第二十七章.双限趋势预设态估值拟合算法

今天，是难得休息的一天，丁琪琪趴在桌子上，看林久浩的电脑。

“算法还原，算法还原，算法还原。。还原逻辑，还原逻辑，还原逻辑。。不行，口诀不灵了。。久浩，这是什么呀？”，丁琪琪手里拿着柳德米拉前一段时间发过来的文件，里面是一套视觉系统算法理论模型，这套算法能够大大提高机器人观察物体的精度及自身反应速度，但是，丁琪琪看不懂。

林久浩走了过来，看着抱着脑袋的丁琪琪，“又动我的文件了？看不懂吧？没关系，看不懂很正常”。

“这是什么算法呀？这么高深，莫测的”，丁琪琪的优点就是，三十岁的心态跟十三岁的心态偏差值不大。

“好的，啊，我们来看一下这个问题，看之前，你去把普洱茶泡好”，林久浩先安排一个小工作给丁琪琪。

“好嘞，熟茶还是生茶？”，丁琪琪拿着PAD让艾久去泡茶。

“熟茶吧，九九年的土林凤凰特制熟茶就可以”，林久浩把茶都指定好了。

“好嘞！”丁琪琪去泡茶。

不一会儿，茶泡好了，丁琪琪端过来两杯普洱熟茶，还热气腾腾的，“喝茶，边喝边给我讲解一下”。

“学习态度不错啊，保持住啊~，我们开始，我问你一个问题，你还记得艾久三号吗？”，林久浩开始引导。

丁琪琪反问道：“就是那个自己刚学会走路，然后走几步，就会产生大幅偏离值的艾久三号吗？”。

“对，就是你抱来抱去的校准位置的艾久三号”。

丁琪琪笑了，“好汉不提当年勇，你直接说吧，不要再提我以前的傻事了”。

“好的，我们当时采用的距离校准方法是什么？你还有印象吗？记得那个A吗？”，林久浩引导丁琪琪的回忆。

丁琪琪没有忘记，“记得，A就是观测物体的实际长度，是一个定值”。

“很好，当时我们是通过测量屋子里面的物体实际长度，然后得到具体的A值，然后，艾久三号通过算法测定与A的距离H的数值，对不对？”，林久浩问。

“对呀！”。

林久浩接着问：“如果在屋子外面，A没有测定的值，怎么办？”。

“没有，就不用测呀，因为在屋子外面有卫星定位系统，所以艾久三号不用视觉测定位置，就可以通过卫星定位校准了”，丁琪琪脑子有点跑偏。

林久浩直接说道：“你，脑子点错方向了，艾久可以通过卫星定位校准自己的位置，但是看到的物体呢？怎么测算距离，你以为拟人机器人只有校准位置的需求吗？”。

丁琪琪的思维又拐回来了，“知道，还有观察物体，并测定物体位置需求，而测定后的物体形态及距离数值，要输入机器人拟脑的条件环境关联的多元关联拟脑模型里，用于后期计算使用”。

林久浩。说道：“对，机器人一旦知道了与A的距离H，那么就可以通过算法，一直跟踪更新与A的距离H，这就是机器人视觉算法中的一部分，所以在环境条件关联的拟脑模型中，就可以实时跟踪运动变化”

丁琪琪问道：“我们现在使用雷达系统及激光系统测定距离，不是挺好的吗？”。

林久浩解释道：“联合使用算法开放，如果能够做好视觉测距算法，那么在实际使用中，机器人只要用激光测一下，就可以知道条件环境空间中，多元关联‘态’模型中的所有物体位置，而不是对所有物体都测一遍，也不需要一直测。。另外，雷达和激光系统用于民用可以，而军用机器人，一旦开启雷达和激光测距，就容易暴露自己的位置，所以，现在最尖端的技术就是视觉测距及分析系统”。

丁琪琪接着问：“狙击手做的算法就是解决这个问题的吗？”。

林久浩继续解释：“是的，狙击手创新了一种算法，【双限趋势变化估值拟合算法】，然后和我一起，把这种算法构建在多元关联拟脑动态库模型上，实现【多组双限趋势预设态估值拟合算法】”。

