事情在运行中必定会有某种变动。

有一天中午，我找到一次机会同布莱因一起绕着我们的数据湖漫步，和他谈起了这件事。

我们把坐落在数据中心大楼群中心的有七个鸳鸯的小水坑叫做数据湖。

布莱因说：&ldo;你为自己买了一把刀子，这样你就在最低限度上被归入买刀者的一类，因为你总归是买了一样东西，就像你被归入时髦手绢使用者一类或是经常性的七级片观看者一类那样。

假如有什么地方发生了一起谋杀，抓住了一名凶手，那么，这个人就在某个限度上被归入了某个类型的一组。

但是，因为有了这起谋杀，依据复杂的统计计算方法，这一类里的人卷入这起谋杀的概率就稍稍升高一点，这种计算方法考虑到了这一类人的度、这一类人的绝对数量、它与总体情况相比较的局部情况等等。

可是，作为买刀者，你就有了一个诸如此类的轮廓，比方说，你成了一个潜在的凶手。

不过你仅仅属于千分比下的一丁点儿罢了。

但是，由于全部数据的数量巨大，你的轮廓就变得突出了。

从个人的意义上说，我们对一个人了解得越多，就会有更多别的人同他进行比较，这样我们就能更精确地了解这个单个的人。

而且，我们了解所有人之间的相互联系。

这是政治家们所需要的，因为通过对每一个个人施加影响，就能对整个人群进行驾驭。

每一个个人现在都是可以理解的，并且是可以掌握的。

不论什么时候只要你的轮廓是如此鲜明，那么，你的一举一动，比方说你在购物时的行为，就会反作用于你的标度，使得与你同样轮廓的人的标度也同时移动。

每一条信息都对另外一条信息产生作用，人们把这叫做计算机统计数据的连带顾及，或者用英语来说，就是计算机统计信息的多重理解，简称叫ic程序。

&ldo;但是这个程序有两个缺点，第一，它像其它所有复杂的控制系统一样，倾向于出现反馈现象，总是处在不稳定的平衡之中，因此，它总是一而再、再而三地发生崩溃。

对于这种崩溃，我们这个工作小组要尽可能早地进行辨别并且把它们截获。

&ldo;第二，它总是在个性轮廓之间进行标度，这是我们目前还不能解释的。

比方说吧，它向我们提示，某一个人员组将引人注目，可它不能向我们明确地说明要发生什么事情以及为什么会这样。

它仅仅识别出一组人，他们突然之间从正常概率上向高处或低处快速地移动。

我们立刻就跟踪这一变动并确定，这个有突出倾向的一组成员大部分住在哪个城区，并且通过他们高技术产品消费量的增长使他们突出出来。

有一种可能的解释：使用一种新的宽带电缆可以让新一代个人通讯机在这一领域里投入使用。

或者我们偶然发现一组人，他们日益频繁地在晚间外出，购买时装时出手阔绰，而且这一组人都出现在某个年龄段。

再有，我们完全偶然地与交谊舞学校里的某个成员不期而遇，这个人只是因为看了一部电影或是碰到某个人而去学交谊舞的。