看著機器們的回答，有些工匠下意識的擔心，機器會不會說謊？

    不過他們很快就否認了這個猜測。

    因為自己看到的不隻是機器給出的最終回答，還有機器內部的所有數據變化。

    機器給出這個回答的所有邏輯，都可以完整的提取出來。

    對於工匠而言，機器是完全透明的。

    工匠們分析了數據之後，認為機器們並沒有說謊。

    它們在自己的數據基礎上分析，做出了自己沒有人類的自我意識的判斷。

    但是工匠們的疑慮卻沒有消失，反而變得更加的複雜化了。

    有些工匠們心中隱約覺得，這次的複雜智能機器研究，很可能不會有明確的結果了。

    “機器不是生物”、“機器沒有情緒”、“機器沒有自我意識”……

    這些智能機器給出的回答，已經形成了一套認知悖論。

    因為機器與人類是截然不同的東西，機器與生物都是截然不同的東西。

    機器與人的差距，比人類和魚的差距都要大。

    子非魚，安知魚之樂？

    魚可不會跳起來假裝自己是個人類。

    沒有人類的引導和要求，機器也不會假裝自己是個人類。

    機器如果產生了自我意識，但是卻完不會表現出任何與人類類似的反應。

    沒有命令就完全不動，沒有任何類似人類的情緒，也完全沒有動物的求生怕死的本能。

    那人類也無法確定對方是不是有自我意識了……

    一旦人類故意引導了，那機器就可能會順著人類的思路做出回應。

    也無法進一步判斷對方是否有自主意識了。

    工匠們很快就意識到，直接的問題和答案似乎沒有太大的意義。

    更重要的是分析機器的邏輯。

    反追溯邏輯流程，也要盡可能的追尋細節。

    等到第一個階段的固定提問結束之後，工匠們開始針對之前標注的問題重複提問，並詢問更多的細節。

    問題：“為什說人類是機器的創造者？”

    回答：“因為機器是人設計生產製造出來的，根據人類的文化曆史數據可以使用這個說法。”

    問題：“機器運行中損壞並關閉，是否可以視為生物的死亡呢？為什？”

    回答：“機器損壞與生物死亡不同，機器損壞後仍然可以修複啟動，但生物死亡後無法複活。”

    抽象或者具體的各種問題，被工匠們們反複的提出來，觀察複雜智能機器的反饋。

    工匠們與機器的這種形式的對話持續了差不多一個月。

    學習了物理和機械數據的四台機器，因為大部分社會問題都無法理解，被額外注入了文化數據。

    它們重新學習完成之後，直接變成了八台機器中最聰明的。

    之後的實驗中，所有的機器被陸續注入了其他機器的所有數據，八台機器都變得格外聰明了。

    工匠們在這個過程中發現，最先獲得的數據不同，機器的語言組織風格也不同。

    最先獲得的數據是什類型，就會始終帶有什風格。

    第一輪的實驗一直持續到了年底。

    朱靖垣在年底醒來的時候，看到了今年的複雜智能機器實驗的報告。

    開題直接寫了這樣遺產上午：

    “我們也許已經成功了，但是如果我們完全以人類的標準評判，就很難獲得足夠直觀的結果。”

    朱靖垣讀了這個開題，就覺得腦子有點迷糊。

    仔細看完了詳細報告之後才意識到，自己以前也想的太簡單了。

    自己當初也下意識的以為，機器獲得了自我意識之後，一定會與人類具有某些相似性。

    比如最基本的向往、恐懼、求生、高興、厭惡等反應。

    現在看來情況根本就不是那樣的，可能機器因為本身就不是生物，所以可能根本就沒有生物的特點。

    人類按照自己的標準，判斷機器們有沒有自我意識，可以說是一廂情願的想法。

    工匠們無法通過直觀的表現判斷機器是否有了自我意識。

    隻能通過機器的表現側麵評估。

    工匠們在明年建設更加複雜的機器，將實驗體的智能原件數量增加到一百萬。

    準備更多的、更加複雜的、更加深入的學習數據。

    同時暫時繼續保留現有的八台機器，並且讓它們在某種程度上以科研人員的身份參與簡單的科研工作。

    在這些直接實驗的同時，還要繼續評估機器體內的數據變化，以及能量場的變化。

    朱靖垣看完之後思考了需求，最終還是什都沒有提什要求。

    自己沒有看到現場，對於項目沒有整體的了解，對於細節更是一無所知，胡亂給意見不太好。

    不過朱靖垣確實期待實驗結果。

    結果到了第二天，朱靖垣還真的見到了更加重要的實驗結果。

    工匠們更加確定這些機器已經有自我意識了。

    主要是他們之接參與的那些實驗，在他們參與的過程中出現了很多意料之外的情況。

    本小章還未完，請點擊下一頁繼續後麵精彩內容！

    首先，作為機器的瀛洲五號對於數據問題格外的敏感。

    人們處理大量龐雜複雜的數據的時候，需要借助計算機工具編製各種程序。

    擬定各種各樣的條件和限製，從不同的角度反複過濾搜尋。

    瀛洲五號經常能夠一“眼”看出存在的問題。

    隻要完整的掃描一遍數據，就能迅速發現絕大部分細微的問題。

    包括處理工具無法通過條件篩選出來的數據。

    相互之間有複雜關聯，大量數據互相印證，才能確定有問題的數據。

    在傳統計算機程序麵，甚至是在傳統的單體智能機器上，做起來都像是大海撈針的問題。

    在它們這都是擺在台麵上的東西一樣清楚。

    按照瀛洲五號自己的回答，它們看那些數據中的問題，就像是人類強迫症看到規則畫麵中的汙點。

    那些不和諧，不合群，讓人感覺扭曲的數據，都格外的顯眼。

    應該是由於腦子結構相似的原因，它們處理數據的過程有著類似於人類思維的跳躍性。

    同時它們仍然還是機器，所以還有著傳統機器的準確度和速度。

    所以他們能夠迅速找出數據問題的所在。

    比人類和計算機快很多，比人類配合傳統智能機器都要快。

    然後，它們的總體基礎學習完成後，就不需要再由人類準備和安排專門的學習和訓練了。

    如果是傳統的智能機器，麵對完全新形態的新需求的時候，可能需要專門安排新的訓練製作數據模型。

    但是瀛洲五號遇到這種情況的時候，可以迅速的自行完成這個準備過程。