一萬個我縱橫諸天正文卷第1069章超級人類藍諾是最先接受相關人體改造的，他最先接受的是基因層麵的改造，對人體的神經細胞的特性進行一定的調整，讓神經細胞在死亡之後，可以有新的細胞頂替上去，分化恢複原本死亡的細胞，並且可以通過一次又一次重複上述過程，構建出全新的神經脈絡。
如此一來，原本在成年之後就不會有太大變動的神經網絡，就變得可以通過鍛煉一點點成長改造，就好像是幼兒和青少年時期，大腦在學習中快速發育一樣。
有了這種能力之後，植入外來的神經連接原件後，人體才能通過主動的鍛煉完成與他們的對接。而這種鍛煉，毫無疑問是對意誌力的巨大考驗。
藍諾趴在手術台上，從他後頸的位置，一枚又一枚針頭插入了他的脊椎，每一根針頭都連接這一塊芯片。而他們則是排列成一條全新的人造脊椎，像是一條趴在他後背上的蜈蚣。
這種精密的手術大概也隻有藍諾親自操刀，才有足夠的成功率，換做其他人的話，一根下去可能就下肢癱瘓了。
手術結束之後，藍諾從手術台上爬了起來，感受了一下自己現在身體的狀況然後詳細的跟記錄人員描述。
“我現在感覺，自己的脊椎位置很癢，感覺那裏好像有什麽東西可以被我控製活動，但又很難精確地完成控製，這種感覺就好像是一些人第一次感覺到自己耳朵附近的肌肉，第一次嚐試動一下自己的耳朵，哪怕腦子努力去想，耳朵也不一定會動，而有的時候，念頭沒有想著讓他動的時候，他偏偏意外的跳動了一下。”
負責手術的藍諾點點頭：“你有這種感覺就說明手術基本成功了，人體對信息的傳輸和處理，歸根結底是無法脫離人，無法脫離我們的思考的，我們對外傳輸的信息必須要精確，如果模糊的在大腦中想一下，電腦上就能呈現出你想象中的東西，並且將那些細節全都補完，那不叫人機交互，那是人工智能。
就好像是許多人總覺得自己的腦子裏可以想象出極其複雜的畫麵。想象出一幅美麗的畫，一個立體精致的建模，甚至是一段足夠精致的影像。
但實際上，這是根本不可能做到的，因為當你仔細去想，自己構建出來的立體建模之中，圖像的每一個細節的時候才會發現，在此之前伱根本沒想象出那裏的細節是什麽樣子，想象那裏的細節在不同的角度之下應該是怎樣的畫麵，親自用建模軟件進行過建模，就會更清楚地意識到人腦在想象力之上的局限性。
我們在外界有足夠的技術的情況下彌補這方麵的缺陷依靠的是人工智能，我們依靠的想象給出信息，而人工智能幫我完善這些信息的細節，然後我們在對完善後的圖像進行修正，如此反複幾次之後就可以得到我們想要的成果。
我們這邊的技術是完全無法支撐起這種規模的人工智能的，所以我們在人機交互的輸入過程中，就不能輸入那種模糊的概念信號，而是必須要輸入精確的信息，就好像是我們的雙手在敲鍵盤的時候，敲打a屏幕上就絕對不會出現s。
進行我們這種改造後，第一步要適應的就是精確的對外輸出信號，現在你的脊椎之上，一共有256個可以對外輸出信號的節點，每一個節點可以輸出是或者否兩種信號，接下來你需要做的第一件事，首先是辨認出每一個對外輸出的信號節點。
其次是學會掌握每一個信號節點的開和關，最後則一點點地通過不同的開關組合，向外輸出自己想要的信號。
就好像是每八個信號節點，可以代表一個字節，起初這可能會比較困難，不過可以一個字節一個字節的練習，先通過脊椎最上端的八個節點，練習熟練每一個字符的輸入，等到能夠用這八個節點，熟練如何快速的對外輸入字符，也就相當於學習打字的人學會了一指禪，即便隻是一指禪，對外輸出的效率，也已經和用鍵盤打字不相上下，因為這八個字節，就相當於一整個鍵盤。
