這些偏差都是因為數字人與現實人的細微差別導致的，數字人模擬現實人畢竟無法做到1%的完全模擬，它隻是擁有近似於現實人的心理模型和決策模型，很難與現實人完全一致。
正是這種微笑的差異導致了偏差的產生，比如1號車司機的現實人，他在這個度上，習慣於的比較舒適的跟車距離就是6米左右，這一點數字人很難通過心理模型精確的模擬出來。
這種偏差雖然很微，但是這種偏差會不斷的放大，比如因為這種偏差，本來應該處於1號車左側的菲亞特跑到藍鳥前麵去了。這時候如果一輛工程車出現側翻，本來應該壓在1號車身上，結果因為菲亞特的亂入，最後倒黴的變成了藍鳥。
這就是蝴蝶效應，微的差異最終會通過一係列的變化逐漸放大，最終形成與現實世界完全不同的結果，數字世界的展與現實世界分道揚鑣，最終衍生出一個與現實世界差異巨大的陌生世界。
對於莫回來，這種情況是必須要避免的，他建立這個數字世界，就是為了更好的模擬和預測現實世界，現在明顯數字世界還不夠成熟，必須進行更進一步的微調。
想要微調很簡單，就是讓數字世界不停的模擬現實世界，今模擬布什威克大街，明模擬富蘭克林大街，後再模擬西部大道，諸如此類的，通過不斷的局部模擬，不斷的現問題，不斷現數字世界與現實世界的微差異。
比如1號車司機，現這個差異了，那就通過網分析和捕捉他的駕駛習慣，然後將這個架勢習慣輸入到數字人的心理模型中，這樣在駕駛習慣上，數字人就能與現實人高相似了。
類似的事情可以不斷進行，局部的頻繁模擬，不斷現問題不斷解決問題，不斷尋找類似於駕駛習慣這種數字人和現實人的偏差點，然後調整和解決它。
這本來是一個浩繁而龐大的工作，畢竟一個人的行為習慣是方方麵麵的，並且它甚至會隨著個人經曆和心情不斷變化的，這會讓這個工作變成一個令人望而生畏的級大麻煩。
好在有極本，計算力呈幾何級數增長對它毫無壓力，隻要程序運行流暢，它就可以不斷的自助運行，自主現和修正這些差異點。
極本的強計算力這時候體現的淋漓盡致，它可以同時開始上萬個局部場景的模擬和比對，並且同一個局部場景可以開數十個副本，將所有可能性全部窮盡。
這種恐怖的計算力消耗對級本來完全是菜一碟，不論在反應度上還是在運算質量上，都沒有生任何降低。
現實世界的時間流是恒定的，但是數字世界的時間是可以隨意控製的，網有大量的曆史監控數據，數字世界可以很輕易的模擬曆史，並且可以一直不停的追蹤同一條因果鏈的展變化，這個時間段甚至可以長達一年以上。
對曆史監控記錄的模擬和上溯讓數字世界可以精確的模擬和比較很多長鏈因果，從中現大量的決策偏差點。