第十九章.与内二实验室的对话

多元关联拟脑智能模型第一个任务完成了，拟脑模型可以快速准确的实现母子脑重构功能，在母子脑的计算过程中，所有硬件系统自动组合拟态交付。其间，因为多次母子脑重构计算及长时间的积累，产生了大量的资源浪费，这些现象在继续优化算法后，以及完善系统维护功能，后期基本解决。

安静带着林久浩团队进入第二个课题任务，在拟脑计算的过程中，最大化实现芯片化，把原有的程序计算转化为硬件的芯片计算，可以大大提高拟脑系统的计算速度。

按照陆教授的思路，制定了{从拟脑层任务最开始}进行芯片化，并梳理出完整思路及分步过程。

第一步工作，就是整理词元组对应关系及信息元分类关系。

鲁少校，那个林久浩曾经关注过的秃头军官，是内二实验室的老大，安静把他请过来，一起讨论第一步工作。

会议室中，大家都落座了，安静最先发言，“老鲁，你们感应层技术部分，现在进展到什么阶段了？”。

鲁少校答道：“我们在感应层突破了最复杂的视觉部分，你知道，色声香味触法，其中最难的是色，就是视觉部分，其次是触觉部分”。

“视觉是最复杂的，听说你们现在对视觉追踪器的突破已经领先世界水平”，安静先吹捧一下对方。

“对呀，我们就是利用多元关联拟脑技术的态计算方法，把视觉追踪器放大到百公里以外”，鲁少校也不隐瞒。

林久浩有疑问，“这么厉害，百公里外的东西是不是非常小，肉眼早就看不见了”。

鲁少校回答：“早就看不见了，我们可以先使用雷达红外等措施发现目标，然后通过视觉放大去追踪，但是，难的地方不是放大变焦，而是在继续跟踪的时候，对方向和区域跟踪预判”。

安静说道：“是呀，只要有准确目标，利用变焦放大都可以看到，还可以看到远处的星系，关键是方向和区域的持续跟踪能力”。

“其实，道理很简单，就是要缩小可能范围，用预设态预测方向和区域，多摄像头预设态跟踪，把可能的范围不断缩小，就可以看得更远，这个道理不知道你们明白吗？”，鲁少校还反问了一句。

林久浩说道：“明白，如果再丢掉目标，就再用雷达和红外跟踪一下”。

突然，鲁少校神秘地说道：“对，复合使用。。哦。对了，据说有人做出了一种纯粹使用视觉观察的技术，可以测定一定范围内的物体距离并跟踪”。

林久浩问道：“什么技术？”。

鲁少校说道：“叫什么‘双限趋势估值拟合计算方法’，是给机器人用的。。小林，还要麻烦你跟踪一下”。

“狙击手好像提到过这个名词”，林久浩想起来了，柳德米拉曾经提到过。

安静赶紧把对话引入正题，“好了，小林有消息就通报一下，不过，我们现在谈正事吧，你的感应器问题我们不关心，我们关心的是内容的生成”。

“别，等等，我今天来不只是给你们部门提供支持的，我也是来请求支持的”，鲁少校把安静的话题又转了回来了。

“老鲁，怎么了？你那边需要我们什么支持？”，安静一听是来求人的，兴趣也来了。

“两个问题，啊，嗯~，啊，先说哪个？”，鲁少校还。。。

“嗯？”安静一皱眉头。

“好！好！好！”，鲁少校一看安静皱眉头，马上老实了。赶快说问题：“第一个问题，具体的现场条件环境空间拟脑重构问题，安静，你知道我们这边全是实打实的面对具体场景的，说句大白话，眼球环境，就是眼睛看得见的条件环境空间，问题是，怎么重构这个环境空间的拟脑模型，这是第一个问题”。

安静回答：“老鲁，重构问题是我们部门的事情呀，母子脑算法就是重构模型，有完整的算法，大型拟脑模型面对具体条件环境空间需要重构，不只是信息元关联关系和象限性质需要重新确定，而且信息元的关联距离和跳数也会优化的”。

