我真不是法爷(校对)第386部分在线阅读

　　“这个超乎了你的想象。”郑家祖母说道，说着她目光微冷望着郑樱落佩戴在胸口的徽章，“那枚徽章林奇手里也有一个是吧，你回头先用铅盒讲起包裹起来，静待几天先吧。”
　　“我连持有都不能了？”郑樱落难不住反问。
　　尤其祖母也并没有让她交出去。
　　郑家祖母轻轻摇头，“不要低估深渊的恐怖所在。”
　　“一旦它们真的控制住了林奇，甚至得到恶魔们的帮助的话，那么你手里的这枚徽章，从此成为恶魔们的定位点，甚至成为传送门也说不准。”
　　郑樱落一听，当即深深地皱起眉头来。
　　恶魔的传送门？
　　它一直以来都是恶魔们进入主物质位面的关键渠道，因为恶魔们大多有同位面传送的“传送术”，但极少有跨位面的“异界传送”。
　　所以绝大多数恶魔，都是靠着异界传送才有资格踏上主物质面的土地，甚至具有一年一次祈愿术的恶魔，有时候也只能用它来模拟“异界传送”，得到一张单程票。
　　至于下一次想回去，就得等一年后祈愿术冷却恢复了。
　　多元宇宙的各个位面之间都存在传送门与传送缝隙，加上无底深渊的自主扩张性，时常在主物质面打开一扇固定的传送门。
　　“这个也可以？”
　　郑樱落忍不住反问。
　　要知道恶魔传送门都只会出现在具有恶劣行为的地点上。
　　大多数会伴随着毁灭、天灾等。
　　因为典型恶魔传送门场所，都是地下洞穴，刑讯室，战场、活火山、废弃村落、密林之类。
　　郑樱落也有些难以相信自己的徽章成了深渊的定位点，又该如何是好。
　　“如果是传送，倒也罢了。”郑家祖母语重心长叮嘱道，“更可怕的是恶魔以其为载体入侵所有者。诸如实现附身或者干脆便附身于这枚徽章之中。”
　　恶魔的附身，便是死天使们的圣灵附体能力。
　　“祖母。”郑樱落忍不住叹了口气，“我无法对此坐视不管。”
　　“你管的前提，是先保护自己，而不是送了性命。就如同你前面的个小队，他们就有问题。”
　　话音一落，郑樱落差点就举起法杖，瞬发一波法术对对方造成极限压榨。
　　黑裁卫领队和他身后几人都惶恐地低下头，从郑樱落那句祖母的称呼，他们已经认出来老妇人是谁，知道内心深处的诚惶诚恐还没几分钟，就听到对方的“质问”！
　　郑樱落当场重新审视了一番这几位队员，最初见面时她便查验过，没曾想居然还是有破绽？
　　“祖母，是他们？”郑樱落反问道。
　　“傻女孩，自然不是他们，不然的话，怎么可能瞒得过有凤凰附体的你，实际上，真正有问题的是他们的上家！下达这个命令的人！”
　　说着郑家祖母看着瑟瑟发抖的几人，“你们也不用紧张，我已经联系了，你就在原地待命，等待取消任务的命令即可。”
　　“祖母，那林奇呢？”郑樱落关心道。
　　郑家祖母，摇了摇头，“只能说他命不好吧。”
　　“显然天之秘巫认为他是未来阻拦的关键，所以才会安排这么一次袭击的过程里，摒弃掉所有的诱惑因素，直接一击致命。”
　　所谓计划，随着环节的增多，越发容易在某一次出问题脱钩，然后整个流程便衔接不起来。
　　而这一次的天之秘巫，能够克制冲动不利用机会对学院造成严重破坏甚至压制。
　　只能够说明一点。
　　林奇的重要性，超过了这些。
　　所谓为了确保一个任务的完成，只能够牺牲所有的旁枝末节。
　　郑樱落眉头更皱，随即起身。
　　“那我就更不能袖手旁观。”
