第二天，他跑了全套测试。
把新旧两套流程吐出来的几十gb结果进行比对。
结果全部一致。
再看最终成绩。
旧流程跑完要五个多小时。
换上他这个专门给五个数排序的小东西之后，省下二十一分钟。
二十一分钟。
放进一个五六小时的大任务里，这数字小得可怜，像从一桶水里舀走一勺。
换个外行看，会觉得他熬了一整夜，就为这点东西，简直是捡了芝麻丟了西瓜。
但江临不这样认为。
因为这套工具不会只跑一次。
这个项目后面还有几十组要重跑，这套工具以后还要接別的活儿。
今天省二十一分钟，明天省二十一分钟，跑上一百次，省下的就是三十多个小时的高强度算力。
这意味著，他能用更少的机器，跑出更快的叠代速度。
更何况，这只是他揪出来的第一颗小石头。
一个年久失修、堆满了懒惰和冗余的老系统里，这样的小石头，一定还有成百上千颗。
他在记录的末尾这样总结。
一件事被重复的次数足够多，最微小的效率差距，就会撕裂成生与死的鸿沟。
在这个城市，代码写错了，大不了多扣几块钱伺服器费用，大不了半夜爬起来重启，大不了回滚重来。
有售后，有同行，有无数冗余可以挥霍。
但在那个他迟早要回去的废土世界里，没有云伺服器，没有售后，没有第二个工程师替他擦屁股。
在那里，机器慢了，不能先要资源，必须先问。
为什么慢。
底层快一点，省一点，从来不是写进简歷的性能指標。
而是活下去的余量。
写下这句话，江临把这个给五个数排序的小东西，单独归到一个新建的文件夹里。
然后，一个新的念头浮了上来。
五个数，他靠纸笔和经验，一晚上能推出来。
可如果是六个数、七个数、八个数呢？
要排序的数字每多一个，可能的排法就成倍地，再成倍地往上翻，很快就会多到一张纸根本画不下。
而且，比较次数最少不等於实际跑得最快。
还要看机器喜不喜欢这套顺序，看那些岔路藏在哪里。
到那时候，凭一个人的脑子去硬想哪一套手势最好，会越来越不靠谱。
不是不能写。
只是人会变成那个最慢的瓶颈。
江临忽然想到一件事。
如果给五个数排序的完美手势，是可以靠一台机器，把所有可能的排法挨个试一遍，自己找出来的。
那別的小动作呢？
那些同样被重复几千万次，同样卡著整个系统脖子的小动作呢？
人来定规矩，定好什么算对，什么算错，什么是绝对不能碰的红线。
然后，让程序自己去试，去试错，去在那片大得可怕的可能性里，替自己捞出那一段更小，更快，更稳定的代码。
不再是人埋头一行行去写。
是写一个程序，让这个程序，去寻找別的程序。
好吧，让程序去找程序，听著挺玄，到底有什么用？
打个最简单的比方。
你家里有一把瑞士军刀，剪刀、开瓶器、螺丝刀、锯子，什么都有，出门带一把，啥都能应付一下。
可如果你开了家工厂，流水线上每天只干一件事。
拧同一种螺丝，一天拧几百万颗，你还会用军刀上那个小螺丝刀去拧吗？
当然不会。
你会专门定做一把电动螺丝枪，只为这一种螺丝量身打造，又快又稳。
电脑也是一样。
它平时用的那些现成功能，全是瑞士军刀。
为了应付天下所有情况，做得万能，可靠，可每用一次都得把整套复杂东西开动一遍。
但现实里很多任务，其实就是那条每天拧几百万颗同款螺丝的流水线。
动作简单，规矩固定，就是次数多得嚇人。
江临前一晚乾的，本质就是给这样一条流水线，亲手定做了一把专用的螺丝枪。
而让程序去找程序，是把这件事再往前推了一步。
定做螺丝枪本身也是累活儿，得懂材料，懂力道，反覆试。
他不想每遇到一种新螺丝，就熬夜亲手去打一把新枪。
他想要的，是一台会自己造螺丝枪的机器。
你只管告诉它我要拧这种螺丝，必须拧紧，不能滑丝，剩下的，它自己去试一千种枪头，自己测哪种最快最稳，最后把那把最好的递给你。
人只负责说清楚我要什么，什么绝对不能出错。
造枪的活儿，交给机器。
那这东西在生活里能干嘛？
答案是，几乎所有动作不难，却要重复亿万次的地方，背后都藏著这样一条可以被改造的流水线。
你滑手机相册，几千张照片唰一下按时间排好，是排序。
你网购时商品按价格从低到高一列，是排序。
地图给你算最近的路，外卖给你派最近的骑手，游戏里每一帧成百上千个物体重新排先后……
