托马斯·米科洛夫现在是脸书人工智能研究部门的科学家，他的总体目标是“开发一种智能机器，使其具备学习和使用自然语言与人沟通的能力”。他认为，要实现更深层次的概念理解只能通过一系列越来越复杂的任务逐步训练“自学”的机器人。刚开始的时候，机器人应该学习像“左转”这样的指令，一旦它熟练地掌握了移动的窍门，它就能“找到食物”，然后能举一反三地将这项能力应用到其他任务上，比如在互联网上查找信息。这个学习过程不能单靠递归神经网络来解决，因为它们缺乏长期记忆。相应地，托马斯提出了一个使用任务困难程度逐步增加的“路线图”来训练智能代理，以使它能正确地与我们人类沟通。
托马斯向我坦诚，这件事情到目前为止没有取得什么进展。他认为，研究人员每年都应该举行一次“强人工智能挑战赛”，根据各自的智能代理能够完成的任务类型来评判这些代理的能力。这些挑战应该通过机器人对新环境的反应来评估它们，而不是由人类肤浅地评价这些智能代理的反应是否真实。
尽管托马斯的忠告言犹在耳，我还是忍不住用托尔斯泰神经网络写作最后一段假托尔斯泰文字。亚历克斯有个主意。他可以用托尔斯泰的风格改写我的这本书。起初我很怀疑这怎么可能行得通呢？
“很简单，”他回答说，“你这本书中每一个词语都是50维空间中的一个点，托尔斯泰写下的每一个词亦然。我们可以从机器生成的托尔斯泰文本中去掉托尔斯泰的词语，然后用你这本书中离那个点最近的词替换。
这个方法和我在上一章里计算“特朗普’之于……正如默克尔”之于………”所用的方法完全一样，只是这里使用的维度远远比之前高得多。亚历克斯将他的想法付诸行动了。以下是我最喜欢的“神来之笔”，精选出来供你欣赏：
被算法操控的生活OUTNUMBERED
200