黄小兰坐到电脑前，双手放在键盘上，深吸一口气。

    屏幕上，那些原始日志还在滚动。

    她随手关掉，打开一个空白的编程界面。

    然后她开始敲键盘。

    啪。啪。啪。

    手指落在键盘上的声音，清脆而有节奏。

    她没有急着写代码，而是在脑子里先把昨晚和一号老师讨论的内容过了一遍。

    算力有限——那就不能跑大模型。

    数据匮乏——那就得在算法上找补。

    传统机器学习方法在这个时代是主流。支持向量机、随机森林、Adaboost……这些算法对算力的要求低得多，而且在小样本数据上表现不错。

    她可以先把这些基础框架搭起来，然后在上面慢慢叠加。

    就像盖房子一样。

    先打地基，再砌墙，最后才是装修。

    她开始写第一行代码。

    定义数据结构。

    初始化参数。

    设置训练接口。

    一行一行，一个函数一个函数。

    她的速度很快，快到旁边那几台老服务器还没来得及反应，她已经写完了基础框架。

    然后她停下来，盯着屏幕看了一会儿。

    不对。

    太常规了。

    常规的算法，常规的思路，常规的架构——那出来的也只能是常规的结果。

    她要的不是常规。

    她想要的是，在现有硬件的极限上，尽可能逼近那个“不可能”。

    一号老师说过，那是“精美工艺品”的路子——不是靠堆料，而是靠巧思。

    她删掉刚写的一半代码，重新开始。

    这一次，思路变了。

    不是从算法出发，而是从硬件出发。

    她要先摸清这几台老服务器的底细。CPU型号、缓存大小、内存带宽、IO吞吐……每一个细节，都会影响最后的设计。

    她调出系统信息，一行一行看下去。

    Pentiu4，单核，2.8GHz。

    2GB内存，还不如未来一个智能手机的内存。

    硬盘2-3块，146GB，SCSI硬盘。

    黄小兰看着那些数据，嘴角抽了抽。

    这也太老了。

    不过有双千兆以太网口，算是比较超前。

    但她没抱怨，只是深吸一口气，继续敲键盘。

    先测CPU算力极限。

    她写了一个简单的循环，跑浮点运算。服务器发出低沉的嗡鸣声，风扇开始加速转动。

    三分钟后，结果出来了。

    每秒大约能跑2亿次浮点运算。

    后世一块普通显卡的千分之一都不到。

    黄小兰沉默了两秒。

    然后她笑了，苦笑。

    ——

    她开始设计第一个算法。

    不是传统的神经网络，而是一个极度精简的决策树集成系统。

    每个树只有几层深，但数量可以很多。训练的时候并行跑，预测的时候加权投票。

    对内存要求低，对算力要求也低，而且可以在小样本数据上表现不错。

    她一行一行地敲着代码，完全沉浸进去。

    时间一分一秒过去。

    屏幕上，代码越来越长，越来越复杂。

    但她的思路越来越清晰。

    窗外的阳光从东边移到西边。

    孟棠来敲了一次门，叫她吃饭。

    她没听见。

    孟棠又敲了一次，还是没听见。

    最后孟棠推门进来，站在她身后，看着她敲键盘。

    看了五分钟。

    然后默默退出去，把门带上。

    算了，这丫头现在听不见任何声音。

    多给她准备一些零食，反正两餐没吃饿不死。

    ——

    屏幕上，第一个算法终于写完。

    黄小兰停下来，活动了一下僵硬的手指。

    然后她点下运行键。

    服务器嗡鸣声变大，风扇转速加快，机房的温度似乎都升高了一点。

    一秒。两秒。三秒。

    屏幕上跳出一行字：

    训练完成。

    黄小兰盯着那行字，看了很久。

    不高。甚至可以说很低。

    但这只是第一次尝试。

    只是最基础的版本。她还有很多优化空间，还有很多技巧可以加进去。

    她活动了一下脖子，继续敲键盘。