鲁少校说道：“确实啊，是你们部门的事情，但是，我们部门也需要，你设想一个机器人进入具体的条件环境空间，该空间的所有物品与该机器人的核心信息元距离要改变的”。

林久浩提醒安静：“师姐，这个问题我们已经研究过了，而且有成型算法，包括信息元定性问题及关联捷径问题，是不是可以直接给内二实验室用”。

安静回答：“是的，老鲁，我们这边有成型的拟脑重构算法，你可以拿去先试一下，我们两个部门多沟通，把这部分的拟脑重构算法落实”。

“是呀，安静，你还不知道吧，上面。。。”，鲁少校指了指房顶，然后故作神秘地说道：“要加快军用机器人研发的进度了”

“老鲁！”，安静瞪了一眼，然后说道：“所以，我们提前研发了现场条件环境空间拟脑重构算法，就是为了。。”，安静又看了一下，参加今天会议几个人都不是外人，“为了尽快拿出一套完整的拟人机器人算法模型。”

“师姐，加快研发是不是因为有人已经。。。”，林久浩想继续问。

“是的，地球那边已经开始试验拟人型全功能智能军用机器人了”，安静平时嘴也够严的，即使是可以公开的信息，如果不问也不说。

鲁少校继续说道：“哦！哦！好，不说了，这套算法拿过来，我们这边的测试环境更好，我要说下一个问题了，可以吗？”。

“老鲁，你说！”，安静。

鲁少校说出了第二个问题，“神经元网络分析现场图像的时候，在我们现有的注意力机制上，再增加一种【关注点整体定义机制】，需要你们拟脑部门在动态库模型方面多支持”。

安静反问道：“神经元网络对图像分析没有好的整体定义机制吗？几年前的算法中就已经能够对多帧时间序列图像做关注点分析了”。

鲁少校回答：“关于注意力跟踪及整体定义这方面的论文非常多，不过，我们都不满意，因为我们的系统是基于多元关联拟脑模型的，整体采用的是信息元定义，如果前期就能使用多元关联拟脑模型，那么被定义的信息元，就可以直接传导到拟脑思维层及输出到控制层，所以，我们就想在整体定义环节采用动态库模型技术”。

林久浩提醒安静：“师姐，只要鲁少校他们的技术能够对图像中的关注点连续跟踪，我们就可以采用动态库完成整体定义”。

“是吗？我们部门也涉及到感应层的技术研究了吗？”，安静并不知道，林久浩对视觉方面的技术很有天赋，因为早期就傻傻的玩过艾久三号长眼睛游戏。

林久浩跃跃欲试，“是呀，注意力机制可以解决图像中关注点权重标注，保持关注点在连续的时间序列图像中的标注，我们可以建立多种向量分析方法，在注意力机制执行的过程中建立自淘汰机制，最终完成整体定义”。

“小林，你既然有想法，就去讲解一下”，安静鼓励了林久浩一下。

林久浩自己走到白板位置，拿起笔，在白板上画示意图，边画边解释，“我们看，当出现一组时间序列图像时，前期的神经元网络处理功能，可以把图像中的关注点加权重，并保持在后续的每一帧图像中”。

鲁少校也炫耀了一下自己的进度，“对，这些功能我们的系统完全可以支持，而且已经全部转化成硬件芯片处理，速度很快的”。

“老鲁，你们芯片化的进度够快的，是不是不需要我们的支持了？”，安静不高兴了，因为自己部门的芯片化进度慢了。

“呦，呦，这是怎么讲的，你看，我们前段很多算法容易固定，所以就容易做成芯片，你们拟脑部门是最难的，是大脑，是指挥千军万马的，所以呀。。啊。。”，鲁少校打着哈哈。

林久浩在上面敲小白板了，“所以，我们通过动态库模型，来帮助建立关注点整体定义及关注点自淘汰机制，首先，我们把这张图像上的所有关注点定义为临时信息元，并建立关联关系”。

鲁少校问道：“小林，你们的动态库模型可以支持多少个临时信息元？我们的图像可以生产千位以上的关注点，动态库能不能支持？”。

林久浩介绍道：“鲁少校，我们现在说的动态库，不是高端的动态库，是机器人研究所研制出的低算力动态库，这样的芯片一个模板上就可以安装1024个，十个这样的模板也只有半个饭盒大小，而且功耗很低”，这部分动态库芯片模组不是为了建立高级动态信息元的芯片模组，而是处理低端计算的，恰恰是这样的模组，在拟人机器人中大量应用。

鲁少校继续问：“哦，就像我们用的GPU，是不是？”。

“只能说很像，GPU是做神经元网络解算的，而我们的动态库模组，主要是支持临时的，简单计算过程的动态信息元，做关联计算使用的，我们继续吧！”，林久浩回答，并继续讲解。

