选择困难症加巨大工作量，林久浩还真的去问了丁琪琪，琪琪说：“扔硬币的时候，确实有很小的概率，发生硬币立在地面的情况，所以。。。扔鞋吧~。”林久浩就知道，丁琪琪不会出好主意的。
配属的算力存储等硬件系统明天才能到位，这一天，愁上眉梢的林久浩，居然什么也没干，因为不知道怎么干，难题。
晚上快十点了，思考中，思考中，已经考虑一天了，选择困难症，到底要不要下决心，让小组成员开始写基于多元关联拟脑技术的云智能管理程序，理工科人的习惯，只要现在动手写一点，就根本停不下来了。
选择困难症，扔鞋吧，是先把多元云的智能管理模型制定出来，估算一下代码量，然后再听天由命吗？还是。。。。。。问问老爸吧。
已经是晚上十点多了，“老爸，您休息了吗？”林久浩尝试着给林自强发了一个消息。
“没有，这么晚你又要干什么？”林自强回道。
“老爸，我有一件技术方面的事情想咨询，您，一下。”林久浩不知道怎么说。
“很麻烦的？”林自强问道。
“很麻烦，时间不短，会影响您休息，不知道该不该说。”林久浩有些犹豫。
“说还是不说，你选择困难症呀？说。。。立刻。”林自强果断下了命令。
“好，就是上一回跟您说过的，用于母子脑算法，基于多元关联拟脑技术的云资源智能管理的问题，我们怎么做？”林久浩提出问题。
“你们的母子脑算法，必须基于多元云智能管理系统，是不是？你现在想怎么做？”林自强反问。
“我还没想。”林久浩马上回来一个信息。
“我还没说完，你想怎么做我不管，我这边已经有规划了。”林自强手慢。
“您有规划了，怎么规划的？”林久浩兴奋了。
“用多元关联拟脑模型，抽离软硬件控制部分，定义为信息元，然后构建中间多元关联模型层，给云资源管理建立一个大脑。”林自强淡定地说道。
“我就知道，肯定要用多元关联拟脑模型，但是，我们怎么用呀？”林久浩问到具体的方面。
“我会把云内部所有软硬件资源及管理信息资源，全部转化为信息元，建立在多元关联拟脑模型中，管理信息资源你应该明白了，我不用解释了吧？”林自强引导着。
“知道，不是用户存储的信息，是我们在系统管理中的信息，例如，软硬件信息、固定的用户权限、配置信息、故障信息等等。。。都转化为信息元并关联起来。我当初做的运维系统多元关联拟脑模型，就是用的这个理念。”林久浩想起了自己编写的第一个程序。
“对的，很多驱动程序和管理模块都是现成的，我们只需要建立一个脑结构，把这些信息关联在一起，这个脑结构可不可以满足你的管理要求？”林自强问道。
“您还没说结构呢，我不知道能不能满足我的要求。”林久浩没明白。
“好吧，我们假设脑结构已经建立好，就是资源控制模块及管理信息全部信息元化，而且信息元关联等工作已经完成，你可以把你的需求发出来，看我们能不能满足要求。”林自强继续引导。
“好的，我们是要建立一个母子脑生成机制，拟脑软件部分是由【星辰大海】生成的专用子脑，这个子脑需要配置相应的硬件设备，算力存储运维之类的硬件资源、管理功能组资源及管理规划，而且产生的子脑还有生命周期，等等。”林久浩提出需求。
“很简单呀，你可以在测试系统中，完成子脑的硬件资源需求，也可以用多元云的实验资源池部分，确定这个子脑的资源需求范围。”林自强先提出测算方法，当一个子脑生成的时候，先要知道这个子脑的算力要求范围，以及存储需求的范围。
“有实验资源池吗？我们要做的子脑叫【场景】，您帮我分析一下，怎么实现？”林久浩继续提需求。
“好，我们按照你说的要求，生成针对【场景】子脑的场景管理信息元，取名字叫【场景管理元】。”林自强说道。
“运维管理信息及生存周期呢？”林久浩问道。
