图灵的人工智能测试试图通过测试机器智能在人类认知中的反映来检测机器智能，像贝尔这样的项目建议通过个人通用图灵机来捕捉自传体经历的整体，这样(因为这项研究是为微软公司做的)就可以对数据管理、可视化、语义排序、编辑、以及索引接口，这些都是千兆字节级的绝对用户所必需的。当然，在那个未来，一部分会被记录下来的是她的会话，在这个会话中，她会回放过去的经历，这些经历之后也可以用来回顾，等等，等等，一面镜子对着一面镜子，反射到黑暗中。19元数据的现象学将是势不可挡的。当然，自我掌控的新前景可能会为她打开，但与此同时，在她试图管理反思的反思的无限回归时，新的精神病理学也会出现。撇开服务设计对微软的影响不谈，专注于这种自动认知技术的令人眩晕的深度，绝对用户在某个时候不会失去(或放弃)区分当前体验、过去记忆和未来愿望的能力吗?一种超越性的幼稚化或开明的去个性化?记忆的记忆是否会变得松散，以至于一个处于特定位置的主体的意识也永远被解开，留下一小堆神经结构在其自身解体的反馈中悸动?2如果是这样，那么这些记忆能否在事后被重新编织成不同的、不那么个性化的用户主体呢？
为了更正式地定义这个过程，在短期内，关于用户在世界上的踪迹的信息的强度、粒度和反射性的增加首先会产生一个卡通化的过度实现的自我图，将其作为一个连续的个体单位。从长远来看，反射回来的信息量变得太大了，因此这些技术破坏了自我和他人的界限，导致了一个开放的、不连贯的、不连续的同一性。在分崩离析之前，自我燃烧得最亮;越多越好，直到它实际上少了很多，在这种情况下，少可能是一种更富有成效的成就。(在这里，强度指的是图表捕捉事件或生活的范围、尺度和计算能力;粒度指的是它能捕捉到的细节;反身性指的是图表可以在多大程度上被有意义地操作，既可以作为控制反馈循环的GUI，也可以作为提供监视的社会联系，以及在社会显微镜下展示自我事件的舞台。)解决方案和解体之间的临界值究竟在哪里，我们只能假设但我们可以预测，而且不无乐观地预测，心理上单一服务的人类用户作为与堆栈相关的通用用户位置的崩溃，并转而考虑那些遗留下来的替代方案的汤汁成分。尼古拉斯·费尔顿(NicholasFelton)是一名信息设计师，以他对自己的年度报告的痴迷和讽刺而闻名，就好像他是一个需要遵守股东报告要求的企业客户。21他也是2009年重新设计的Facebook时间轴的主要贡献者，这显示了Quantified Self,
262
User Layer