表示俺已经摸透它的规律了，很明显的搜索类排除法。表示俺在想蜡笔小新的时候他排除了“高中生，侦探类，艺人非黑发，戴眼镜，杀人，打架，好色，”……于是就会有蜡笔小新的接近选项。
在俺想小犬的时候，出现了黑发，银发，人类，轻功什么的问题，很明显他已经通过排除法猜出来了。

表示阎魔爱也猜对了......

应该是系统不对吧，我确实没记错啊，可能是这个特征的人比较多吧，我看到这机器推理错误后，马上点“不对哦”，结果就放出一大堆相近的人，其中就有山口胜平

百度里的一个玩意儿吧

好纠结

不过还是很强大的，世良都能想到……

真的超准的说，不太出名的也对了

来个科学点的解释
总的来说，就是最近很火的云计算。
通过在网络信息中，识别提取人名并提取与其相关的关键词
比如说 在下面一段文字中
“工藤新一是日本动漫《名侦探柯南》里的人物，他在身体变小后变成了柯南。”
我把它发到网上，系统会先找到 人物 关键字。
在查找与其对应的宾语 是 ，然后就顺藤摸瓜找到主语 工藤新一。
（当然，这要成千上万个不同句子一起经过逻辑计算才能确定）
在确定 工藤新一 后，然后开始提取云信息。
主要是提取修饰语 如
是日本动漫《名侦探柯南》里的人物
系统就会提取 日本动漫 关键词和《名侦探柯南》两个关键词，作为和他有联系的线索。
通过是。。。里的人物确定工藤新一和日本动漫《名侦探柯南》的从属关系
日本动漫也可以继续拆分为 日本 和 动漫 两个关键词，并相对应的成为从属关系线索
名侦探柯南 也可以提取 侦探关键词，把 工藤新一 归入侦探故事（从属关系）
第二个分句也按照惯例
他 自动指向 工藤新一
转换为工藤新一身体变小后变成了柯南
通过谓语关键词 变成 确定 工藤新一 和 柯南 是等同关系，确立为线索
通过谓语补足语 身体变小 确定等同关系线索的修饰，并可以从此区分 柯南 和 工藤新一。
再捕捉两个关键词 《名侦探柯南》 和 柯南 中相同的成分。
先从名侦探柯南中取得线索 柯南 和 侦探 （从属关系）
再有 柯南-等同关系-工藤新一
变为 工藤新一-从属关系-侦探
然后数据库里的信息会从这句句子变成（当然是通俗语言版，，）
工藤新一---从属关系---虚构人物/动漫人物/日本/侦探故事/侦探
工藤新一---等同关系（变小）---柯南
柯南---从属关系---侦探
只要有了电脑能识别的，一切就很简单了^_^
（微软亚洲部真有你一套。。。）

oh shit
这仨仁兄咋扯一起了。。。
本来想查基德的。。。

靠，真没想到，竟然猜对了。。。

的确很给力

我会告诉你我也是无锡的吗
（抱歉，看资料是我的嗜好）

老天，老赫头都猜出来了。。。。
（微软评价老赫头----一个有争议的人物。。。。）

我弄了三次，全对

猜对了。。。。。。