“这些内容应该在【星辰大海】中有明确的规定，我们先把子脑建立起来，然后再去设定管理功能组的需求。”林自强回答。
“好的。”林久浩。
“设定一个信息元【场景管理元】，标注为预设信息元，设定各项条件参数范围，例如你实际运行的算力是A，你设定的参数范围为A*150%，这样实验云中的【场景管理元】会得出这个子脑的算力需求范围，当输出的预设信息元为实际信息元的时候，信息元【场景管理元】会带出一个算力参数1.5A，这个信息元【场景管理元】会加入【资源管理信息元】的【我生负】象限，而【资源管理信息元】也在【场景管理元】的【生我正】象限。”林自强开始推演。
“【场景管理元】信息元就是子脑吗？”林久浩有点含糊。
“不是，【场景管理元】信息元是生成【场景】子脑的上一级关联信息元，而【场景子脑】在【场景管理元】的【我生负】象限，而且可以产生多个子脑，包括你们需要的平行脑和影子脑。”林自强解释道，这里的管理信息元不是实际生成的子脑系统，而是为生成和关联这个子脑系统而设定的管理信息元。
“哦，这样太好了，就是【场景管理元】是针对【场景子脑】的管理核心信息元，这个信息元就是生成子脑运行条件的规范，按照规范生成【场景子脑】的运行条件，太好了，因为【场景子脑】不是一个，需要三个脑并行运行相互验证，同时还需要影子脑进行多执行脑算法比对。”林久浩理解着说道。
“多执行脑算法比对？”林自强问道。
“就是采用新版本的多重平行三维空间技术，我们多执行脑算法比对，是针对多方向预设态计算的一种，多方向预设态是用来预测未来的真实发生态，多执行脑算法比对是面对一个问题，模拟多种解决方法，对比出最优的，就是我前几天跟您说过的互斥问题，也是其中的一种。”林久浩解释道。
“哦，我明白了，看来你那边的应用场景很丰富，真好。”林自强居然羡慕了。
“老爸，我有时候很佩服您，您都没有接触过真实的应用场景，居然就。。。就。。。凭妄想就想出来了。”林久浩说完，立刻意识到，这好像不是夸人。
“嗯，嗯，我们继续，【场景管理元】作为【场景子脑】的生成规范，如果需要多个【场景子脑】，由【场景管理元】向【生我正】象限申请资源，由【生我正】象限的【资源管理信息元】响应，而实际的资源又在【资源管理信息元】的【我克正】的资源池里，资源池里面的资源被申请，反馈到发起者【场景管理元】信息元，形成执行闭环，最终在【场景管理元】的【我生负】象限会出现一个【场景子脑】的运行条件环境包。”林自强解释着。
“如果【场景子脑】在运行的时候，例如，算力不够，怎么办？”林久浩又问道。
“你会发现，在【场景管理元】信息元的【我克负】象限里面，有你的监控参数信息元，例如，你说的【算力】信息元，【场景子脑】在运行的时候，一直溢出监控的参数，且会一直将参数发向【算力】这个信息元，而【算力】信息元与【场景管理元】关联，关联线路容忍度设定范围阈值，如果参数是70%以内，没有超越容忍度，则不向【场景管理元】元发申请，如果【算力】监控元参数是80%，超越容忍度阈值，会产生算力不够，就会向【场景管理元】发出带参数80%的申请。”林自强继续解释。
“然后【场景管理元】把这个参数传给【资源管理信息元】，然后发到资源池，按照参数选择是算力添加，然后把定义好的算力单元添加给【场景子脑】，【场景子脑】再获得添加的单位算力后，就结束了。”林久浩边理解边推演。
“没有结束，你要看到是谁发起的申请，注意闭环。”林自强提醒着。
“【场景子脑】发现算力不够，是【场景子脑】吗？”林久浩问道。
