辦公室裏。
西格巴恩和阿爾文一起研究著論文。
他隻是看了個介紹，馬上就意識到，論文可能會對改善數據模型、改善算法有幫助。
西格巴恩不同於阿爾文，他不會自己慢慢去研究，而是幹脆喊了幾個人過來，“大家放下手頭的工作，先一起看看這個。”
這一看，就是兩個多小時。
他們也得出了結論，“這種輔助構建數據模型的方式，確實是可行的。”
“按照這種方法來做，數據越多、效率和精準度越高，而當數據少的時候，就不適用了。”
“難點在於最初模型的構造，我們不可能推翻原本的構造，采用這種方法重新構造。”
“方法是新的，想應用卻不容易。”
西格巴恩帶領的是核心算法組，手下的幾個員工可以說是研發中心的精英。
他們仔細研究討論了以後，對論文上說的構建方法，已經有了基本的了解，並且能推斷使用後的情況。
最後西格巴恩做了總結，“一般而言，數據分析問題，數據越多，精準度越低。”
“這個模式也不例外，但是精準度下降的速度很慢，比如，一百個數據，我們所采用的構建模式，正確率百分之九十九點九。如果是一百億個數據，就變成百分之八十。”
“采用這個模式構建的算法，一百個數據，正確率隻有百分之九十，而一百億個數據，正確率也不會低於百分之八十五。”
“這種模型構建方式，確實非常有意義，但在應用上，還是要慢慢的研究。”
“論文上，很多隻是介紹個大概，但方法是沒問題的。我們或許可以試試看，如果有下個適合的項目，就能采用這種方法。”
……
阿邁瑞肯，加州，舊金山，穀歌公司研發中心，數據與數據應用實驗室。
布萊克·瓊斯正坐在辦公室裏，他已經在穀歌工作了十一年，參與過算法定製、安卓係統完善以及人工智能等項目，是個經驗極為豐富、水平非常高的算法工程師。