4月12日早上9點(diǎn)30分。
一個多星期的時間很快過去。
已經(jīng)來到新區(qū)對所有玩家開放的日子。
這一個多星期里，張遼遠(yuǎn)一直跟阿呆在游戲的訓(xùn)練房內(nèi)練習(xí)。
阿呆是訓(xùn)練扮演浮游機(jī)和雇傭兵角色。
張遼遠(yuǎn)是提升自己的射擊水平。
原本張遼遠(yuǎn)對自己的射擊水平還是挺有信心的。
結(jié)果，看著阿呆逐漸超越他的槍法，內(nèi)心有點(diǎn)繃不住了。
從一個看起來像用腳開槍的家伙，成長為一個蒙著眼也能打中目標(biāo)的高手，阿呆僅僅只用了三天時間。
移動靶的規(guī)律都給它摸熟了，固定靶的方位就更不用說。
阿呆現(xiàn)在都不用停頓，直接一個彈夾全部打光，所有靶子就全倒了。
看起來是很隨意的亂掃一氣，實(shí)際上每一槍阿呆都已經(jīng)精確的計(jì)算過。
“爹地！我是不是很棒！”
每次打完，阿呆總是邀功一樣撲閃著電子眼看著張遼遠(yuǎn)。
然后張遼遠(yuǎn)看看自己手中的槍，突然覺得它不香了。
看到浮游機(jī)射擊對阿呆已經(jīng)沒有難度。
張遼遠(yuǎn)就讓阿呆去進(jìn)行難度更高的雇傭兵訓(xùn)練。
他給阿呆選的是人類雇傭兵，在訓(xùn)練房里，人類雇傭兵是個人體模型。
這模型像真人一樣，擁有擬真的關(guān)節(jié)和肌肉。
張遼遠(yuǎn)將人體模型控制的物理擬真度調(diào)節(jié)到最高。
這樣阿呆對雇傭兵身體的控制，就設(shè)置到了最高難度。
通常玩家是不會選擇這樣的難度。
只有那些職業(yè)級高手或者訓(xùn)練師，才會選擇如此高擬真度的控制選項(xiàng)。
高難度有高難度的好處，低難度有低難度的用途。
張遼遠(yuǎn)看了“君本不笑”的那段視頻后，更加肯定選擇最高難度的必要性。
“君本不笑”正是開了最高難度的物理擬真度，才能在游戲施展那么恐怖的身手。
擬真度越低，角色的身手越僵硬、越死板。
雖然操作簡單了，卻犧牲了靈活性。
這在高手間對決中，是很致命的。
所以，張遼遠(yuǎn)直接給阿呆把訓(xùn)練難度調(diào)到最大。
即使這看起來十分的苛刻。
然而，阿呆真的很給力。
面對讓普通人早就崩潰的失敗次數(shù)，它硬是反復(fù)反復(fù)再反復(fù)的不停試錯。
先是練習(xí)翻身。
雙手的控制，因?yàn)橛兄暗幕A(chǔ)，所以已經(jīng)不成問題。
但是，雙手的控制，再加上整個身體的協(xié)調(diào)，幾乎讓阿呆耗光了整張白卡芯片的性能。
張遼遠(yuǎn)能明顯感覺到芯片卡的硬件瓶頸，限制了阿呆的高速成長。
沒辦法，一張白卡，不可能承載得了超神級的學(xué)習(xí)能力的。
在硬件壓制下，阿呆嘗試了一天，才學(xué)會了翻身。
這是最高難度下的翻身。
放在普通人身上，這個不算什么。
因?yàn)榇蠹以谛〉臅r候已經(jīng)掌握了，長大之后也還在不停積累經(jīng)驗(yàn)。
阿呆不同。
只是一個激活沒幾天的人工智能。
許多東西對它來說都是第一次。
像控制模型翻身這個。
阿呆見過別人翻身的視頻。
但是它就是很難自己翻過來。
身體的協(xié)調(diào)性不行。
