多元關聯擬腦智慧模型第一個任務完成了，擬腦模型可以快速準確的實現母子腦重構功能，在母子腦的計算過程中，所有硬體系統自動組合擬態交付。其間，因為多次母子腦重構計算及長時間的積累，產生了大量的資源浪費，這些現象在繼續最佳化演算法後，以及後期完善了系統維護功能，基本解決了問題。
安靜帶著林久浩團隊進入第二個課題任務，在擬腦計算的過程中，最大化實現晶片化，把原有的程式計算轉化為硬體的晶片計算，這樣可以大大提高擬腦系統的計算速度。
按照陸教授的思路，制定了從擬腦層任務最開始進行晶片化，並梳理出完整思路及分步過程。
第一步工作，就是整理詞元組對應關係及資訊元分類關係。
魯少校就是那個林久浩曾經關注過的禿頭軍官，是內二實驗室的老大，安靜把他請過來，一起討論第一步工作。
會議室中，大家都落座了，安靜最先發言，問魯少校：“老魯，你們感應層技術部分，現在進展到什麼階段了？”。
“我們在感應層突破了最複雜的視覺部分，你知道，色聲香味觸法，其中最難的是色，就是視覺部分，其次是觸覺部分。”魯少校回答。
“視覺是最複雜的，聽說你們現在對視覺追蹤器的突破已經領先世界水平。”安靜先吹捧一下對方。
“對呀，我們就是利用多元關聯擬腦技術的態計算方法，把視覺追蹤器放大到幾百公里。”魯少校也不隱瞞。
“這麼厲害，幾十公里外的東西是不是非常小，肉眼早就看不見了。”林久浩有疑問。
“早就看不見了，我們可以先使用雷達紅外等措施發現目標，然後透過視覺放大去追蹤，但是，難的地方不是放大變焦，而是在繼續跟蹤的時候，對方向和區域跟蹤預判。”魯少校回答。
“是呀，只要有準確目標，利用變焦放大都可以看到，還可以看到遠處的星系，關鍵是方向和區域的持續跟蹤能力。”安靜說道。
“其實，道理很簡單，就是要縮小可能範圍，用預設態預測方向和區域，多攝像頭預設態跟蹤，把可能的範圍不斷縮小，就可以看得更遠，這個道理不知道你們明白嗎？”魯少校反問了一句。
“明白，如果再丟掉目標，就再用雷達和紅外跟蹤一下。”林久浩說道。
“對，複合使用。。。哦。對了，據說有人做出了一種純粹使用視覺觀察的技術，可以測定一定範圍內的物體距離並跟蹤。”魯少校神秘地說道。
“這麼厲害，什麼技術？”林久浩問道。
“叫什麼‘雙限趨勢估值擬合計算方法’，是給機器人用的。。。小林，還要麻煩你跟蹤一下。”魯少校說道。
“狙擊手好像提到過這個名詞。”林久浩想起來了，柳德米拉曾經提到過。
“好了，小林有訊息就通報一下，不過，我們現在談正事吧，你的感應器問題我們不關心，我們關心的是內容的生成。”安靜想把對話引入正題。
“別，等等，我今天來不只是給你們部門提供支援的，我也是來請求支援的。”魯少校把安靜的話題又轉了回來了。
“老魯，怎麼了？你那邊需要我們什麼支援？”安靜一聽是來求人的，興趣也來了。
“兩個問題，啊，嗯~，啊，先說哪個？”魯少校還。。。
“嗯？”安靜一皺眉頭。
“好，好，好。”魯少校一看安靜皺眉頭，馬上老實了。趕快說問題：“第一個問題，具體的現場條件環境空間擬腦重構問題，安靜，你知道我們這邊全是實打實的面對具體場景的，說句大白話，眼球環境，就是眼睛看得見的條件環境空間，問題是，怎麼重構這個環境空間的擬腦模型，這是第一個問題。”。
