按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
非常的呆板。
数字人建模完成了，只不过是给某个现实人配了一个数字人模型而已，做到这一步其实还无法体现出数字世界的价值来。
接下来莫回需要给数字人添加“人”的属性，让它从一个数字模型，变成一个有血有肉，可以模拟现实人行为的这个带“人性”的数字模型。
想要做到这一点有很多工作需要做，首先要做的一点是理顺社会关系网络，将每个数字人置于一个社交网格中，然后标定他们相互之间的人际关系。
比如tom和jerry是大学同学，那么在数字世界中，就需要将他们所有的同班同学全部标定出来，建立联系。
同样的，tom如果11年到13年在谷歌的市场部工作，那么他那个时期的同时也需要标定出来，tom的邻居，tom的父母，等等这些主要的社交链接都需要标定出来。
为了搭建这个社交网络结构，莫回专门引入深度学习技术，这个技术拥有一定的自主学习能力，在学习中能够具备一定的智能性，这个技术正好可以帮助莫回来解决数据解析的问题。
有了分析技术，莫回还需要数据源，用来标定每个人的主体社交联结，这个主体社交联结是指那些比较容易能够观察到的，显性的社会关系，比如亲戚关系、邻居关系、同学关系、同事关系，这些关系基本上很难造假和模糊，比较容易定义。
为了获得这部分主体社交联结数据，莫回通过上帝之手的力量，调来了美国主要的几个招聘网站的简历库，其中linkedin的数据就具备这种社交网络的雏形。
简历上的数据都是能互相印证和排错的，你的简历可以造假，但是你的社交联结很难造假。
有了美国主要招聘网站的简历库，数据人的社交网络的主体框架就搭建出来了，但是每个人除了那些主体社交关系之外，还存在很多其他的社交关系，比如网友、比如脸书上加的好友，比如客户关系，比如工作中认识的朋友，比如参加各类party认识的朋友，比如参加各类社团认识的朋友。
这类关系是很难出现在简历、档案、法律记录中的，而这部分关系占比还偏偏很高，这同样需要找到合适的数据源。
按照数据统计，一个人一生中大概能认识4000人左右，这个认识通常是指你能记住他的长相，知道他的名字，与他交谈过，并且你们的关系是相互的，他也同样认识你。
这4000人出现在人生的各个时期，他们通常是你的各个阶段的同学、邻居、同事。
这些人基本上只出现在你人生中的某一阶段，然后随着你年龄的增长，他们都会被逐渐忘却。
如果你是个20多岁的人，那么你现在应该已经记不得几个小学同学的名字了，而他们的长相你也需要花很长时间进行回忆了。
如果你是个30岁的人，那么你的初中同学差不多也开始步入淡忘的阶段。
以此类推，人对于十年前的关系已经大部分忘却了，就算是5年前的关系也忘却了相当部分。
我们日常能够记住的人，基本上维持在300个左右，这300人是日常经常接触的，现在能够记起来他们长相的。
随着接触频率的降低，以及生活距离的拉大，这些人中必定也有相当一部分慢慢淡出你的记忆。
莫回现在需要做的事情就是将这4000个人找出来，给数字人赋值，让他们在数字世界里建立相互之间的社交联结。
除此之外，莫回还需要给这些社交联结赋值，比如哪个人具体是什么性质的关系，相互影响度如何？关系的亲密度如何？
这些也是非常关键的信息，就是说莫回需要把每个人日常生活中常接触的那300个人找出来，建立准确的关系定义。
这部分数据就是不是一份薄薄的简历能够搞定的了，这些只能从个人的大数据中找了，好在通用利用轨迹2。0已经将这些数据渠道打通，莫回只需要调用就好了。
除了各种公共信息之外，莫回还能拿到用户在各大网站上的**数据，将所有这些数据汇集起来，利用深度学习软件进行大范围筛选和比较。