“这是什么算法，就是这个文件吗？”。

林久浩滚动鼠标，指向一组文件，“这个文件里面就是【双限趋势变化估值拟合算法】，针对被观察物，也是参照物，【动对静】模式下的距离测定算法理论模型，及部分测量值”。

“被观察物还是参照物？”，丁琪琪不解。

林久浩解释道：“所有的静态被观察物，也是作为机器人条件环境空间的参照物使用，这就是多元关联的理念”。

“【动对静】是不是指的，观察点处于运动状态，而被观察物，也是参照物处于静止状态的模式？”，丁琪琪开始进入状态了。

林久浩继续解释：“对，先解决【动对静】模式，再解决【动对静+动】模式，再解决【动对动】模式，很复杂的”。

“你先给我讲一下【动对静】模式好吗，我觉得这是最简单，而且是最基础的算法模型，理解了这个，才能理解后面的”。

“好的，【动对静】模式，是指观察者在观察参照物A的时候，是处于运动状态，我们把运动状态规定为，最简单的‘正面对向’，沿着直线的线性靠近或者远离的运动，在这种最简单的运动状态去观察A的变化，然后通过观察值a来测准A的值，然后计算出与A的距离H”，林久浩暂时不讲变焦原理，而是用最基本的原理讲解。

“可实际情况肯定不是这样的，机器人往往无法做到‘正面对向’的直线运动，所以这种理想状态是无法出现的，不具备普遍性”，丁琪琪。

林久浩接着解释：“琪琪，你错了，具备普遍性，例如，我们以前说的姿态还原理论，当我们知道一架飞机的实际尺寸，当观察到它的时候，我们可以通过轮廓及长宽比测定，知道它与我们观察者的角度偏差，我们在模型里面就可以还原姿态，然后获得A的投影数值，所以飞机的任何姿态，我们都可以通过算法还原”。

“哦，就是正面可以用姿态还原算法来实现正确的面对问题，看来，我们国家所有军事设备的具体尺寸参数，千万不要泄露，一旦泄露，敌人就可以通过建模，然后在远距离上实现视觉定位了”，丁琪琪。

“是呀，所以保密要做到每一个人”，林久浩。

丁琪琪继续问道：“怎么做到线性的直线运动呢？”。

林久浩说道：“首先我们做了姿态还原，那么就可以知道我们与参照物之间的大体位置关系，即使不能做到正面直线运动，我们可以用算法补偿，还原出正面直线运动的状态”。

丁琪琪理解着说道：“哦，明白了，就是我们知道了参照物的姿态，然后我们把自己的运动方式，转换成与参照物的正面直线运动，这种算法可以开放运动方式，即使是不做直线运动，也可以还原成我们需要的相对运动模型”。

“你知道这个原理的意义吗？”林久浩。

“是不是机器人在面对敌人的时候，需要做战术动作和其它协助的动作，运动状态不能按照理想状态，这种情况下测量参照物，就需要算法还原。。另外，不规则线性运动的实际观察值是不是也有作用？”丁琪琪。

“当然有作用了，单纯的面对垂直运动，由于物体的近大远小，实际是无法直接测定物体距离，但是，不规则线性运动产生的观察值，可以通过多角度连线产生的焦点，来确定大致位置范围，这就给‘双限趋势估值拟合算法’提供了大致的范围”，林久浩。

“哦，这个大致的范围是不是很粗糙，然后就要用资料库里面的经验样本再做一次估值范围的估算”，丁琪琪确实大脑在线了。

“对，你现在处于脑子在线状态，不只是这些，不规则线性运动，同时也会产生两组数值，计算值和实际观察值，实际观察值可以用来做参照补偿。。很复杂的，这就是狙击手的算法理论模型”，林久浩。

丁琪琪接着问道：“那么A的姿态是不是都在数据库里面了？”。

林久浩说道：“对，A是要有模糊计算后的粗模型样本，就是我们看到汽车，就知道它大概的样子和尺寸，看到箱子就知道它的模型和大小尺寸”。

“完全不认识的物体呢？”。

“这涉及到物体拆分，模糊约等算法，就是不认识的物体，我可以把它拆分了，然后去发现里面那个部分，可以模糊约等于的样本，那是另外一部分的算法，不是我们今天要讲的部分”，林久浩。

“哦，知道了，就是狙击手的算法模型，是针对有模糊值的样本库，通过模糊值测定准确距离的算法”。

林久浩点了点头，“你说的很对，这个算法是通过模糊值，在运动中测量出准确数值的算法，可以让机器人更准确的执行任务”。

丁琪琪问道：“可不可以用模糊值直接测定距离”。

“这是两个问题，首先模糊值测定的距离不准确，另外，模糊值需要校对，例如箱子的尺寸有大小之分，你用什么去估值，也许估值偏差会很大，那么这个估值怎么调校？，”林久浩反问。