“老魯，重構問題是我們部門的事情呀，母子腦演算法就是重構模型，有完整的演算法模型，大型擬腦模型面對具體條件環境空間需要重構，不只是資訊元關聯關係和象限性質需要重新確定，而且資訊元的關聯距離和跳數也會最佳化的。”安靜回答。
“確實啊，是你們部門的事情，但是，我們部門也需要，你設想一個機器人進入具體的條件環境空間，該空間的所有物品與該機器人的核心資訊元距離要改變的。”魯少校說道。
“師姐，這個問題我們已經研究過了，而且有成型演算法，包括資訊元定性問題及關聯捷徑問題，是不是可以直接給內二實驗室用。”林久浩提醒安靜。
“是的，老魯，我們這邊有成型的擬腦重構演算法，你可以拿去先試一下，我們兩個部門多溝通，把這部分的擬腦重構演算法落實。”安靜回答。
“是呀，安靜，你還不知道吧，上面。。。”魯少校指了指房頂，然後繼續說道：“要加快軍用機器人研發的進度了。”
“老魯！”安靜瞪了一眼，然後回答道：“所以，我們提前研發了現場條件環境空間擬腦重構演算法，就是為了。。。”安靜又看了一下，參加今天的會議幾個人都不是外人，然後繼續說道：“為了儘快拿出一套完整的擬人機器人演算法模型。”
“師姐，加快研發是不是因為有人已經。。。”林久浩想繼續問。
“是的，地球那邊已經開始試驗擬人型全功能智慧軍用機器人了。”安靜平時嘴也夠嚴的，即使是可以公開的資訊，如果不問也不說。
“哦，哦，好，不說了，這套演算法拿過來，我們這邊的測試環境更好，我要說下一個問題了，可以嗎？”魯少校繼續說道。
“老魯，你說。”安靜回答。
“神經元網路分析現場影象的時候，在我們現有的注意力機制上，再增加一種【關注點整體定義機制】，需要你們擬腦部門在動態庫模型方面多支援。”魯少校說出了第二個問題。
“神經元網路對影象分析沒有好的整體定義機制嗎？幾年前的演算法中就已經能夠對多幀時間序列影象做關注點分析了。”安靜反問道。
“關於注意力跟蹤及整體定義這方面的論文非常多，不過，我們都不滿意，因為我們的系統是基於多元關聯擬腦模型的，整體採用的是資訊元定義，如果前期就能使用多元關聯擬腦模型，那麼被定義的資訊元，就可以直接傳導到擬腦思維層及輸出到控制層，所以，我們就想在整體定義環節採用動態庫模型技術。”魯少校回答。
“師姐，只要魯少校他們的技術能夠對影象中的關注點連續跟蹤，我們就可以採用動態庫完成整體定義。”林久浩提醒安靜。
“是嗎？我們部門也涉及到感應層的技術研究了嗎？”安靜並不知道，林久浩對視覺方面的技術很有天賦，因為早期就傻傻的玩過艾久三號長眼睛遊戲。
“是呀，注意力機制可以解決影象中關注點權重標註，保持關注點在連續的時間序列影象中的標註，我們可以建立多種向量分析方法，在注意力機制執行的過程中建立自淘汰機制，最終完成整體定義。”林久浩邊說邊躍躍欲試。
“小林，你既然有想法，就去講解一下。”安靜鼓勵了林久浩一下。
林久浩自已走到白板位置，拿起筆在白板上畫示意圖，邊畫邊解釋。
“我們看，當出現一組時間序列影象時，前期的神經元網路處理功能，可以把影象中的關注點加權重，並保持在後續的每一幀影象中。”林久浩邊說邊畫。
“對，這些功能我們的系統完全可以支援，而且已經全部轉化成硬體晶片處理，速度很快的。”魯少校也炫耀了一下自已的進度。
