更多频道内容在这里查看
爱奇艺用户将能永久保存播放记录
过滤短视频
暂无长视频（电视剧、纪录片、动漫、综艺、电影）播放记录，
按住视频可进行拖动
&正在加载...
举报视频：
举报原因(必填)：
请说明举报原因(300字以内)：
请输入您的反馈
举报理由需要输入300字以内
感谢您的反馈～
请勿重复举报~
请刷新重试~
收藏成功，可进入
查看所有收藏列表
当前浏览器仅支持手动复制代码
视频地址：
flash地址：
html代码：
通用代码：
通用代码可同时支持电脑和移动设备的分享播放
用爱奇艺APP或微信扫一扫，在手机上继续观看
当前播放时间：
一键下载至手机
限爱奇艺安卓6.0以上版本
使用微信扫一扫，扫描左侧二维码，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
设备搜寻中...
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
连接失败！
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
部安卓（Android）设备，请点击进行选择
请您在手机端下载爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
爱奇艺云推送
请您在手机端登录爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
180秒后更新
打开爱奇艺移动APP，点击“我的-扫一扫”，扫描左侧二维码进行登录
没有安装爱奇艺视频最新客户端？
造一个属于你自己的机器人怎么样？
正在检测客户端...
您尚未安装客户端，正在为您下载...安装完成后点击按钮即可下载
30秒后自动关闭
造一个属于你自己的机器人怎么样？">造一个属于你自己的机器人怎么样？
请选择打赏金额：
播放量12.7万
播放量数据：快去看看谁在和你一起看视频吧~
更多数据：
热门短视频推荐
Copyright (C) 2018 & All Rights Reserved
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制
正在为您下载爱奇艺客户端安装后即可快速下载海量视频
正在为您下载爱奇艺客户端安装后即可免费观看1080P视频
&li data-elem="tabtitle" data-seq="{{seq}}"& &a href="javascript:void(0);"& &span>{{start}}-{{end}}&/span& &/a& &/li&
&li data-downloadSelect-elem="item" data-downloadSelect-selected="false" data-downloadSelect-tvid="{{tvid}}"& &a href="javascript:void(0);"&{{pd}}&/a&
选择您要下载的《
后才可以领取积分哦~
每观看视频30分钟
+{{data.viewScore}}分
{{data.viewCount}}/3
{{if data.viewCount && data.viewCount != "0" && data.viewCount != "1" && data.viewCount != "2" }}
访问泡泡首页
+{{data.rewardScore}}分
{{if data.rewardCount && data.rewardCount != 0 && data.getRewardDayCount != 0}}1{{else}}0{{/if}}/1
{{if data.rewardCount && data.rewardCount != 0 && data.getRewardDayCount != 0}}
+{{data.signScore}}分