丁琪琪继续问：“哦，虽然样本库中有样本，然而，取哪一个模糊值就很难确定，所以，怎么办？”。

“这就是狙击手的算法，估值拟合循环算法，直到得到A的精确值，然后所有都解决了”，林久浩。

“你快讲一讲吧，算法具体是怎么做到的”。

“好的”，林久浩开始举例：“例如机器人面前有一个箱子，机器人内部数据库中的箱子样本有很多，宽0.1米到宽2米的，不多说了，这是举例子，然后机器人先提取一个估值1米，然后为这个1米设定一个上限值1.5米，然后，再设定一个下限值0.5米”。

“这样就是既有估值1米，也有上下限0.5~1.5米”，丁琪琪重复着。

“对，我们建立两个趋势预设态跟踪变化拟脑模型，把0.5米放入计算下限的拟脑模型，把1.5米放入计算上限的拟脑模型，然后进入运动模式”，林久浩。

“这个运动模型就会自动做姿态还原和运动算法还原，达到我们需要的相对运动的条件环境”，丁琪琪跟得很紧。

“对，我们把上限预设态的计算函数定义为A1，那么在运动状态下就会得到预设态的输出估值a1，这一点明白吗？”，林久浩。

“输出估值，这个值不是A的实际观察值，是预设态在预设运动模式下，下一个态中A应该出现的输出估值，所以定义为a1”，丁琪琪的大脑完全打开了。

林久浩继续。。“非常好，这个a1不是A的实际观察值a，而是上限预设态根据上限值1.5米，在运动中预设的下一个态中，应该出现的A的预设观察估值，但是，这个预设估值与a一定有误差”。

“是的，确实会有误差，因为A=1是估值，而且上限预设态使用的A=1.5计算的”。

“对，我们再看A=0.5的下限预设态，同理下限预设态的计算函数为A2，那么在运动状态下，就会得到预设的观察估值a2，同理，这个a2也不是A的实际观察值a，所以a2与a也会有误差”，林久浩。

“肯定有，a1和a2相对于a都有误差，而且这种误差之间的关系，决定了，决定了，什么？这里有点儿糊涂”，丁琪琪不是不知道，而是不知道怎么确定。

林久浩说道：“测量确定，a1和a2相对于a的误差关系，决定了A的实际值是趋向下限还是趋向上限，而a1和a2相对于a的误差关系，通过实际测量，我们可以得到二者的函数关系，或者是连续的数列关系，狙击手正在还原这部分的函数，这种函数在不同环境下会发生跳变现象，所以需要在多种环境条件下继续完善测量值”。

“测量的工作，也不是今天我们要讲的内容，你继续吧，我们就当测量工作做完了，继续理论部分”，丁琪琪催着林久浩继续讲解。

林久浩说道：“测量的工作我们也要做，虽然狙击手他们对我们在算法和测量值是共享的，但是，我们也要测量，我们可以通过测量发现更多的原理，并确保我们在技术体系上的闭环完整性”。

“我们可以测量的更细致”，丁琪琪。

林久浩笑着说道：“没有必要那么细致，我说的是像柳德米拉那么细致，你知道柳德米拉有一种偏执，就是她热爱的苏联卫国战争中的女英雄，为了‘狙击手柳德米拉’，她要把精度测量到毫米级以下，然后让他们的机器人狙击手达到最优的视觉捕捉定位能力，结果，结果。。就是狙击手机器人的视觉系统会非常昂贵”。

“是呀，那样的话，是不是磨一万个镜片，才能得到一对合格的，还有其它变焦机械部分，都是最昂贵的”，丁琪琪毕竟是机器人研究所出来的，都明白。

“是的。。我们继续吧，这个算法理解了吗？”林久浩。

“理解了，但是我有一个问题，就是对A做上下限定义的时候，实际的A超越了上下限怎么办？”丁琪琪。

“我明白你的意思，就是说A的实际值是0.4低于下限，或者A的实际值是1.6高于上限，对吧？”，林久浩。

“是呀，怎么办？”丁琪琪。

林久浩一边比划，一边解释：“这里的【双限趋势预设态估值拟合算法】是循环算法，通过两种方法解决你说的问题，一是上下限可以定义的很宽泛，确保把A的实际数值包括在里面，二是通过a1a2与a的误差比对函数，会发现超出应有范围内的偏离值，机器人的拟脑算法就知道上下限的估值错误，然后调整上下限估值继续计算。。如此循环得到最终的精确值”。