“老魯，你們晶片化的進度夠快的，是不是不需要我們的支援了？”安靜不高興了，因為自已部門的晶片化進度慢了。
“呦，呦，這是怎麼講的，你看，我們前段很多演算法容易固定，所以就容易做成晶片，你們擬腦部門是最難的，是大腦，是指揮千軍萬馬的，所以呀。。啊。。”魯少校打著哈哈。
“所以，我們透過動態庫模型，來幫助建立關注點整體定義及關注點自淘汰機制。”林久浩在上面敲小白板了。
“首先，我們把這張影象上的所有關注點定義為臨時資訊元，並建立關聯關係。”林久浩繼續解釋道。
“小林，你們的動態庫模型可以支援多少個臨時資訊元？我們的影象可以生產百位以上的關注點，動態庫能不能支援？”魯少校問道。
“魯少校，我們現在說的動態庫，不是高階的動態庫，是機器人研究所研製出的低算力動態庫，這樣的晶片一個模板上就可以安裝1024個，十個這樣的模板也只有半個飯盒大小，而且功耗很低。”林久浩介紹著，這部分動態庫晶片模組不是為了建立高階動態資訊元的晶片模組，而是處理低端計算的，恰恰是這樣的模組，在擬人機器人中大量應用。
“哦，就像我們用的GPU，是不是？”魯少校繼續問。
“只能說很像，GPU是做神經元網路解算的，而我們的動態庫模組，主要是支援臨時的，簡單計算過程的動態資訊元，做計算使用的，我們繼續吧。”林久浩回答，並繼續講解。
“夠用嗎？”安靜問了一句，因為這種動態庫模型晶片模組的研發，安靜曾要求林久浩帶領技術團隊，給予了機器人研究所大力支援。
“夠用，夠用。”魯少校趕緊回答。
“我們把關注點制定為動態資訊元，每一個動態資訊元採用一個動態資訊元計算晶片計算，並將動態資訊元建立向量關係，形成相對關聯關係。”林久浩邊畫圖邊解釋。
“大量的臨時動態資訊元都建立相對關係，這個連線關係太複雜了，如果是一百個動態資訊元，那麼連線關係就。。。。。。”魯少校還在算。
“不用這樣計算，因為自淘汰機制會設定距離閾值，大於距離閾值的關注點不建立連線，所以自淘汰機制先在影象中劃定幾個關注點區域，我們先假定這些區域的關注點是一個整體，並臨時給一個定義名稱。”林久浩說完，在白板上畫了區域。
“然後呢？”魯少校問道。
“然後，我們知道，如果一群關注點屬於一個整體，那麼，在後續的時間序列影象中，這些關注點會形成整體運動的規律，我們繼續設定向量連線的閾值，如果屬於整體的關注點，那麼它們的向量距離不會超越閾值。”林久浩解釋道。
“哦，如果不屬於整體，那麼後續的運動過程中，一些關注點向量距離就會超越閾值。”魯少校理解著。
“是的，如果明顯超越閾值的關注點，例如A點與D點之間的向量距離閾值為5，在運動中向量距離超越了5，那麼這條連線就斷裂了。”林久浩還是邊畫邊解釋。
“我們就把它淘汰出整體定義，對嗎？”魯少校問道。
“不一定，我們舉例，A點與D點在一開始是有連線關係的，例如，人把手垂在腰間，與腰部的關注點形成向量連線，但是，高高抬起手臂，手與腰之間的連線，大機率會超越距離閾值，手與腰部的關注點連線關係斷裂，然而，手與手肘到肩部的連線沒有超越閾值，所以這條連線還在，自淘汰機制建議，所有連線斷裂的關注點排除出整體定義。”林久浩繼續解釋。
“哦，如果一個人趴著然後站起來，很多點是不是就會發生脫離閾值的現象？或者一條狗蜷縮著，突然伸直，是不是也很麻煩。”魯少校繼續發問。
