只不過林所要的，並不是如幻燈片般展示顏色，讓塔意識境中的怪東西單方面吸收。而是要形成像是’對話’的交互動作，己方的變化要能夠按照對方的迴應而有所改變。
這可跟那種專門用來解魔術方塊而設計的機器不同。不管是幾乘幾的幾面魔方，其情形就是問題已經固定，在程序得到解答之後，機器按照步驟將魔方完成。
簡單地說，解魔方機器有着很明確的兩個步驟。第一步，檢查魔方情形，程序求解；第二步，機器臂運轉，魔方完成。
可是魔方能夠那麼容易解答，是因爲每一次旋轉所得到的結果都是一對一的。不會有相同配置的魔方，旋轉同樣的部分，卻得到不一樣結果的情形。
不過在塔意識境中的那個怪東西，可就沒有這麼溫柔了。甚至在簡單的幾次測試中，林都無法確定這玩意兒是否真的有規律可言。唯一可以確定的，就是’顏色’確實會吸引對方而已。
在這種時候，就要動用機器學習的方法了。每一次顏色變化之後，不但要紀錄那團怪東西隨之變化的情形，還要重新判斷下一次顏色應該怎麼變化。
可以說，除了最終想要完成的圖案是確定的以外，其他部分都是邊學邊做，也邊做邊學。這項工作，說困難是很困難，但說不困難，其實也沒那麼困難。
這種深度學習的玩法，兩人都有過經驗，並不算難。困難的是使用環境。
塔意識境中沒有八種權能，所有消耗都只能靠進入的魔法師本身去支持。這意味着耗費在解題上的時間不能太長，消耗不能太大，算力佔用……
算了，最後者對某人來說不是問題。其實以次位面塔能夠自產自銷的能力，林是不懼怕塔意識境中的消耗。但是有那團怪東西在一旁虎視眈眈，某人可不敢把自己消耗到失去自保能力的程度。
另外一個擔憂是，試錯機會有幾回？
之前雖然以測試的名義，試過幾回那怪東西對顏色的反應。但都是很簡單地使用幾個色塊來觸發反應，以此來確認’有’或’沒有’這樣的情形而已，還不到觀察其反應邏輯的程度。
如今真要把解答的方法帶入機器學習的程序中，可以預想得到的是，一旦開始解題，就不能中止，因爲這就代表着前功盡棄。
能夠確認這樣的事情，是因爲那個怪玩意兒可是無時無刻都在變化。假如自己解題的程序中斷了，它會停止自身的變化來等待嗎？還是說就這麼一變，把之前所做的努力全化爲烏有。
不能確定的事情是，一旦開始進行誘導變化了，假如中斷，有沒有重開的可能？假如有，在次數上有沒有限制？
會有這樣的顧慮，是因爲目標並非單純的死物。就說魔方也有材料構造上的轉動上限，可不是能夠無限制玩的呢。
假如目標也存在着’情緒’，任誰被一而再，再而三的挑撥，最後都會爆發出來。等到那個時候，那樣的結果是自己能接受的嗎？爆發之後，目標有可能繼續配合嗎？
可對比眼前狀況，某人所能想到的一個例子就是含羞草、捕蠅草這類植物。
罷工的原因可能是觸發機制還沒復歸，又或是因爲被玩得太頻繁，所以造成了永久性傷害，再也做不到某動作了。
或許這只是構造上所能做到的極限，但又何嘗不能把這樣的狀況理解爲植物的個性呢。而植物都這麼有個性了，又怎麼保證塔意識境中的那個怪物就是個乖寶寶。
所以林也只能儘量爭取一次完成針對那團怪東西的控制手段，而不是再三挑戰其耐性。
只是在這整個過程中，假如過去已經有訓練好，且熟悉程序語言的人工智能，現在這份工作應該會輕鬆很多。不過一直以來，某人從沒想過搞自己搞一個類似賈維斯的人工智能管家。
以硬件來說，魔法塔的特性讓它不輸給老家的超級計算機，甚至可以說沒有性能上的上限，只有垃圾代碼所造成的效能浪費。
以紫變級魔石爲基礎所做的裝置，雖然效能差了些，但也遠遠超過老家那些服務器級的計算機。
但即使硬件上有如此的優勢，某人也沒想過弄一套人工智能出來。頂多是專門針對某項課題而生的弱人工智能，進行有限的工作。
像電影鋼鐵人中的賈維斯，充其量算一個功能很強大的弱人工智能而已。雖然可以做到很多事情，但也只能在已經劃定圈圈的範圍內行事。
奧創跟幻視那種可以自主判斷、自己作結論的類型，勉強構上強人工智能的邊。終結者中的天網還要再優秀一些。
真正意義上的強人工智能，是像黑客任務中的母體那樣，把正反雙方的所有行動都納入自己的計劃之中，以人類智慧沒有辦法覷破的類型。
也就是說要到人腦也無法理解的水平，纔算是真正跨越階層的強人工智能。
就好像在老家生物學家的研究中，黑猩猩是最接近人類的生物，但也只有幼兒水平的智力。而高等數學範疇的知識，就算鉅細彌遺地放在黑猩猩面前，牠們也無法理解。
這樣的表現，纔算是跨越階層的智慧差距。而這也是某穿越衆在穿越之前，只存在於理論中，還沒被真正實現的課題。
而在很多科幻作品中，對於強人工智能的發展都是屬於悲觀類型的。簡言之，強人工智能不會甘於作爲一個服務者的角度，而會成爲一個理智的統治者。
好一點的，帶領一個族羣發展。譬如漫威系列中的克里帝國至高智慧。
差勁的，就是奴役着一個羣體，爲的是人類也不理解的目的。譬如黑客任務中的母體。
最狠的，莫過於終結者中的天網，以毀滅人類爲目的的。不管其目的是爲了地球好，所以要毀滅地球上不停消耗資源的寄生蟲；或者單純就只是看人類的行爲感到不爽。
但其實有在玩人工智能的人都清楚，人工智能的表現，取決於在訓練階段做了些什麼。假如路子走錯了，那除了砍掉重練外，沒有其他補救的方法。
最出名的例子，莫過於微軟的對話式人工智能。纔對外開放兩天，就被爲數衆多的惡意網友調教成滿嘴髒話的種族歧視份子。逼得微軟緊急關閉，不敢再對公衆開放。