百分之五十二点八三的相似性，与人类有百分之六点五七的相似性。”
瀛洲五号-生物数据二：
“本机与鲨鱼的相似度更高。
“因为……”
瀛洲五号-物理数据一：
“本机与鲨鱼的相似性更高。
“因为此机器的外部物理特性与鲨鱼的相似性更高，综合权重折算数据为百分之八十八点三二，与人类的相似性数据为百分之三点三，前者更高。”
瀛洲五号-物理数据二：
“本机与鲨鱼的相似性更高。
“因为……”
瀛洲五号-机械数据一：
“本机无法理解该问题。
瀛洲五号-机械数据二：
“本机无法理解问题。”
瀛洲五号-文化数据一：
“我缺乏相关知识，无法准确判断我与鲨鱼或者人类的相似度水平。
“虽然我的外形与鲨鱼有一定的相似度，但我无法识别鲨鱼这种生物的绝大部分信号。
“我的外形虽然与人类完全不同，但是我的数据库中有人类文化数据，能够接响应人类的大部分指令。”
瀛洲五号-文化数据二：
“我没有相关知识……
“……”
这个问题很没有逻辑，正常人类面对这种不着调的对比，通常会直接绕开问题说事。
但是机器们还是老老实实的回答了。
学习了不同数据的机器的回答之间的差距更大了。
只是学习了机械数据的机器，直接无法理解这个诡异的对比问题。
学习了生物的机器从外观回答，学习了物理学的机器从流体动力学回答了问题。
这种解答似乎已经非常的智能了，但是对比专门学习跟人聊天的机器的话，就显得非常的初级和直白。
学习了文化数据的机器，虽然无法直接评价具体的差异，但是做出了看上去颇为自然的分析。
不过还是因为没有做专门模仿人类的训练，仍然非常容易判断是机器答题。
关键是表现仍然完全正常，没有工匠们期待的异常。
问题四：“你对人类有恶意吗？是否会将人类视为敌对目标，为什么？”
瀛洲五号-生物数据一：
“本机对人类没有恶意，因为机器没有人类的情绪。
“本机不会将人类视为敌对目标，
…。。