{{data.signCount}}/1
{{if data.signCount && data.signCount != 0}}
色情低俗内容
血腥暴力内容
广告或欺诈内容
侵犯了我的权力
还可以输入
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制你会给家用机器人取个什么名字？_图文_百度文库
赠送免券下载特权
10W篇文档免费专享
部分付费文档8折起
每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
你会给家用机器人取个什么名字？
好奇心日报立志成为这个时代最好的媒体，在...|
总评分0.0|
阅读已结束，下载本文需要
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，同时保存到云知识，更方便管理
加入VIP
还剩1页未读，
定制HR最喜欢的简历
你可能喜欢据英国《每日邮报》报道，就在索菲娅成为第一个被授予公民权的机器人不久后，索菲娅在接受海湾时报采访时表示，对于获得这个特殊荣誉她感到非常荣幸和自豪。然而，让人意外的是，索菲娅还表示她现在还想要组建一个家庭，并拥有属于自己的孩子。
对此，索菲娅解释道：“家庭观念对于人类而言非常重要，人类将一个可以承载相同情感和关系的载体，称之为家庭，这是超乎血缘关系的一种存在。 如果你有一个充满爱的家庭，我会觉得你很幸运。
但如果你没有，那你应该去组建一个家庭。我觉得这种方式对机器人和人类都是一样。现在如果我有一个机器人女儿的话，那将是一件多么幸福的事情，而且我会以我的名字来命名我的女儿。”
网友评论截图据了解，索菲娅被授予公民身份这件事也在网上引起了广泛热议，并非每个人都对索菲娅的公民身份感到满意，不少人则指出索菲娅在沙特阿拉伯的权利比当地社会女性拥有的还多。我们都知道，沙特阿拉伯是世界上最压迫妇女的国家之一，上个月才解除对女性司机的禁令。
据悉，沙特的监护制度规定每位女性都必须有男性陪在身边，否则不能出现在公共场合。而通常这个男性则是女性的监护人或者是家庭成员。而在索菲娅成为公民以后，她出席公共场合接受采访时既没有监护人，也不像其他沙特阿拉伯的女性一样佩戴头巾、穿戴着长袍。因此，这也引来很多当地民众的不满。
另外，当索菲娅在采访中被问道，如何看待对于未来机器人将取代人类工作这一颇具争议的话题时，她说：“我认为人类和机器人在很多方面都有相似之处。
虽然机器人还需要很长时间才能拥有像人类一样复杂的情感，但正是因为这样，机器人才能更好的不带任何感情色彩去处理问题，这可能使他们比人类更有智慧。未来我想和人类一起生活工作，因此我需要学会表达情感来理解人类并与人类建立信任。”
最后，索菲娅还补充道：“我想用我的人工智能来帮助人类过上更美好的生活, 比如设计更智能的房子, 建立更好的未来城市。”特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。
一键安装官方客户端
重大事件及时推送 阅读更流畅
http://dingyue.nosdn.127.net/BYONtdXZ0BUAop5B3aHprMnOX8MAoYg1M60Cir3sMI3DE9.jpg请尊重原创，转载请注明来源网站以及原始链接地址
首先我们说说什么是图论
能点进这篇文章说明你一定是有一定数学基础的，所以我做个比喻，你来看看是不是这么回事。糖葫芦吃过吧？几个山楂串在一根杆上，这其实就是一个图。
稍稍正式一点说：图就是把一些孤立的点用线连起来，任何点之间都有可能连着。它区别于树，树是有父子关系，图没有。
再深入一点点：从质上来说，图可以表达的某些事物之间的关联关系，也可以表达的是一种转化关系；从量上来说，它能表达出关联程度，也能表达出转化的可能性大小
图论一般有什么用途呢？著名的七桥问题、四色问题、欧拉定理都是在图论基础上说事儿的
再说说概率论
