;  星网在开始推演前能够收集现有的全部数据，比如参赛格斗者的历史战绩、身体状态、场地条件，等。

    然后基于这些数据，星网建立推演模型，利用信息组合后的算法来预测比赛结果。

    最终得出概率数字。

    之所以是概率数字，而不是准确的结果，是因为潜在变数太多，还是可能发生出乎预料之外的事件。

    这些潜在信息，可能是参赛的格斗者在比赛前夜失眠，导致第二天精神状态不佳。

    也可能是参赛者心中临时改变了比赛时的打法。

    甚至是参赛者当晚走在路上不小心摔倒，膝盖受伤，等等。

    这还只是现实中的变量，更大的变量是突然明天外星人入侵，导致比赛取消。

    未知因素的存在必然会影响到第二天的比赛结果，星网哪怕拥有大数据，也无法获得全部信息。

    而九代源初“预知”的优势就在于当前信息的收集。

    同样以格斗赛事举例，使用预知能力锁定赛事后，所有与这场比赛相关的信息都会被自动收集。

    包括已知的信息（参赛双方的战绩、参赛双方的状态，等），乃至难以被关注到的潜在的信息（如参赛者的心理状态、临场发挥、突发事件等），都会被纳入信息统计环节，进行推演。

    但这个过程中，能力使用者并不会看到信息收集的内容。

    推演运算的过程，玩家体内的气血和精神力就像是计算机运转时的电力，为推演未来持续供应能量消耗，然后直接获得答案。

    说到这里，指引用蚂蚁进行了举例解释。

    表示拿100点能量去预知蚂蚁的未来，可以看到20天内蚂蚁的未来走向。

    但拿100点能量去预知“蚁群”的未来，受到更多信息影响，预知推演的消耗加剧，只能看到蚁群半小时后的未来。

    因为蚁群是复杂的动态系统，每只蚂蚁都是一个变量，变量之间的相互作用会指数级增加信息量，从而提高推演的消耗。

    所以目标越小，预知规则需要处理的信息就越简单。

    目标越大，信息越复杂。

    其次是时间。

    预知未来，想要看得更远，被推演目标牵扯到的信息量就越大，消耗也就越大。

    比如，预知一只蚂蚁20天后的未来。

    虽然信息量较少，但时间跨度大，能量更多消耗在时间跨度上。

    而预知蚁群半小时后的未来，虽然信息量巨大，但时间跨度较短，所以能量的消耗重点在信息量的收集层面，而不是时间跨度带来的信息增幅层面。

    其次，个体生命的强度，也会影响能量的消耗。

    将目标从蚂蚁上升至智慧生命，信息量的复杂程度会显著提高。

    蚂蚁的行为模式相对简单，主要受本能驱动，活动范围也相对有限，信息复杂度较低。