“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。