“老鲁，够用吗？”，安静问了一句，因为这种动态库模型芯片模组的研发，安静曾要求林久浩带领技术团队，给予了机器人研究所大力支持。

鲁少校赶紧回答：“够用！够用！暂时够用”。

林久浩继续画图解释：“我们把关注点制定为动态信息元，每一个动态信息元采用一个动态信息元计算芯片模组计算，并将动态信息元建立向量关系，形成相对关联关系”。

“大量的临时动态信息元都建立相对关系，这个连接关系太复杂了，如果是一百个动态信息元，那么连接关系就。。”，鲁少校还在算。

“不用这样计算”，林久浩说完，在白板上画了区域，“因为自淘汰机制会设定距离阈值，大于距离阈值的关注点不建立连接，所以自淘汰机制先在图像中划定几个关注点区域，我们先假定这些区域的关注点是一个整体，并临时给一个定义名称”。

“然后呢？”。

林久浩解释道：“然后，我们知道，如果一群关注点属于一个整体，那么，在后续的时间序列图像中，这些关注点会形成整体运动的规律，我们继续设定向量连接的阈值，如果属于整体的关注点，那么它们的向量距离不会超越阈值”。

“哦，如果不属于整体，那么后续的运动过程中，一些关注点向量距离就会超越阈值”，鲁少校理解着。

“是的，如果明显超越阈值的关注点，例如A点与D点之间的向量距离阈值为5，在运动中向量距离超越了5，那么这条连接就断裂了”，林久浩还是边画边解释。

鲁少校问道：“我们就把它淘汰出整体定义，对吗？”。

林久浩继续解释：“不一定，我们举例，A点与D点在一开始是有连接关系的，例如，人把手垂在腰间，与腰部的关注点形成向量连接，但是，高高抬起手臂，手与腰之间的连接，大概率会超越距离阈值，手与腰部的关注点连接关系断裂，然而，手与手肘到肩部的连接没有超越阈值，所以这条连接还在，自淘汰机制建议，所有连接断裂的关注点排除出整体定义”。

鲁少校继续发问：“哦，如果一个人趴着然后站起来，很多点是不是就会发生脱离阈值的现象？或者一条狗蜷缩着，突然伸直，是不是也很麻烦”。

林久浩继续解释：“这就是横向拉伸和纵向拉伸算法扩散问题，我们在动态库模型算法中，可以加入这方面的功能，继续跟踪这种横向拉伸和纵向拉伸的现象”。

“小林，你考虑的问题很超前呀”，安静夸奖了一句。

林久浩回答：“我听琪琪说的，机器人研究所一直希望能够通过多元关联拟脑模型，判断人物的行为特征，要想判断行为特征，就要先能够对人物整体定义”。

鲁少校说道：“哦，你这个想法非常好，我们部门可以继续研究，利用动态库模型完成关注点整体定义”。

“这个算法就叫【关注点整体定义自淘汰算法】吧！”，安静把算法的名字定了下来。

“不过，鲁少校，您们部门在使用这个算法理念的时候，能不能对定义对象的纵深建模同时研究一下？”，林久浩继续加码。

“纵深建模？”，鲁少校没明白。

林久浩解释：“就是，当A点与B点是关联的，并且我们在多个时间序列图像中收集了最大关联向量距离为5，当这两个点重叠的时候，我们认为A点与B点有可能形成了5的纵深，可以利用这个条件做立体建模的依据”。

“是呀，老鲁，这个世界上绝大部分生物都具备对称性”，安静也补了一句话。

“哦，哦，明白了，太好了，解决大问题了”，鲁少校很快就明白了，本来立体建模就是内二实验室的研究内容之一，现在全连接在一起了。

鲁少校的问题解决了，大家休息一会儿，统一喝水，统一去卫生间，军人多了，行动也很统一，休息片刻，会议又继续。。。

安静问道：“该轮到我们的问题了吧？”。

“对，你们不关心感应层前端的技术，你们关心的是从前端输入的多种信息源，如何转变为内容描述，对吧？”，鲁少校先问了一句。

安静说道：“这一点你们做的怎么样？我们现在要开始芯片化信息元编码搜索过程了”。

鲁少校说道：“我可以告诉你的是，我们已经统一了内容规范，就是我们向你们拟脑层输送的是，大语言模型生成的向量组”。

“你们现在可以做到，把感应层的内容定义，转化成内容描述，然后直接提起关键字，以关键字形成向量组关联模型，输出给我们的拟脑层，对吗？”，安静有点不信，特别强调关联模型四个字。