“不是，【场景子脑】信息元没有发现算力不够，只是把算力参数发给【算力】监控信息元。”林自强解释道。
“是【算力】监控信息元发起的？”林久浩自己也在思考，并不确定。
“不是，【算力】信息元也只是传递算力参数，你再想想。”林自强继续引导。
“是【场景管理元】发起的，因为【场景子脑】只是出现了算力不够的问题，并把这个参数传导给【算力】信息元，而发现算力不够的问题是【算力】信息元参数突破容忍度后，向【场景管理元】发出的实际参数，【场景管理元】向【资源管理信息元】发送的不是这个参数80%，是由这个参数激活的【场景管理元】信息元中的条件参数，后续的工作需要这个条件参数来完成。”林久浩的理解又进了一步。
“对，闭环，最终的结果需要走到【场景管理元】，【场景管理元】在算力条件这个地方，把添加的算力放进去，修改原【场景子脑】的算力配置参数。”林自强接着说道。
“【场景管理元】作为闭环开始，也是闭环终结，所以在完成闭环后，【场景管理元】的条件参数也改变了，这样真实的反应了现有的状态。”林久浩全明白了。
“是的，如果闭环终点不修改，【场景管理元】内部信息就失真了。”林自强说道。
“老爸，正反方向选择都可以吗？”林久浩又问道。
“当然可以，你说的反向，就是算力过多，导致浪费问题，需要【场景管理信息元】自动撤回算力资源，对吗？”林自强反问。
“对呀，影子脑使用后关闭，对应的资源释放，或者是算力需求小了，需要减少算力，都需要自动处理的。”林久浩描述了用途。
“你监控的参数在与【场景管理元】关联线路容忍度阈值采用双向设置，低于某值也触发传送，例如，参数算力下限为30%，如果，当前使用的算力低于这个算力参数，就会导致激活【场景管理元】的条件参数，传导到【资源管理信息元】做单位算力减少操作，最后返回【场景管理元】，做闭环终结。”林自强又讲解一遍。
“减少的算力怎么从拟脑计算的资源池中撤出来？”林久浩继续问具体方法。
“标记下一次不可用呀，被撤下来的算力资源不再接受新的计算申请，只完成当前未完成的工作，这样就可以回收了。”林自强解释道。
“如果，我说是如果。。。又导致算力增加了怎么办？”林久浩问道。
“这个过程是自动的智能的，且实时完成的，所以可以继续增加呀。”林自强说道。
“我说的是不稳定，一会儿减少了，然后又增加了，这样是不是自动的方式就容易出问题？”林久浩在脑子里面边推演边问道。
“那一定是你把参数设定的太严格了，宽泛一些，就可以减少波动。”林自强一句话就解决了。
“哦，我已经很清楚的，除了算力以外，还有很多资源都用同样的方法设定，用同样的流程完成资源自动分配，真好。”林久浩这回高兴了。
“是呀，不只是硬件资源，软件资源也可以，例如，软件节点授权可以灵活分配，有些企业购买多元关联拟脑节点授权，他们会为每一个应用购买最低授权数，然后再购买一个授权包放入资源管理池，这些授权也可以被动态地灵活分配。”林自强继续介绍。
“老爸，我们是堂堂正正盗版的，没有授权限制，所以不需要考虑。”林久浩开了一句玩笑。
“胡说，你们的是。。。国家专用版，多元关联拟脑技术一发明出来就有国家专用版，不是盗版，是专门给国家定制的版本。”林自强加重语气强调不是盗版。
“哦，明白了，老爸。我们现在采用国产设备，设备型号及配置很统一，所以这个云智能管理模型看着不难实现吧。。。是吧？”林久浩又尝试着问道，他最希望听到，“不难，很容易”之类的话。
“确实，不像以前，一个云里面各种品牌的设备，管理很复杂。不过，即使如此，所有代码重新编制，肯定是天量代码，但是，我们用了多元关联拟脑算法模型，你发现需要编制的代码很少，在模型上配置后，再编写一些执行脑函数就好了。”林自强没有让林久浩失望。