“哦，明白了，彻底明白了，狙击手就是要我们协助她完成，把【双限趋势变化估值拟合算法】加入多元关联拟脑模型中的预设态计算，形成基于多元关联拟脑的【双限趋势预设态估值拟合算法】，对不对？”，丁琪琪接着问。

林久浩答道：“不是，你说的那一步，她自己已经完成了，而且在狙击手型机器人身上完成了测试，我们的铁原队长也用上了”。

丁琪琪惊讶了，“你不是都不喜欢军事用途了吗？怎么还这么清楚”。

林久浩说道：“安静师姐定期给我发技术简报，而且有重大的军用测试，我必须参加，她还一直希望我们去更高的层次做拟脑系统，不只是停留在做民用机器人”。

丁琪琪问道：“你愿意去吗？”。

“当然愿意，但是，我还是要告诉安静师姐，我要把民用机器人先做好，让机器人可以进入家庭，服务于老人，这个任务不完成，就不去”，林久浩。

“你虽然现在专注做民用机器人，不过，还要帮着安静师姐，把她需要的军用级别的算法完成”，丁琪琪。

林久浩自豪地说道：“是呀，这是我们的专长”。

“继续，后面还有什么？我们继续讲解吧！”，丁琪琪。

“【动对静】多组双限动态拟合计算，这一部分技术也完成了”，林久浩。

“又是完成的技术，怎么完成的？”，丁琪琪继续学习。

林久浩说道：“举例，【动对静】模式下，在机器人观察参照物的时候，采样了三个参照物ABC，ABC每一个参照物按照刚才的【双限趋势变化估值拟合算法】计算ABC的精确值，并计算机器人O与ABC的位置，如果按照柳德米拉的算法，她只能一个一个计算，这种顺序算法虽然可以解决O与A，O与B，O与C的位置，但是，运动并不遵循顺序，当O运动的时候，与ABC的位置都发生了变化，所以顺序计算变得实用价值很低”。

“很难吗？你不是说解决了吗？”。

“对，看上去很难的条件环境问题，恰恰是多元关联拟脑技术的优势”，林久浩又自豪了，“我们把O设定为核心信息元，而ABC为关联信息元，再把ABC互相关联在一起，当O运动的时候，实际环境是ABC的相对关系没有变化，但是，由于ABC是估值而不是实际数值，那么在O相对运动的时候，不但是‘双限趋势变化估值对’产生的预设态值与实际‘观察值’发生误差，而ABC相对位置的‘预设态值’与ABC实际观察的‘相对位置’也会发生误差，在连续运动中，这种变化也是连续的，这种‘观察位置’误差又能够在更高的层次，校准ABC的实际数值，这就是多元关联拟脑技术的优势”。

“多元关联拟脑用多重三维平行空间技术，计算多组【双限趋势预设态估值拟合算法】，然后把计算结果在多个平行脑中做数据同步，如此，就得到了更准确的数据”，丁琪琪也理解的很快。

“很对，但是，这还是【动对静】状态下的算法，铁原队长、瓦西里和狙击手都具备这些算法，所以在模拟测试中可以准确完成任务”，林久浩。

“【动对动】是不是更复杂？”。

林久浩答道：“不是吧，【动对动】的算法复杂，但是，样本库好整理，不管是飞行器、地面移动物体，海里面的物体，当今世界所有的移动物体可以穷尽一下，按照模型尺寸分类定义，然后通过感应层内容分析，将参照物定义在不同的距离段内，然后通过刚才的算法，获得精确的数值”。

“【动对动】不复杂吗？我怎么觉得【动对动】模式下，测量起来很复杂呀？”，丁琪琪还是有疑问。

林久浩继续解答：“严格讲【动对动】应该更复杂，不过，【动对动】模式中，我们增加了两个转换过程，就是【静对动静结合】模式，【静对动】模式，然后才是【动对动】模式”。

“什么是【静对动静结合】？”。

林久浩问道：“首先，我们可以把自己作为静止观察者，这一点你明白吧？”。

丁琪琪说道：“如果我是机器人，我就停下来，静止的去观察目标”。

林久浩又乐了，“这大脑袋，怎么又糊涂了。。采用运动算法还原，机器人做的任何运动，自己都有明确的位置移动数据，把这部分运动位移数据加入算法，还原目标参照物，就可以实现【静对静】模式”。

