===接《远程介绍多元关联动态模型（上）》
  屏幕上，多元关联拟脑模型中的核心信息元O的参数位置，随着ABC的联动一直在变化着数字。。。
  “态输出，反向态输出，路径行走算法。”林久浩说道。
  “什么？态输出，反向态输出，这是什么？”宁老突然感兴趣了，他原来试用的多元关联拟脑模型云提供的SaaS服务，还没有‘态’计算这个技术概念。
  “态输出是针对这种情况，影响核心元的因素太多，而且这些因素成网状关联，一旦动起来就呈现无法测定的互动，所以我父亲就提出了态输出理论。”林久浩。
  “你再说清楚一点？”宁老继续盯着问。
  “我现在要问一个问题，大家要想一想，如果出现了关联因素互动的情况，我们关心的是什么？”林久浩问道。
  “参数因素是怎么动的，不知道这些参数怎么动，我们无法测定对核心元的影响。”终于有另一个半秃顶的工程师发言了。
  “是吗？是这个吗？”林久浩继续问道。
  “我们关心是平衡。”宁老一句话点在重点上。
  “是的，平衡，中间的参数是什么不重要，只要满足合力为0，例如A=1,B=2,C=-3可以A+B+C=0，A=4,B=1,C=-5也可以A+B+C=0。。”刘工明白了。
  “对，这里的ABC是带向量方向的力，我们需要的是核心元O的合力为0这个达成条件，所以我们需要使用态输出的理论。”林久浩说道。
  “小林，你把态输出给我们解释解释，这里很多人还糊涂着呢。”宁老说道。
  “态输出，是指在多种因素影响下，而且这些因素呈现关联且有序，或者关联且无序，无法测定的情况，而我们实际需要的不是这些因素，而是核心的状态。”林久浩解释道。
  “关联且有序，既然有序就可以测定呀。”一位工程师突然说道，打断了林久浩的话。
  “别打断林工。。”刘工不高兴了。
  “好的，我先解释一下关联且有序无法测定，这个刘工应该明白吧，你明明知道A是怎么影响BCDEF的，但是，它们一旦动起来，当你测定到D的时候，由于D也影响A，A已经变化了，这时你的D值已经没有意义了。”林久浩解释道。
  “对，这个我明白，因为A又变化了，所以D的值已经变动了，你测定的D值又无效了。。。你继续林工。”刘工。
  “我们继续，我们需要的是核心的状态，所以这就像照相一样，我们对多元关联拟脑模型照相，得到定格状态，把这个状态输出。因为我们需要的是这个‘态’。”林久浩。
  “这就是态输出！我们只要关心核心信息元O的参数状态就可以了。”宁老补了一句。
  “是的，宁老。”林久浩回答。
  “林工，你说的这些我明白了，但是，这个态只是我们看到的态，它不一定是我们要的合力为0‘态’呀，很多态，驴子倒地乱刨蹄子也是，我们还是无法确定合力为0的’态’。”刘工的脑子一直在线，跟的很紧，一般学生出现这种状态，老师都会夸奖的。
  “非常好，刘工说到重点了，态输出有两个方向，比如在测定领域，我们做的是定格态输出，而在控制领域，我们做的是反向态输出。”林久浩。
  “反向态输出，是什么？”刘工极度好奇的问道。
  “反向态输出，就是我们设定条件，要求合力为0，然后把这个态定格还给多元关联拟脑模型，让拟脑模型自己按照路径去计算。”林久浩。
  “反向态输出我们明白了，但是，机器人怎么靠这个技术做运动？又怎么能在运动中达到动平衡？”刘工继续发问。
  “运动的过程，一定是从一个平衡态到另一个平衡态，比如机器人需要抬腿，那么抬腿这个动作会打破现有的平衡，导致合力不为0，那么你先预设抬腿这个动作，在打破合力为0态后的那个态里面，对核心元强行设定合力为0条件参数，然后重新计算，我们把它叫预设态，完成预设态合力为0计算后，才能做抬腿这个动作。”林久浩。
  “林工，预设态是破坏了合力为0的态，改变条件参数可以，不过，怎么计算出预设态合力为0？”刘工紧跟着发问。
