我在1992年之后基本上停止了发表“专家演讲”，不是因为梦想的失落，而是因为人们反响太好。这让我感觉不舒服。最终使我厌烦的是在“学习附录”这个网站上的一件特别矫情的事，它吸引了一群荒谬的谄媚者。我不想成为真正的大师，尽管很多人都以此为追求。
[1] 附录二中，关于显性，我大概解释了我为何认为它可能会实现。
[2] 参考盖伊·多伊彻（Guy Deutscher）的《话/镜：世界因语言而不同》（Through the Language Glass）。
[3] 多年来我一直在思考“蓝色的桶”，但今天我可以引用具体的实验。也许是时候让我的老麦高芬消失了。
在机器学习算法中，就像能够分辨猫和狗的算法一样，我们要求很多人来识别属于某个类别的东西，比如猫、狗或蓝色的东西。因为是网络游戏或新奇事物的一部分，人们通常愿意为我们免费做这项工作。
然后，我们使用统计相关性的反馈网络（机器学习算法）来捕捉所有这些人告诉我们的内容。由此产生的软件可以将猫、狗和蓝色的东西进行分类，其效果往往跟一般人一样或比一般人做得更好。
所以我的旧思想实验已经实现了。（我甚至需要研究算法的早期例子。）
在20世纪80年代，当我进行VR演讲时，不得不挑战抽象和符号的优越性，因为它们是学术界的宠儿。但是现在机器学习算法不仅工作得很好，而且获得了有史以来最大的财富，而我却恰恰相反。
最近，每个人都需要明白，仅仅是因为你可以辨别猫狗，并不意味着你理解所有的认知。
在人类的大脑中存在着某种超越相关性的东西。例如，我们不只是将随机的新的数学表达式与旧的正确的数学表达式相关联来检测新的数学表达式是否正确。我们理解数学，但是我们不明白理解是什么。目前还没有对大脑中思想的科学描述。也许有一天会有，但不是现在。我们有能力忘记我们不明白的东西。我们很容易自我困惑。
我的朋友布莱斯·阿格拉·阿尔卡斯（Blaise Agüera y Arcas）（以前在微软实验室工作，现在就职于谷歌）和他的同事试图反向运行机器学习算法，查看是否会出现狗或猫的柏拉图式的图像。出现的东西必须以艺术家的触觉来引导，才会有意义，但它可以变得有趣和超现实。
我们不知道人脑中是否有柏拉图式的狗或猫。我们所知道的是当看到一只狗或一只猫时，不同的神经元被激活，但我们不知道如何或为什么。
因为我不知道什么是象征性的交流，或者即使它在50年内仍然被认为是一个可敬的概念也是一样，所以我不能真正地理解后象征性的交流会变成什么。几十年后，我仍然会喜欢后象征性交流的概念，因为它强调我们应该尽可能地发现VR中的新事物。
[4] 我在《你不是个玩意儿》的末尾详细地描述了这一思路，所以我不在这里完整介绍了。
[5] 回到狩猎采集时代，小团伙或部落互相监督，少数人可能伤害少数人。后来，随着农业的发展，规模越大，回报越多。城墙在城市周围筑起，暴力也被正规化，多数人可能会伤害多数人。军事战略和创新能力提高了，中等数量的人可能会伤害多数人。
现在，我们面对摩尔定律之类的影响，少数人会有更多的方式杀死多数人。大规模暴力的手段越来越便宜，最终它将几乎免费。
同样，过去很多人暗中监视很多人，民主德国的史塔西和帝国操纵就是这样。但是现在，少数人可以监视其他所有人，也可以阻止大多数人做同样的事情，因为数字网络并不像其宣称的那样公平。
[6] 这个称呼是为了纪念20世纪60年代成名的著名知识分子马歇尔·麦克卢汉（Marshall McLuhan），他率先对媒介进行了研究。
[7] 威廉·布里肯（William Bricken）曾是华盛顿大学人机界面技术实验室的首席科学家，该VR实验室是由汤姆·弗内斯创办的，也是虚拟西雅图的诞生地。威廉·布里肯已经开始探索数学的后象征性方法，你可以在他即将出版的《标志性数学》（Iconic Mathematics）一书中了解到相关内容。
[8] 关于它们的信息，见附录二！
[9] 杰伦·拉尼尔的《你不是个玩意儿》一书简体中文版已由中信出版社于2011年8月出版。——编者注
[10] 当我编辑这份旧的副本时，终于身处遥远的“未来”，但海湾里仍然没有巨大的人造生物。