第(2/3)頁

    一邊看代碼，一邊查開發(fā)文檔，方然很快發(fā)現該項目的復雜度超乎想象，核心的人工智能模塊沒什么新意，倒是負責分析軟件需求的部分，十分龐大而精密，這部分的代碼也是最零散而不成系統(tǒng)的，好在對自己的設想而言，這部分用處并不大，于是他將意圖組織、掩飾，然后發(fā)布到黑客論壇上。

    自己開發(fā)可用的系統(tǒng)，耗費時間太長，方然索性將其發(fā)布為商業(yè)項目。

    在AI大行其道，哪怕外行都能看出大趨勢的今天，網絡上人工智能相關的開發(fā)項目浩如煙海，混雜在大量類似的開發(fā)計劃里，“自動搜索分析”的項目描述并不起眼。

    在人工智能的應用難度上，搜索、分析數據，是相當基礎的操作，最后還是要提交給自己來判斷，這樣的項目，規(guī)模并不太大，方然用新注冊的ID扮演承包商，向參與項目的兼職者支付報酬，大概在西歷1472年初秋，得到了第一個可用版本。

    初步測試軟件，利用“自動搜索分析器”抓取信息，方然對AI的能力進行了評估。

    將命名為ASA的軟件上線到第三方服務器后，每天抽一點時間查看日志，一周后，方然驗證了自己的預測。

    人工智能自動抓取數據分析的能力，沒有想象中那么強，排除服務器計算資源的限制后，總體上還是要比他自己來做慢得多，收集到的訊息雜亂無章，即便經過篩選，也很難匯總成有條理的報告供人閱讀。

    但這只是系統(tǒng)第一次上線的表現。

    在這之后，隨著機器學習的進行，盤踞在代碼中的神經網絡架構逐漸熟悉了操作流程，搜索的準確率和速度都在提升，不僅如此，此前在AIASG運行中觀察到的現象，也出現在了ASA的行為模式里。

    這也正是方然所需要的。

    在網絡上搜索、分析資料，做法，無非是截取數據并進行處理，這一點無論是人、還是程序來做，都只有速度和廣泛度的區(qū)別。
    第(2/3)頁