  “各位领导，大家一定要记住，多元关联拟脑模型的执行脑，这是关键点，就是思维是在信息元中行走而成的，以形成闭环为终结。”林久浩加大了声音。
  “执行脑？行走？”刘工又疑惑了。
  “对，反向态输出，预设态设定条件为合力为0，然后向【动平衡多元关联拟脑模型】的影子脑，发送全路径行走思维指令，然后核心信息元会向所有直接【力关联信息元】发出思维行走指令。”林久浩比刚才要严肃多了。
  “影子脑是什么？”刘工继续紧跟着问道。
  “当我们建立了关于动平衡的多元关联拟脑模型后，我们会对这个模型现在的状态中的力及力臂关联模型复制一个模型，所有预设态计算在复制的脑模型中执行，复制的脑模型就是动平衡脑模型的影子脑。”林久浩解释道。
  “影子脑，全部复制吗？”刘工继续问。
  “不是，不用全部复制，只需要复制‘力’影响的关联部分信息元就可以了。”林久浩。
  “那，向所有的信息元发出行走，这是什么？”刘工问道。
  “不是，是以核心元O为出发点发出，向直接【力关联信息元】行走，这个直接关联元再向它的直接【力关联信息元】行走，不走回头路，到达核心元的时候，最终会出现三种情况。”林久浩继续严肃而认真的说道。
  “哪三种情况？”宁老的思维明显高于刘工，刘工高于其他工程师，其他工程师高于正在走神儿的丁琪琪。
  “第一种，形成【符合合力为0条件】的闭环，第二种形成【不符合合力为0条件】的闭环，第三种路径发散了，没有形成闭环的路径行走，只有这三种。”林久浩依然严肃。
  “明白了，全明白了，第一种提取，第二种放弃，第三种不管他了。”宁老先明白了。
  “对，第一种【符合合力为0条件】，如果出现多个闭环，以路径比对择优先到先被选择，第二种抛弃，第三种在选路完成后停止时，自动湮灭掉。”林久浩。
  那边一直低头装猫的。。。“老哥，你自己也说自动湮灭，是终止思维行走进程。”丁琪琪被教训过，所以记清楚了，小声嘟囔了一句，还好，大家都没有注意。
  “知道了，只要符合条件的第一种闭环，执行中不管是什么动作，都是最佳的平衡态，我们可以把机器人的动作设定启动点和终止点，然后切割为小过程。”刘工说道。
  看到没有人接话，刘工继续说“在小过程运动中，不断的通过反向态输出，达到所有运动过程的动平衡，而且是最佳的”。
  大家都看着刘工。。。。
  “小刘，你继续。。”宁老说道。
  “我说完了，林工，你说是不是这么回事？”刘工。
  “实际情况可以举例，执行脑模拟一个小过程命名为b，由向量力A的发起者A1部件进行动作，产生A=5给核心元O，核心元O发出预设态合力为0的条件闭环要求，并传导-5给直接【力关联信息元】B，B原值为2，则出现了B=2-5=-3的结果，-3传导给C=1产生C=1-3=-2的结果，-2传导给D=2产生D=2-2=0的结果，并到达核心元O，这样就产生了一个符合核心元条件的闭环，这个闭环是ABCD，我们刚才举例用了数字参数，实际是向量力还有角度参数同理计算，而ABCD把计算好的参数返回到【生我】象限，产生力的部件去驱动部件做动作。”林久浩。
  “然后由部件执行，就可以实现这些部件的力及角度的改变。”刘工。
  “是的，刘工。”林久浩。
  “我问一下。”又一个半秃顶工程师问道：“这些力在开始的时刻，不是都为0吗，怎么会有数值？”
  “小王，你糊涂呀，都为0的状态是关机状态，当一个机器人启动处于平衡态的时候，它的各个力不可能都为0，是合力为0。。。不过林工，但是，也会有为0的力信息元怎么办？”刘工先解释后问。
  “确实，也有直连【力关联信息元】为0，例如，机器人在平衡中，腿部的力由于站立不为0，而胳膊部分，由于不动所以力为0，不过，这并不影响计算呀。”林久浩。
  “为什么0不影响计算，是不是一直为0，不能动了？”刘工。
  “不是，我们还是按照刚才的例子，假设C到D之间还插入一个E=0，C=-2，-2传给E=0-2=-2，E要参与计算，这样E就变成-2了，也要动的。”林久浩解释。