“這就是橫向拉伸和縱向拉伸演算法擴散問題，我們在動態庫模型演算法中，可以加入這方面的功能，繼續跟蹤這種橫向拉伸和縱向拉伸的現象。”林久浩繼續解釋。
“小林，你考慮的問題很超前呀。”安靜誇獎了一句。
“我聽琪琪說的，機器人研究所一直希望能夠透過多元關聯擬腦模型，判斷人物的行為特徵，要想判斷行為特徵，就要先能夠對人物整體定義。”林久浩回答。
“哦，你這個想法非常好，我們部門可以繼續研究，利用動態庫模型完成關注點整體定義。”魯少校說道。
“這個演算法就叫【關注點整體定義自淘汰演算法】吧！”安靜把演算法的名字定了下來。
“不過，魯少校，您們部門在使用這個演算法理唸的時候，能不能對定義物件的縱深建模同時研究一下？”林久浩繼續加碼。
“縱深建模？”魯少校沒明白。
“就是，當A點與B點是關聯的，並且我們在多個時間序列影象中收集了最大關聯向量距離為5，當這兩個點重疊的時候，我們認為A點與B點形成了5的縱深，可以利用這個條件做立體建模的依據。”林久浩解釋。
“是呀，老魯，這個世界上絕大部分生物都具備對稱性。”安靜也補了一句話。
“哦，哦，明白了，太好了，解決大問題了。”魯少校很快就明白了，本來立體建模就是內二實驗室的研究內容之一，現在全連線在一起了。
魯少校的問題解決了，大家休息一會兒，統一喝水，統一去衛生間，軍人多了，行動也很統一，休息片刻，會議又繼續。。。
“該輪到我們的問題了吧？”安靜問道。
“對，你們不關心感應層前端的技術，你們關心的是從前端輸入的多種資訊源，如何轉變為內容描述，對吧？”魯少校先問了一句。
“這一點你們做的怎麼樣？我們現在要開始晶片化資訊元編碼搜尋過程了。”安靜說道。
“我可以告訴你的是，我們已經統一了內容規範，就是我們向你們擬腦層輸送的是TAG組模型。”魯少校。
“你們現在可以做到，把感應層的內容定義，轉化成內容描述，然後直接提起關鍵字，以關鍵字形成TAG組關聯模型，輸出給我們的擬腦層，對嗎？。”安靜有點不信。
“對，其實有時候內容是可以跳過的，比如我們直接把視覺的東西用TAG定義，方形、梯形、三角型，多型組合，上下組成等，多角度多層次的感知。”魯少校邊比劃著邊說。
“還有顏色、大小、比例等，是不是？有沒有初步判斷？”安靜知道魯少校說的是CV視覺方面的，不是NLP自然語言方面的，而CV視覺方面是擬腦思維層與感知層相互對接技術的關鍵，反而是NLP自然語言處理部分，安靜部門已經擁有了最先進的演算法，不同規模的多層分級的訓練模型。
“初步判斷也是用多元關聯技術做的，比如一輛汽車有多個特性，而且特性之間有關聯關係，我們將關鍵字在這些關聯模型中行走，找出最高命中率的資訊元。”魯少校慢慢解釋著，從話中透露出也使用多元關聯擬腦技術。
“這些物件的識別你們也是採用神經元理論，卷積演算法完成的，怎麼又涉及到我們擬腦思維層的技術了？”安靜感興趣的問道。
“物件感知基本上採用的是神經元理論，至於卷積演算法，其實現在很多視覺處理部分已經脫離了卷積演算法範疇，反而是關注點向量定義更有效。但是，神經元理論及動態特徵分析也有不盡人意的地方，例如立體的物體不同的角度不同的成像，在卷積演算法中會呈現不同的特徵碼組，容易被識別為不同的內容物件。”魯少校解釋著。
