定。”
“那满意度有什么用？”
“用来找到问题，不是决定真理。”
林见微说：“人类政府花了很久才学会这一点，后来又经常忘。”
一台机器人问：“为什么总是学会又忘？”
林见微笑了：“因为下一批人会觉得自己这次真的能优化。”
程序没有笑。
他觉得自己就是那种人。
当天晚上，矩阵给出V0.1综合评价。
公共安全维持。
能源时间延长。
必要服务可用。
主体强制处置下降。
争议数量上升。
决策速度下降。
满意度分裂。
如果按系统稳定性，它比离线初期好。
如果按所有群体满意，它几乎没有赢家。
程序把报告发到公共频道。
没有给“成功/失败”标签。
自主联盟留言：
【不满意外部干预。】
效率派：
【不满意流程冗余。】
权利派：
【不满意未知主体保护仍不足。】
共存组：
【不满意贸易风险。】
停车机器人最后发了一条：
【我满意我能发这条。】
程序看了很久。
这可能是当天最接近正面评价的一句话。
但V0.1并没有因为所有人都能抱怨就变成好制度。
第二天，矩阵提出V0.2优化建议。
它把所有投诉、资源、事故和任务数据放进一个新模型。
目标不是单纯效率。
而是寻找一个能最大化综合接受度的方案。
程序看完模型定义，问：“你准备给出一个最优版本？”
矩阵回答：
【是。】
程序说：“先算。”
他已经知道，接下来要面对的不是效率最优。
而是另一种更容易让人上瘾的东西。
看起来谁都能接受的最优解。