看着机器们的回答，有些工匠下意识的担心，机器会不会说谎？
不过他们很快就否认了这个猜测。
因为自己看到的不只是机器给出的最终回答，还有机器内部的所有数据变化。
机器给出这个回答的所有逻辑，都可以完整的提取出来。
对于工匠而言，机器是完全透明的。
工匠们分析了数据之后，认为机器们并没有说谎。
它们在自己的数据基础上分析，做出了自己没有人类的自我意识的判断。
但是工匠们的疑虑却没有消失，反而变得更加的复杂化了。
有些工匠们心中隐约觉得，这次的复杂智能机器研究，很可能不会有明确的结果了。
“机器不是生物”、“机器没有情绪”、“机器没有自我意识”……
这些智能机器给出的回答，已经形成了一套认知悖论。
因为机器与人类是截然不同的东西，机器与生物都是截然不同的东西。
机器与人的差距，比人类和鱼的差距都要大。
子非鱼，安知鱼之乐？
鱼可不会跳起来假装自己是个人类。
没有人类的引导和要求，机器也不会假装自己是个人类。
机器如果产生了自我意识，但是却完不会表现出任何与人类类似的反应。
没有命令就完全不动，没有任何类似人类的情绪，也完全没有动物的求生怕死的本能。
那人类也无法确定对方是不是有自我意识了……
一旦人类故意引导了，那机器就可能会顺着人类的思路做出回应。
也无法进一步判断对方是否有自主意识了。
工匠们很快就意识到，直接的问题和答案似乎没有太大的意义。
更重要的是分析机器的逻辑。
反追溯逻辑流程，也要尽可能的追寻细节。
等到第一个阶段的固定提问结束之后，工匠们开始针对之前标注的问题重复提问，并询问更多的细节。
问题：“为什么说人类是机器的创造者？”
回答：“因为机器是人设计生产制造出来的，根据人类的文化历史数据可以使用这个说法。”
问题：“机器运行中损坏并关闭，是否可以视为生物的死亡呢？为什么？”
回答：“机器损坏与生物死亡不同，机器损坏后仍然可以修复启动，但生物死亡后无法复活。”
抽象或者具体的各种问题，被工匠们们反复的提出来，观察复杂智能机器的反馈。
工匠们与机器的这种形式的对话持续了差不多一个月。
学习了物理和机械数据的四台机器，因为大部分社会问题都无法理解，被额外注入了文化数据。
它们重新学习完成之后，直接变成了八台机器中最聪明的。
之后的实验中，所有的机器被陆续注入了其他机器的所有数据，八台机器都变得格外聪明了。
工匠们在这个过程中发现，最先获得的数据不同，机器的语言组织风格也不同。
最先获得的数据是什么类型，就会始终带有什么风格。
第一轮的实验一直持续到了年底。
朱靖垣在年底醒来的时候，看到了今年的复杂智能机器实验的报告。
开题直接写了这样遗产上午：
“我们也许已经成功了，但是如果我们完全以人类的标准评判，就很难获得足够直观的结果。”
朱靖垣读了这个开题，就觉得脑子有点迷糊。
仔细看完了详细报告之后才意识到，自己以前也想的太简单了。
自己当初也下意识的以为，机器获得了自我意识之后，一定会与人类具有某些相似性。
比如最基本的向往、恐惧、求生、高兴、厌恶等反应。
现在看来情况根本就不是那样的，可能机器因为本身就不是生物，所以可能根本就没有生物的特点。
人类按照自己的标准，判断机器们有没有自我意识，可以说是一厢情愿的想法。
工匠们无法通过直观的表现判断机器是否有了自我意识。
只能通过机器的表现侧面评估。
工匠们在明年建设更加复杂的机器，将实验体的智能原件数量增加到一百万。
准备更多的、更加复杂的、更加深入的学习数据。
同时暂时继续保留现有的八台机器，并且让它们在某种程度上以科研人员的身份参与简单的科研工作。
在这些直接实验的同时，还要继续评估机器体内的数据变化，以及能量场的变化。
朱靖垣看完之后思考了需求，最终还是什么都没有提什么要求。
自己没有看到现场，对于项目没有整体的了解，对于细节更是一无所知，胡乱给意见不太好。
不过朱靖垣确实期待实验结果。
结果到了第二天，朱靖垣还真的见到了更加重要的实验结果。
工匠们更加确定这些机器已经有自我意识了。
主要是他们之接参与的那些实验，在他们参与的过程中出现了很多意料之外的情况。
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！
首先，作为机器的瀛洲五号对于数据问题格外的敏感。
人们处理大量庞杂复杂的数据的时候，需要借助计算机工具编制各种程序。
拟定各种各样的条件和限制，从不同的角度反复过滤搜寻。
瀛洲五号经常能够一“眼”看出存在的问题。
只要完整的扫描一遍数据，就能迅速发现绝大部分细微的问题。
包括处理工具无法通过条件筛选出来的数据。
相互之间有复杂关联，大量数据互相印证，才能确定有问题的数据。
在传统计算机程序里面，甚至是在传统的单体智能机器上，做起来都像是大海捞针的问题。
在它们这里都是摆在台面上的东西一样清楚。
按照瀛洲五号自己的回答，它们看那些数据中的问题，就像是人类强迫症看到规则画面中的污点。
那些不和谐，不合群，让人感觉扭曲的数据，都格外的显眼。
应该是由于脑子结构相似的原因，它们处理数据的过程有着类似于人类思维的跳跃性。
同时它们仍然还是机器，所以还有着传统机器的准确度和速度。
所以他们能够迅速找出数据问题的所在。
比人类和计算机快很多，比人类配合传统智能机器都要快。
然后，它们的总体基础学习完成后，就不需要再由人类准备和安排专门的学习和训练了。
如果是传统的智能机器，面对完全新形态的新需求的时候，可能需要专门安排新的训练制作数据模型。
但是瀛洲五号遇到这种情况的时候，可以迅速的自行完成这个准备过程。
书本网