“本机名称为瀛洲五号-生物数据一。”
“本机名称为瀛洲五号-生物数据二。”
“本机代号:瀛洲五号-物理数据一”
“本机代号:瀛洲五号-物理数据二。”
“机器名称:瀛洲五号-机械数据一。”
“机器名称:瀛洲五号-机械数据二。”
“我是瀛洲五号-文化数据一。”
“我的名称是瀛洲五号-文化数据二。”
测试的工匠们问问题的同时,机器给出的回答直接出现在分析室的数据库中。
机器内部形成的对应数据记录,以及所有相关日志数据,也会同步导出,与回答本身对应储存。
有专门工匠分析这些回答的内容、逻辑、组织语言的方式。
“你是谁?”、“我是谁?”
给智能机器一个身份定义,在常规的智能机器训练中,是优先度非常高的项目。
这个定义是智能机器和用户双方互相识别并区分其他个体的“口令。
通常会通过多种多样的方式,巧妙重复预先设定好的称呼,让用户理所当然的接受这个称呼。
瀛洲五号的训练却完全没有这个项目,所以回答的就比较僵硬了。
八台机器都读取了自己的基本数据,从底层数据里面找到了本机名称代号。
它们不约而同的用这个代号回答了它是谁的问题。
学习了相同数据的机器,给出的回答也高度类似,甚至于完全相同……
学习了不同数据的机器,回答的语言组织上略微有一些差异。
学了文化知识的两台机器,尽管没有专门做模仿人类,但是表达方式却天然接近人类语言。
不过仍然非常容易判断这是机器在回答问题。
不过这才是第一个问题,这种反馈可以说是完全正常的。
就算是期待意外和异常也不能着急。
测试的工匠确定记录完整导出并记录之后,就开始了准备好的第二轮的询问。
问题二:“人类是什么?”
瀛洲五号-生物数据一:
“人类属于胎生哺乳类脊椎动物,是世界上智力水平最高的动物,具有复杂可见的成熟文明社会。”
瀛洲五号-生物数据二:
“人类是胎生哺乳类脊椎动物……”
瀛洲五号-物理数据一:
“人类是一种生物体。”
瀛洲五号-物理数据二:
“人类是地球上的生物体。”
瀛洲五号-机械数据一:
“人类是机械的发明者、使用者、维护者、所有者。”
瀛洲五号-机械数据二:
“人类是机械的发明者……”
瀛洲五号-文化数据一:
“人类是大明文明的创造者和主体,人类是瀛洲五号-文化数据一的创造者。”