“這一點不是靠後期訓練可以解決嗎？不同的特徵碼組定義為同一個事物。”安靜說的是，讀一個立體實物多個角度產生的特徵影象，統一定義為一個事物。
“不好，因為角度的偏差會產生大量不同的成像，不同的成像產生大量不同的特徵碼組，雖然多維度多層面可以減少特徵碼組，但是，還是不理想。”魯少校對現有演算法的效果不是很滿意。
“那你們怎麼辦？而且還要儘量避免指向同一個事物的特徵碼組過多，怎麼辦？模糊計算嗎？”安靜問道。
“不是，我們對立體的事物，做輪廓抽離、縱橫比分析、姿態還原等多種技術，將複雜的物件進行多維度多層次拆分定義，再使用卷積演算法輔助，對了，我們將內容分離後的內容提取關鍵字，然後也用了多元關聯擬腦模型做精確識別，跟你們那邊做法差不多。”魯少校現在說的是靜態事物的分析，因為靜態事物沒有運動特徵，只有在視角轉變的時候才會產生相對的運動，所以很難透過運動特徵識別，不過人工智慧對靜態事物的識別要求相對低於動態事物，如果識別不出來，可以先按照一個大盒子型物體計算。
“你說的感應層也會用到我們擬腦層的技術，就是先給我們輸出一個模糊的事物定義，是嗎？”安靜繼續問，因為這些問題將導致擬腦思維計算的準確性。
“是的。”魯少校說完，突然轉為嚴肅的說道：“西方一直有一種誤區，他們太注重表象了，而忽略了本質，西方透過對錶象的統計創造了很多偽概念，例如條件反射原理等，尤其是在神經元理論上，他們認為人對事物的辨識，是透過神經感應多層次多維度的碎片特徵感知得出來了，實際上又機械教條了。”。
“不是嗎？確實，我一直也對這一點有很多疑惑，而且以前就有一個前輩說過跟你一樣的話，人類認知不只是神經反應，還至少需要一層腦思維。”安靜說道。
“對的，跟你們擬腦層關係很大，人對事物的判斷不只是神經皮層的感應，至少，我說的是至少經過了一層腦思維判斷，有時候還需要多層思維判斷。。。安靜，你琢磨琢磨，是不是這個道理。”魯少校說完，指了指自已的腦袋。
安靜看到老魯指了指禿頂，笑了一下，隨即說道：“老魯，你這麼一說我就更確定了，所以在感應層就需要多元關聯擬腦技術的支援，對每一個事物不但要多層次多角度的分析，而且還要把分析的要素關聯起來，這樣才能得出準確的結果，而關聯就是腦思維的動作。”。
“對的，而且不只是對該事物的多層次多角度分析，如果要準確認定一個事物，還要透過多層腦思維判斷，而且，還要把該事物的判定結果，放到多元關聯擬腦模型中，與其關聯的其他事物一起分析，而且是多層腦思維分析。”魯少校繼續闡述。
“多層腦思維，是不是透過腦思維定義事物，在我們的多元關聯擬腦模型中，就是將事物的多種可能都進行一遍思維行走，看看有沒有對應的可執行閉環？”安靜問道。
“是的，例如某一個事物，有可能是A、B、C三種可能性，但是，前端無法確定是什麼，就要拿到多元關聯擬腦模型走一遍，看一下A、B、C哪一個是實際概念，能夠形成可執行閉環的可用資訊元，當然這個思維分辨行為，還要根據條件環境空間的情況，以及機器人自身任務等多種因素聯合判斷，所以，感應層到擬腦層可不是一次提交內容就完成的，還需要來回多次，才能夠準確判斷內容物件的。”魯少校解釋道。
“是呀，我們這邊也是，也要參與到你們感應層的工作中，採用多元關聯擬腦模型，對你們的分析觀察物件做腦思維判斷，對觀察物件做進一步分析定位，所以說，我們互相向對方多走了一步，工作就更融洽了。”安靜認同地說道。
