永不下车

    一个志在追寻永生，并非白日做梦、而是认真对待这终极目标的人，既然有想法、也有能力侵入克罗格文特尔住处的计算机系统，显然能力非同寻常，这样的同类，居然会犯低级错误，留下蛛丝马迹，让其他暗中蛰伏者有清除自己的机会，简直就很荒谬。

    尤其是，一次次窥探神秘的电子邮件地址，从同类们交流的字里行间，方然分明发现，这些家伙从未谈论过“匿名者”的去向。

    是心照不宣，还是各怀鬼胎，一时间还不好判断。

    越是如此，越是让方然意识到调查工作的重要，现如今，借助aiasg提供的灵感，他就着手利用人工智能程序，来自主化的寻找“匿名者”。

    利用人工智能，而不是亲自动手，一方面，可以节约方然的时间精力。

    就读生命科学部的研究生后，实验室的研究任务，方然应付起来并不怎样麻烦，但布朗教授的生意则不然，不管是出于赚钱、还是保持联系的角度，他都需要耗费大量时间，编写、调试枯燥乏味的避难所主控程序。

    除此之外，对在信息技术领域崭露头角的aiasg，和人工智能领域的前沿成果，他也要每天花费两三个小时去研究，才能勉强跟上节奏。

    加上锻炼身体，和维持生命必须的饮食，睡眠，时间表几乎已经排满。

    如此一来，且不说调查“匿名者”的去向，即便与信息技术联系密切的数学，物理等方向，他的投入度都很有限，利用不知疲倦的ai去调查匿名者，就是顺理成章的事。

    当然，时间上的紧张只是原因之一，更重要的原因，是使用ai调查的安全性更高。

    调查匿名者，但凡想一想也会知道，这种事肯定不是自己一个人在做，那些时常在收件箱里出没的同类，乃至暗中窥探的家伙们，必定也对“匿名者”十分关注，那么再进一步的考虑，要揪出网络世界里的同类、甚至斩草除根，调查行为本身，就是一个特征非常明显的判别依据。

    除追寻永生的同类，其他人，甚至连“匿名者”的存在都不知道，更不会去费力调查。

    正因如此，在之前的搜索过程中，方然的行动一直很谨慎，他既不敢频繁侵入联邦电信的核心数据库，也不愿贸然尝试渗透联邦安全局的内部网络，在设置查询关键字时，绞尽脑汁避开那些最管用、却也最敏感的词汇。

    仿佛在雷场中寻找特殊的那一个地雷，如此束手束脚，调查的效率也就可想而知。

    那么是准备用ai，掩藏自己的调查风格、降低风险吗，或许是，但以自己的网络技术，方然尚有信心自保，这并非启用ai的最主要原因。

    他的真正意图，是想另辟蹊径。

    自从发现“匿名者”的留言，长期的调查过程中，越是深入，方然就越感疑惑。

    匿名者此




第一一九章 落后
    关于如何调查“匿名者”，追寻永生的同类们，想法、思路大概都一样。

    那么，作为永生之路上的后来者，能力又不太可能胜过所有的竞争者，找不到线索也很正常。

    之所以出现这样的情形，无非是因为，在网络上调查一个id的身份和行迹，黑客的手段都差不多，人类的思维模式也多少会有相似之处；他方然能想到的办法，先行者差不多都会早一步想到、并采取行动。

    但是ai的行动策略，某种程度上，就和人的思维不太一样。

    对人工智能的研发认识有限，方然对ai应用于具体事务的原理也不甚了了，不过，既然aiasg能通过机器学习的方式逐渐模仿人的软件开发活动，那么原则上讲，使用类似的系统来模仿自己的搜索活动，应该也是可以的。

    至于说，ai能够在这样的任务中发挥到什么程度，aiasg的表现可以作为对照:

    根据自己掌握的资料，在经历过一次大规模升级后，就在不久之前，开发团队在aiasg工作流程的一次梳理中，发现其具备了“有限意义”的创造性开发能力:在开发某服务器驻留程序时，面对某具体需求，系统自主完成了一段算法、并将其内嵌到软件中，而且这段算法，在aiasg的数据库中，是找不到的。

    对给定的问题，提供算法，人工智能的这一进展是突破性的。

    某种程度上，如果按某些研究者的观点，这甚至可以作为ai具有某种“意识”的证据，虽然系统实现的算法，在数据库中有若干相近的算法作为基础，但对这些算法进行组合、协调，用来解决全新的问题，这在以前完全是人类算法设计师才具有的能力，也是人类智慧独一无二的标志。

    现在，哪怕只是解决简单的问题，ai自己也能做到。

    对人工智能的这一进展，方然看在眼里，觉得有些不可思议，但眼下他没时间去探究这意味深长的突破，而是设法从“国际商用机器”的内部网络里，寻找aiasg开发过程中的项目资料，继而得到该项目的部分早期代码。

