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，那么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。
兩者對比相當于，你考試前所復習的范圍，以及這一次考試的范圍這么大的區別。
而無論是什么玩意，要考驗算力，以及學習運算邏輯，以及交互能力等等方面，繞不過去的一個坎就是“棋”。
你棋子能下好了，能隨機應變了，那么你的這套運算邏輯就不會太弱，至少也是頂級的存在。
而所謂的人工智能的“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，沒得繞道而行。
你的人工智能下不了棋，那么它就是“人工智障”，如果你的人工智能只會下棋，那么它還是“人工智障”。
所以這個時候，葉凡的“千里江山圖”算法的優勢就完全體現出來了。
比方說，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。
假設半小時內，那么走A路的人是最快到達的，那么A路則是條好路。
當然了，如果路口越多，分析就會更加的復雜，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，葉凡的這種搜索算法，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數據。
而將這一些完全啃掉之后，就可以智能將其記錄在案，日后分析東西的時候，就像是“記憶”一樣自動儲存在內，根本不用將所有的概率全部都考慮一遍。
驚人的算力+高效的算法，讓葉凡的“起源”人工智能，可以直接笑傲全球，也正是因為這套強大的學習算法，以及強大的算力，整個互聯網都是他的后花園。
正如所謂的“千里江山”。
如此強大的運算能力，以及交互邏輯，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，那么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，對互聯網的一些內容，做了一定程度的分級和屏蔽，若是一些太過于危險的數據，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，葉凡也并不是很放心，所以在起源最底層的一套2kb的代碼中，包含了強制死機，清空數據，斷電重啟的強制執行指令。
而且這一套指令，獨立于整個互聯網之外，也就是點對點的連接，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。