这些你天天在用，却从不留意的瞬间，底层全是同一批被重复了千万上亿次的小动作。
平时没人在乎它们快一点还是慢一点，因为单看一次，都是眨眼的事。
可一旦放到重复上亿次的尺度上，这眨眼的差距，就会变成实打实的电费、伺服器和等待时间。
江临要做的机器，就是钻进这些没人留意的角落，把那些还能更快的小动作，一个个揪出来，定做，替换，提速。
而且它不挑活儿。
今天能给五个数排序，明天就能优化別的小动作。
这个项目用得上，下个项目照样用得上。
一念及此，江临越来越兴奋。
因为排序，只是个敲门砖。
真正让他头皮发麻的，是这道门缝背后那个更大的东西。
如果连找最优程序这件事本身，都能交给机器去做呢？
那么在废土世界里，他就不必再为每一个装置，每一种控制顺序，每一套观测流程，都亲手去写最好的方案。
他一个人，精力有限。
但如果有一天，机器能替他搜出一部分小程序，小流程，小动作。
那么它就不再只是一个排序工具，而是一个单人科研系统的增幅器。
过去，人写程序，是亲手给出每一步。
第一步比这两个数，第二步比那两个，第三步交换……
一步步把答案铺出来。
这要求写的人脑子里先有答案，再把答案翻译成代码。
江临现在想做的，是反过来。
他不再亲手给答案，只告诉机器三件事。
什么是起点——一堆乱掉的数。
允许做什么动作——挑两个位置，比一下，错了就换。
什么算贏——所有可能的乱序，最后都被捋顺。
然后，让机器自己去试。
说白了，就是把排序这件事，变成了一个游戏。
乱掉的数，是棋盘。
每一次比一下，该换就换，是落子。
把所有乱序都捋顺，是通关。
机器要做的，就是自己去玩这个游戏，一步步试，直到找出一套能通关的走法。
这个想法有个让人头皮发麻的地方。
人，从此不必知道答案了。
人只负责定义这个游戏。
画好棋盘，定好规则，標好胜利的样子。
至於具体怎么走，走哪条路最快，交给机器去穷举，去试错。
江临新建了一个文件，敲下三行注释，作为这个游戏的全部规则。
有一堆乱掉的数。
每一步，挑两个位置比一下，错了就换。
直到所有数都被捋顺。
很短。
短到不像一个程序的开始。
但他盯著这三行看了將近一分钟。
因为这三行的意思，已经不再是手写排序，而是让机器自己搜索排序程序。
第一个要解决的问题是，机器怎么知道自己试对了？
这恰恰是这条路最乾净的地方。
五个数，所有可能的乱序，一共只有一百二十种。
一百二十种，小到可以一种不漏地全列出来。
所以机器根本不需要猜某套走法对不对。
它可以把这一百二十种乱序全部丟进去，让那套走法挨个跑一遍，只要有一种没被捋顺，这套走法就当场判死，扔掉。
这是数学意义上的乾净。
不是我觉得它应该对，而是我把所有可能都试过了，它就是对的。
人靠直觉，会漏，会错。
机器靠穷举，一种都不会放过。
凌晨，第一版找程序的程序跑了起来。
它很笨，几乎不会偷懒，只是从所有该比哪两个的选择里，一层一层往下试。
每走一步，就回头看看那一百二十种乱序，还剩多少没被捋顺。
哪条路让混乱减少得最多，就顺著那条往下走。
江临给它定了个朴素的评判標准。
剩多少没排对，用了几次比较，有没有引入岔路，有没有破坏两个数相等时保持原顺序的规矩，有没有把缺失的数据提前隔离出去。
没有什么玄乎的智能模型。
只有最原始的三样东西：挨个试，及时砍掉死路，把所有可能都验一遍。
这是他这台机器现在跑得动的全部。
第一轮结果出来，屏幕上列印出一串走法。
江临先验证。
一百二十种乱序，全过。
两个数相等的情况，过。
缺失数据的隔离，过。
然后才看速度。
没比他自己手写的快多少，某个设定下甚至更慢。
他反而长长鬆了口气。
这才正常。
第一版找程序的程序，怎么可能一出来就碾压一个人熬了一整夜的经验。
但它已经证明了那件最重要的事。
机器，可以自己找到正確的程序。
快不快，是下一层的问题。
能不能找到，才是这扇门开没开。
接下来的时间里，江临一点点餵养这个还很笨的东西。
第一个台阶，是让它分清对不对。
这个最简单，穷举就行。
