利用穷举法
1.参赛者挑空门一，主持人挑空门二。
2.参赛者挑空门二，主持人挑空门一。
3.参赛者挑汽车，主持人挑空门一或二。
三种可能相等，但是1、2换门获胜，3换门失败。故选手不换门成功率1/3，换门成功率2/3。
如果选手此时改变选择， 他会提高获奖的可能性，提高1/3。
我认为，中文房间没有智能。
对于中文智能水平，它只是一个死板的状态机，并没有继承或者“自我进化”。例如：第一次向中文房间传递一句话，第二次问它我上次传递了什么，它就根本不知道该回什么。它是一个死板的状态机，没有产生新状态，问它问题它的回答是可预期的并且重复的。我不可能给它一本书看然后和它讨论书中内容。
如果想让它具有智能，必须对外界刺激做出自身改变，根据输入对字典和语法更新。不然，它就只是一个黑盒，是没有变化的机器。
使用并行计算，就不得不提到GPU加速和集群搭建。
用户在做大型人工智能时遇到了计算资源的极大限制，单节点纯CPU机器已经无法满足使用需求。如果有某种方法可以方便地扩充计算资源，加速运算速率，自然是极好的。
1.单节点搭载GPU计算卡。
2.配置集群环境，进行并行计算。
1.对于矩阵运算，GPU可以拥有十几倍CPU的性能。
2.使用集群可以极其方便地扩充机器配置。
与单节点相比：当单节点达到一定规模后，它的扩充代价是巨大的，我们制作这样的一个胖节点，它的使用是极为浪费的。
采用HPL测试来进行计算机性能测试
| 测试机器 | DELL POWERAGE | |
|---|---|---|
| CPU | 2*Intel Xeon Gold 6148, 2.4GHz, 20cores | |
| GPU | 4*NVIDIA Tesla V100, NVlink, 32GB, 5120 CUDA cores |
测试结果如下
单张CPU计算峰值：1066.0 GFLOPs
单张GPU计算峰值：5890.0 GFLOPs
单机器的所有GPU性能是所有CPU性能的11倍
单节点计算性能峰值：22550 GFLOPs
双节点计算性能峰值：40050 GFLOPs
并行计算是会有一部分联机通信损失，但是这个代价远小于胖节点扩充的代价。