诚僚机系统”数以万计的犯错方式。

    所以没有谁会比列克星敦更清楚这些小东西的奇葩程度。吐槽一句“人工智障”实在是相当有涵养的说法了。

    不过笑归笑，但帮下属解决实际困难是领导者的职责。所以陈枫还是问道：“那么你需要什么是更大型的计算机还是助手”

    列克星敦摇摇头：“助手不需要。计算机的性能也足够了。”

    说着她挽起陈枫的手臂，领着他和杨怀宇一起走到一排集装箱房前。推开其中一间的房门之后，映入眼帘的是一排排书柜一样的计算机组。

    这里是列克星敦的数据中心。

    一整排集装箱房里都装满了服务器，存储并处理着从马萨岛各地传输过来的数据。这些服务器中安装的是陈枫用系统仿制的cu和专用ai芯片。

    整个数据中心需要配备一个独立的小型燃料电池发电站，并且有一条专用的暗渠抽取海水进行冷却。

    列克星敦拍了拍矗立的刀片机阵列，说道：“这个数据中心的运算能力对我们来说目前已经足够了。但它现在根本没有满负荷运转。因为我们没有足够的数据来‘喂养’它。”

    正如列克星敦所言。陈枫现在所掌握的只是很初级的人工智能技术。它是根据“深度学习”原理运行的。

    “深度学习”原理是建立在“模式识别”技术基础上的。

    小学数学课上，大家都做过一类叫“找规律”的题目。比如列出一串数字“1，3，5，7……”，然后让学生去猜测后面的数字是什么。

    这种“看现象找规律”的题目，就是在做“模式识别”。

    计算机最初并不知道什么是规律，只是在胡乱猜测。这种猜测当然绝大多数都是错误的。

    但每一次“找规律”之后，都会由人类或某种游戏规则作为“老师”来判断对错。计算机会记住那些正确的规律，然后尝试在下一次题目中套用。如果不能套用，就继续猜答案。

    这种方法就是“试错法”。通过不断尝试新做法、排除错误猜测，最后留下最接近正确答案的那一个“规律”或者“模型”。这就是“模式识别”。

    它不仅是ai学习的基础，也是人类探索新领域的常见做法。

    而所谓“深度学习”，就是在识别出现象的浅层“模式”之后，再把“模式”作为现象来归纳更深一层的“模式中的模式”。

    以此类推，就会有“模式中的模式中的模式”，以及“模式中的模式中模式中的模式”……

    识别的“模式”的层次越多，学习的“深度”就越深。这样人工智能程序才能从更加复杂的现象中总结出规律来。

    但是学习网络的深度每增加一层，它所需要的原始数据就会以指数级别暴增。

    假如一层学习只需要一百个样本。那么两层的学习就需要一万个样本，三层的学习需要一百万个，四层的学习就需要一亿个样本……

    如果学习的深度达到十层，需要的样本数量将是……一万亿亿个。相当于世界上每个人都要给它提供一百亿个样本数据。

    而随着样本数量的增加，深度学习对计算能力的需求也急剧增加。所以计算能力和样本数据多少是人工智能发展的两个主要制约因素。

    所以当陈枫问列克星敦需要什么时，她毫不犹豫地回答“需要更多的数据”。

    “我们的数据还不够吗”陈枫有些吃惊，“我们每天都记录了几万人的工作和活动数据。这些还不够吗”

    陈枫所说的“几万人”是指他目前直接掌握的劳工、军队、和学生的数量。

    他要求所有在他这里工作学习的人都必须佩戴有记录和上传功能的智能设备。而他给工人提供的工程机械，和给士兵提供的所有武器装备，都具备同样的记录和上传功能。

    这些人的所见所闻、所做所说都会被传输到这个数据中心。

    数据中心的处理器会分析这些数据，从中学习人类是如何识别物体、如何听懂语言、如何规划路线、如何驾驶车辆、如何使用武器、如何相互配合等等。

    事实上在陈枫的心目中，这些人无论表面上干的是什么活，其实都同时兼了另一份工作——ai训练师。

    陈枫最关心的并不是工人们本身工作产生的价值，而是他们将要训练出来的、未来将取代他们工作的智能机器人的价值。

    无论他们工作如何努力，他们在这些简单劳动中创造的价值都不可能超过未来海量的ai工人大军。

    这才是占领马萨岛给陈枫带来的最大收益——岛上一百多万居民带来的人口红利。

    然而列克星敦却斩钉截铁地说：“不够。这还远远、远远、远远不够。按照我的研究计划，收集数据的速度至少要增加一万倍。”

    听到这话，陈枫顿时哭笑不得：“列克星敦啊，我从哪里找来那么多数据给你难道你要我先去占领全世界”

    一百万人乘以一万倍，可不就需要一百亿人来提供吗刚好是这个世界的人口总数。



217 列克丝太太
    “不不不，您搞错了。”列克星敦笑道，“菲南有一亿人口。您只要控制了整个菲南，人口就是现在的一百倍。”

    “这也还差一百倍。”陈枫说。

    列克星敦继续解释：“我们现在只能覆盖百分之三的居民，而且提供的数据质量很差。如果能够让所有居民都提供高质量的数据，那么提高一百倍并不困难。”

    “这不太可能吧你怎么可能采集到每个人的数据”杨怀宇问出了陈枫也想问的问题。

    “先不说把所有人都控制起来的难度，而且这种压迫也一定会引起反感甚至反抗。至少也会出现消极怠工现象，从而影响采集数据的质量。”

    列克星敦莞尔一笑：“谁说一定会引起反感呢真正的好办法，应该是让人一边为你卖力干活、一边还对你感恩戴德才对。”

    陈枫和杨怀宇都愣住了：还有这种好事难道这些人都是傻子吗

    列克星敦叹息道：“你们男人啊，都是一根筋的直线思维。你命令别人按你的规矩做事，他当然会反感。但如果你诱导别人主动按你的需要去做事，他只会越做越开心，反而会感激你提供了机会呢。”