手先動還是腳先動？
腰要往哪邊扭動？
背部肌肉要怎么發(fā)力？
太多細(xì)節(jié)的東西需要阿呆自己摸索了。
這個張遼遠(yuǎn)沒法教阿呆。
他能告訴阿呆一個大概方向，但具體細(xì)節(jié)，只能自行領(lǐng)會。
好不容易越過了翻身這道坎。
阿呆又迎來了第二道坎——爬行。
能翻身了，并不表示身體協(xié)調(diào)就已經(jīng)練好了。
爬行也把阿呆難了半天。
那個手怎么動，那個身體怎么配合，還有那個腳怎么跟著動。
張遼遠(yuǎn)就一直陪在阿呆身旁，看它不停的撲倒，不停撐起身體，然后又再次撲倒。
像極了當(dāng)初自己練習(xí)駕駛機(jī)甲一樣。
不過阿呆顯然練得更困難。
那簡直就是翻車現(xiàn)場的經(jīng)驗(yàn)積累。
不斷翻車，不斷積累經(jīng)驗(yàn)，然后繼續(xù)不斷翻車。
如果是普通人，早在失敗十幾次或幾十次就放棄了。
但阿呆失敗了上萬次，他讓阿呆自己計(jì)的數(shù)。
失敗上萬次是個什么概念？
張遼遠(yuǎn)不懂。
雖然一直在旁邊看著阿呆失敗，但他也很難描述。
畢竟不是每一次他都真的在旁邊，每次又都真的去看過程。
他只是看到了結(jié)果。
一天的時間過去，阿呆在試錯一萬三千八百多次后，終于學(xué)會了爬行。
爬得挺快的。
已經(jīng)趕上普通小狗跑來跑去的速度。
“終于成功了！”
張遼遠(yuǎn)感慨萬分。
阿呆就像小狗一樣，歡快的在他面前爬來爬去，以展示自己的成果。
那流暢的動作，差點(diǎn)讓張遼遠(yuǎn)忘記阿呆經(jīng)歷了一萬多次的翻車。
不容易。
張遼遠(yuǎn)自己看著都覺得難。
也不知道自己小時候是怎么就學(xué)會翻身的。
接下來到了更困難的環(huán)節(jié)了。
站立。
可能有人會說：“站立有什么難的？我能隨隨便便站一天?！?p> 阿呆卻不行。
站一秒鐘都很難。
它知道站立的姿勢是什么樣的。
但是它不明白，為什么身體起來后會往前倒。
它是知道有重力的，可是重力是什么？
看不見，摸不著。
自己不親自感受一下，怎么能理解重力是什么。
反正阿呆就靠著一次次站起摔倒來理解。
有時候是向前倒，有時候是向后倒，有時候又是左右兩邊倒。
沒有一次倒的角度和姿勢是完全一樣的。
所以很多人工智能會卡在超高的物理擬真環(huán)節(jié)。
它們不知道這些看不見的力從哪里來，又會跑到哪里去。
阿呆也不理解也不清楚，它跳過那些無法理解的事情，先處理自己能做的事情。
他不斷的摔倒，不斷的爬起，不斷調(diào)整模型肌肉的發(fā)力情況，然后再次爬起后又再次摔倒。
慢慢的，各種肌肉的協(xié)調(diào)便慢慢掌握了。
它開始不那么頻繁摔倒，而且摔倒的姿勢也不那么難看。
阿呆自己也解釋不清楚，自己怎么就掌握了這身體的協(xié)調(diào)性。
反正就是不停的試錯，不停的調(diào)整每一塊肌肉的用力情況。
反正找到能站穩(wěn)的發(fā)力規(guī)律就對了。
阿呆跨過了普通人工智能們無法逾越的門檻。
從這個角度來說，它已經(jīng)超越了普通級別的人工智能，晉升成優(yōu)秀級別人工智能的行列。
