第五章.父子对话：多元关联拟脑2.0版本（2 / 2）

“那么。。。然后。。。又怎么样？”林久浩继续问。

“你建立了信息元多元关联关系的拟脑模型，然后才能谈到思维，我们举个例子”林自强。

“好的，例如。。。老爸您说”林久浩。

“例如，人生病会有多个病症现象”林自强。

“嗯，以【人】这个抽象概念建立为核心信息元A的三维坐标系，病症现象为B，应该是在【我生负】象限”林久浩。

“不一定，不同的病症现象也不同，也可以是【克我负】象限，具体问题由专业医学人员具体定义，我们提供的是基础拟脑模型”林自强。

“好的，不纠结这个细节，我们继续，病症现象是多个现象，例如感冒有发烧、喉咙痛、厌食等，就应该是多B现象”林久浩。

“所有的病症现象会找【生我】象限的信息元，例如感冒有多个【症状】，这些【症状】都在以【感冒】这个病作为核心信息元的三维坐标系的【我生】象限，那么这些【症状】会反向命中【感冒】这个病信息元”林自强。

“【感冒】是这些【病症】的【生我】象限信息元，老爸，这个地方很容易混淆的，又容易让人们理解为是人生病的”林久浩

“很对，人产生的是病症现象，而这些现象的本质是病症，所以病症现象的【生我】象限里的信息元是病症。。。我们继续刚才的逻辑”林自强。

“好，人我的坐标系为A，A的克我负象限产生病症多个B类信息元，而在以B元为我的多个坐标系里，分别会命中C信息元，老爸这里是不是在B信息元坐标系还会产生很多其他的C”林久浩。

“应该会，因为单一‘病症现象’会对应多个能【生我】的病，例如发烧就有很多病症对应。但是病症现象这种多B信息元，一定会出现同时命中的情况，命中率高的必然是C病”林自强。

“我没有明白，老爸，能不能再解释一下”林久浩。

“好，例如一个人生病出现多个病症现象，分别是1、2、3，其中1对应A、B、C三种病，2对应C、E、D三种病，3对应C、F、G三种病，那么C病症被命中三次，我们在思维行走算法函数上已经制定了相关规则，多重命中权重提升，最优路径优先执行的策略，所以C是路径择优输出的结果”林自强。

“然后，C作为病症信息元产生了，去找克我象限，就是治疗方法D”林久浩。

“对，D会产生，而且D信息元也可能会产生多个”林自强。

“那这个D的多样性怎么选择？结果择优比对，还是路径择优比对？”林久浩

“到达D信息元的位置，还没有完成执行闭环，所以还做不到比对结果输出，我们的多元拟脑思维是路径比对，必须形成闭环才能实现可执行思维闭环”林自强。

“可执行闭环”林久浩。

“对，D还没有到达，必须要回到最开始的A才能形成思维闭环”林自强。

“那么D怎么继续？”林久浩

“首先，选路方法很多，我们可以按照最优路径选择一下D，虽然是多D，但是每一个D会在距离角度和权重方面有差异，我们选最短的，然后看是否具备条件”林自强。

“如果不具备条件哪？”林久浩。

“继续，以D为我元，找D【我生】象限，查看【我生】象限是否具备提供完整条件，如果条件不完整，那么在D的【我生】象限，查找缺少的资源是否能够具备条件提供闭环而完成D的实现条件，这样一步一步的前推。”林自强。

“好复杂，老爸，能不能简单一些，我需要理解”林久浩有些糊涂了，继续问道：“比如D为治疗方法，怎么检查条件”

“每一个信息元在多元关联拟脑节点上都是编码，而编码对应到数据库里是详细信息，所以该信息元使用条件在详细信息里有说明”林自强。

“好的，具备条件了，然后呢”林久浩。

“然后治疗方法D，会通过【生我】向上找更大合集，直至找到最大合集，直到医疗信息元”林自强。

“向上合集？”林久浩。

“对，感冒治疗方法属于流行病治疗方法，流行病治疗方法属于疾病治疗方法，疾病治疗方法属于人类医疗信息元E”林自强。

“人类医疗信息元E，然后呢？”林久浩。

“然后，你会发现，在以A我元坐标系中的【生我正】象限，有人类医疗信息元E”林自强。

“为什么人类医疗信息元会在人我A的坐标系中？”林久浩。

“对于人而言，生我者，父母，衣食住行，医疗。。。。。等等，所有概念集合类信息元，如果起到生我正的作用，必在【生我正】象限，而A属于抽象概念【人】，所以在A的象限里就有医疗这个生正信息元E”林自强。

