有些或许能等待量变引起质变，数学不行。
没有那灵光一闪，李颜就是把自己学成了数学百科全书，那也屁用没有。
学会足够多的知识，很多时候只是免去了“不知道”的可能，只是能应对一些靠“知道”就能解决的问题。
在前人走过的路上狂奔罢了。
学得够多，并不代表能结合脑子里的各种知识闯出新路径来。
李颜也算是被这一点卡住了。
计算机技能的学习会收效甚微，也是这个原因。
现在就不同了，李颜可以做到每一个思考的瞬间都在借其他所有知识的力量。
学得越多，灵光一闪的机会就越多。
从形式表现上说是如此，从结果来看，其实理解起来出奇地简单。
“学习速度”这个一级技能，可以直接加快李颜其他技能的进度条。
面对70%进度之后的高山，李颜还真得到了登山靴之外的助力。
只是他还不清楚“学习速度”的上限，加速是翻倍还是翻几倍？
是依托于李颜的大脑算力极限，还是系统本身完全不讲理的机制？
突然，李颜有了个很神奇的想法。
在他沉溺于超频的信息洪流中时，应该是“身体健康”技能触发了自我保护机制把他唤醒的。
但那一瞬间他也觉醒了“学习速度”。
巧合吗？
不，简单地把一些事情归类为巧合，会错过许多关键的规律。
几种可能。
一是身体即将到极限的时候，恰好满足条件觉醒了一级技能。
但考虑到上次被“身体健康”强制拉出来后的状态，还没这次来得严重，这个可能性罔顾其他技能的作用，排除。
二是从超频恢复是“身体健康”的效果，几乎同时觉醒了一级技能。
那就是天命之子，运气之神，早点觉醒不了一级技能，晚点身体指不定出什么问题。
这就是交给“巧合”解释了，存在可能，但李颜希望有更好的解答。
三是“学习速度”在李颜触发超频时就满足了觉醒条件，但这个技能本身也是可成长的，所以随着李颜超频处理的信息数量提升强度，最终在“身体健康”中断超频时正式觉醒。
这个猜想能解决不少问题，包括“到底能提升多少学习速度”这个问题。
如果只是简单的翻倍翻几倍，其实李颜只是让量变速度变快而已，最终还是回到堆量涨经验的老路。
层级就又低了。
等于李颜只是获得了一双带点助推力的高科技登山靴。
如果这个技能本身可以随着李颜的成长而成长，那就可以做到“提升一个影响所有”，跟他目前的思考模式以及触发技能的条件是一致的。
层级也站得更高。
到底爬这山是高科技登山靴还是缆车还是直升飞机甚至火箭，就看他自己了。
李颜当然更愿意相信第三点。
符合一级技能是“触发式”觉醒的条件，也符合“身体健康”的保命机制。
【对吗】
【……】
系统并没有回应，李颜也不失落，念头太多，反而问得不精确，他还得适应适应。
【一级技能学习速度，本身可以提升对吗】
【对】
草！李颜直接一拍手。
这就好棒了兄弟们，现在事半功倍，以后特么事一百二十八分之一功二百五十六倍都行啊！
怎么提升“学习速度”本身不是李颜现在需要考虑的事情，好高骛远走不远，先好好适应一下当前的思考方式……
草！李颜又是一拍手。
他意识到了一件很恐怖的事情。
刚刚超频觉醒了“学习速度”，然后他就能将超频的思考方式常态化，这岂不是意味着后边提升“学习速度”之后，他又能把提升达成的效果常态化？！
那真是要当人力计算机了，同时拥有人类的思维与计算机的速度，真成怪物了。
“简直就是BUG……”李颜不禁感慨，“但是当BUG感觉好爽。”
有时候李颜会觉得，这个系统是不是就是想测试一下人类的极限在哪。
选中他，一方面是运气，一方面是他本来就有这种不断追求极限的特质。
给了别人或许提升某一方面到能赚大钱的地步也就享受生活去了。
要真是如此，算不算是对他性格的一次拿捏呢？
每次技能有什么牛逼的提升，都会让李颜拥有爆棚的自信。
所以今天他的自信通了天，甚至直接开始研究解决自动驾驶算法痛点的数学难题
