第(2/3)页

    撇开极小概率的宇宙射线、本底瑕疵等因素，的确，人类制造出的计算机，可以认为具有100%的可靠性，如果最终计算结果与事实不符，绝对是程序的设计、或者初始条件有问题，最终一定会追溯到人的身上。

    计算一百次加法，计算机不会错，人也不会。

    但是计算一百亿次加法，计算机不出错很寻常，人呢，根本就不可能一个不拉的全做对。

    “人脑迟早会出错”的现象，长期以来，在计算机的永不出错面前自惭形秽，自愧不如，但反映到另一个层面，正是这种模拟式、并行式生化系统的“出错”，才让探索性、创造性的科学研究成为可能。

    从已知，尝试推断未知，人类的一切科研活动，本质上都未脱出这样的形式。

    而这正是计算机，至少到目前为止的计算机，始终做不到的。

    计算机能做的工作，譬如说，计算，总归是一项人类交托的任务，是先由人来判断该问题是否有解，如果有，具体的算法是什么，然后将数据与算法交给计算机的逻辑电路去处理，所得结果也要由人去理解，阐述。

    即便像aiasg这样的系统，能自主生成程序，实质上，也不过是将一些类似的已有成果排列组合，解决那些早已被人解决过的问题。

    路，还是人走出来，计算机只不过是更快的再走一遍，两遍，三遍；

    就算再走无数遍，仍没有任何创新。

    取而代之的崭新思路，“敛散算法”，则是根据一定的初始条件，在算法的每一步，尝试尽可能多的展开分支，引入额外的发散量，当然这种做法，很快就会让计算量暴增，所以还需要进行“收敛”，通过同样包含随机性的判据，迅速“砍”掉大量无意义的分支。

    表面上看，这一先发散、后收敛的做法，与向系统中引入随机变量，并无本质区别，实质上也可以粗糙的这样认为。

    区别则在于，算法步骤中引入的变量，并非随机数，而是来自于初始状态库的一切既有知识。

    那么就是在穷举吗，似乎是，只不过为了应对完全穷举的计算量暴涨，而必须在每一步进行判断、预计与猜测，将无意义的分支完全消除。
    第(2/3)页