鲁少校明显没听明白，而是划着说：“对，其实有时候内容是可以跳过的，比如我们直接把视觉的东西用TAG定义，方形、梯形、三角型，多型组合，上下组成等，多角度多层次的感知”。

“还有颜色、大小、比例等，是不是？有没有初步判断？”，安静知道鲁少校说的是CV视觉方面的，不是NLP自然语言方面的，而CV视觉方面是拟脑思维层与感知层相互对接技术的关键，反而是NLP自然语言处理部分，安静部门已经拥有了最先进的算法，不同规模的多层分级的训练模型。

鲁少校解释着：“对象感知基本上采用的是神经元理论，至于卷积算法，其实现在很多视觉处理部分已经脱离了卷积算法范畴，反而是关注点向量定义更有效。但是，神经元理论及动态特征分析也有不尽人意的地方，例如立体的物体不同的角度不同的成像，在卷积算法中会呈现不同的特征码组，容易被识别为不同的内容对象”。

“这一点不是靠后期训练可以解决吗？不同的特征码组定义为同一个事物”，安静说的是，读一个立体实物多个角度产生的特征图像，统一定义为一个事物。

“不好，因为角度的偏差会产生大量不同的成像，不同的成像产生大量不同的特征码组，虽然多维度多层面可以减少特征码组，但是，还是不理想”，鲁少校对现有算法的效果不是很满意。

安静问道：“那你们怎么办？而且还要尽量避免指向同一个事物的特征码组过多，怎么办？模糊计算吗？”。

“不是，我们对立体的事物，做轮廓抽离、纵横比分析、姿态还原等多种技术，将复杂的对象进行多维度多层次拆分定义，再使用算法辅助，对了，我们将内容分离后的内容提取关键字，然后也用了多元关联拟脑模型做精确识别，跟你们那边做法差不多”，鲁少校现在说的是静态事物的分析，因为静态事物没有运动特征，只有在视角转变的时候才会产生相对的运动，所以很难通过运动特征识别，不过人工智能对静态事物的识别要求相对低于动态事物，如果识别不出来，可以先按照一个大盒子型物体计算。

安静继续问：“你说的感应层也会用到我们拟脑层的技术，就是先给我们输出一个模糊的事物定义，是吗？”，因为这些问题将导致拟脑思维计算的准确性。

“是的！”，鲁少校说完，突然转为严肃地说道：“西方一直有一种误区，他们太注重表象了，而忽略了本质，西方通过对表象的统计创造了很多伪概念，例如条件反射原理等，尤其是在神经元理论上，他们认为人对事物的辨识，是通过神经感应多层次多维度的碎片特征感知得出来了，实际上又机械教条了”。

安静说道：“不是吗？确实，我一直也对这一点有很多疑惑，而且以前就有一个前辈说过跟你一样的话，人类认知不只是神经反应，还至少需要一层脑思维”。

“对的，跟你们拟脑层关系很大，人对事物的判断不只是神经皮层的感应，至少，我说的是至少经过了一层脑思维判断，有时候还需要多层思维判断。。安静，你琢磨琢磨，是不是这个道理”，鲁少校说完，指了指自己的脑袋。

安静看到老鲁指了指秃顶，笑了一下，随即说道：“老鲁，你这么一说我就更确定了，所以在感应层就需要多元关联拟脑技术的支持，对每一个事物不但要多层次多角度的分析，还要把分析的要素关联起来，这样才能得出准确的结果，而关联就是脑思维的动作”。

鲁少校继续阐述：“对的，而且不只是对该事物的多层次多角度分析，如果要准确认定一个事物，还要通过多层脑思维判断，还要把该事物的判定结果，放到多元关联拟脑模型中，与其关联的其它事物一起分析，而且是多层脑思维分析”。