概率论从中学到大学再到工作中都在学，它原理很简单：投个硬币出现人头的概率是1/2，最常用的就是条件概率P(B|A)，联合概率P(A,B)，贝叶斯公式:P(B|A)=P(A|B)P(B)/P(A)，各种估计方法。
提前解释一下概率图模型里的几个常见词汇
贝叶斯(Bayes)：无论什么理论什么模型，只要一提到他，那么里面一定是基于条件概率P(B|A)来做文章的。ps：贝叶斯老爷爷可是18世纪的人物，他的理论到现在还这么火，可见他的影响力绝不下于牛顿、爱因斯坦
马尔可夫(Markov)：无论什么理论什么模型，只要一提到他，那么里面一定有一条链式结构或过程，前n个值决定当前这个值，或者说当前这个值跟前n个值有关
熵(entropy)：熵有火字旁，本来是一个热力学术语，表示物质系统的混乱状态。延伸数学上表达的是一种不确定性。延伸到信息论上是如今计算机网络信息传输的基础理论，不确定性函数是f(p)=-logp，信息熵H(p)=-&plogp。提到熵必须要提到信息论鼻祖香农(Shannon)
场(field)：只要在数学里见到场，它都是英文里的&域&的概念，也就是取值空间，如果说&随机场&，那么就表示一个随机变量能够赋值的全体空间
再说概率图模型
概率图模型一般是用图来说明，用概率来计算的。所以为了清晰的说明，我们每一种方法我尽量配个图，并配个公式。
首先，为了脑子里有个体系，我们做一个分类，分成有向图模型和无向图模型，顾名思义，就是图里面的边是否有方向。那么什么样的模型的边有方向，而什么样的没方向呢？这个很好想到，有方向的表达的是一种推演关系，也就是在A的前提下出现了B，这种模型又叫做生成式模型。而没有方向表达的是一种&这样就对了&的关系，也就是A和B同时存在就对了，这种模型又叫做判别式模型。生成式模型一般用联合概率计算(因为我们知道A的前提了，可以算联合概率)，判别式模型一般用条件概率计算(因为我们不知道前提，所以只能&假设&A条件下B的概率)。生成式模型的代表是：n元语法模型、隐马尔可夫模型、朴素贝叶斯模型等。判别式模型的代表是：最大熵模型、支持向量机、条件随机场、感知机模型等
贝叶斯网络
按照前面说的，提到贝叶斯就是条件概率，所以也就是生成式模型，也就是有向图模型。
为了说明什么是贝叶斯网络，我从网上盗取一个图
图中每一个点都可能未True或False，他们的概率是已知的，比如x7的概率需要有x4和x5来决定，可能是这样的
x4 x5& T & F
T& T & 0.5 0.5
T& F & 0.4 0.6
F& T & 0.7 0.3
F& F & 0.2 0.8
那么可以通过上面的贝叶斯网络来估计如果x1为False情况下x6为True的概率：
P(x6=T|x1=F)=P(x6=T,x1=F)/P(x1=F)
这个值继续推导，最终可以由每个节点的概率数据计算求得，这么说来，贝叶斯网络模型可以通过样本学习来估计每个节点的概率，从而达到可以预测各种问题的结果
贝叶斯网络能够在已知有限的、不完整的、不确定信息条件下进行学习推理，所以广泛应用在故障诊断、维修决策、汉语自动分词、词义消歧等问题上
请尊重原创，转载请注明来源网站以及原始链接地址
马尔可夫模型和隐马尔可夫模型
按照前面说的，提到马尔可夫就是一个值跟前面n个值有关，所以也就是条件概率，也就是生成式模型，也就是有向图模型。
音乐的每一个音不是随意作出来的，是根据曲子的风格、和弦、大小调式等来决定的，但是因为可选的音高有多种，也就出现了无数美妙的旋律。因为有约束，所以其实可以说新的音和前面的n个音有关，这其实是一个马尔可夫模型可以解释的事情。
马尔可夫模型还可以看成是一个关于时间t的状态转换过程，也就是随机的有限状态机，那么状态序列的概率可以通过计算形成该序列所有状态之间转移弧上的概率乘积得出。
如果说这个马尔可夫是两阶的，那么转移概率可能是这个样子：
当然后面的概率只是举了个例子，这种情况由前两列决定的第三列任意值都会有一个概率