    一边看代码，一边查开发文档，方然很快发现该项目的复杂度超乎想象，核心的人工智能模块没什么新意，倒是负责分析软件需求的部分，十分庞大而精密，这部分的代码也是最零散而不成系统的，好在对自己的设想而言，这部分用处并不大，于是他将意图组织、掩饰，然后发布到黑客论坛上。

    自己开发可用的系统，耗费时间太长，方然索性将其发布为商业项目。

    在ai大行其道，哪怕外行都能看出大趋势的今天，网络上人工智能相关的开发项目浩如烟海，混杂在大量类似的开发计划里，“自动搜索分析”的项目描述并不起眼。

    在人工智能的应用难度上，搜索、分析数据，是相当基础的操作，最后还是要提交给自己来判断，这样的项目，规模并不太大，方然用新注册的id扮演承包商，向参与项目的兼职者支付报酬，大概在西历1472年初秋，得到了第一个可用版本。

    初步测试软件，利用“自动搜索分析器”抓取信息，方然对ai的能力进行了评估。

    将命名为asa的软件上线到第三方服务器后，每天抽一点时间查看日志，一周后，方然验证了自己的预测。

    人工智能自动抓取数据分析的能力，没有想象中那么



第一二〇章 分析
    没有自主意识的计算机，即便顶着“人工智能”的名头，按理说，也无法与人的思维相比，这是方然以往的看法。

    但话说回来，自我意识究竟是什么；

    查看asa提交的分析报告，并观察这一软件在网络上的行为特征，方然心生疑惑，他偶尔还禁不住会想，所谓“ai的自我意识”这种东西，究竟是不是如人工智能领域的专家们所说的那样，是人类短时间内无法触及的成就。

    眼前，屏幕上的整齐字迹，就在透露出某种意识的迹象:

    几个月来学习方然的工作模式，正式上线后，asa系统一开始的调查速度并不快，在旁观者看来，就好像初次接入互联网络，在试探、熟悉周遭环境那样；接下来，按常规思路，asa尝试外联若干已知的数据节点，同时从安全措施薄弱的服务器拉取信息列表，显然是为后续的信息获取做准备。

    这些步骤，和人的行动模式差不多，只是效率更高。

    基础科学部的计算资源，大部分依赖伯克利的公共大型机，必然有算力波动，作为后台程序的asa展现出一定的智能性，会在网络空闲时大量截取数据，算力空闲时集中解密、分析处理，在存储空间紧张时则进行一次垃圾收集，很好的平衡了算力、带宽和空间，扪心自问，方然承认这是他做不到的。

    即便这些工作的技术原理并不复杂，问题在于，人并没有ai那样强大的计算和记忆能力，即便清楚原理也做不来。

    观察asa的行为，对方然来说，逐渐成为一种略带消遣的日常工作。

    但重要的还是分析结果，和看似有序的行为不同，asa的报告，却让方然怀疑系统是不是出了什么问题:

    站在人的立场，asa在初始化后调取的数据，岂但是杂乱无章，有时候简直就是毫无道理，原本布置了追踪“匿名者”的任务，但是在从联邦公民信息系统（外联接口）和联邦电信节点获取大量数据后，软件就进入了四处开花的工作模式，开始侵入诸如宾夕法尼亚医疗结算中心、孟山都物流体系第143a7检查点、东太平洋水文气候监测站，甚至nasa俄勒冈射电观测阵列这些不知所云的机构。

    在联邦调查一个人的行踪，固然需要大量数据，但……

    真的需要这些风马牛不相及的东西吗。

    建立在人工智能内核之上的asa，一旦开始运行，身为管理员也只能看到若干接口送出的数据，对庞大软件架构内部的运行情况，即便动用能拿到手的最先进动态监控模块，面对规模超乎想象的状态码、存储器数据和访问日志，方然也只能徒唤奈何。

    想一想也是，倘若这系统正在做的事，居然能被人通过接口数据分析的清楚明白，那他又要这asa何用呢，干脆自己操纵还更保险。

    开发软件，部署人工智能系统，作为ai的创造者、至少也是参与了工作的使用者，却无从掌握人工智能体系的具体运作，基于过往的积累，在与asa打交道的过程中，方然对这类系统的黑盒子性质有了更直观、更深刻的理解，也部分理解了为什么一部分计算机、人工智能研究者，始终对ai心怀恐惧。

    人创造出来的东西，却未必能被人控制，人工智能，原则上是存在这样的可能。

    开发人工智能的直接动机，很显然，倘若不是出于莫须有的“研究意识”、甚至“百无聊



第一二一章 算力
    但对于asa，方然观察到的情形，则并非是在软件、而是在行为层面的一种仿生，他隐约察觉，完全活跃起来的人工智能，面对近乎无限的信息海洋会作何感想:

    ai的思路恰与人脑类似，是近乎于并行的迅速尝试大量路径，并通过各种判断条件，将绝大多数无效路径终止，进而获得相对可行的路径。

    区别只在于，以计算机的强大算力，处理的广度和深度远超人脑。

    拘于永不下车的目标和有限的时间精力，事务繁多，方然研究人工智能的时间并不长，但，面对屏幕上的实时监控数据线图，他还是心生感慨，认识到电脑与人脑，人工智能与人类思维之间，并无本质上的区别。