“老爸，是不是这就是，我们的多元关联拟脑技术的优势？”林久浩接着问道。
“不只是，这个模型还把很多信息比对过程转化为数学计算过程，尤其是闭环的使用。”林自强耐心解释。
“老爸，我又糊涂了，这些关联在一起不就好了，为什么要用六亲关系？又克又正了，又生又负了的？”林久浩因为最近的事太多，又有点糊涂了。
“六亲关系是为了信息元划分在不同象限用的，如果只给你八个象限，一堆关联信息元你怎么分？按照什么关系分类？”林自强用问题解释问题。
“哦，确实，无法按照【正正正】【负负负】的分，那为什么要用象限呀。”林久浩还糊涂着。
“象限可以大大减少执行脑代码，假设你激活了一个信息元，并想让这个信息元在它的拟脑结构中思维行走，在执行脑部分只需要输入【信息元编码，象限，参数1，参数N】就可以了。”林自强解释道。
“【信息元编码，象限，参数1，参数N】对了，想起来了，执行脑输入信息元编码找到信息元，给你一个象限方向，而多元关联拟脑就在这个象限开始思维行走，如果后面跟着参数为空，则行走函数就会在这个象限发起全路径行走，然后等待闭环反馈；如果给一个参数值，行走函数就会以路径最短，或者权重最大，或者角度最小等，优先行走，如果没有形成闭环，再从次优的路径行走，直到出现闭环。”林久浩复述了一遍以前的知识。
“对，执行脑发起思维，只需要很少的几个指令，而今天，我们做的多元云智能管理系统，也没有必要大量编写代码。”林自强拉回话题。
“看来先编写多元云智能管理部分是对的，不能像琪琪说的那样，扔鞋。”林久浩说道。
“对，一定要做好基础的云智能管理部分，否则你生成的【场景子脑】会有巨大的维护工作量，而且你还需要形成多个子脑，例如，平行脑和影子脑，工作量倍量增长，人力耗不起呀！”林自强不但懂技术还懂运维。
沉吟了一会儿，林久浩不想在麻烦父母了，随即说道：“知道了，老爸，您休息吧，再晚就影响我妈休息了。”。
“你妈？距离很远的，不会影响到她的呀。”林自强说道。
“什么，老爸您们现在，在哪里？”林久浩惊奇的问道。
“你妈在家休息，我在单位加班呢。”林自强回答。
“加班？加班干什么？”林久浩忙问。
“昨天有人都求到琪琪那个简单大脑了，还扔鞋，我们正在加班测试多元云智能管理系统3.0版本。”林自强解释道。
“您都知道了，是琪琪告诉您的，所以您自己就加班加点帮我做系统。”林久浩突然被感动到了。
“不是我一个，我把视频打开，你自己看吧。”林自强打开了视频，林久浩看到公司里面灯火通明，三多带着几十名员工在加班工作。
“谢谢，老爸。”林久浩。
“谢什么，本来我们这边就已经在升级多元云智能管理系统，现在为了赶你的时间，大家一起加班做测试，两天提交给你，怎么样？”林自强问。
“谢谢！老爸，谢谢！老爸。”林久浩由衷地感谢，憋了一天的那一口气，总算舒了出来，自信又回来了。
下一章节===《第八章.创建场景子脑》
配属的算力存储等硬件系统明天才能到位，这一天，愁上眉梢的林久浩，居然什么也没干，因为不知道怎么干，难题。
晚上快十点了，思考中，思考中，已经考虑一天了，选择困难症，到底要不要下决心，让小组成员开始写基于多元关联拟脑技术的云智能管理程序，理工科人的习惯，只要现在动手写一点，就根本停不下来了。
选择困难症，扔鞋吧，是先把多元云的智能管理模型制定出来，估算一下代码量，然后再听天由命吗？还是。。。。。。问问老爸吧。
已经是晚上十点多了，“老爸，您休息了吗？”林久浩尝试着给林自强发了一个消息。