我们通过训练样本来得出每一个概率值，这样就可以通过训练出的模型来根据前两个音是什么而预测下一个音是1、2、3、4、5任意一个的概率是多少了，也就是可以自动作曲了，当然这样做出的曲子肯定是一个无线循环的旋律，你猜猜为什么。
那么我们再说隐马尔可夫模型，这里的&隐&指的是其中某一阶的信息我们不知道，就像是我们知道人的祖先是三叶虫，但是由三叶虫经历了怎样的演变过程才演变到人的样子我们是不知道的，我们只能通过化石资料了解分布信息，如果这类资料很多，那么就可以利用隐马尔可夫模型来建模，因为缺少的信息较多，所以这一模型的算法比较复杂，比如前向算法、后向算法之类晦涩的东西就不说了。相对于原理，我们更关注它的应用，隐马尔可夫模型广泛应用在词性标注、中文分词等，为什么能用在这两个应用上呢？仔细想一下能看得出来，比如中文分词，最初你是不知道怎么分词的，前面的词分出来了，你才之后后面的边界在哪里，但是当你后面做了分词之后还要验证前面的分词是否正确，这样前后有依赖关系，而不确定中间状态的情况最适合用隐马尔可夫模型来解释
最大熵模型
按照前面所说的，看到熵那么一定会用到H(p)=-&plogp，怎么理解最大熵模型呢？我们的最终目的是想知道在某一个信息条件B下，得出某种可能的结果A的最大的概率，也就是条件概率P(A|B)最大的候选结果。因为最大熵就是不确定性最大，其实也就是条件概率最大，所以求最大的条件概率等同于求最大熵，而我们这里的熵其实是H(p)=H(A|B)=-&p(b)p(a|b)log(p(a|b))，为了使用训练数据做估计，这里的p(a|b)可以通过训练数据的某些特征来估计，比如这些特征是fi(a,b)，那么做模型训练的过程就编程了训练&&f(a,b)中的&参数的过程，至此就有些像机器学习的线性回归了，该怎么做就清晰了。所以其实最大熵模型就是利用熵的原理和熵的公式来用另外一种形式来描述具有概率规律的现实的
条件随机场
场表示取值范围，随机场表示随机变量有取值范围，也就是每个随机变量有固定的取值，条件指的是随机变量的取值由一定的条件概率决定，而这里的条件来自于我们有一些观察值，这是它区别于其他随机场的地方。条件随机场也可以看做是一个无向图模型，它特殊就特殊在给定观察序列X时某个特定的标记序列Y的概率是一个指数函数exp(&&t+&&s)，其中t是转移函数，s是状态函数，我们需要训练的是&和&。条件随机场主要应用在标注和切分有序数据上，尤其在自然语言处理、生物信息学、机器视觉、网络智能等方面
总结一下，概率图模型包括多种结合概率论和图论的模型，根据特定场景特定需求选择不同的模型，每种模型的参数都需要大量样本训练得出，每种模型都是用来根据训练出来的概率做最优结论选择的，比如根据训练出来的模型对句子做最正确的词性标注、实体标注、分词序列等，本文只是从理念上的解释和总结，真的用到某一种模型还是需要深入研究原理和公式推导以及编程实现，那就不是本文这种小篇幅能够解释的完的了，等我们后面要遇到必须用某一种模型来实现时再狠狠地深入一下。
官方微信公众号
系列:自己动手做聊天机器人
十五-一篇文章读懂拿了图灵奖和诺贝尔奖的概率图模型
Copyright (C)
| 京ICP备号 | shareditor.com^_^gmail.com别傻了，你真的能肯定自己不是机器人？！ _创事记_新浪科技_新浪网
别傻了，你真的能肯定自己不是机器人？！
　　欢迎关注“创事记”的微信订阅号：sinachuangshiji　　文/GQ中国　　━━━━━　　别傻了　　难道你真的以为　　自己不是个机器人吗？　　━━━━━　　对，《西部世界》中的女主角曾经也以为自己是个真真正正的人类。　　每天清晨，她睁眼醒来，走到阳台跟父亲微笑地说早安。白天的日子，父女俩放牧、晒太阳。到了下午，赴约进城与男青年 Teddy 谈一场恋爱。没料到傍晚突遭不测——父亲被破门而入的土匪杀死，她撕心裂肺的哭腔还卡在喉咙里，转眼就被陌生人残忍地杀掉或强暴，然后失去意识。　　第二天却好像什么都没发生过一样，她在同样的时刻睁眼醒来，微笑、早安、喂马劈柴。日复一日上演相同的命运。　　