天生傾向于省事。
林奇也清楚，他本能就是傾向于靠經驗和個人直覺作判斷，通過經驗系統避開需要大腦費神費力思維的分析系統。
所以后來林奇一直刻意的進行“訓練”。
并非說他下意識讓自己多思考不依賴經驗，反而是訓練他的“經驗系統”，通過無數次的“分析”來訓練出真正接近全面的“經驗系統”。
然而，主動的訓練終究太慢。
林奇看著滿目蒼夷的地面，盡管這些原魔都躺著任由他屠殺，但林奇的這種“刻意”訓練，終究太慢了。
一個路邊的大臺北奶茶店終究只能養活一家幾口，可是當它變成連鎖時，得到的便可能是數十上百億的估值。
木工賣一張“椅子”，所生產的量終究突破不了一天24小時的極限。只有無形的“軟件”才能夠將邊際成本下降到零，實現真正的財富積累。
正如前世的AlphaGo之所以能成為圍棋之神，本質上的神經網絡與搜索算法便是一種“訓練”。
15年10月，AlphaGo5:0擊敗了歐洲圍棋冠軍樊麾。
16年03月，AlphaGo4:1擊敗了前世界冠軍李世石。
17年01月，AlphaGo改版程序“Master”完成六十連勝，橫掃所有中日韓頂尖高手。
17年05月，AlphaGo3:0擊敗了世界排名第一的中國選手柯潔。
當時關心局面的林奇，內心還保有著人類依舊有勝利希望的幻想，認為人類頂尖棋手如果得到AlphaGo的長期訓練，定然能夠再度拔尖。
一直到當年，他聽到了另一個消息——
17年10月，一個全新的變種AlphaGoZero，完全擺脫過往所有的人類對局，只有基本的下棋規則后自己以一臺帶著4個TPU的機器從零開始通過機器學習，
3小時，AlphaGoZero成功入門圍棋。
36小時，AlphaGoZero摸索出所有基本重要圍棋知識，100:0擊敗戰勝李世石的AlphaGov18版本。
21天，AlphaGoZero達到了Master水平。
40天，AlphaGoZero對戰Master的勝率達到90%。
40天，2900萬局圍棋便實現了人類兩千年都未曾出現的圍棋界獨孤求敗！
機器，某種程度而言比人類更為可靠。
林奇深刻明白這一點，倒也不是人類比不上機器。
而是人類的性能尤其是ALU模塊至今依舊完虐計算機，甚至那耗能更是無解。
然而數萬年下來，人類終究只是進化了算術邏輯單元，至于主存寄存器、
不是人類笨，是性能不達標，人類的ALU遠超完虐計算機，然后就沒了，幾萬年的進化，人類只進化了ALU，像主存寄存器閃存IO總線這些都還是萬年之前的老古董，自然比不上計算機了。