死循环

暑假的校园褪去了人声，总是显得格外的安静。

　　梧桐叶子被晒得打卷，蝉鸣从早响到晚。

　　图书馆的老位置，肖宿手边摞着从书库借出来的专著，一本换一本，有时候半天翻完一本，有时候一页看上很久。

　　自从那天在会议室里，林正宏的技术总监抛出那个工业算法难题后，肖宿就一直在想一个问题。

　　高维非线性系统的全局最优解快速构造。

　　当时他临时拼凑出的那套“自适应李群离散化优化算法”，只是针对恒科智能的具体场景，勉强算是一次应急的缝合。

　　但那个场景，让他窥见了更底层的东西。

　　那天看到的那些数据曲线显示的是工业世界的缩影，高维、强耦合、强噪声、实时性要求极高。

　　现实世界的数据从来不是规规矩矩躺在二维表格里的，它们纠缠在一起，相互影响，相互干扰，像一团乱麻。

　　而现在的AI，面对这种乱麻，多数时候只能抓瞎。

　　真正的智能应该是什么样的？

　　肖宿在草稿纸上随手画了一个圈，又在圈里画了无数个交错的线条。

　　你走进一个从未到过的房间，目光一扫，零点几秒内就能判断出哪个位置最安全、哪条路线最通畅。

　　这不是穷举，不是遍历，是某种近乎直觉的能力。

　　从无数种可能性里，瞬间挑出那个最优的答案。

　　现在的AI离这种能力差得太远。

　　差在哪儿？就差在这个问题的解法上。

　　肖宿放下笔，靠在椅背上，望着窗外被晒得发白的天空。

　　这个问题要是能解开，那么高超音速飞行器的控制将会得到质的提升。

　　飞行器在大气层边缘以十几倍音速穿梭，表面温度瞬息万变，气流状态极度复杂，控制系统需要在毫秒级的时间内，从成千上万种可能的调节方案里找到那个最稳的。

　　可是现在的智能系统还做不到，所以只能靠预设程序加人工干预，反应慢半拍，危险就多十分。

　　而在新药研发上，效率也会得到极大提升。

　　要知道小分子与靶点蛋白的相互作用，本质上是高维空间里的能量最小化问题。

　　现在的算法算一个候选分子都要跑几周甚至几个月，筛一万个化合物简直得算到地老天荒。

　　如果能瞬间找到那个最稳定的构象，药物筛选的效率提升将是指数级的。