“对了，确实啊~~，又糊涂了。。嘻嘻！”。

林久浩继续解释：“【静对动静结合】要开设多重平行三维空间，独立去运行目标参照物，然后在多个条件空间里面做数据同步，校准数据失真，当我观察的目标是运动的，但是，这个目标与我处于同一条件环境空间，我们可以把移动目标周围的物体采集为参照物，利用刚才【动对静】模式算法，确定固定参照物的精确数值，就又有了固定参照物，在多参照物参照下，就可以完成对移动目标的测定，这就形成了【静对动静结合】模式的算法。。但是，这个算法必须在同一个条件环境空间”。

丁琪琪问道：“机器人的同一个条件环境空间设定能有多大？”。

林久浩说道：“条件环境空间是分梯次递减模型，通过轮廓扫描采样，设置复杂粗细粒度，采用的条件环境空间是有弹性的，可以达到几公里范围，也可以小到800米以内”。

丁琪琪问道：“这个档次是根据机器人内部算力配置的处理能力决定的吗？”。

林久浩说道：“不完全是，还根据观察目标的大小，例如，我们观察的是一只小老鼠，就需要细粒度的条件环境空间，如果观察的是敌方的机器人，就可以把条件环境空间粒度放大”。

“哦，知道了，条件环境空间的观察粒度不是统一的，观察物体的大小尺寸决定了空间的粒度，而且这种被观察物体附近采用细粒度的方式，有点像。。”，丁琪琪在想。

林久浩说道：“像用望远镜，对不对，其实望远镜就是把我们观察的空间粒度平衡打破，望远镜内部的空间粒度细，而不在望远镜观察范围内的粒度粗”。

丁琪琪说道：“超出条件空间的移动物体呢，这种是纯粹的【静对动】模式，例如狙击手说的，观察飞行器”。

林久浩解释道：“超出条件空间这个概念是人的概念，不是机器人的概念，实际上，机器人的可观察条件空间并不是以机器人作为中心的，是以观察估值空间为条件空间，具体来说，我们人的观察空间是以人为中心的一个范围，而机器人的观察空间是以视觉系统能够到达的位置”。

“没懂？”。

林久浩比划着解释：“我们人的观察空间以人为中心，形成一个半径为R的半球，而机器人的观察空间可以通过视觉系统的放大倍焦，将这个半径为R的球体，放置到远处，例如，狙击手的视觉系统可以看到三十公里，那么狙击手就可以把自己作为O，进行三维坐标系位移到29公里的位置，把这个半径为R的球体，平移到29公里的位置，就像有一个虚拟的狙击手已经站在了29公里外，虚拟狙击手的观察半径是1的半球面。。这是举例”。

丁琪琪继续问道：“明白了，比人厉害多了，机器人可以通过算法，把虚拟的自己放置到可观察的任何位置，但是，远处空中的飞行器物体，由于在空中没有固定的参照物，怎么办？”。

林久浩说道：“观察飞行器有偷懒的办法，就是观察飞行器轮廓，在样本库中查找目标样本，然后通过姿态还原完成目标A值的计算，这个计算值是通过样本具体数值计算得出的，相对准确，所以可以直接用来测距”。

“如果没有样本库精确数值呢？”。

林久浩继续解释：“那就用估值匹配，飞行器都是人造的，只要认识就能知道数值，如果不认识，那么用向上集合类查询，知道大概属于哪一类飞行器，再把这类飞行器放进估值数值段内，用前面的上下限方法继续计算，你都说飞行器了，距离上差个几十米不是大事，而且这种计算随着距离接近会越来越准确的”。

“哦，明白了，如果同时多架飞机一起，是不是更复杂了？”。

林久浩说道：“最好多架，如果是多架一起，那么就可以开设多重平行三维空间，开设多组方向预设态，多组【双限趋势预设态估值拟合算法】，多组【静对动静结合】及【静对动】算法，并在更高的拟脑层次做数据拟合，反而算得更准确”。

“你原来的多组可是静态参照物呀，现在多架可是动态的呀！”。

林久浩接着说道：“首先，我们能够看到动态，就说明我们可以用算法测定他们大致的运动轨迹，然后通过算法还原获得更多的数据，总之，对于多元关联拟脑模型，越复杂就会有越多的数据，数据越多关联关系越多，那么测定的参照也越多，反而更利于测定的准确性，这就是多元关联拟脑模型算法的优势”，说完，喝完最后一口茶，茶已经凉了。

