原型出来以后是不是一下子就能使用呢？不是，因为它需要不断训练来提升到可应用的精度。在算法架构的时候，需要业务数据结合经验作为构建的基础，等到有了原型以后，我们要把实际生活里面的数据放进去，看看它跑的效果怎么样，跑几轮优化之后，算法的精度就会不断提升。比如通过算法在地铁里抓小偷，一共测出138名小偷，有两个人不是，但是没有关系，不会冤枉他，因为一旦判定他是小偷，会部署好在行动的时候才抓他现行，那么有两个人始终没有抓，我们确认了这两人不是，再来分析为什么算法认为这两人是呢？可能需要对特征进行适当调整，甚至获取更丰富的训练样本，调整模型的超参，再来寻找优化指令的方法。经过多次训练优化的过程，算法的精度通常会逐步提升。
以前数学建模是把模型带进去计算，每次算的时候还需要人来干活，行为是人工的。算法软件化以后有一个好处，就是可以自动计算，一旦有数据进去，结果就出来了，过程实现了自动化。算法软件化非常重要，过去遇到问题不管是用什么先进的系统，处理的时候是用传统方法处理的。但是算法出来以后，每次遇到这个问题，把数据输进去就知道怎么办了，处理的效率会大大提高。跟大型系统不同，我们一般把面对场景问题的算法称为微应用，形成的软件叫微软件。进一步来说，算法很重要的特点就是可以针对垂直的业务问题，选择不同的算法组合。比如能够用来辨别冠心病的算法不能辨别糖尿病辅助论坛，因为这个算法是精准地解决这个问题的。同样，在城市管理中，不同的部门会遇到不同的问题，比如前段时间有个地方燃气爆炸，我们需要辨别燃气的安全，然后做预测、预警；上海为了减少城市自来水流失，把管道全部传感器化，根据水深、流速等等判断大概在哪一段有故障，能够及时加以维护和抢修，燃气预警算法跟水管监测算法就不同。
城市管理会遇到很多问题，需要建设一整套监测、判断、分类、匹配、干预等算法。这些算法建设起来以后，什么地方、什么情况需要用到什么样的算法，都上到电子货架上进行不同的组合，这个称为算法货架或算法池、算法库。我们有大数据中心的概念，大数据相当于石油，但是石油有能用的吗？我们能用的是汽油，汽油是从石油里提炼出来的，提炼的方法和配方叫做算法。石油是原料，算法是解决问题的指令。
一个算法只能解决一个问题吗？不是，其实很多的算法模块既可以在这用，也可以在那用。像乐高积木一样，BPAA很多参赛项目路演时提到了积木式的应用，比如一个用来发现虚假欺诈问题的算法，也可以用来在地方税务里辨别虚开发票。算法中间有一些模块是可以拿出来的，可以在另外的方面产生另外的成效。比如一串算法一共有12个算法模块，其中6个算法模块做下一个东西的时候直接可以移过去用，这种算法组合效应使得算法开发的效率越来越高。如果城区需要3600个热线算法，第一批开发50个算法需要用6个月，第二批开发200个用6个月，开发到1100个的时候也只用6个月，到开发2800个的时候也是6个月。在开发算法的时候，效率是越来越高的，原因就在于组合效应在中间发挥的成效。
大脑到底是什么样的？我认为今天大部分的大厂——无论是IT大厂、互联网大厂还是数字化大厂生成的大脑都更像脑壳，主要是系统和平台。人和猴子的区别是脑容量不一样，本质是脑细胞和神经元总量不一样，每一个神经元和脑细胞面对不同的问题解决不同的问题，所以反映的能力也不一样。大部分城市所建设的是一个系统，布置很多传感器、很多硬件，相当于超级章鱼，章鱼的感知能力很强，但还是会被人类吃掉，因为它没有脑袋，所以章鱼干不过人类。猪看起来跟人类脑袋一样大，脑容量也不小，但是脑细胞和神经元总量比我们低很多，所以它不是灵长类动物。无论是行业大脑还是金融大脑、城市大脑，神经元总量决定了它是不是真正的灵长类解决问题的大脑，这就是为什么我们今天强调算法的价值所在。
