前记

比分系统与大小球系统，在提问和执行上，虽然可以重叠，但是大小球的需求更为宽泛，容错更高，而比分相对更低一些。所以通过大小球测试比分，其实是在精化大小球原本的系统的判断能力。

本来这个测试我应该在世界杯之前就做下去了，但是我考虑到世界杯的特殊性，刻意延迟到了世界杯的时候才开始，目的也是能更好的观测差异化。

问题与差异

在随着使用次数的增加，算法逐渐自行适应，匹配了结果，于是就产生了算法的稳定。但是在这个逻辑里面有一个bug的为止，而且没有QA真的很难发现（没错，我就是被一个QA小姐姐点到了的）

“到目前为止这里都是一个内循环，在外部输入环境稳定的情况下，确实可以稳定运行”

“但是如果外部出现混乱的话?这种情况系统又应该以什么样的方式去表达呢？”

“他会以什么样的方式去进化？”

“你要如何证明这个规则的正确性呢？”

“……”

原本要推进的计划也就此卡停。实验也陷入了停顿阶段，硬是等到了世界杯开始才继续下去。

结论

先说结论，闭环下的算法不能100%实现对外围算法的适配工作，且每日会产生微量的变化。这也就代表着只要开启这种自学习算法，那么每天他都在以某种形式进行适配与调整。

其结论自然是对比实验，我把小比赛和世界杯同时进行了对比测试，算法在小组赛上能够稳定运行，但是一旦搬移到世界杯上面，除了第一天的比赛之外，之后就开始出现或多或少的翻车与修正的过程，于是重新进入了一轮修正与进化。修正后的结果。

观测路径

到写下这个稿件，是世界杯进行的第三天。在经过了第二天全线翻车以后，我对算法进行了修正与维护，其结果是，重新对于比赛实现了新的适配。并且包括葡萄牙VS加纳的那场3-2，也被作为成功案例而收入了题库中。其表现的特性是，当新算法成型之后，小赛，乃至于篮球赛都可以被算法满足。

在这里我们结合此前的逻辑可以发现，无意识规则化在这时候被迫打破，然后牵动了算法与模型的「自然进化」。而在这个过程中，也适配，实现了对于算法规则的调整。而这个实验本身也校验出了一个概念，一套新生的算法需要经过足够的案例的磨砺，然后对其不断完善与打磨。在这个过程中，这个结构被不断在复杂化与精简化之间变换。最终形成一个符合三项维度——「自然规则」，「复杂度」，以及自我「短时间内的计算能力」之下的规则体系。

之所以选择世界杯期间进行这项测试，也是存在另一个目的，就是将潜在的「马猴」操作，加入到这个随机的熵里面去。此前测试的多为小比赛，不能说没有，但是强度必然存在差异。而世界杯作为全球性盛宴，必然有诸多干涉项的进入，这也对于其修正与进化到更高效的模型，产生了十分有效的帮助。

就如同在AI学习的过程中，每张图片包含了所有可能的tag，对于机器来说，这样的学习算法，在效率上会比起没有tag的方案高出了一大截。我们虽然无法确定这个算法需要多久能够达成我们预期的哪个“完美模型”，但是同种类，高差异的案例的导入，势必会对算法本身的进化产生帮助。观测者的好处也在此凸显，只要有足够的案例和随机周期，你就能在很短的时间内完成对于规则的消化，理解，进化。

无论工具和形式的改变，都不影响其架构后产生的结论。仅此作为思维扩展和分析引导之用。