丁琪琪继续问道：“我怎么觉得某一个电动车厂家的视觉自动驾驶系统，他们是不是这么用的？”。

林久浩思考着说道：“双限趋势估值拟合算法应该差不多吧，但是，它们肯定没有使用多元关联拟脑动态库模型，肯定没有做多组双限趋势估值拟合计算，所以他们的自动驾驶无法真实感受当前的态环境，也就做不出好的自动驾驶技术”。

丁琪琪调侃着，“所以，大火箭变成大烟花，是吧？”。

林久浩回答：“技术有差别，一个是电动车一个是火箭，但是，原理一样，越复杂的环境，越需要多元关联拟脑模型，传统计算模型无法应对复杂环境”。

“哦，知道了，多谢指点，喝茶，喝茶，请喝茶”，丁琪琪抱了一下拳。

“你，倒茶！”，林久浩拿着空杯子看着丁琪琪，快三十年了还这么。。然后，悄悄地把后面的文档目录关闭了。

其实，狙击手的【双限趋势估值拟合算法】中还有很重要的两个部分，一：利用快速连续变焦曝光技术分析慢速运动的物体，物体的自身速度，在快速连续变焦曝光下可以忽略不计，那么可以视为静态物体测量；二：当面对远处快速运动的物体，如果能够分析出对方的运动轨迹及趋势，可以通过算法补偿的方法，还原成对静态物体的测量，只不过这个测量的误差偏大，适用于对远处的飞行器的距离测量。

【双限趋势预设态估值拟合计算】不但给A一个估值，还要给A的估值规定上下限A1A2，并对上下限做趋势预设态计算，得出a1a2，同时观察A的观察值a，a1a2都与a产生误差，通过测量实验得到误差经验，在连续的趋势预设态计算中，不断调整A的估值，向实际值无限靠近。

测量经验是在连续运动中完成的，而且物体大小也是具备连续变化，面对观察物体大小的非线性变化，只要调节A估值的比率就可以。所以跳变现象来自于移动物体选择运动方式的不确定性，但是，这一点也可以用多种方法解决。

而多元关联拟脑还完成了多组【双限趋势预设态估值拟合计算】，采样多组参照物联合计算，能够得到很精确的条件环境空间。

林久浩越发认为，多元关联拟脑动态库模型太重要了，既信息元自身呈现变化并传导参数到关联信息元中，形成一个观察期内的‘永动态’，这个‘态’向上层拟脑模型提供所需的溢出参数，这种模式可以将很多无法测定的问题，通过关联‘态’方式测出来，所以，未来动态库的应用将非常广泛，“安静师姐，你错了”。

【好消息和坏消息】

好消息：

安静很重视多元关联拟脑动态库模型的建设，并利用自己有限的资源，以及机器人研究所的研究成果，采用可计算存储芯片模组，为军用机器人定制了小规模动态库模型，军用机器人铁原队长的性能大幅度提升了，已经完全适应作战需要。

同时，该小规模动态库模型也在各个领域开始应用。初期的动态库模型还不够成熟，但是，已经给各个领域的应用带来质的提升。

坏消息：

我国最新059型驱逐舰，尝试着采用多元关联拟脑模型的动态库技术，定义了控制监测等底层驱动程序模块为信息元，构建了中间动态库模型层，将作战过程关心的信息定义为动态库核心信息元，形成永动态模型。但是，遗憾的是，由于我国059型驱逐舰内部应用系统太过成熟，所以测试结果不理想。在效能和反应速度上，多元关联拟脑动态库都不如现有的程序更优秀，只是在人工智能辅助决策方面更灵活更全面，最终结论，暂时不采用。

安静将结果传达给林久浩：“师弟，我不反对发展并大规模推广动态库模型，不过，要在我们的军队系统中，用动态库模型替换现有的系统，需要充分的理由和不可辩驳的测试数据，如果你能证明你是对的，我道歉并负责纠正”。

林久浩回复：“师姐，059驱逐舰测试工程我们没有参与，他们不可能构建最优的多元关联拟脑动态库模型，这样比较不太公平。而且，动态库与上层拟脑是拟合计算的，未来在整体的战场感知能力上，必然会大大优于现有的系统。只是，只是，现在的计算能力还跟不上要求，一旦计算能力上去，实现059计算自由，从上层拟脑到下层控制，统一使用多元关联技术完成，优势可以碾压现有的系统，所以，安静师姐，你错了”，他固执的认为，自己的想法是正确的，然而，后期也证明，林久浩是正确的。

下一章节===《第二十八章.谢廖沙带着狙击手回来了》

本书首发来自17K小说网，第一时间看正版内容！