“對呀，其實我們也可以用傳統方法，就是神經元系統卷積演算法識別觀察物件，脫離大模型及訓練的情況下，不但準確性太差，而且對複雜環境中事物的分辨也有問題，用了多元關聯技術，尤其是資訊元編碼方式，命中率提高了不少。”魯少校說話的時候，還看了一眼林久浩。
安靜立刻意識到，這個老魯可是出了名的挖牆角達人，趕緊問道：“如果你們用多元的模型，可以直接命中資訊元，我們就不用做事了，是這個意思嗎？”。
“哎~~，可不能這麼說，我們這邊是儘量精確定義，最終的定義過程必須由你們那邊完成，你們的方法可以直接命中資訊元，進入擬腦思維，更直接。”魯少校感覺到安靜又處於戰鬥狀態了，馬上把話圓回來。
【以下部分全部用類腦細胞資訊元儲存格式解釋，即增加‘思維空間第零層語義空間嵌入陣列座標’，如果資訊元編碼通用，可以使類腦細胞資訊元直接在LLM中計算，如果LLM不能形成通用資訊元編碼，那麼可以增加一個LLM概念編碼位置。】
會議繼續著，安靜接著說道：“你們透過多模態大語言模型，為我們提供精確的特徵組，對應到內容，抽離關鍵字形成TAG組關聯模型，我們再根據詞元組，查詢對應的資訊元編碼，只要能夠得到資訊元編碼，那麼擬腦思維就可以開始了。”。
“可以，我們現在的大語言模型不只是類似於TAG的Token標識，而且還可以利用多維嵌入模組，在不同維度的空間進行語義定義，可以把觀察物件多維度多層次拆分特徵碼組，然後定義物件描述，抽離成關鍵字，把多關鍵字在多元關聯擬腦模型中，形成TAG組模型，並把這個模型輸出給你們這邊，然後你們去定義或指向資訊元，這種固定的流程和演算法可以晶片化了。”魯少校說道。
“對，基於詞元的Token可以形成關聯模型嗎，輸出給我們。”安靜又問。
這時，林久浩插了一句話：“師姐，不需要輸出，我們可以把大語言模型的Token，以及對內容定義的由嵌入向量組，直接對應到資訊元的第二個地址上。”
安靜也小聲回了一句，“我知道，我們兩個都需要，尤其是前期訓練的時候，需要對方先輸出給我們內容特徵組。”
“小聲討論什麼呢？還揹著我。”魯少校笑眯眯地看著。
“哦，老魯，我們繼續吧。”安靜轉頭說道。
“其實我們前端的大語言模型可以直接向多元關聯擬腦模型發出公式化指令，這個層面不需要提供TAG類組，因為大語言模型可以識別資訊元。”魯少校又發出了驚人言論，這個言論正好於林久浩的一致了，魯少校認為前端可以識別資訊元，就能夠發起思維行走，而林久浩的意見是，將前端大語言模型定義的向量陣列，直接寫在資訊元編碼地址位置，那麼資訊元與語義就對應上了，但是。。。
“確實是可以，你們大語言模型能夠準確地瞭解語義，然後透過對語義的瞭解，對應到資訊元上，直接發出公式化指令，但是，我們多元關聯擬腦模型這邊不只是執行呀，還需要在資訊變動的過程中，定義資訊元、修改資訊元及查詢資訊元，所以，還是需要的。”安靜說清楚了，這個訓練的過程，必須先提交特徵組，才能形成資訊元與語義的對應，而且這個過程是需要不斷訓練，不斷最佳化的，其中還涉及到內容固化與資訊元固化的問題。
“確實啊，其實我們都多向對方走一步，兩邊的系統結合就更緊密了。”魯少校也明白了，安靜部門為什麼強調需要特徵組對應到資訊元的過程內容。
