“李世石的真實勝率有多少呢？”
“爛柯圍棋爲李世石創建若干主要數據模型：2010年的李世石數據模型，2007年到2010年的李世石數據模型，巔峰時期的李世石數據模型，加強版李世石數據模型，動態版李世石數據模型，等等。”
“2010年李世石模型，爛柯圍棋收錄李世石2009年5月到2010年5月之間的對弈棋譜，與李世石總數據庫對比，精細分析李世石近期狀態。或許受到去年停職風波的影響，爛柯圍棋判斷李世石棋力近期明顯下滑，頗不在狀態。在四項主要模型之間，2010年李世石模型的勝率最低，哪怕爛柯圍棋第78手錯棋之後，他的勝率也僅有1.3%。”
“2007年到2010年是李世石制霸世界圍棋的巔峰期，這時期的李世石數據模型相對強大。爛柯圍棋第78手錯棋之後，它的勝率提高到4.7%。”
“巔峰時期李世石數據模型，只蒐集圍棋界公認的高質量棋局，虛擬塑造一名每次都能下出高質量棋局的李世石。爛柯圍棋78手錯棋之後，它的勝率提高到11.9%。”
“加強版李世石數據模型，大數據分析李世石棋力的進化軌跡，改掉那些容易被屠龍的不完善圍棋理念，並預測他能在某方面取得突破。爛柯圍棋第78手錯棋之後，它的勝率提高到18.6%。”
“動態版李世石數據模型，爛柯圍棋將當前棋局與李世石既往棋譜頻繁對比分析，預測現實中李世石的下一步棋。如果李世石想憑藉經驗中有效其實卻存在漏洞的既往定式贏棋，爛柯圍棋就會在保證勝率同時悄悄設伏；如果李世石在對弈期間有了自我突破，爛柯圍棋立刻紀錄那些良性變化，調用其它計算力資源演算良性變化對加各李世石數據模型的影響。”
“巔峰期數據模型有助於爛柯圍棋理解過去的李世石，加強版數據模型有助於爛柯圍棋理解未來的李世石，動態版數據模型有助於爛柯圍棋理解現在的李世石。爛柯圍棋眼裡的七局對弈，第一局和第二局，李世石完全不在狀態，特別是第二局，狀態沉到谷底；第三局、第四局、第五局，李世石逐漸恢復狀態，回升到巔峰期；第六局，李世石狀態低迷；第七局，李世石狀態極佳，有些自我突破味道。”
“等等，等等。”
“爛柯圍棋比我們想象的更瞭解李世石。”
“或許有人會問了，如此針對李世石，爛柯圍棋還是圍棋程序麼？對陣其他棋手，是否需要重新調整數據模型？如果換一名選手，就需要重新調整一次，爛柯圍棋也太機械僵硬了。”
“答案，當然不是。”
“如果死板到那種程度，春秋搜索豈有臉自稱人工智能？”
“又是加強版李世石數據模型，又是動態版李世石模型，聽起來貌似很複雜。其實在實際運行中，爛柯圍棋非常簡單快捷，所有的所有數據模型，全都無須手動輸入建立。”
“爛柯圍棋有一套完善的數據模型建立方法，只須掃描李世石的既往棋譜，它就能即時生成一系列數據模型。如果授權爛柯圍棋連接互聯網的圍棋資料庫，它還能以“李世石+圍棋”等關鍵字檢索李世石的信息資料，自動提取既往棋譜。也即是說，哪怕對手換作李昌鎬、古力、孔傑等棋手，爛柯圍棋也能快速生成一系列加強版李昌鎬、加強版古力等數據模型。”
“我們說爛柯圍棋是人工智能，不僅因爲它能下贏李世石，征服圍棋神話，還因爲它能自動蒐集數據、自動處理數據、自動建立數據模型，高效而又針對性分析對手的圍棋理念和圍棋思維。”
“我們人類棋手在尋找爛柯圍棋的漏洞時，爛柯圍棋也利用大數據分析等前沿技術尋找李世石等頂級棋手的漏洞。”
“爛柯圍棋不可能完美到沒有漏洞，但是我們人類又何曾完美到沒有漏洞呢？”
“只要爛柯圍棋能夠比爛比贏李世石，它就贏定了！”
春秋搜索的爛柯圍棋與三十年記憶裡的谷歌alphago，雖然都是圍棋程序，性質卻截然不同。
