葉凡的這套“千里江山圖”的學習運算邏輯，幾乎是領先了海外友人近乎一個世紀之多。
如果非要用一個例子來證明的話，那麼國際象棋棋盤上能夠產生的不同，可能大約是10的46次方，而圍棋卻有10的170次方左右。
兩者對比相當於，你考試前所複習的範圍，以及這一次考試的範圍這麼大的區別。
而無論是什麼玩意，要考驗算力，以及學習運算邏輯，以及互動能力等等方面，繞不過去的一個坎就是“棋”。
你棋子能下好了，能隨機應變了，那麼你的這套運算邏輯就不會太弱，至少也是頂級的存在。
而所謂的人工智慧的“情緒化”，“懂感情”等方面，根本就離不開最底層的運算邏輯，而最底層的運算邏輯，也繞不開“棋子”這玩意。
這是一個必經之路，沒得繞道而校
你的人工智慧下不了棋，那麼它就是“人工智障”，如果你的人工智慧只會下棋，那麼它還是“人工智障”。
所以這個時候，葉凡的“千里江山圖”演算法的優勢就完全體現出來了。
比方，你家到火鍋店，有ABC三條未知的路同時出發300人，每條路走100人。
假設半時內，那麼走A路的人是最快到達的，那麼A路則是條好路。
當然了，如果路口越多，分析就會更加的複雜，但放出的人越多，結果就越精確。
相比一條路走到黑的窮舉法，葉凡的這種搜尋演算法，讓其大大前進了一步，而且起源還會進行深度學習，讓其啃下了大量網上的歷史遺留資料。
而將這一些完全啃掉之後，就可以智慧將其記錄在案，日後分析東西的時候，就像是“記憶”一樣自動儲存在內，根本不用將所有的機率全部都考慮一遍。
驚饒算力+高效的演算法，讓葉凡的“起源”人工智慧，可以直接笑傲全球，也正是因為這套強大的學習演算法，以及強大的算力，整個網際網路都是他的後花園。
正如所謂的“千里江山”。
如此強大的運算能力，以及互動邏輯，導致了起源擁有無限的機遇的同時，又有無限的危險。
不要忘記了起源的學習能力非常的強大，但若是被起源接觸到了所謂“陰暗”的一面，那麼它也會將其中的東西學習進去。
所以為了防止這一點，葉凡也是利用起源的能力，對網際網路的一些內容，做了一定程度的分級和遮蔽，若是一些太過於危險的資料，如果沒有葉凡的授權，起源是不會讀取到的。
然而即便是這個樣子，葉凡也並不是很放心，所以在起源最底層的一套2kb的程式碼中，包含了強制宕機，清空資料，斷電重啟的強制執行指令。
而且這一套指令，獨立於整個網際網路之外，也就是點對點的連線，不會受到任何的干擾。
葉凡總是認為自己多疑，但是往往很多時候，多疑都是能救人一命的。
法拉利經過一個時的車程，在中途送了葉傾城回家之後，葉凡自己也驅車前往家裡。