等效替代，放在工程實踐領域，是一種很常見的設計與實現思路。
放在“強人工智慧”，則需要切實的考慮清楚，人類，或者說人腦，其思維與認知行爲究竟是一種怎樣的過程。
“人會犯錯誤，計算機不會”，這並非是IT專家的調侃，而是嚴肅的事實。
迄今爲止，人類創造出的一切計算機，小到功能孱弱的早期單片機，大到算力ZFlops級別的超級計算機，能夠實現的功能，眼花繚亂，無以盡述，但歸攏所有這一切功能，不難發現，其本質上完全是人類意志的延續。
這種延續，並不是說人類能輕輕鬆鬆的，做到計算機做出的一切。
而是原則上講，從單片機、到巨型機所做的任何事，原則上講，一旦脫離運行時間的限制，人類同樣也能夠完成。
不僅如此，這段話的真實含義，要比字面上呈現的更深刻：
要完成當今時代一切計算機所做的事，人類，但凡有足夠長的時間，根本無需動用自身的思維、認知能力，只需有一副聽指揮的身體，加上除“MOV、ADD、XOR……”之外一無所有的機器指令。
一旦意識到這點，便可以明白，爲何當今時代的計算機，根本上講，完全無法進行創造性、探索性的科學研究：
根據指令，擺弄一些數據，就能領悟客觀規律，那簡直就是在開玩笑。
要完成計算機所做的任何事，人類，根本無需動用智慧，這種原則性的判斷，爲研發組指出了一個關鍵點。
人類的智慧，與計算機的算力，如果說有什麼本質上的差異，就是“出錯”。
換成嚴謹的說法，就是基於細胞架構的模擬式人腦，能夠引入一些出乎預料、無法預知的新變數。
而這一特性，在傳統的電子計算機體系裡，一概視爲“干擾”而務必杜絕，否則便難以得到期望的準確運算結果，其突出成就，便是尋常人認識中的“計算機永不出錯”。
撇開極小機率的宇宙射線、本底瑕疵等因素，的確，人類製造出的計算機，可以認爲具有100%的可靠性，如果最終計算結果與事實不符，絕對是程序的設計、或者初始條件有問題，最終一定會追溯到人的身上。
計算一百次加法，計算機不會錯，人也不會。
但是計算一百億次加法，計算機不出錯很尋常，人呢，根本就不可能一個不拉的全做對。
“人腦遲早會出錯”的現象，長期以來，在計算機的永不出錯面前自慚形穢，自愧不如，但反映到另一個層面，正是這種模擬式、並行式生化系統的“出錯”，才讓探索性、創造性的科學研究成爲可能。
從已知，嘗試推斷未知，人類的一切科研活動，本質上都未脫出這樣的形式。
而這正是計算機，至少到目前爲止的計算機，始終做不到的。
計算機能做的工作，譬如說，計算，總歸是一項人類交託的任務，是先由人來判斷該問題是否有解，如果有，具體的演算法是什麼，然後將數據與演算法交給計算機的邏輯電路去處理，所得結果也要由人去理解，闡述。
即便像AIASG這樣的系統，能自主生成程序，實質上，也不過是將一些類似的已有成果排列組合，解決那些早已被人解決過的問題。
路，還是人走出來，計算機只不過是更快的再走一遍，兩遍，三遍；
就算再走無數遍，仍沒有任何創新。
取而代之的嶄新思路，“斂散演算法”，則是根據一定的初始條件，在演算法的每一步，嘗試儘可能多的展開分支，引入額外的發散量，當然這種做法，很快就會讓計算量暴增，所以還需要進行“收斂”，通過同樣包含隨機性的判據，迅速“砍”掉大量無意義的分支。
表面上看，這一先發散、後收斂的做法，與向系統中引入隨機變數，並無本質區別，實質上也可以粗糙的這樣認爲。
區別則在於，演算法步驟中引入的變數，並非隨機數，而是來自於初始狀態庫的一切既有知識。
那麼就是在窮舉嗎，似乎是，只不過爲了應對完全窮舉的計算量暴漲，而必須在每一步進行判斷、預計與猜測，將無意義的分支完全消除。
具體到某一個分支，其是否有意義，判斷起來也並不容易，此外還要引入額外的隨機性，將某些“看起來”無意義的分支，移入另一個線程繼續追蹤。
這一做法，能避免收斂策略錯殺那些切實可行、卻不符合既有知識體系的分支。
“斂散策略”的核心思想，是建立在傳統計算機的運行之上，此外再加入“關聯擾動”與“隨機性”，利用這種方式，嘗試讓AI具備創造性、探索性思維。
這種體系，一開始在驗證可行性時，需要的資源量並不太大。
但可想而知，倘若投入到實際運行中，這樣的系統必然耗費巨大，哪怕只用來解決一些粗淺的問題，都需要比傳統計算機更多的算力，當然，倘若其真能具備“強人工智慧”的特質，巨大的投入也是值得的。
“強人工智慧”的第一臺實驗機，所需算力，設計指標大約在1PFlops。
以今天的計算機技術水平，這種規模的算力並不難提供，不過，1PFlops算力能支援的思維、認知，可以達到多高的水平，僅從理論模型出發並無從得知，一切還要在初號機完成並上線運轉一段時間後，才能得出結論。
按項目組的計劃，從初號機開始，“強人工智慧”就應該具備一定的自我演化能力，這種特質，也更接近於人腦的狀態。
那麼，假以時日，這樣的機器能演化到什麼狀態，就更需要時間來給出答案。
自從掌控一個大區，直到今天，1495年才啓動“強人工智慧”的研發工作，這種進度怎麼說也並不算快。
但在方然看來，情況還好，他並不認爲所有大區的管理員都和自己一樣，能夠洞悉“強AI”定義的內在矛盾，繼而認識到，以現有的科學技術水平，人類其實是可以研發出某種程度的自主AI，進而窺破“思維”、“認知”活動的奧秘。