雖然無法同臺競技，魏東生卻相信他親自編程的爛柯圍棋能夠輕鬆秒殺在2017年5月擊敗柯潔版本的alphago，因爲它們兩款圍棋程序根本不在同一層次。魏東生以計算機智能生命知識體系俯視深度學習概念，對深度學習的理解遠超谷歌團隊；即使不動用計算機智能生命知識體系黑科技，他的實踐能力也比谷歌團隊強大十倍。
而且除了棋力的鴻溝，爛柯圍棋的人工智能說法更名副其實。
你在尋找它的漏洞時，它也在尋找你的漏洞。
聽到魏東生這一句有些警示意味的名言，在座觀衆不禁悚然而驚。
某些人遲鈍醒悟殘酷的事實：我們把智慧想的太玄幻了，我們把人工智能標準制定的太高了。
或許，智慧的門檻並沒有想象的那樣高。
或許，智慧一詞並沒有那麼哲學化。
計算機程序自主尋找人類棋手的漏洞，是否屬於智慧行爲？
深度學習等相關技術用於提高自己的判定價值高低能力，大數據分析等相關技術用於觀察尋找目標的弱點，以爛柯圍棋程序爲代表的全新計算機程序已經能夠和人類進行一定程度的攻防作戰。它是那樣的孱弱，卻帶來了未來一種可能。
就像魏東生所展示的，爛柯圍棋建立無數數據模型定向分析李世石的弱點，甚至可以預測李世石自我突破方向，李世石準備怎樣贏它？
或許有人說，李世石的一線生機是不斷求新。
李世石突破極限抵達爛柯圍棋未知的領域，它就無能爲力。
但是，這種幼稚想法顯然有些樂觀。
爛柯圍棋能在短短半年時間內瘋狂訓練下棋兩億盤，又能在短短半月時間內針對李世石定向分析七十餘萬盤棋。爛柯圍棋的效率如此之高，它適應新棋局的速度，勢必比李世石不斷自我突破速度高十倍、百倍、千倍、萬倍。
想想吧。
李世石辛苦磨礪自己一年時間，終於迎來了自我突破。可爛柯圍棋迅速跟進他，高效推演數十萬盤棋定向分析李世石自我突破的價值，在短短一日之間就把李世石的自我突破成就融入它自己的價值網絡體系。
視野再擴大到整個圍棋界。
爛柯圍棋緊跟李世石、李昌鎬、古力、孔傑、樸延桓、柯潔等所有頂級棋手，每一名頂級棋手對圍棋的未知領域詮釋都能及時收錄到它的價值網絡體系。李世石、樸延桓、柯潔等棋手想和爛柯圍棋鬥，彷彿個人和集體之間的抗爭，他們不僅要鬥贏爛柯圍棋自我對弈的深度學習成果，還要鬥贏整個圍棋界對圍棋的世紀貢獻。
它會自我學習，更善於學習人類。
而人類是分散的，人工智能卻是一體的。
這是人工智能的優勢之處，也是人工智能的恐怖之處。
如果人工智能能夠學盡人類知識，即使它“缺乏”自我學習創新能力，也能成爲幻想小說中蓋亞意識、阿賴耶意識那樣的人類集念。和一名人工智能鬥，就是和整個人類社會既往所有成就爭鋒，除非人類族羣發明出能夠在極短時間毀滅人工智能的新武器，在人工智能理解、學習、吸收新武器之前就一波流摧毀人工智能，否則人類幾乎沒有希望擊敗擁有無限數量優勢的人工智能。
這樣的或許假想，或許還很遠。
但是，危機已經開始滋生。
爛柯圍棋已能大數據分析棋局方式尋找特定目標的弱點，如果換一個場景、換一個邏輯，它能不能大數據分析程序源代碼尋找到特定程序的“弱點”呢？
程序代碼看起來很高深，其實它非常簡單。
程序員對此應該深有體會，畢竟與代碼打交道可比與人打交道簡單多了。
特別是那些非創新性的代碼，它簡直和農民種田一樣屬於體力勞動，碼農一詞，真的是既形象又貼切。理論上來說，如果爛柯圍棋能夠深度學習發現人類棋手未知的圍棋理念，它必然也能深度學習加大數據分析方式分析特定程序的源代碼，小則能夠快速尋找bug漏洞，大則能夠優化程序的執行效率。
就像圍棋神話，人類才能寫程序的神話也終將破碎。
當然，爛柯圍棋現在肯定做不到自我更新源代碼。
但是，再完善一些呢？
再有類似深度學習、大數據分析的新理論出現呢？