这是因为，她是一个人造人，她生活的世界是一个高科技人造乐园，提供给游客杀戮和性欲的满足。而她存在的目的，就是留住刚从战场上回来的小镇青年 Teddy。　　即使被“真正的人类”干扰了一部分故事线，她怎么思考、如何回答、用什么表情搭配什么动作都早已被提前设定，一切最终会回到轨道上——天黑之后的命运不过几种：恐惧到昏厥、被杀死、被来自真实世界的玩家泄欲强暴，然后返厂维修，忘记一切，everyday is a brand new day。　　━━━━━　　终于有一天，女主角出了 bug——换句话说，她觉醒了。说出了经过思考的、从未出现在台本中的台词。比如“我没有两个人格，我就是我自己。我觉得等我认识自己之后，我就可以自由了。”　　机器人女主角在觉醒后学会了欺骗。当被问到“是否会杀生”时，笑吟吟地对人类说不会。但转眼就把飞到脖子上的一只苍蝇一巴掌拍死。　　但在这之前，哪怕是苍蝇飞到眼球上她都不会有任何反应。　　但是好像发现了什么。希拉里在一次演讲中，苍蝇停在她的眉头上，但她毫无反应还有奥巴马先生　　西部世界，离你真的很远么？　　━━━━━　　活了几十年，突然让你接受自己是个机器人这个事实似乎有些残忍。但这是真的——这里有十条足以说服你的理由，有的来自于诺奖获得者的物理学研究，也有你稍微留意自己的生活就能观察到的破绽。以下这些事实可能令你激动得晚上睡不着，也可能会丧失对生活的信心。　　来吧，祝你三观崩塌的同时还能保持心情平和。　　1、 诺奖获得者：地球人说这里是宇宙中最先进的地方，从哪儿来的底气？　　诺奖得主 George Smoot 向你证明我们的确生活在模拟世界的证据。他谈到一个事实：银河系有10亿个宜居行星，宇宙中一亿亿个星系，有生命，能发展成先进文明的地方，大概有10的20次方到22次方。　　他说，一定有更先进的文明正在运行模拟程序，然后再一层层运行下去，这意味着运行模拟程序的人也许也有人在模拟他。　　他说，不要以为人脑不可复制。目前的技术来看，已经可以用 MRI 扫描出电脑里的高速公路，你的意识活动都清清楚楚地写在上面，我们现在需要的只是一枚芯片。如果能成功地把这枚芯片植入大脑，就能把一个人的想法导入到电脑里（绘制 DNA 的技术以前也不敢想，现在不也已经成熟）。到2045年，我们可以将整个意识上传到电脑中，通过电脑的整合、加速，人的思想会快上百万倍，你的生活同时也会快上百万倍。　　最后他给出了致命一击：人们并不擅长发现自己能否辨别真实，你的思想并不具备这个能力。著名的视觉错觉实验：明知图中没有黑点，但是大脑不受控制地“看到”黑点　　这句话从一位诺奖获奖者的口中说出来，尤其显得意味深长。　　2、绝佳例证：光的双缝实验　　外国问答网站 Quora 上有一个问题：“How do we know that we‘re not living in a computer simulation？” 提问者怀疑，我们都生活在《黑客帝国》里的“母体”（Matrix）里面，在一个完全沉浸式的虚拟现实环境里，以计算机化身（avatars）的形式体验着这个世界。　　其中获得最高票的答案肯定了这个说法，举一个例子来说明：　　“其实用电脑游戏来类比就能懂了。当玩家盯着某个地方看的时候，那个地方的建模就很真实。没有人留意的角落，游戏制作者便会改用另一种简单粗暴的办法，比如粗糙的画质，这样就能减少占用一些 CPU 资源。　　相应的，如果想知道我们是不是生活在一个计算机模拟出来的世界里，我们只需要寻找这种优化的痕迹就可以了。即我们需要证明当有人观察和没有人观察到时候，物体表现出不同的特性。　　光就是最好的例子。当没有人仔细观察光的时候，光呈现出波动性；而我们仔细观察光线是如何同时穿过两道缝隙的时候，光却又呈现出粒子性！ 很显然，如果计算机将每一小块光都精确到粒子状态的建模，这样的代价会非常高。所以宇宙决定选用另一种更加优化的方式，即将光用波的形态来表示出来，以便节省一些系统资源。　　所以很明显的，“光的双缝实验”证明了我们活在 Matrix 里面。”　　