“多层脑思维，是不是通过脑思维定义事物，在我们的多元关联拟脑模型中，就是将事物的多种可能都进行一遍思维行走，看看有没有对应的可执行闭环？”。

鲁少校解释道：“是的，例如某一个事物，有可能是A、B、C三种可能性，但是，前端无法确定是什么，就要拿到多元关联拟脑模型走一遍，看一下A、B、C哪一个是实际概念，能够形成可执行闭环的可用信息元，当然这个思维分辨行为，还要根据条件环境空间的情况，以及机器人自身任务等多种因素联合判断，所以，感应层到拟脑层可不是一次提交内容就完成的，还需要来回多次，才能够准确判断内容对象的”。

安静认同地说道：“是呀，我们这边也是，也要参与到你们感应层的工作中，采用多元关联拟脑模型，对你们的分析观察对象做脑思维判断，对观察对象做进一步分析定位，所以说，我们互相向对方多走了一步，工作就更融洽了”。

“对呀，所以我们也需要。。”，鲁少校说话的时候，还看了一眼林久浩。

安静立刻意识到，这个老鲁可是出了名的挖墙角达人，赶紧问道：“如果你们用多元的模型，可以直接命中信息元，我们就不用做事了，是这个意思吗？”。

“哎~~，可不能这么说，我们这边是尽量精确定义，最终的定义过程必须由你们那边完成，你们的方法可以直接命中信息元，进入拟脑思维，更直接”，鲁少校感觉到安静又处于战斗状态了，马上把话圆回来。

【以下部分全部用类脑细胞信息元存储格式解释，即增加‘思维空间第零层语义空间嵌入数组坐标’，如果信息元编码通用，可以使类脑细胞信息元直接在LLM中计算，如果LLM不能形成通用信息元编码，那么可以增加一个LLM概念编码位置。】

会议继续着，一直探讨到。。大家又休息了一会儿，看看时间，再看看会议内容，该结束了。

鲁少校最后发出了三联问：“我们的工作界限定好了吧？我没事了吧？我可以走了吧？”。

“可以了，谢谢你老鲁，这智慧的脑袋不长草的”，安静开了个玩笑。

鲁少校摸了摸自己的脑袋，“你，安静，你‘过桥拆河’，拿别人的缺陷开玩笑不好”，说完，出门回自己实验室了。

“师姐，这个鲁少校果然很厉害呀！”，林久浩惊叹道。

“什么厉害，头秃的厉害？”，安静继续开玩笑。

林久浩兴奋地说道：“不是，他几句话就说明白了，给我们提供关键字组成的特征码组关联模型，我们利用特征码组关联模型，再利用我们自己训练的NLP语义处理，找到对应的信息元编码”。

安静也点了点头，表示赞同，“我也没想到，这老鲁进展这么快，看来我们要加倍努力了”。

“师姐，如果他们的特征码组提供的不够全面，我们是不是就无法命中信息元编码了？”，林久浩又提出了一个关键问题。

安静反问：“集合类命中，分步命中，循环命中，类似RNN算法，这是你父亲早期做的多元关联拟脑就解决的问题呀，你忘了吗？”。

“哦，想起来了，如果看到一架飞机，无法准确知道型号，那么就命中它的上一个大类，飞行器”，林久浩比喻着。

安静继续解释道：“对呀，看到人，认不出是谁，至少知道是个人吧，可以命中【人】这个信息元吧，然后继续逐步精确命中，后续还会有特征码标签补充进这个组，进行精确计算”。

林久浩说道：“是呀，这就需要我们对特征码组再做标识，鲁少校那边的特征码补充要带组标识，否则，我们这边就会认为是新的事物的特征码，会去搜索新的信息元编码”。

安静指了一下电脑，“对，你把自己的想法，全部记录下来，要考虑的问题还很多，做流程设计的时候不能缺少。”。

“全记录下来了！”。

“还有，你前面说的，机器人研究所需要人物行为特征分析，这部分工作也很重要，我们必须与机器人研究所搞好关系，所以。。。”，安静看着林久浩，言下之意就是帮忙拉关系。

“师姐，我知道，搞好关系，他们给我们提供方便，我们就更有战斗力，不过，人手太少了”，林久浩也有顾虑。

安静打起包票，“人的事情我解决，你在完成其它研究工作的同时，继续思考行为特征分析问题，我去摇人，要不到固定的，还要不到临时借调的嘛！”，说完，就起身走了。

这边留下林久浩傻乎乎的站着，“临时借调的？能不能。。。唉！”

下一章节===《第二十章.多元关联拟脑技术芯片化》

本书首发来自17K小说网，第一时间看正版内容！