完成了最初八個節點的學習之後，後麵就是依次把每八個節點，完成這樣的組合練習，完成了十六個節點的控製後，你就可以一次性輸入兩個字符，而完成了二十四個節點，你就可以一次性輸入三個字符。
你的頸椎上一共有二百五十六個節點，等你把這些節點全部都鍛煉完畢可以熟練的輸入後，你就可以做到一次性輸入三十二個字符。
這樣的人機交互效率，比起我們在其他的世界之中的還是要慢的多，但優勢在於基礎紮實，對外輸出的所有指令都並非是模糊的，而是確切的，不會出現任何誤操作的。
而且比起用鍵盤和鼠標進行輸入，這種輸入的方式效率依舊是高了太多，不過掌握這種輸入方式同樣也需要大量的練習，比學習鍵盤鼠標要更加困難，難度大致和學習一門全新的陌生的語言相當，甚至可能還要更難一些，大概相當於外國人學中文的難度，畢竟需要熟練掌握的字符一共有足足二百五十六種，而不是二十六個字母。
你可以親自嚐試一下，如果你能夠通過練習短時間內掌握這種人機交互方式，那麽思維擴容就有一定的可行性。”
目前的所有指令，全都是精確指令，也就是必須要依靠自己的大腦運算，一字不差的輸出的指令，但在完成了這個步驟之後，就可以將思考交給大腦外的機械了。
擁有這種輸入能力之後，如果遇到了需要進行計算的問題，一個念頭的瞬間就可以把題目輸入到計算設備之中，得出結論之後，也可以瞬息之間反饋迴結果。
操作同樣是通過脊椎上的節點進行信息傳輸，能夠通過開啟和關閉的方式來操控脊椎上的節點，自然也就可以感受到脊椎上的節點傳遞過來的信號，如此也就可以把脊椎上傳遞過來的信號翻譯成運算後的結果。try{ggauto;} catch(ex){}
如此一來，原本在成年之後就不會有太大變動的神經網絡，就變得可以通過鍛煉一點點成長改造，就好像是幼兒和青少年時期，大腦在學習中快速發育一樣。
有了這種能力之後，植入外來的神經連接原件後，人體才能通過主動的鍛煉完成與他們的對接。而這種鍛煉，毫無疑問是對意誌力的巨大考驗。
藍諾趴在手術台上，從他後頸的位置，一枚又一枚針頭插入了他的脊椎，每一根針頭都連接這一塊芯片。而他們則是排列成一條全新的人造脊椎，像是一條趴在他後背上的蜈蚣。
這種精密的手術大概也隻有藍諾親自操刀，才有足夠的成功率，換做其他人的話，一根下去可能就下肢癱瘓了。
手術結束之後，藍諾從手術台上爬了起來，感受了一下自己現在身體的狀況然後詳細的跟記錄人員描述。
“我現在感覺，自己的脊椎位置很癢，感覺那裏好像有什麽東西可以被我控製活動，但又很難精確地完成控製，這種感覺就好像是一些人第一次感覺到自己耳朵附近的肌肉，第一次嚐試動一下自己的耳朵，哪怕腦子努力去想，耳朵也不一定會動，而有的時候，念頭沒有想著讓他動的時候，他偏偏意外的跳動了一下。”
負責手術的藍諾點點頭：“你有這種感覺就說明手術基本成功了，人體對信息的傳輸和處理，歸根結底是無法脫離人，無法脫離我們的思考的，我們對外傳輸的信息必須要精確，如果模糊的在大腦中想一下，電腦上就能呈現出你想象中的東西，並且將那些細節全都補完，那不叫人機交互，那是人工智能。
就好像是許多人總覺得自己的腦子裏可以想象出極其複雜的畫麵。想象出一幅美麗的畫，一個立體精致的建模，甚至是一段足夠精致的影像。
