负如何，最近在学习效率上还是输给A姐？最近各个留言板上有什么跟我有关的吗？或是我可能感兴趣的。”
从笔记本电脑的扬声器中，传出一个熟悉的男士声音。“先生，自主学习型人工智能艾尔比的学习效率与反应速度，从胜负曲线上来看，还是可以判定双双输给A姐(Miss_A)。”
“你觉得我们是输在哪里？”
人工智能贾维斯回答道：“在反应速度上，以现有的芯片架构，没有任何一家的市售芯片效能超越‘好莱坞小子’的订制芯片。
“纵使是那些实验室产品，也达不到A姐的计算速度。有90%的可能性，是布朗先生使用了新的未知芯片架构，极高地提升算力。
“有9%的可能性，是他找到并联超级计算机的方法。以已知的平行运算架构，至少是五台‘好莱坞小子’合用，才能做到目前的算力水平。
“剩下1%的可能性，是布朗先生找到并联超级计算机的方法，并且入侵其他已服役的超级计算机，将其控制为殭尸，偷偷使用了它们的算力。
“在学习效率方面，布朗先生有70%的机会，使用了科学论坛上，最近几篇新的数学论文，更新了A姐的算法逻辑。
“30%的机会，是使用了未知的新逻辑，更新算法底层。让A姐在迭代学习效率上，比起艾尔比快上许多。”
托尼·史塔克感到好奇。正对着屏幕，说：“有哪些新的论文可能派得上用场？”
笔记本电脑的小小屏幕上，立刻出现了好几个网页窗口，展示着贾维斯所报告的论文内容。
“拓朴学？也就是A姐每一步棋，迭代的并不是只有眼前的一步，很有可能同时复盘历史棋局，找到相似的棋步做预测！假如真是这样的话，A姐背后的算力有多高？”
贾维斯顿了几秒钟，显见它正在处理新的讯息。“根据计算，A姐的算力要在‘好莱坞小子’二十五倍以上，才能符合它的反应速度表现。
“同时根据新条件判断，布朗先生有99%使用了新架构的芯片。因为现有的超级计算机并联起来，无法达到相同的算力水平。”
翻看着论文的托尼·史塔克，突然注意到贾维斯提出的一篇文章。“这篇已经被证伪了啊。你为什么会觉得它有用？人工智能会老糊涂吗？还是底下有人解开了？”
“因为这篇数学问题和其他几篇是相似范围的，所以才有此推论。”贾维斯回答道。
托尼·史塔克往该证伪的论
…。。