这4000人出现在人生的各个时期，他们通常是你的各个阶段的同学、邻居、同事。

这些人基本上只出现在你人生中的某一阶段，然后随着你年龄的增长，他们都会被逐渐忘却。

如果你是个20多岁的人，那么你现在应该已经记不得几个小学同学的名字了，而他们的长相你也需要花很长时间进行回忆了。

如果你是个30岁的人，那么你的初中同学差不多也开始步入淡忘的阶段。

以此类推，人对于十年前的关系已经大部分忘却了，就算是5年前的关系也忘却了相当部分。

我们日常能够记住的人，基本上维持在300个左右，这300人是日常经常接触的，现在能够记起来他们长相的。

随着接触频率的降低，以及生活距离的拉大，这些人中必定也有相当一部分慢慢淡出你的记忆。

莫回现在需要做的事情就是将这4000个人找出来，给数字人赋值，让他们在数字世界里建立相互之间的社交联结。

除此之外，莫回还需要给这些社交联结赋值，比如哪个人具体是什么性质的关系，相互影响度如何？关系的亲密度如何？

这些也是非常关键的信息，就是说莫回需要把每个人日常生活中常接触的那300个人找出来，建立准确的关系定义。

这部分数据就是不是一份薄薄的简历能够搞定的了，这些只能从个人的大数据中找了，好在通用利用轨迹2.0已经将这些数据渠道打通，莫回只需要调用就好了。

除了各种公共信息之外，莫回还能拿到用户在各大网站上的隐私数据，将所有这些数据汇集起来，利用深度学习软件进行大范围筛选和比较。

比如a和b认识，就可以用深度学习技术，分析a和b的所有网络信息记录，从多个角度定义他们之间的关系，甚至还可以辅助视频监控记录，通过分析两人见面时的表情和肢体语言，进行对应的心理分析，以便更加准确的定义两人之间的关系。

因为很多资料都是现成的，所以分析速度很快，超极本的超级性能在这种大范围高密度数据面前充分发挥着作用。

所有这些数据唯一的障碍就是传输速度和调取速度，很多数据都沉淀在各个运营商机房的磁盘阵列深处，这都需要一点点调取出来。

好在超极本比较给力，让莫回在神不知鬼不觉中，悄悄完成了这项浩繁的工作。