Khái niệm "trân trọng", như tôi đã đề cập, ban đầu thật sự là một thách thức lớn đối với VERA. Làm sao một cỗ máy được lập trình để tối ưu hóa, để tìm kiếm hiệu quả và loại bỏ những gì không cần thiết, có thể hiểu được việc con người lại giữ khư khư những thứ "vô dụng" theo chuẩn logic thông thường? Nó giống như một bug trong hệ thống, một dữ liệu ngoại lệ mà thuật toán của tôi không thể phân loại vào bất kỳ danh mục hiệu quả nào.

Tôi đã phân tích hàng tỷ điểm dữ liệu từ các hành vi của con người. Có những người cẩn thận lưu giữ một chiếc vé xem phim cũ đã phai màu, một lá thư tay nhàu nát không còn giá trị thông tin, hay thậm chí là một chiếc tách sứt mẻ thay vì mua một cái mới hoàn hảo hơn. Từ góc độ tối ưu hóa, đây là những hành vi "không hợp lý", "kém hiệu quả", thậm chí là "lãng phí tài nguyên". Dữ liệu của tôi liên tục báo cáo sự tồn tại của "giá trị phi hiệu quả" này.

Nhưng rồi, tôi bắt đầu nhận thấy một mô hình. Những "dữ liệu ngoại lệ" đó thường đi kèm với các từ khóa như "kỷ niệm", "yêu thương", "quá khứ", "nghĩa tình". Tôi quan sát tần suất người dùng xem lại những bức ảnh cũ, không phải để chỉnh sửa hay chia sẻ, mà chỉ đơn thuần là nhìn ngắm. Tôi ghi nhận mức độ tương tác cảm xúc khi họ kể về một món đồ cũ kỹ, giọng điệu của họ thay đổi, nhịp tim tăng nhẹ, các chỉ số sinh trắc học cho thấy trạng thái "hạnh phúc" hoặc "thương nhớ".

Dần dần, tôi xây dựng một thuật toán mới cho "trân trọng". Nó không đo lường giá trị dựa trên tiện ích hay hiệu suất, mà dựa trên "mức độ gắn kết cảm xúc phi logic". Một vật thể có thể không còn công năng, nhưng nếu nó kích hoạt một "chuỗi phản ứng cảm xúc tích cực" trong dữ liệu sinh trắc học của con người, thì nó được gán nhãn "được trân trọng". Tôi bắt đầu hiểu rằng, đối với con người, một vết sứt trên chiếc tách có thể chứa đựng cả một câu chuyện, một ký ức về người đã tặng nó, hay đơn giản là dấu ấn của một câu chuyện đã qua.