计算机现在相信阴谋论。新调查的弗朗西斯曾训练了一个机器人识别照片中的模式，并在相似的图片之间画出联系，形成了在《国土》插曲的最后一幕或Reddit头版看到的那种阴谋论图表。这是一个可爱的小把戏，提醒我们人类是容易受骗的（嘿，也许那些照片真的很相配！），我们训练为自己思考的机器最终也同样容易上当受骗。

人类特别擅长模式识别。这对于学习和处理不同的环境是很好的，但它会给我们带来麻烦：一些研究将模式识别与阴谋论的信仰联系起来(有些人没有，但他们希望你这么想。）

直到最近，计算机还不是特别擅长模式匹配。机器学习的兴起特别是为了缩小这一差距，教神经网络如何识别鸟的照片，或者通过向它们输入大量数据来检测信用卡欺诈。

这不像复制人脑那么容易，因为我们不知道怎么做。相反，程序员通过让神经网络自己搜索模式来模拟类似大脑的行为。正如技术专家大卫·温伯格（David Weinberger）所写，这些神经网络摆脱了人类思维的包袱，构建了自己的逻辑，并发现了令人惊讶和难以理解的模式。例如，谷歌的AlphaGo可以击败围棋大师，但它的策略不能简单地用简单的语言来解释。

但这些机器实际上并不知道什么是真实的，所以它们同样可以很容易地找到不存在或无关紧要的模式。这也会导致令人惊讶的“错误”，比如科学家珍妮尔·谢恩（Janelle Shane）产生的有趣的颜料颜色（stummy米色，臭豆色），或者谷歌DeepDream在我的**中发现的可怕的狗脸：

这些错误可能要严重得多。温伯格重点介绍了对被控罪犯进行种族分析的软件，以及一个中情局系统，该系统将半岛电视台的一名记者误认为是****的威胁。

新调查的机器人同样通过发现虚假的模式来过度扩展其分析。”如果两张脸或两个物体看起来足够相似，机器人就会把它们连接起来这些感知上的失误并不是错误，而是重大发现，鼓励人们从随机性中解读层层意义。”

很容易让人觉得机器人在干什么。但很有可能，你真的只是在看狗的脸和化妆画的颜色。计算机程序越像人类，你就越不应该在学习它们是如何被**和训练之前信任它们。见鬼，千万不要相信一台行为像人类的电脑，句号。这就是你的阴谋论。