追墙博弈。
在2011，这还是一个未能被解开的难题。
但现在的李颜，并不觉得这事儿只是一次“尝试”。
李颜又把自己想得满头大汗，去洗手间狠狠洗了一把，看着镜子里发型凌乱，眼睛带着血丝，整个人有点水肿的自己，突然笑了一下：
“妈的，这跟修仙突破大境界，又有何分别？”
第458章 追墙博弈的最优解
关于自动驾驶算法，陈凡曾经有过一个非常搞笑的想法：
“既然都是自动驾驶了，让所有车都遵循统一的规则行动，对于个别不遵守交通规则的行人，就靠安全监测机制急刹车，这样不就解决问题了？”
这个问题甚至没去到李颜那边，被他老爹就否了个干干净净。
自动驾驶如果只求“安全”，或者说目的就是为了“遵循统一规则行动”，那干脆加强司机教育得了，应变能力还更强一点。
自动驾驶是为了更好，但绝对不是解决什么“人不听话”之类的事情。
而是追求更高的效率，在理论上畅通无阻的城市道路上，为某一段出行寻找最高效的路径并不难。
但数量级一上去，问题就会变得非常复杂。
路线会交叉，道路也不一定畅通，问题互相影响，最终演变成一个低效但可行的运转状态。
李颜的竞赛课题，就是寻找一个效率最优的通解。
假设整个片区的车辆都是自动驾驶，是为通盘操作提供可行条件。
一开始跟李颜讨论这个问题的陈凡其实不太理解，他总觉得既然一个片区都是自动驾驶了，安排所有车辆的行动不就很简单吗？
这就已经达成“让所有车遵循统一规则行动”了，也就意味着不存在乱开的车，不存在开错的车，那既然可以给一辆车计算最优路径，直接套用给所有车不就行了？
学完他就不是这个看法了。
陈凡一直忽略一个关键问题，路线有交叉，走“最优路线”的车辆也必然产生交叉。
往简单说每辆车都会因为交叉路线导致等待，等待过程损失了时间，是否会比直接走一条路程更远但车流量更小的路线来的快捷？
正常人开车不会算计得这么细，因为现在的出行建立在“能用就行”的基础上，方向正确道路好走比效率高更重要。
毕竟效率再高的路线，前边一个傻逼掉头或者两个大哥剐蹭，直接就废了。
所以这个关键问题放在日常生活里，就只是一个简单的“高峰堵车”。
但在自动驾驶最优路径选择的课题里，就是个牵一发动全身的可怕问题了。
每辆车都追求最优路径，那当一条路车比较多导致堵塞时，被堵的车以及即将被堵的车就会选择其他路程较长但整体耗时更短的路径……
然后这条路就会变堵。
当然计算机上可以实时更新动态平衡，现实中开车可不能随时切换啊。
陈凡于是才反应过来，这个问题想难的话，可以很难。
越难，他就越好奇李颜准备怎么搞。
这种好奇让他甚至有些辗转难眠，刚好又放了暑假，于是他给李颜发去了消息：
“颜神，我越想越乱了，你现在是有思路的吗？”
“有，就是比较麻烦。”
卧槽，连你都说麻烦，那还有我什么事？
“能说说不？”
问完陈凡就后悔了，连李颜都说麻烦，现在直接通过微聊又能说出个啥呢？
“搞定追墙博弈的最优解，至少在理想情况下还算能搞定。”
陈凡愣住了。
博弈论他还是大概了解过的，但李颜说的内容他基本不了解。
“有兴趣的话，过来办公室吧。”
“现在？”
“哦晚上了是吧，那你看明天啥时候有空吧。”
“不会打扰你工作吗？”
“哦工作日是吧，没事。”
李颜这是忙到忘记时间了？
陈凡的疑惑第二天就得到了解答。
他敲开李颜办公室门的时候，映入眼帘的就是站在白板疯狂演算的李颜，他脚边放着两个凳子，上边堆了许多本参考书籍，以及大量的计算草稿纸。
根本不敢打扰。
“先坐会儿，让我再琢磨一会儿。”李颜盯着白板跟自己手里的数据皱眉道。
陈凡点点头，小心翼翼移动，安静地坐在了沙发上。
这“一会儿”，很快就变成了二十分钟。
陈凡感觉百爪挠心，他好想知道李颜在算什么，又生怕打扰了他。