  “明白了，那么其他的路径呢？”刘工继续问道。
  “发散路径由于无法返回核心元，所以对核心元不产生影响，自动湮灭掉。”林久浩。
  “不符合合力为0的闭环呢？因为你的这些信息元行走，必然也会产生不符合为0的回路，例如，核心元与C有连接，ABC后，C同样向核心元延展产生闭环连接，形成ABC的闭环，但是，这个闭环计算结果不为0，不会影响核心元及动平衡吗？”刘工问道。
  “丢弃呀，我们是在影子脑中做的预设态计算，并没有真实行动，所以不符合合力为0的闭环不采用就可以，不会影响机器人现有的动平衡模型的状态。我们从影子脑模型中，提取出合力为0的闭环，将这条闭环反向输出给动平衡脑模型，这条闭环上的信息元，直接改变参数就可以，不用从A-B-C-D传导。”林久浩。
  “这样直接改变参数，那么其他很多关联元的数值是不是也随着改变，他们之间互相影响的。”刘工继续追问。
  “湮灭的路径不计算，不符合闭环条件的丢弃，从现在这个平衡态到达另一个平衡态，只需要调整符合条件闭环上的力信息元，其他不在闭环上的信息元不参与行动，默认不受影响不传导参数，机器人最终得到的是另一个平衡态。。。解释起来相对简单，而实际操作会很复杂的，也需要机器人动平衡容忍度参与计算。”林久浩。
  “哦，明白了，不过林工，你这是一个小过程b，我们要完成从平衡态甲到平衡态乙的完整动作，怎么办？”刘工追问。
  “执行脑规定一个动作组【b1、b2、bn】，到达平衡态乙。”林久浩解释。
  刚解释完，“这不还是要规定动作吗？我们现在从平衡态甲到平衡态乙，就是采用规定的动作呀。”还是刚才那个半秃顶的工程师发言。
  “不一样，你原来的动作，小过程b是规定了平衡态，这个平衡态是你们测量后定义出来的，而多元拟脑的b平衡态是计算出来的，差别很大的。”林久浩继续解释。
  “差别在哪里？”半秃顶工程师继续追问。
  “至少三种，可能还有很多，第一，执行脑可以无级变化【b】过程工作，例如角度和力度，只要达到动平衡就可以执行；第二，受外力影响的时候，也可以计算出动平衡继续执行；第三，针对【b】过程，可以通过函数定义，从而形成多连续函数叠加模型。。。。。。不好意思，刘工，我好像说多了，函数模式是我自己胡思乱想的，不一定适用。”林久浩说的时候，突然发现把自己的想法也说出来了，所以立刻停止了。
  “林工，你说的很好，以后我们也会考虑函数方式的，谢谢你的建议。”宁老怕林久浩退缩，先肯定了一下。
  “小王，你又绕回去了，以原来的方式从平衡态甲到平衡态乙你能规定几种，你测量了几种就有几种，而这个拟脑是开放了算法，可以无级线性变化动作，理论上可以是无数种，这就是算法解放。”刘工又发话了。
  “是的。”林久浩。
  “另外，第二个功能是面对外力，可以重新计算动平衡，不像你做的实验，外力影响，如果产生超越机器人动平衡容忍度的偏差，你的机器人就走不下去了。”刘工。
  “是的，刘工，不过，针对外力要更复杂一些。”林久浩。
  “我们继续分析。”刘工。
  “主动的动作产生的力，执行脑做预设态选用【b】过程组，可以实现动平衡，还有一种情况就是不可预见外力，需要判断外力，然后加入计算，或者受力反馈加入计算，快速恢复平衡。”林久浩继续。
  “林工说的这个大家都明白，就是外力分可预测外力和不可预测外力，作为人，受了不可预测外力，也会被击倒，需要重新爬起。”刘工已经开始帮着林久浩解释了。
  “是的，可预测外力直接加入计算就可以，例如风力阻力，支撑物运动等；不可预测外力很麻烦，需要在受力影响击倒前，用拟脑算法算出恢复平衡的动作，重回平衡。”林久浩。
  “确实是，这个越说越深了。”刘工也感觉到太深入了。
  “是吧，剩下的事情就要靠您们完成了，毕竟我是外行，不过。。。”林久浩有些迟疑，不知道该不该说。