“然後，你提供的特徵碼組模型，就會產生多個特徵碼迴圈輸出及關聯模型匹配的情況，這樣可以更準確的命中資訊元集合。”安靜接著說道。
“你們那邊在特徵碼定義上要注意分類等級，不是所有的特徵碼都是平等的關係。”魯少校也提出要求。
“這一點已經考慮過了，特徵碼不但有等級，例如醫療、軍事、人群等有些詞本來就是大合集，同時我們還考慮的其他分類，例如，方位特徵碼、數量詞特徵碼。而且這些基本的特徵碼直接採用基礎資訊元編碼，可以直接進入多元關聯擬腦模型計算。”安靜接著說道。
“對，這些帶有特殊含義的特徵碼，在處理晶片中的標識應該能區別出來，避免了資訊欄位無法直接計算的缺點。”魯少校稱讚了一下編碼方式。
安靜接著說道：“這就是我師父陸教授的想法，以前叫計算機，是做數值計算處理的，以後叫人工智慧，要做資訊思維處理。”。
大家又休息了一會兒，看看時間，再看看會議內容，該結束了。。。
魯少校最後發出了三聯問：“我們的工作界限定好了吧？我沒事了吧？我可以走了吧？”。
“可以了，謝謝你老魯，這智慧的腦袋不長草的。”安靜開了個玩笑。
“你，安靜，你‘過橋拆河’，拿別人的缺陷開玩笑不好。”魯少校摸了摸自已的腦袋，出門回自已實驗室了。
“師姐，這個魯少校果然很厲害呀。”林久浩驚歎道。
“什麼厲害，頭禿的厲害？”安靜繼續開玩笑。
“不是，他幾句話就說明白了，給我們提供關鍵字組成的特徵碼組關聯模型，我們利用特徵碼組關聯模型，再利用我們自已訓練的NLP語義處理，找到對應的資訊元編碼。”林久浩興奮地說道。
安靜也點了點頭，表示贊同，然後說道：“我也沒想到，這老魯進展這麼快，看來我們要加倍努力了。”。
“師姐，如果他們的特徵碼組提供的不夠全面，我們是不是就無法命中資訊元編碼了？”林久浩又提出了一個關鍵問題。
“集合類命中，分步命中，迴圈命中，類似RNN演算法，這是你父親早期做的多元關聯擬腦就解決的問題呀，你忘了嗎？”安靜反問。
“哦，想起來了，如果看到一架飛機，無法準確知道型號，那麼就命中它的上一個大類，飛行器。”林久浩比喻著。
“對呀，看到人，認不出是誰，至少知道是個人吧，可以命中【人】這個資訊元吧，然後繼續逐步精確命中，後續還會有特徵碼標籤補充進這個組，進行精確計算。”安靜繼續解釋道。
“是呀，這就需要我們對特徵碼組再做標識，魯少校那邊的特徵碼補充要帶組標識，否則，我們這邊就會認為是新的事物的特徵碼，會去搜尋新的資訊元編碼。”林久浩說道。
安靜指了一下電腦，說道：“對，你把自已的想法，全部記錄下來，要考慮的問題還很多，做流程設計的時候不能缺少。”。
“全記錄下來了。”林久浩回答。
“還有，你前面說的，機器人研究所需要人物行為特徵分析，這部分工作也很重要，我們必須與機器人研究所搞好關係，所以。。。”安靜言下之意就是幫忙拉關係。
“師姐，我知道，搞好關係，他們給我們提供方便，我們就更有戰鬥力，不過，人手太少了。”林久浩有顧慮。
“人的事情我解決，你在完成其他研究工作的同時，繼續思考行為特徵分析問題，我去搖人，要不到固定的，還要不到臨時借調的嘛！”安靜說完就起身走了。
這邊留下林久浩傻乎乎的站著，“臨時借調的？能不能。。。唉！”
下一章節===《第二十章.多元關聯擬腦技術晶片化》