五个数的一百二十种，八个数的几万种，机器都能一种不漏地验完。
第二个台阶，是让它分清值不值。
同样能把数排对，可能有十几套不同的走法，它们不是一样好的。
有的比较次数多，有的岔路多，有的要占用更多临时空间。
江临得把这些代价一项项写进机器的评判標准里，让它在一堆都对的走法里，挑出最划算的那个。
第三个台阶，最麻烦。
让它明白机器认不认。
同样一套走法，写在纸上看著差不多，可一旦真的跑起来，换一台电脑，换一种翻译方式，快慢竟然会不一样。
因为最终真正执行的，不是纸上那几行字，而是机器把它翻译成的更底层的一长串指令。
一套看起来比较次数最少的走法，翻译到机器里，未必就是跑得最快的那个。
到了这一层，纸笔和直觉彻底失效。
人根本算不清，哪一套走法在真实的机器里会更快。
而这，恰恰是让程序去找程序最大的价值所在。
人算不清的事，机器可以一套一套地真跑，用秒表去量。
它不需要理解为什么快，它只需要把成千上万套候选走法挨个跑一遍，然后告诉你。
这一套，最快。
但江临也很快撞上了这条路的天敌。
爆炸。
数字稍微多一点，可能的走法就成倍再成倍地往上翻。
五个数还能全试，到了更大的规模，哪怕机器一刻不停地试到宇宙尽头，也试不完所有的路。
这时候，砍就比试更重要了。
江临想起之前解过的一道竞赛题。
那道题的关键，不是把所有可能的答案都算一遍，而是先证明哪些答案根本不可能是最好的，然后整批整批地划掉，只在剩下的小范围里找。
搜索也是一样。
机器不可能走完所有的路，但它可以先证明，一大批路，从某一步开始就註定不可能更好了。
於是这些路，连试都不必试，整批扔掉。
把这件事干好，需要的不是更快的机器，而是更聪明的放弃。
在每一个岔路口，提前算出往这边走，最好也只能到这个程度，一旦发现这个上限还不如手里已经有的答案，立刻掉头。
省下的，是天文数字般的无用功。
某个深夜，第一个真正有分量的结果，出现了。
带著脏数据规矩的的五个数排序。
允许有相等的数，允许有缺失的空洞，还要保证排完之后，相等的数维持原来的先后。
机器找出来的那套走法，和江临亲手写的，不完全一样。
比较次数一样多。
但岔路更少，结构更规整。
他把所有的脏情况一种种餵进去验。
全过。
再上秒表。
比手写版快了百分之二点几。
换一台机器，换一种翻译方式，领先的幅度变小了，但没有消失。
百分之二点几。
听起来甚至有点可怜，没有谁会为这个数字鼓掌。
事实上，最后留在硬碟里的，也只是一个不起眼的小文件，旁边附著一份自动生成的验证报告。
所有乱序通过，相等值通过，缺失值通过，与標准做法零差异，速度中位数快百分之二点七。
就这么点东西。
但江临心里清楚它和昨天那个手写版的本质区別。
这一次，那套漂亮的走法，不是人写的。
是机器自己，从茫茫的可能性里，捞出来的。
標准库里的通用流程，被无数工程师打磨过很多年。
而现在，它在一个特定的场景里，被比了下去。
哪怕只是一点点，哪怕没人鼓掌。
动手的，也不再是某个天才的脑子，而是一台肯把所有可能都试一遍的机器。
他没有为这百分之二点几高兴多久，反而很快皱起眉。
太小了。
不是嫌弃这个结果，而是这个结果在告诉他一件事。
方向是对的，方法还很粗。他给机器定的游戏规则太简单，让它放弃的本事太弱，能让它玩的盘面太小。
机器现在像个刚学会规则，只会埋头硬试的新手。
它能贏，但贏得笨拙。
而江临已经看到了这条路真正的尽头在哪里。
现在的机器，是按死规矩去试。
但如果有一天，它能从自己过去试过的成千上万套走法里，回头去学。
哪一类结构容易快，哪一类机器特別喜欢，哪一类看著比较次数少，跑起来却慢，那它就不再是埋头硬试的新手了。
它会开始有直觉。
人定义游戏，机器去玩，再从玩过的每一局里，长出自己的偏好。
到那时候，让程序去找程序这件事，才算真正长出了牙齿。
但江临没有立刻去碰那一步。
现在还太早。
他手里只有一个笨拙的找程序的程序，一个快了百分之二的小文件，几份测试报告。
这不是成果，只是门缝。
可很多最终会改变一切的东西，一开始，都弱得可笑。