  “不过什么，小林，你说。。。”宁老发现了林久浩的迟疑。
  “我是说，您们在做这个机器人，重心力臂动平衡多元关联拟脑模型是针对特定机器人的，例如拟人型机器人。”林久浩说道。
  “是的，怎么了？”宁老问道。
  “您们最好有高级脑，多层脑的概念。”林久浩。
  “这是什么，我们刚才建立的拟脑不是吗？”宁老疑惑了。
  “刚才是重心力臂动平衡多元关联拟脑，这不是机器人脑的全部，动平衡脑只是控制层的，应该在感应层和思维层都加入拟脑模型，这就形成了多级脑，而重心力臂动平衡多元关联拟脑只是一部分。”林久浩。
  “哦，明白了，这是多层脑概念，就是机器人脑的一个分支是重心力臂动平衡多元关联拟脑。”宁老明白的快。
  “对的，宁老，多元关联拟脑是一个新的智能领域，需要把思路放开，这种人工智能拟脑非常注重成长。”林久浩。
  “高级脑是什么？”刘工抢先问了。
  “您们如果完成了拟人型机器人的重心力臂动平衡多元关联拟脑，你还会发现很多异形机器人也需要重心力臂动平衡多元关联拟脑，把这个经验保留到一个更高级的脑模型里面，当需要定义其他类型机器人，直接输入类型参数，就可以模拟出相应模型。”林久浩继续。
  “明白了。”刘工打断了林久浩的话，继续说道：“就是这种成功的脑，可以把经验和算法再建立一个多元关联算法拟脑，针对不同形状类型的机器人，可以直接形成它的重心力臂动平衡多元关联拟脑，是吧？”。
  “刘工，你太厉害了，佩服，佩服，理解真快。”林久浩。
  “彼此彼此，佩服，佩服。”刘工也回了林久浩。
  “小刘，这个拟脑会不断长大成熟，将来很多智能的东西都可以放在这个大脑里，所以重心力臂动平衡多元关联拟脑只是初步，让他成长，随着时间，用更丰富智能脑替代它。”宁老找到目标了。
  “宁老，不是所有都要替代，我们说的高级脑思维脑等，如果成长是一个质变的过程则可以迭代，但是，重心力臂动平衡多元关联拟脑不具备质变替代，只是算法优化后的迭代，因为它是自成一体的拟脑模型。”林久浩。
  “如果我们把机器人所有内容，都装入一个多元关联拟脑，动平衡脑不是已经融入了这个更大脑里面了吗？”宁老问道。
  “确实，但是，它又相对独立，作为一个小脑，只处理动平衡问题，可以更快的运行。”林久浩。
  “直接大脑运行不可以吗？”宁老问道。
  “最好独立运行，因为多元关联拟脑是路径比对择优，所以减少不必要的思维路径，可以节约计算量。”林久浩。
  “哦，明白了，即使大脑成熟，我们也要保持小脑的独立性，所以在多元关联拟脑中会保留很多独立的小脑。”宁老理解能力超强。
  “是的，宁老，我们把成熟的大脑比喻为成人的思考大脑，这个独立的小脑，就好像。。。。好像。。”林久浩一时没有好的比喻。
  “爱因斯坦小时候的头盖骨？”丁琪琪突然发了声音，不知道是发言还是自言自语，说完立刻捂住麦克风。
  “丁琪琪同志，请把麦克风关上。。。”林久浩在远端也听到了，命令丁琪琪关上麦克风，这时大家都笑了。
  “不是，不能比喻成爱因斯坦小时候的头盖骨，这些可以作为分脑，独立脑，就是为了减少思维路径，把思维限制在一个范围内，思维域的概念。”林久浩继续解释。
  “是的，明白了，多元关联拟脑模型是路径比对择优，所以减少不必要的思维路径，是算法优化的关键点之一。”宁老全明白了。
  会议开了约四个小时，大家又闲聊了几句，会议就结束了。
  会后，丁琪琪偷偷给林久浩打电话。
  “哥，能不能想办法让我离开这个单位，我想去多元。”丁琪琪。
  “琪琪呀，上幼儿园，上小学，上中学，上大学，都可以任性，但是，工作了就不能这样。”林久浩回答。
  “知道了，老哥。”丁琪琪。
  “那就继续努力。。。丁琪琪，你行，你不是一班的人，努力。”林久浩鼓励了一下。
  “努力，努力，什么时候把我开除了就好了。。。”丁琪琪。
  “。。。”林久浩无语。
  下一章节===《第九章.丁琪琪加班》