比如a和b认识，就可以用深度学习技术，分析a和b的所有网络信息记录，从多个角度定义他们之间的关系，甚至还可以辅助视频监控记录，通过分析两人见面时的表情和肢体语言，进行对应的心理分析，以便更加准确的定义两人之间的关系。
因为很多资料都是现成的，所以分析速度很快，超极本的超级性能在这种大范围高密度数据面前充分发挥着作用。
所有这些数据唯一的障碍就是传输速度和调取速度，很多数据都沉淀在各个运营商机房的磁盘阵列深处，这都需要一点点调取出来。
好在超极本比较给力，让莫回在神不知鬼不觉中，悄悄完成了这项浩繁的工作。（未完待续。）
第174章 潘多拉魔盒被打开了！
实际上仅仅如此是不够的，在搭建完数据人的社交网络之后，莫回还需要进一步定义和描述数据人的心理和人性的部分。
心理这块倒还好说，有推衍1。0和调教1。0打底，苏青姬已经建立了一套规范的分析方法，来帮助建立某个人的心理模型。
这个心理模型实际上也是从大数据中来的，当汇聚一个人的所有网络信息之后，比如他的消费数据、他的浏览数据、他的阅读数据等等，利用大数据分析的办法，通过他摄入信息的偏好性，通过他购物中的色调和款式的选择，通过他在社交网络中的语言风格，等等方面，可以精确的建立起这个人的心理画像。
心理模型建立之后，进行更进一步的分析，就可以根据各种大数据统计和分析，搭建起这个人的决策模型。
调教1。0的本质是针对人的心理模型，进行定向的调整和调教的；而推衍1。0实际上就是在调教1。0的基础上，在某人的心理模型基础上构建这个人的决策模型，然后分析和引导这个人的决策行为。
在给数字人赋予人性的时候，这两块是关键内容，好在苏青姬早已经做好前置工作，莫回只需要调用就好了。
整个纽约的所有网络数据全部被汇聚起来，所有与人相关的，与纽约某个人相关的信息全部被抽取出来，输入到超极本里。
当所有这些公共的、**的数据都被充分提取，汇入超极本之后，被安置在超极本内部的数据世界就显得越来越鲜活。里面一个个数字人变得越来越灵动，越来越有人性。
在无声无息之间，一个数字化的纽约在一台笔记本内诞生了，现实世界里车水马龙繁花似锦的纽约承载着数千万人的生活和梦想，数字世界里，一个一模一样的纽约市也在运转着。。。。。。
~~~~~~
在无人注意的角落，世界正悄悄发生改变。。。。。。
在选战进行得如火如荼的时候，特朗普突然遭遇了车祸！
当特朗普的竞选巡讲车队正在高速公路上行驶的时候，对向车道上突然发生了车祸，一辆suv的左前胎突然爆裂，suv顿时失控，它翻滚着飞上天空，飞跃隔离带狠狠的砸在特朗普的车队上。
比较幸运的是这两suv砸在了头车上，将头车的顶棚砸了个稀巴烂，失控的头车又导致一连串的混乱和碰撞。
等一切平息下来之后发现，这场车祸让特朗普受到轻微擦伤，但是竞选团队死了五个人，十二人受到不同程度的伤势，其中六个人不得不住院治疗，还有三个人受到严重惊吓，心理状态不太稳定呢。
仅仅着一次车祸，就让特朗普团队损失了20个人，就算有人能够带伤上阵，其中也有14个人在接下来的一段时间内无法工作了。
这意味着，至少在今后的一个月里，特朗普将面临竞选团队无法运转的窘境，就算他现在开始补充人手，恐怕都很难应对这突如其来的变化。
首先补充人手绝不会那么快，能不能及时找到合适的人，找到人是否放心让他来做，是否胜任，新人上手后能否快速将工作接过去，并且还是在工作无法交接，上来就需要干的情况下。
这一连串问题都决定了，计算特朗普第二天就能把14个缺员补上，这14个新人能够让竞选团队顺畅的转起来仍然是个问题，并且新的团队能否让竞选保持延续性，能否顺畅的与各个单位配合。这些都是问题。
很明显的，这次车祸对特朗普的打击相当巨大，如果他本人死亡了，那么希拉里直接胜出；