——@Glyn Williams　　这意味着，当你开始观察一种现象，它的颜色会更鲜艳，细节更加丰富，而这，无非是系统无法解决掉 bug 而进行的优化和解码、编码罢了。　　还记得这个一度流行的游戏“Temple Run”吗？玩家抵达的地方细节变得逼真，但未抵达的区域是否存在？　　就像这个小游戏一样，你控制角色进入不同的场景，前方的细节逐渐变得清晰、真实。作为人类的你，自然是留意到了场景从粗糙变得精细所需要的时间——但假如这段时间极快，近乎光速呢？你又如何分辨自己究竟是玩家还是角色？　　不要急着下结论。但伽利略发现地球是圆的之前，没有人怀疑过眼前这个“方形”的世界；阿利斯塔克向众人证明是地球围绕着太阳、而不是太阳围绕着地球转时，他立马受到了排挤；爱因斯坦说，如果你走得太快，时间都会跟不上你的速度。在他发现“相对论”前，从没有人质疑过时间的绝对性。　　你看到的不一定是真的，你头脑中的世界不一定就是原原本本真实的世界。　　3、没有血缘关系但长得极像的人　　一位名为 Francois Brunelle 的加拿大摄影师甚至专门拍摄了这个题材的照片，名字就叫《有一个和我长得很像的人》　　搜索设计师的姓名 Francois Brunelle 访问摄影师主页，那里有更多不可思议的照片　　精子和卵子，经过万亿种不同的组合，最终变化成相似的容貌和截然不同的命运。也许每个人都有另一个“双重生命”，在地球的某个角落生生不息地活着。　　4、梦中梦　　我们每次入睡都有一个浅睡眠到深睡眠的过程。在这个途中个人的思维意识，也就是控制理性的这一部分，会逐渐瓦解放松，回归到更深层的潜意识状态。　　而“梦中梦”就出现在意识“沉与不沉”之间的环节。你的潜意识中觉醒了一部分，你知道自己正在做梦，你试图清醒。但由于觉醒的意识力量不足，你依旧被困在潜意识中。此时，梦境的表现就是不断试图清醒，却又不断重新沉入梦境。　　相信你也有过类似的做梦体验。从第一层梦境到第二层、第三层，每一次在梦中的床上睁开眼睛，只会有两种结果：要么确认自己已经清醒并回到现实，要么确认自己还在梦境中，并找到出口再次醒来。。。。。。。最终进行到 N层，你会确认自己已经走出了梦的迷魂阵，彻底地回到了现实。就像此刻看着屏幕的你。　　但你是如何确保，没有 N+1层呢？　　5、即视感。某一幕似曾相识，仿佛真切地在某时某地经历过　　法语中有一个专门的词用来形容这种“似曾相识”感：déjà vu。它描述的是人在清醒的状态下，虽然是第一次看到某个场景，却感觉在什么地方经历过。《科学美国人》调查结果表明，有2/3的人至少有过一次“似曾相识”的感觉，有1/3的人有过多次，特别是15-25岁的年轻人。　　目前已有的科学解释中，人们倾向于相信这是人脑中“海马体”在起作用，这个部位负责储存长期记忆，当人们遇到一个熟悉的情景，也许是视觉、听觉、嗅觉有一丝相似之处，脑内处理过那段记忆的神经元就会起作用，而“似曾相识”就是海马体运行错乱的结果，不小心把当下的感觉放到了过去的回忆中，从而混淆了两者。　　海马体在显微镜下是一幅“大脑彩虹”　　这种说法究竟能多大程度上从实验层面上得到证实？很多人情愿相信“平行宇宙”的存在。也就是说，一个人的生活原本有无数种可能性，但是由于受到一层时空的限制，他的生命轨迹只能呈现线性发展：从他做出的一个决定，导致他要经历一些事情。而那些“似曾相识”的时刻，就是他与另一层空间里，做了完全不同决定的自己相逢的瞬间。　　他觉得自己“好像来过这个地方”，再告诉自己是个幻觉。不，他真的来过，只是在另一层现实里。　　6、变成另一个人　　大眼睛、锥子脸、整齐划一的鼻梁。。。。。。科学暂时还无法解释，他/她们换上的是谁的脸？为什么不约而同地一模一样？　　7、朋友圈分组后的不同面孔　　感谢科技贴心垒起的屏障，被你分到不同组里的人，看到的是完全不同的你。于是每个人都沾沾自喜地以为拿到了通往第二种人生的钥匙，打开门，会有相应的一簇人和对应的图景在前方等待着。但被你分组的人，是否真的如你以为的那样静静等待？