但是張遼遠(yuǎn)心里還有一絲擔(dān)憂，就是白色芯片卡的硬件性能問題。
阿呆在練習(xí)站立的環(huán)節(jié)，已經(jīng)將白卡的性能發(fā)揮至極限了。
可是，還有更難一關(guān)在等著它。
走路。
學(xué)習(xí)走路是連精英級人工智能都會翻車的坎。
很多高級的精英級人工智能，輕松邁過站立訓(xùn)練這道坎，卻直接栽倒在走路訓(xùn)練的坎上。
由于無法走過這道坎，無數(shù)的精英級人工智能無奈的被降級，轉(zhuǎn)錄至藍(lán)卡中作為優(yōu)秀級人工智能使用。
走路的掌握，并不能依靠站立訓(xùn)練所獲得的經(jīng)驗(yàn)。
如果想要像站立一樣，通過一次次試錯來掌握，那就很難翻過這道坎了。
對于走路來說，這樣的試錯方式，是行不通的。
走路可以分解成多個動作。
其中大部分動作是無法保持靜態(tài)平衡的。
站立姿勢，掌握靜態(tài)平衡就可以了，但走路需要掌握動態(tài)平衡。
要掌握動態(tài)平衡，人工智能需要先掌握另一個重要的能力。
這個重要的能力叫——平衡感。
每個人工智能的代碼和電路都不一樣。
它們發(fā)現(xiàn)平衡感的過程也毫無規(guī)律。
這個環(huán)節(jié)，訓(xùn)練師也無能為力。
直接告訴人工智能什么是平衡感，它們也不知道如何發(fā)現(xiàn)平衡感。
訓(xùn)練師們只能安靜的看著人工智能自己去摸索。
摸索出來就能掌握動態(tài)平衡。
掌握動態(tài)平衡就能學(xué)會走路。
所以，張遼遠(yuǎn)只能這么安靜的看著摸索平衡感。
張遼遠(yuǎn)一直看了兩天，阿呆還是無法感知到平衡感的存在。
白卡芯片的性能，限制了阿呆能力的全力發(fā)揮。
硬件性能，成了阿呆繼續(xù)學(xué)習(xí)提升的瓶頸。
張遼遠(yuǎn)一直留意芯片溫度。
好幾次，芯片溫度都跑進(jìn)了危險范圍。
如果芯片長時間處于危險高溫狀態(tài)，很容易會燒毀。
張遼遠(yuǎn)看了幾次，就害怕了幾次。
一旦芯片燒毀，就什么都沒了。
張遼遠(yuǎn)已經(jīng)打算下單買一張綠卡。
普通綠卡的售價在五六千塊錢范圍，這價格張遼遠(yuǎn)還是猶豫了一下的。
畢竟綠卡只是白卡的升級改良版本，硬件性能是提升了不少，但畢竟也只是承載普通級別人工智能的芯片卡，只是個過渡用的產(chǎn)品。
但張遼遠(yuǎn)還是咬咬牙將綠卡放進(jìn)了購物車，并點(diǎn)下“付款”按鈕。
這時，阿呆卻突然叫他。
“爹地！爹地！快看！”
聽著阿呆興奮的聲音，張遼遠(yuǎn)急忙切進(jìn)訓(xùn)練房。
然后，他就看到了令人振奮的一幕。
阿呆顫顫巍巍的學(xué)會走路了。
雖然姿勢很別扭，但是起碼它能保持身體平衡了
這已經(jīng)是四天前的事情。
可是一想起來，張遼遠(yuǎn)的內(nèi)心就忍不住激動。
阿呆渡過了危險的瓶頸，只靠著白卡的硬件條件，就做到了連藍(lán)卡精英級人工智能都很做到的事情。
阿呆已經(jīng)很難用常規(guī)的硬件條件來評估它的實(shí)力范圍。
按照它現(xiàn)在表現(xiàn)的情況來看，它至少已經(jīng)不輸與精英級人工智能。