。”
孙涵对看木心安慰道。
几人又寒喧了一阵，15分钟休息时间过得差不多了，林羽和陆翔回到了羽毛球场馆，准备他们的表演赛，而主冰娇和孙涵则暂时留了下来，随便在观众席里面找了两个位置坐下，她们俩的表演赛还得很晚才会开始。
比赛再度开启后，第5局，“奥沙利文”开球。
他的开球路数始终是传统的n字跑球，没有任何变化，这更加让凌志坚定了它是ai机器人的事实。
如果照着往常的防守方式跟他博奔的话，自己一定会落入下风，所以凌志跟赵施言配合，打了一杆让观众价们再度感到匪夷所思的球，通过低杆右塞，先让白球触碰底库，反弹后贴近红球堆的底边，做了一杆防守。
这杆防守如果放在现实场景中依然是不合理的，一般会被称作是消极防守。
所谓消极防守，就是让白球无止境地贴近红球堆，或者广义地说就是简单地让对手没有进攻机会，并不去管这杆之后对手好不好防。
也就是说，如果已方选择了消极防守，那么对手下一杆的选择就多了。
在赛场上，对手的选择越多，对于自已就越不利！所以必须采取积极的防守策略，给对手制造麻烦，让对手既没办法进攻，也没办法做上高质量防守，也就是让对手的选择尽量少起来！所以未心在开后的第二杆就采取消极防守策略，这让很多观赛大佬们心生不满，怀疑主办方是不是随便找了两个业余球员代表华夏参加的表演赛？然而木心对于这一杆的选择并没有觉得哪里不好，他想通过这一杆看看，这个ai到底拥有多少防守策略？紧接着，“奥沙利文“再次上场，将红球堆给暴力炸散，让观众在再次看呆了！！木心轻哼一声，脸上露出了甜美的微笑，她总算是摸透了这具人工ai的大致底细。
在现实世界中，红球堆的情况十分复杂，面对不同的情况，防守策略也会不太一样。
前儿局的比赛，两组选丰通常都是将处十上半台的白球打到日半台，白球触碰到一颗红球后经过2库反弹，再次回到上半台木心还没有看到过这位ai先生使用过其他防守策略。
而刚刚自己已的那一杆所谓的“消极防守”，其实就是想看看，这位先生究竟会做出什么样的选择。
而刚刚这位ai先生已经用实际行动告诉了她答案，这一杆它通过4库反弹还是将白球强行控制回了上半台，可是此时此刻，红球堆已经全部散开了，即便是上半台也是遍布机会，根本没有起到防守效果！凌志猜想这具a天脑所用到的策略模型要么是训练时间太短：还没有掌握足够多的策略，要么，就是已经训练得极为成熟，成熟到根本不想利用消极防守策略来跟对手耗时间！因为从长远来看，消极防守对于已方是没有任何收益的，等于是把自己的命运完全交给了对手。
而对于ai来讲，没有任何收益的策略，或者说不能把主动权牢牢把握在自己手里的策略，它必然不会去选择！这也让凌志松了一口气，如果这个ai跟自己已玩起了消极防守，那还真的是不好破局。
因为它消极，那么自己可能就得被迫积极，但是自己所谓的积极防守，放在ai眼里可能会显得有些可笑。
因为它完全可以不按现实世界的寻常套路去出牌，比如说把一些超级难球当做是进攻机会。
所以刚刚的那一杆球，恰恰展示出了它的防守短板！它本意是想要控制白球回到上半台，持续掌握防守主动，然而却没想到大量红球也会同步跟看来到上半台，给对手留下进攻机会。
这一点，或许是设计模型的人没有能够考虑到这种情况。
所以模型训练的时间必然十分有限，还没有达到很成熟的程度。
接下来这局，木心牢牢把握住上手机会，再次一杆超分，没有给ai任何的上手机会！！因为这位"奥沙利文”先生的准度十分惊人，所以木心并不敢托大，如果让它得到上场的机会，那么自已便会再次成为背景板，就这样，之后的3局比赛，木心分别试探出了这位ai先生的其也个短板，最终以5:3的比分赢得表演赛的胜利其实她可以赢得更简单一些，比如用第5局的那杆消极防守，逼迫对手不断把球堆炸散！因为此时是处于比赛当中，它不可能学习到上一局失利的情况，也就是说，从它踏入这个赛场的那一刻起，它的进攻和防守策略，就已经确定下来了。
当然了，这是一般情况下。
凌志有听说过，现在已经有ai能做到在线学习。
也就是说，通过在线学习，ai即便已经正式上线到了生产环境，依然可以通过不断的学习来避免生产过程中的某种误操作，在后续的实践过程当中将这项策略的漏洞给补上！等于说，a不需要再回炉训练，而是会随看环境的变化而不断改进自已，这种方式会降低模型训练所付出的时间成本。
但与此同时，在线学习需要耗费的计算成本可并不低，尽管凌志并不觉得主办方会把这个ai设计成在线学习版本，但是为了以防方一，她还是没有选择跟第5局同样的策略，而是通过其他的防守漏洞赢得了比赛胜利。
不过说起来，这ai设计得