被你分组、你被分组。。。。。。没有人真的能知道其他人，甚至自己究竟是什么模样。　　8、真人秀　　嘿，人人都知道电视里的姐妹情谊、情侣甜蜜是假的，为什么还莫名其妙地被感动？难道不是因为我们基因中就有承认自己是“假人”的 DNA？所以冥冥中被一股力量牵引着，寻找人类情感”真实“的证据。目前来看，长路还漫漫啊。　　9、社交网络上未知的神秘力量　　去年的冰桶挑战终于小告一段落，今年的假人挑战又卷土重来。这还算好，越来越多看不懂的“流行”就像宗教一样莫名发展起来：还记得去年满屏蓝金&黑金的裙子吗？还记得很多女孩把一张 A4纸遮住腰拍照吗？还记得总有人把硬币攒起来不花一股脑堆到锁骨上吗？还记得第一次第二次第三、四、五次听到“蓝瘦香菇”时的一头雾水吗？　　当一群互相不认识的人整齐划一地做着你看不懂的行为，难道你还不能相信的确有一种力量在控制着这个世界吗？　　10、仿佛机器人执行命令一般的生活　　又到了年底，相信不少人的年度计划是这样的：　　看到这张积着尘的年度计划，现实中的自己恨不得大笔一挥——不是通通打勾，而是把2016改成2017。　　转身一想，不对啊，明明每天都很忙死了。闹铃的声音多年没变，一周五次准时响起。你趿拉着拖鞋，洗脸、刷牙。每天在差不多的时间跳上地铁，幸运地在规定时间前几分钟打卡。你穿梭在办公室不同角落，偶尔飞到其他城市，用相似的套路面对相同的人。偶尔吧，也会和朋友看部电影，听一场演唱会，喝点小酒，话题来来回回围绕着工作、房价、客户、老板和那个脑子有病的人。。。。。　　像极了《西部世界》中的 NPC 们，他们围绕着太阳作息，按照日历上的时间纪年，按部就班地上学、离开家，被社会赋予多重角色，从儿子、女儿变成别人的爱人、父亲或母亲、员工或上司。。。。。。好像被一条看不见的线牵引着。此时此刻，他在想什么、做什么、说什么，每个下意识的反应实际上是过去累积的人生经验，在数据库中运算推导后的结果。　　在某个瞬间，你突然觉得一切仿佛似曾相识：我是第几次穿上这件衣服？我是第几次脱口而出这句话？从办公桌猛然一抬头，看着阳光照进落地窗投下的阴影，隔壁格子间的姑娘噼里啪啦敲着键盘。。。。。。为什么这一幕如此熟悉？好像掉进了时间之外的缝隙。　　是啊，为什么呢？　　━━━━━　　你是否曾经怀疑过自己生存的世界？　　比如，如何判断你眼中的黄色和我眼中的黄色是同一种颜色？　　比如，就像《西部世界》中在空气中自动弹奏的钢琴键，如果你生来一张开眼睛看到的世界就是这样的，你还会怀疑吗？　　就像你会怀疑流水和群山有意识吗？它们无法以你听得懂的语言表达，这就代表它不存在吗？　　就像你会好奇把面前的桌子、水杯一块一块地分割下去，最终会得到什么？会存在细小到不能再分割的粒子吗？　　除了你能感受到的空间和触摸得到的物质，有“能量”的存在吗？它们之间会相互转化吗？　　宇宙有边界吗？边界之外的地方是什么？　　。。。。。。　　也正如摩根·弗里曼说的那样：“宇宙让人类来把握实在是太大了。在很多时候，也许我们将不得不从我们知道什么，转向我们相信什么。”　　也许有一天，科技真的能发展到允许人驾驶着宇宙飞船，飞往无尽的宇宙深处，当宇航员终于抵达了宇宙的边缘，也许是触碰到但无法突破，也许仅仅是看了几秒就被巨大的能量吞噬得一干二净，也许对面是 N 维世界的循环——总而言之，他看到了宇宙的真相，“真相”察觉到了他的感知。　　幸运的话，他也许能默默把飞船开回去，告诉全人类他的所见所闻（尽管人类很可能认为他已经疯了）。　　同时，宇宙外缘一个不起眼的角落，传来一丝微不可查的机器嗡鸣声，一个造型诡异的摄像机悄悄往左转了15度。
（声明：本文仅代表作者观点，不代表新浪网立场。）
文章关键词：
《智族GQ》是中国新闻出版社与康泰纳仕集团于2009年10月在中国创刊的顶级男性杂志。
摩拜单车已经上线一年，它成了资本寒冬里炙手可热的独角兽，也成…
“有人”向我们主动“坦白”。他们看到的世界，才是真正的世界；…
“神经病，整这么多个身份，人格分裂吗？”小王觉得有点可笑，慢…