    但是不是就能说，人的思维，可以与计算机的运作等同呢……

    无意间触及了一个意味深长的问题，潜意识知道这会有多难，方然没多想，他等待着asa给出结论，却始终没如愿。

    关于asa本身，因为是集思广益般的开发出来，这种规模的软件，出现一些错误再寻常不过，软件运行的几周时间里就崩溃过好几次，即便有数据备份，但远程操控基础科学部的服务器、再登陆计算节点去处理，很繁琐，这种为隐藏自身信息的安全措施大大拖延了项目的实际进度。

    不仅如此，就在软件趋于稳定、正常工作后，虽然为ai解决问题的方式而感慨，方然拿到的报告，却没有多大的价值。

    724的不眠不休，asa追踪到若干疑似“匿名者”的联邦公民，但针对性却不高。

    说白了，这些形迹可疑的目标，有可能是“匿名者”，更有可能是蛰伏在联邦的同类，最大的可能还是系统判别的太粗糙、草木皆兵所致，而调查其他竞争者的行踪，并非方然的目标，现在他可没有精力去调查同类、甚至自相残杀，而只想弄清楚匿名者本人的近况。

    那么是软件的大方向有问题吗，回顾报告，方然并不这样认为。

    根本的问题，基于asa的洪水泛滥般探索、逐级筛选验证的调查方式，算力消耗太大。

    伯克利大学的网络带宽，在联邦政府新一轮经济刺激政策下，提升显著，看上去并不成为调查的掣肘，但是asa要完全执行搜索方案，需要十分庞大的算力和存储空间。

    方然粗略估计，可能需要独占伯克利的两台大型计算机才勉强够用，这显然不现实，莫说采用非法手段太危险，即便合理合规的购买算力，一台算力pflops级的大型机每天也要支付上万马克，这还是校内结算价；以自己现有的财力，这样做完全是得不偿失，还要承担暴露行迹的风险。

    在信息技术高度发达的世界，算力，某种程度上，比算法更关键。

    这样的认识，是方然对it领域的观察而得出，和计算机课本上的说法大相径庭，但想一想也知道，再怎样精妙的算法、代码、程序，脱离实际运算平台的话也毫无用处；算法可以完善，可以拷贝再制，可以永续工作，然而建立在实打实计算机器之上的算力，却不可能凭空摹想，更不可能复制重用。

    算力之于信息技术，正如能源之于传统产业那样，是一个容易被忽视的基础。

    因为在天下太平的时代，这种东西，正如毫不起眼的市电和自来水那样，付费即可使用，恍若唾手可得；

    等哪一天失去，才知道该珍惜。

    asa受到算力的限制，这种困难，方然暂时没想出什么办法来克服。

    匿名账户上虽有大笔资金，事实上，已经超过了百万马克，也不适合用在这种细枝末节的事情上。

    &nbs



第一二二章 冬季
    asa究竟是怎样判断，认为这些节点会与调查“匿名者”呢，方然不太理解。

    翻阅报告后，他才大概弄清asa的筛查策略，看上去，这些相互之间没什么联系的网站、服务器，基本上都在过去的十二个月里遭遇过非法侵入，不仅如此，在备份服务器的日志里，还可以找到文件系统的操作记录。

    这些操作记录，一一列出，全是从系统中删除数据的。

    渗透低安全性的网络节点，篡改数据，这种事方然也没少做，目的无非是为了攫取比特币、或得到有用的信息。

    这种操作，和窥探网络数据流的灰色行为不一样，是明确的不法行径，当事者肯定会设法掩藏行迹，但要抹除所有痕迹几乎不可能:删文件容易，删日志也不困难，但是在一切篡改完毕后重启相关服务，即便清空了所有记录，热备份系统的定时同步却很棘手，即便手段高超，也几乎没办法稳妥的处理干净。

    否则，随便侵入就能为所欲为，那盖亚的互联网络早已瘫痪无数次了。

    正因有这些记录，重新组织的asa2.0才嗅到一丝异样的气息，综合分析后认为，这些陆续被侵入的服务器里，必定有对追踪“匿名者”有价值的数据，因为在人工智能眼中，并没有什么其他的网络监控活动，需要跨越如此多的行业领域，从如此之多的不设防服务器里大量删除敏感信息。

    居然和自己想的一样呢，方然先是讶异，然后就有点毛骨悚然:

    asa的推理，居然在自己之前。

    特定领域里的人工智能，胜过了人类，这在过往的几十年里已发生过很多次，但真的身临其境，体会到智力被ai碾压的滋味，方然还是心生几分感慨。

    没时间思考这些，他亲自动手，在可疑节点的文件系统中翻找线索。

    即便这很花费时间，但，也没办法像利用asa寻找“匿名者”那样，让人工智能去渗透服务器，至少方然手头的ai还不足以做到这点，于是他逐一侵入这些防备松懈的系统，尝试恢复被删除的文件，结果大部分时间都是徒劳无功，当然这并不出乎意料。