“没有，这么晚你又要干什么？”林自强回道。
“老爸，我有一件技术方面的事情想咨询，您，一下。”林久浩不知道怎么说。
“很麻烦的？”林自强问道。
“很麻烦，时间不短，会影响您休息，不知道该不该说。”林久浩有些犹豫。
“说还是不说，你选择困难症呀？说。。。立刻。”林自强果断下了命令。
“好，就是上一回跟您说过的，用于母子脑算法，基于多元关联拟脑技术的云资源智能管理的问题，我们怎么做？”林久浩提出问题。
“你们的母子脑算法，必须基于多元云智能管理系统，是不是？你现在想怎么做？”林自强反问。
“我还没想。”林久浩马上回来一个信息。
“我还没说完，你想怎么做我不管，我这边已经有规划了。”林自强手慢。
“您有规划了，怎么规划的？”林久浩兴奋了。
“用多元关联拟脑模型，抽离软硬件控制部分，定义为信息元，然后构建中间多元关联模型层，给云资源管理建立一个大脑。”林自强淡定地说道。
“我就知道，肯定要用多元关联拟脑模型，但是，我们怎么用呀？”林久浩问到具体的方面。
“我会把云内部所有软硬件资源及管理信息资源，全部转化为信息元，建立在多元关联拟脑模型中，管理信息资源你应该明白了，我不用解释了吧？”林自强引导着。
“知道，不是用户存储的信息，是我们在系统管理中的信息，例如，软硬件信息、固定的用户权限、配置信息、故障信息等等。。。都转化为信息元并关联起来。我当初做的运维系统多元关联拟脑模型，就是用的这个理念。”林久浩想起了自己编写的第一个程序。
“对的，很多驱动程序和管理模块都是现成的，我们只需要建立一个脑结构，把这些信息关联在一起，这个脑结构可不可以满足你的管理要求？”林自强问道。
“您还没说结构呢，我不知道能不能满足我的要求。”林久浩没明白。
“好吧，我们假设脑结构已经建立好，就是资源控制模块及管理信息全部信息元化，而且信息元关联等工作已经完成，你可以把你的需求发出来，看我们能不能满足要求。”林自强继续引导。
“好的，我们是要建立一个母子脑生成机制，拟脑软件部分是由【星辰大海】生成的专用子脑，这个子脑需要配置相应的硬件设备，算力存储运维之类的硬件资源、管理功能组资源及管理规划，而且产生的子脑还有生命周期，等等。”林久浩提出需求。
“很简单呀，你可以在测试系统中，完成子脑的硬件资源需求，也可以用多元云的实验资源池部分，确定这个子脑的资源需求范围。”林自强先提出测算方法，当一个子脑生成的时候，先要知道这个子脑的算力要求范围，以及存储需求的范围。
“有实验资源池吗？我们要做的子脑叫【场景】，您帮我分析一下，怎么实现？”林久浩继续提需求。
“好，我们按照你说的要求，生成针对【场景】子脑的场景管理信息元，取名字叫【场景管理元】。”林自强说道。
“运维管理信息及生存周期呢？”林久浩问道。
“这些内容应该在【星辰大海】中有明确的规定，我们先把子脑建立起来，然后再去设定管理功能组的需求。”林自强回答。
“好的。”林久浩。
“设定一个信息元【场景管理元】，标注为预设信息元，设定各项条件参数范围，例如你实际运行的算力是A，你设定的参数范围为A*150%，这样实验云中的【场景管理元】会得出这个子脑的算力需求范围，当输出的预设信息元为实际信息元的时候，信息元【场景管理元】会带出一个算力参数1.5A，这个信息元【场景管理元】会加入【资源管理信息元】的【我生负】象限，而【资源管理信息元】也在【场景管理元】的【生我正】象限。”林自强开始推演。
“【场景管理元】信息元就是子脑吗？”林久浩有点含糊。