　　“否则，我将不是我。”
第320章
AI芯片
　　不得不说，“AI”芯片仿佛某种天谴之物般，哪怕这位神孽不断地高歌“创生圣言”，赋予林奇充足而庞大无比的创造力，甚至让他时刻都有着神明的错觉，那AI芯片在记忆宫殿里依旧艰难难产着。
　　这种奥妙至巅峰的作品，一旦出世便能够影响整个魔法文明的存在，林奇脑海里对他的构想，终究是轻微了。
　　放在外人看来，林奇的所作所为，就像是将一副从a到k，包括花色顺序排好的扑克牌，随意递给十余位路人切牌洗牌，随即他再接过来随便洗上十余秒，然后将所有的牌序恢复如初一样。
　　甚至就像是随手递给一个初学者拧乱的魔方，结果对方随手便复原了出来。
　　这些都并非不可能，而是出现的概率太小。
　　林奇眼下的“AI芯片”，也是如此。
　　就像是无数随意的乱洗牌里，慢慢地揉捏出规律的杰作来，也就大自然的鬼斧神工，才能担得起这一名字。
　　很快。
　　随着整个芯片大体架构的成型时，林奇也开始陷入一种莫名的震惊之中！
　　一种类似谷歌曾经开发来alpha
go的人工智能芯片？
　　这让林奇忍不住想起博识图书馆地底奎因殿下的试炼，便是以围棋智力压服对手便可以拿到预言的线头。
　　曾经的逻辑，仿佛在这一刻重新汇聚起来。
　　TPU？
　　这款谷歌17年专门为了机器学习而开发定制的专用集成电路（ASIC）仅仅用了一年便转移到云端作为商用，而它也遵循着CPU与GPU的路线。
　　TPU。
　　中文名字，张量处理单元。
　　说来广大群众第一次接触张量这个名字，可能还是靠着看时间简史之类的科普著作。
　　张量，来自于数学，以多线性方式将几何向量、标量和其他类似对象映射到结果张量的几何对象。
　　当时林奇第一次也没听懂。
　　不过他看了看还是大致明白过来，所谓张量，就是一个广义的矩阵。
　　高中学习的向量是一维矩阵，数字的立方体是三维矩阵，甚至耽搁数字也是矩阵。
　　这里冥冥中已经和那神经网络算法所切合，而张量之所以与纯矩阵有曲风，便在于他拥有动态特征——生活在结构中，与其他数学实体相互作用。
　　而计算机科学里，张量则是一个n纬矩阵。
　　林奇默默在纸面上重新打版，刚刚他已经将整个神秘的控制知识拱手托出，与着神孽交换。
　　至于对方是否会靠此找到成神的专门要是与切记，他也都无所谓。
　　火都烧到眉头了，谁还会估计明天的饭菜热不热。
　　而随着书写，林奇的板书笔法也越发飘忽——
　　训练后的神经网络以标签或预估值对数据分类，此乃推理。
　　因此每个神经元都需要进行计算。
　　输入数据乘以权重，表示信号强度。
　　结果相加聚合神经元状态。
　　使用激活函数调节神经元参数活动。
　　如此一步接着一步，连绵不绝。
　　按理说，三个输入而只有两个神经元与一个单层神经网络的话，权重与输入便要六次乘法……
　　如此一来，矩阵里的乘片与取片，都需要大量的CPU周期与内存，而TPU这种芯片，便是为了减轻这种负荷而生。
　　林奇忍不住皱眉看了眼周围。
　　某种程度而言，计算量的负荷和电网的负荷很类似，最大的负荷便决定了整体的高峰所在（计算难度），也决定了接下来他完成“AI芯片”后所能够到达的高峰。
　　而供与求有需要平衡，不然的话，第一道崩溃的便是自身。
　　只是他很快又重新被TPU的构架所吸引而痴迷起来。