改写代码或许只需要几个熟练的程序员就能完成，但是研究宁孑上传到论坛上的源代码却需要这些正儿八经的科学家们。虽然代码的改写工作早已经完成，甚至已经成功申请了专利。
尤其是对于思科来说，在购买专利之前，就已经安排了代工厂开始生产相关的设备，并组织了售后技术人员开始学习软件湍流算法的调参工作。但谨慎起见，两家公司都还是希望能完全了解软件工作的原理。
番茄
这既涉及到真正的技术安全，更涉及到未来技术遇到问题之后，可以进行更有小更有针对性的更新。
所以在内部研究的效率依然不让人满意的时候，两家公司沟通后一致决定，干脆多花些钱，从外面多请些专家来一起做这个事情。这对于两家公司来说都不是难事。
一来，虽然这事不光彩，但他们是真给钱，而且能给很多；
二来，私底下研究湍流算法的代码，只要不公开传播出去无损这些学者的声望，普通人也并不会关心这些；
三来，不管是高校教授还是研究所的研究员，他们跟这些大公司本就是相辅相成的关系。对于这些知名的专家来说，谁都会有搞定了项目需要投资的时候，能跟这些大公司打好关系，自然是最好的。
所以这段时间每个星期都会有这样的内部会议在酒店里举办，双方在一起沟通针对湍流算法的研究成果。
此时正坐在椭圆形会议桌上发言的是伯克利分校计算机学院的高级研究员科南·拉马尔，这是一位享誉全球的计算机跟数学专家，2007年A.M图灵奖获得者，在人工智能决策树算法方面有着许多创造性的成果。包括现在谷歌的搜索引擎许多关键技术就是依托于这位计算机学家的理论研发的。
“这段时间我跟埃思里奇教授合作，将这些代码根据其实现的功能分类，总结出了九个公式跟相应的函数构型，如图所示。”
科南·拉马尔在电脑上操作了几下之后，他背后的大屏幕上投射出了笔记本电脑上的内容。
“我们可以相信这九个公式，以及其最终结果，是实现算法各项功能的关键所在，甚至破解了这些公式的意义，我们就能彻底了解算法作者的创作思路跟思想，彻底了解这个算法。但很遗憾，在接下来三天里，我们针对这些公式的研究陷入了困境。”
“这些都是我们从来没见过的公式。以公式一为例，很明显的，它的适用范围应该是针对曲面奇点的t解消。相信大家都知道，目前来说难点是此类曲面奇点解消是计算Hurwitz-Hodge积分，但是套用这个公式，我们发现可以轻易的得到相关结果，这是一个伟大的公式，但问题来了，在算法中我们不明白插入这一公式的意义。”
说到这里，科南·拉马尔表演挪了挪凳子，表情也愈发严肃。
思考了片刻后才继续开口说道：“其他的公式大都是类似情况，大家可以把这些公式跟函数构型记录下来。我认为接下来我们的工作重点是通过了解跟证明这些公式，来思考它们是如何让算法实现这些功能的。除此之外我们的研究发现，如果按照它解析出的数学结构，湍流算法的功能可能不止现在大家所了解的这些。或者说算法的能力被低估了……”
这句话刚落下，便有人举起了手。
科南·拉马尔看了对方一眼，见是思科的首席技术官——迈轮·克米特，便冲着其点了点头，示意他直接发言。
“拉马尔教授，你说的算法能力被低估指的是算法本身还有能力被隐藏，还是说算法作者在编程时……嗯，通过种种手段做了一些手脚？比如”
对于科南·拉马尔来说这大概不是一个重要的问题，但对于迈轮·克米特来说却太重要了，关系到他的饭碗。
科南·拉马尔深深的看了这位首席技术官一眼，然后干脆的摇了摇头道：“我不知道，其实我想说的是，软件本身的智能性。根据我这些天对这些公式，以及代码变量的一些分析，整个算法工作时的决策过程很有意思。”
说到这里，科南·拉马尔脸上露出犹疑的神色，随后才摇了摇头道：“算法的工作模式有人工智能的影子，但其决策模式却不是现在我们已知的一些办法，比如人工神经网络、贝叶斯、决策树、分层聚类、关联规则学习等等，又或者作者将这些都通过这些公式融入了进去……我不知道，因为我到目前为止依然看不懂这些公式。”
这个回答会议现场所有人开始面面相觑。
当一位业内顶级大老在分析了这些算法，甚至排列出一系列公式之后，却依然一无所获后，多少让人感觉到沮丧。
似乎感觉到会议室内气氛不对，科南·拉马尔立刻又说道：“好了，各位先生女士们，虽然这些公式我们暂时还不懂，但说不定其中有疏漏，而且我们还有时间去持续研究。事实上我们的工作是卓有成效的。我有种感觉，当我们能把这些公式都证明出来，就能破解整个算法。”
这章没有结束，请点击下一页继续阅读！