“不是，【场景管理元】信息元是生成【场景】子脑的上一级关联信息元，而【场景子脑】在【场景管理元】的【我生负】象限，而且可以产生多个子脑，包括你们需要的平行脑和影子脑。”林自强解释道，这里的管理信息元不是实际生成的子脑系统，而是为生成和关联这个子脑系统而设定的管理信息元。
“哦，这样太好了，就是【场景管理元】是针对【场景子脑】的管理核心信息元，这个信息元就是生成子脑运行条件的规范，按照规范生成【场景子脑】的运行条件，太好了，因为【场景子脑】不是一个，需要三个脑并行运行相互验证，同时还需要影子脑进行多执行脑算法比对。”林久浩理解着说道。
“多执行脑算法比对？”林自强问道。
“就是采用新版本的多重平行三维空间技术，我们多执行脑算法比对，是针对多方向预设态计算的一种，多方向预设态是用来预测未来的真实发生态，多执行脑算法比对是面对一个问题，模拟多种解决方法，对比出最优的，就是我前几天跟您说过的互斥问题，也是其中的一种。”林久浩解释道。
“哦，我明白了，看来你那边的应用场景很丰富，真好。”林自强居然羡慕了。
“老爸，我有时候很佩服您，您都没有接触过真实的应用场景，居然就。。。就。。。凭妄想就想出来了。”林久浩说完，立刻意识到，这好像不是夸人。
“嗯，嗯，我们继续，【场景管理元】作为【场景子脑】的生成规范，如果需要多个【场景子脑】，由【场景管理元】向【生我正】象限申请资源，由【生我正】象限的【资源管理信息元】响应，而实际的资源又在【资源管理信息元】的【我克正】的资源池里，资源池里面的资源被申请，反馈到发起者【场景管理元】信息元，形成执行闭环，最终在【场景管理元】的【我生负】象限会出现一个【场景子脑】的运行条件环境包。”林自强解释着。
“如果【场景子脑】在运行的时候，例如，算力不够，怎么办？”林久浩又问道。
“你会发现，在【场景管理元】信息元的【我克负】象限里面，有你的监控参数信息元，例如，你说的【算力】信息元，【场景子脑】在运行的时候，一直溢出监控的参数，且会一直将参数发向【算力】这个信息元，而【算力】信息元与【场景管理元】关联，关联线路容忍度设定范围阈值，如果参数是70%以内，没有超越容忍度，则不向【场景管理元】元发申请，如果【算力】监控元参数是80%，超越容忍度阈值，会产生算力不够，就会向【场景管理元】发出带参数80%的申请。”林自强继续解释。
“然后【场景管理元】把这个参数传给【资源管理信息元】，然后发到资源池，按照参数选择是算力添加，然后把定义好的算力单元添加给【场景子脑】，【场景子脑】再获得添加的单位算力后，就结束了。”林久浩边理解边推演。
“没有结束，你要看到是谁发起的申请，注意闭环。”林自强提醒着。
“【场景子脑】发现算力不够，是【场景子脑】吗？”林久浩问道。
“不是，【场景子脑】信息元没有发现算力不够，只是把算力参数发给【算力】监控信息元。”林自强解释道。
“是【算力】监控信息元发起的？”林久浩自己也在思考，并不确定。
“不是，【算力】信息元也只是传递算力参数，你再想想。”林自强继续引导。
“是【场景管理元】发起的，因为【场景子脑】只是出现了算力不够的问题，并把这个参数传导给【算力】信息元，而发现算力不够的问题是【算力】信息元参数突破容忍度后，向【场景管理元】发出的实际参数，【场景管理元】向【资源管理信息元】发送的不是这个参数80%，是由这个参数激活的【场景管理元】信息元中的条件参数，后续的工作需要这个条件参数来完成。”林久浩的理解又进了一步。
“对，闭环，最终的结果需要走到【场景管理元】，【场景管理元】在算力条件这个地方，把添加的算力放进去，修改原【场景子脑】的算力配置参数。”林自强接着说道。