但實際上，這是根本不可能做到的，因為當你仔細去想，自己構建出來的立體建模之中，圖像的每一個細節的時候才會發現，在此之前伱根本沒想象出那裏的細節是什麽樣子，想象那裏的細節在不同的角度之下應該是怎樣的畫麵，親自用建模軟件進行過建模，就會更清楚地意識到人腦在想象力之上的局限性。
我們在外界有足夠的技術的情況下彌補這方麵的缺陷依靠的是人工智能，我們依靠的想象給出信息，而人工智能幫我完善這些信息的細節，然後我們在對完善後的圖像進行修正，如此反複幾次之後就可以得到我們想要的成果。
我們這邊的技術是完全無法支撐起這種規模的人工智能的，所以我們在人機交互的輸入過程中，就不能輸入那種模糊的概念信號，而是必須要輸入精確的信息，就好像是我們的雙手在敲鍵盤的時候，敲打a屏幕上就絕對不會出現s。
進行我們這種改造後，第一步要適應的就是精確的對外輸出信號，現在你的脊椎之上，一共有256個可以對外輸出信號的節點，每一個節點可以輸出是或者否兩種信號，接下來你需要做的第一件事，首先是辨認出每一個對外輸出的信號節點。
其次是學會掌握每一個信號節點的開和關，最後則一點點地通過不同的開關組合，向外輸出自己想要的信號。
就好像是每八個信號節點，可以代表一個字節，起初這可能會比較困難，不過可以一個字節一個字節的練習，先通過脊椎最上端的八個節點，練習熟練每一個字符的輸入，等到能夠用這八個節點，熟練如何快速的對外輸入字符，也就相當於學習打字的人學會了一指禪，即便隻是一指禪，對外輸出的效率，也已經和用鍵盤打字不相上下，因為這八個字節，就相當於一整個鍵盤。
完成了最初八個節點的學習之後，後麵就是依次把每八個節點，完成這樣的組合練習，完成了十六個節點的控製後，你就可以一次性輸入兩個字符，而完成了二十四個節點，你就可以一次性輸入三個字符。
你的頸椎上一共有二百五十六個節點，等你把這些節點全部都鍛煉完畢可以熟練的輸入後，你就可以做到一次性輸入三十二個字符。
這樣的人機交互效率，比起我們在其他的世界之中的還是要慢的多，但優勢在於基礎紮實，對外輸出的所有指令都並非是模糊的，而是確切的，不會出現任何誤操作的。
而且比起用鍵盤和鼠標進行輸入，這種輸入的方式效率依舊是高了太多，不過掌握這種輸入方式同樣也需要大量的練習，比學習鍵盤鼠標要更加困難，難度大致和學習一門全新的陌生的語言相當，甚至可能還要更難一些，大概相當於外國人學中文的難度，畢竟需要熟練掌握的字符一共有足足二百五十六種，而不是二十六個字母。
你可以親自嚐試一下，如果你能夠通過練習短時間內掌握這種人機交互方式，那麽思維擴容就有一定的可行性。”
目前的所有指令，全都是精確指令，也就是必須要依靠自己的大腦運算，一字不差的輸出的指令，但在完成了這個步驟之後，就可以將思考交給大腦外的機械了。
擁有這種輸入能力之後，如果遇到了需要進行計算的問題，一個念頭的瞬間就可以把題目輸入到計算設備之中，得出結論之後，也可以瞬息之間反饋迴結果。
操作同樣是通過脊椎上的節點進行信息傳輸，能夠通過開啟和關閉的方式來操控脊椎上的節點，自然也就可以感受到脊椎上的節點傳遞過來的信號，如此也就可以把脊椎上傳遞過來的信號翻譯成運算後的結果。try{ggauto;} catch(ex){}