據外媒報導，國外的研究員想將人類的思維轉化為虛擬實體，這樣就可以在一定意義上實現永生。你是不是想過自己死後是不是會以另一種形式存在？是不是也幻想過永生？
想要永生？科學家有辦法，讓你在虛擬現實中實現永生
隨著科技的不斷進步，這很有可能在不久的將來會變成現實。一個全新的概念“增強永生”（Augmented Eternity）能夠將我們的永生的想法變成現實，我們的知識、思維和觀點以數字的形式存在，甚至是部分印象記憶可以完全留存。
MIT媒體實驗室和瑞爾森大學的研究員認為，透過應用人工智慧技術將我們每天大腦產生的所有資料收集起來，將思維轉換成虛擬實體，當個體死去之後，這個虛擬實體將會繼續存在，甚至是還能夠學習新的知識。
瑞爾森大學數字媒體中心的創新主管Hossein Rahnama博士預計今年晚些時候釋出一篇關於增強永生的論文。Hossein Rahnama博士認為“透過把我們的數字身份永生，我的最終目標是打破生死之間的界限。”
Hossein Rahnama博士說到，“你的肉體會死亡，但是你的數字體將會繼續存在並且繼續進化，能夠幫助他人和維護自己的遺產。”
其實這種想法並不新奇，很多科幻小說和科幻影視劇中都有過由此類似的情節。在過去的幾年裡，研究人員已經透過機器學習和人工智慧系統分析了大量的資料、識別模式和是否能夠做出預測。它可以讓亞馬遜或是Netflix推薦你想要買的東西或是想要看的內容。
Rahnama博士希望能夠將類似的技術應用在“永生”之中。透過數字的形式將我們過往的記憶記錄下來，他會建立演算法讓死去的人來回答我們問題，開創一個新的集體智慧的新形式。
“在30年或者40年後，我們就能夠向死去科學家或是政治家提問了”，Rahnama博士說到，“想象一下，我們可以啟用里根的數字體，問他怎麼看待唐納德・特普朗。”
事實上，讓我們的思想在我們死後得到永生並不是一個全新的想法。Google的未來學家Ray Kurzweil曾提出“奇點”的概念，認為人類能夠把思維上傳到電腦之上，最終實現人類與機器的融合。Rahnama的想法有所不同，但是，後果很可能是類似的。
Rahnama認為，其實這其中的科技非常容易，但是實現數字化需要一個靈丹妙藥，需要克服圍繞資料隱私的一些相當嚴峻的挑戰，以及是否對人體的健康有害。
選擇你自己的數字繼承人
Rahnama表示，由於當下低成本的資料儲存、無處不在的網際網路連線，價格相對便宜的計算能力和日益直觀的人工智慧技術，使得“增強永生”從技術上來看具有可行性。
想要實現“增強永生”的最大障礙就是收集足夠的資料，能夠得到所有的訪問許可權，並且能夠保護這些資料。資料越多，這些人工智慧系統可能會更加準確。為了能夠讓你的數字體得到永生，同時增強永生的機器需要大量且高度密集的個人化資料，才能保證預測的可靠性：所以你的公開言論、部落格文章、社交媒體的文章、照片、簡訊和電子郵件、甚至你吃了什麼早餐，這些資料都有增強永生有著很重要的價值。
千禧一代每天醒來就會瀏覽Instagram、Snapchat和Facebook等社交平臺，所以Rahnama博士認為這些平臺將會成為研究人員收集資料的重要地方。
Rahnama博士認為，“之所以在過去我們不能做到這一點，是因為我們不能獲得足夠的使用者相關資料足跡，只有獲得足夠的資料才能實現這些複雜的語言。”60 年後，千禧一代的後代世代的人都可能擁有萬億GB 的資料 。“你能用這些資料做什麼？能否拿來這些資料，構建出足夠的預測模型，從而確定一個數字繼承人——一個能在死後代表你的東西？”
如今已經有一些行業上的專家透過法律檔案開始梳理這些內容，並且向行業律師進行法律諮詢。
Rahnama博士認為，未來的15年到25年，個人將成為增強永生的主流。但是問題在於，這些資料的擁有者是誰？要實現 Rahnama 的想法，使用者必須對資料有完全的控制權，而 Google、Facebook 等公司或許不會合作。因此，“增強永生”專案也在激發人們對資料收集和控制的探討。
“未來這個服務會成為主流，你需要一定的隱私性，你有權去支配製鞋內容，另外這些資料是你自己的財產，你可以將這些作為遺產，因此只有你自己和你信任的人能夠訪問這些資料。”Rahnama說道。
所以在某種程度來講，Rahnama說，他創造的這個增強永生的專案，能夠鼓勵資料採集和問題控制的研究，但資料生成和處理暫未得到政策的支援。
機器人並沒有靈魂
對於Rahnama的專案，人工智慧專家表示了不同的看法。有些人對此持有謹慎樂觀的態度，但也有很多人持有懷疑的態度。
Gartner的研究副總裁Van Baker認為，機器難以把握人類語言的精妙之處，無法辨識不同的情境，而且，人類通常是難以預測，不斷改變自己的想法的。因此，即使你有了自己的數字體，那也只是一個膚淺的複製品。
Baker補充說到，人類如何回應取決於前後時間的推移，時間的變化會癌變人們的預知方式和想法。
Catalyst的高階應用研究科學家Jeremy Pickens表達了類似觀點。他認為，人工智慧的優勢在於模式識別，而人類的經驗無法歸結為特定的模式。“我們真的只是一些可數的重複模式嗎？或許我是錯誤的，但是，我覺得自己一直在不斷變化……電腦需要生成它以前從未見過的新行為。”