SCP-CN-2999 Observator Ex Machina(上半)(13)

总而言之，我们也还得继续研究，要把这样的那样的很难用语言形容的感性理解，转化到理性的设计上来。希望时间来得及。
研究备忘 - 近期研究的发现
Dr. Kacper Darlin, https://wimgs.ssjz8.com/upload/05/09/2021
有一个方向是绝对不行的：一个给不出别的分类的分类器。我们试过做一个会把所有它看到的东西都分类成“苹果”的机子，而且只让它看苹果。它们“失焦”的概率没有发生任何变化（其中一个变成了一只秋田犬，做了我两个星期的宠物）。我们最后发现，分类器模型需要有一定程度的复杂性，肯定不能简单几层完事，而且必须要能够输出多于一个标签。如果按这个方向想的话，那说明只要分类器的输出是经过一系列的分析和推理以后才得出的，它就算是在“理解”被观测物了。

我们对“语义”的理解也有所深入。我们成功制备了一台试作机，它能符合要求地输出“苹果”这个标签。它也确实能够稳定“苹果”，但它稳定的不是一个具体的苹果，而是一切能够与“苹果”搭上关系的东西。我们可以让它观测一个苹果，但这个苹果依旧会“失焦”，只是它会变成各种与“苹果”这个概念相关的东西，大部分时候是另一个苹果，更大的，更小的，青色的，有虫洞的，被啃了一半的，有些时候是另外的东西，比如画着苹果的油画，苹果汁，或者苹果红色的卡纸。
如果用同一台试作机去观测一个雪梨，它“失焦”的概率不会有任何变化。但是如果它“运气好”变成了苹果的话，那么它之后的表现和原生的苹果是一样的。基于这些的话我们可以下一个结论：错误的与不够完备的语义分类都会导致“失焦”事件的发生，错误的分类跟没有没什么区别，而不够完备的分类会在一定程度上影响转变的概率。但无论如何，我们的目标还是前任观测者所说的“完备语义分类”。苹果的例子是不能接受的。