这不是物种的进化。

是世界的进化。

引用姜若在博士答辩时举的例子，我们来模拟一条鱼。最初这条鱼只有一个模糊的外形轮廓，当一个人抓住这条鱼的时候，他事实上扮演了数据输入的角色，系统开始计算推演这条鱼的建模来匹配他的记忆细节。

根据这个人的脑部神经活跃程度，可以推测出他最细微的情绪变化，从而得知匹配的结果：零情绪波动说明他没有看到任何值得惊讶的东西，也就意味着建模足够逼真。

在你一眨眼的功夫，系统已经进行了不知多少次试错运算，非要算到你满意不可。

当这个人开始解剖这条鱼的时候，如果他具备足够的解剖知识，譬如那个自己切自己的医学生那么系统就能借助他模拟出这条鱼的解剖细节。

用这种方法当然会错漏百出，如果那个医学生背错课本以为一个人有三颗肾脏，那么当他切开自己的时候就会看到三个肾反正系统是不会让你意外的。

到此为止似乎也没有什么了不起的，可是我们来想一想，如果参与数据输入的人足够多呢？

当它积累了足够多人的记忆和经验，这个模拟出来的世界，将会无限逼近真实，或者说，我们所知的真实。

那又有什么意义呢？

就用可控核聚变研究作例子，你知道一套托卡马克装置要多少钱吗？

而在这个模拟出来的世界里，可以轻松造上千百台。

进化算法本身并不能突破人类认知的边界，但却可以给那些试图突破边界的科学研究，以指数级别的效率加成。

“别高兴得太早了，”姜若却很清醒，“我计算过，达到这种程度的模拟，需要以亿为单位的观察者。我还没有开始考虑计算资源。”

少年们火热的心被这样一盆冷水毫不留情地浇下，滋滋冒了几缕烟，凉了。

即使是顾炎教授，在进化算法的应用前景被最终证实之前，也不可能以亿为单位申请科研经费。

怎么办？

“我们需要一个狗大户。”姜若说。

什么狗大户能以亿为单位抓劳工？