“我明白了，A-B-C-D-E-A，这就是思维闭环，而抽象概念元【人】就是得了所有病症的【人】，它也具备了所有治疗方法可执行闭环，所以。。。”林久浩。

“对，只要形成闭环，就可以执行，所以在多元关联拟脑模型中，一个可执行的思维，一定要形成闭环”林自强。

“这样，老爸。。。我还有几个问题”林久浩。

“几个？你说”林自强。

“第一，您的这个思维是以一个外部事件病症现象引起，那么怎么确保它在思维的过程中，能够按照您的要求路径走？”林久浩。

“这是一个问题，就像人一样，三岁孩子与三十岁成人思维结果不一样，但是为了确保思维正确，前期肯定要在执行脑上做定义和检查点”林自强。

“怎么又出来个执行脑？您的多元关联拟脑到底是个什么？”林久浩。

“多元关联拟脑模型是基础大脑，就像你现在的大脑，即使不思考，你大脑里面的结构依然存在，多元关联拟脑模型也一样，它是思维的基础，即使不思维，信息元关联模型结构依然存在”林自强。

“这就是您一直说的，思维就要先有一个大脑”林久浩。

“对，当一个事件触发的时候，大脑会自己思考，但是聪明人也会时刻检查自己的思考是不是正确，能产生这个行为是一个执行意识，在多元关联拟脑算法模型里我们把它称为执行脑”林自强。

“哦，我们可以对执行脑做定义及检查点，确保执行脑在拟脑中走出闭环，只有思维闭环可以执行，所以您把这个叫[可执行闭环]”林久浩。

“对的，你还有问题吗？”林自强。

“嗯~~~，多B怎么办，多B意味着多路径，这些路径怎么走下去？”林久浩。

“这是一个问题，当产生多B的时候，会有多个路径方向，拟脑都会计算，并继续走下去，如果某一条路径产生闭环，事情就简单了，闭环形成即停止思考，那些还没有形成闭环的路径都会自动湮灭掉，麻烦的是。。。”林自强。

“什么麻烦？”林久浩

“产生不了闭环，执行脑在节点数量设置上怎么调整，否则会产生大量路径，这些路径发散消耗算力，而拟脑又无法输出有效结果”林自强。

“老爸，这个不麻烦，其实就像教孩子知识一样，人工调整，让拟脑慢慢成长，这样闭环命中率就会变高，拟脑越聪明，路径发散问题就越少”林久浩。

“确实，不过路径发散问题还是要解决，否则算力消耗很大的”林自强。

“老爸，您记得当初说的阿尔法狗吗？大不了输一局，成长变聪明，手工连接形成闭环，就不会输第二局”林久浩。

“嗯，初期只能这样，毕竟孩子还需要教育的，你还有问题吗？”林自强。

“有，你说的向上寻找更大的集合，这个会不会导致大量无意义路径，就是治疗方法已经可以直接作用于[人我]，还要经过上层多个路径吗？”林久浩。

“首先这个无意义路径不应该造成执行脑无意义步骤，因为执行脑是执行闭环中的治疗方法，但是路径择优算法确实会计算这些路径，这也是我想解决的问题，如何产生最短路径，即捷径”林自强。

“捷径，就是治疗方法直接到人我，但是这个A-B-C-D-E-A，其中的D与A是不是没有直接的关联”林久浩。

“这里我也在想好方法，在人我坐标系的【生我正】象限里，以总类集合做信息元关联粒度较粗，但是信息元连接简单，可是需要更长路径。如果粒度过细，导致信息元象限内容及连接过于复杂，导致计算量过大，得不偿失”林自强。

“那怎么办呀？”林久浩

“我现在想出两个解决方法，一个是本位元直接插入法，这个比较好理解，就是在执行脑部分直接将本位元A在CDE中插入，重新计算是否可以形成闭环，少走路径”林自强。

“这个可行吗？”林久浩

“可行是没问题的，但是不好，因为会增加执行脑的判断和分析代码，我们好不容易将信息处理转换为数学处理，又要增加信息判断，不好”林自强。

“另一种方法呢？”林久浩。

“纯数学方法，例如信息元D向上寻找合集，即【生我正】，会在数学计算中产生连串的+++，+++。。。+++，那么这些连串的+++是否可以合并为一个，如果可以，那么就能够在执行脑中设定选择第一个+++象限信息元，作为闭环执行元输出”林自强。

“老爸，这个正点呀”林久浩。

“嗯，但是需要大量的实验验证，才能知道这个算法的可行性，现在2.0的模型我还在做初步设计，至少能够形成一个可构建的模型，然后再修改优化”林自强。

“老爸，我们说了这么多，是不是就是您开头说的那个道理，我们把拟脑智能的信息处理转化为数学计算了”林久浩。

“对，所以你要好好学习数学呀！”林自强。

“知道了，好好学习数学，而且我要开始思考2.0的问题了”林久浩。

“1.0版本的系统你怎么给你丁叔交代，要不我帮你完成最终版本吧”林自强。

“不用，老爸，丁叔公司的工程师也很给力的，我这边有好帮手，我很快会完结1.0版本”林久浩。

“那就好，今天就到这里，睡觉吧，累了”林自强。

“好的，老爸，休息吧”林久浩也回屋休息了。