“【场景管理元】作为闭环开始，也是闭环终结，所以在完成闭环后，【场景管理元】的条件参数也改变了，这样真实的反应了现有的状态。”林久浩全明白了。
“是的，如果闭环终点不修改，【场景管理元】内部信息就失真了。”林自强说道。
“老爸，正反方向选择都可以吗？”林久浩又问道。
“当然可以，你说的反向，就是算力过多，导致浪费问题，需要【场景管理信息元】自动撤回算力资源，对吗？”林自强反问。
“对呀，影子脑使用后关闭，对应的资源释放，或者是算力需求小了，需要减少算力，都需要自动处理的。”林久浩描述了用途。
“你监控的参数在与【场景管理元】关联线路容忍度阈值采用双向设置，低于某值也触发传送，例如，参数算力下限为30%，如果，当前使用的算力低于这个算力参数，就会导致激活【场景管理元】的条件参数，传导到【资源管理信息元】做单位算力减少操作，最后返回【场景管理元】，做闭环终结。”林自强又讲解一遍。
“减少的算力怎么从拟脑计算的资源池中撤出来？”林久浩继续问具体方法。
“标记下一次不可用呀，被撤下来的算力资源不再接受新的计算申请，只完成当前未完成的工作，这样就可以回收了。”林自强解释道。
“如果，我说是如果。。。又导致算力增加了怎么办？”林久浩问道。
“这个过程是自动的智能的，且实时完成的，所以可以继续增加呀。”林自强说道。
“我说的是不稳定，一会儿减少了，然后又增加了，这样是不是自动的方式就容易出问题？”林久浩在脑子里面边推演边问道。
“那一定是你把参数设定的太严格了，宽泛一些，就可以减少波动。”林自强一句话就解决了。
“哦，我已经很清楚的，除了算力以外，还有很多资源都用同样的方法设定，用同样的流程完成资源自动分配，真好。”林久浩这回高兴了。
“是呀，不只是硬件资源，软件资源也可以，例如，软件节点授权可以灵活分配，有些企业购买多元关联拟脑节点授权，他们会为每一个应用购买最低授权数，然后再购买一个授权包放入资源管理池，这些授权也可以被动态地灵活分配。”林自强继续介绍。
“老爸，我们是堂堂正正盗版的，没有授权限制，所以不需要考虑。”林久浩开了一句玩笑。
“胡说，你们的是。。。国家专用版，多元关联拟脑技术一发明出来就有国家专用版，不是盗版，是专门给国家定制的版本。”林自强加重语气强调不是盗版。
“哦，明白了，老爸。我们现在采用国产设备，设备型号及配置很统一，所以这个云智能管理模型看着不难实现吧。。。是吧？”林久浩又尝试着问道，他最希望听到，“不难，很容易”之类的话。
“确实，不像以前，一个云里面各种品牌的设备，管理很复杂。不过，即使如此，所有代码重新编制，肯定是天量代码，但是，我们用了多元关联拟脑算法模型，你发现需要编制的代码很少，在模型上配置后，再编写一些执行脑函数就好了。”林自强没有让林久浩失望。
“老爸，是不是这就是，我们的多元关联拟脑技术的优势？”林久浩接着问道。
“不只是，这个模型还把很多信息比对过程转化为数学计算过程，尤其是闭环的使用。”林自强耐心解释。
“老爸，我又糊涂了，这些关联在一起不就好了，为什么要用六亲关系？又克又正了，又生又负了的？”林久浩因为最近的事太多，又有点糊涂了。
“六亲关系是为了信息元划分在不同象限用的，如果只给你八个象限，一堆关联信息元你怎么分？按照什么关系分类？”林自强用问题解释问题。
“哦，确实，无法按照【正正正】【负负负】的分，那为什么要用象限呀。”林久浩还糊涂着。
“象限可以大大减少执行脑代码，假设你激活了一个信息元，并想让这个信息元在它的拟脑结构中思维行走，在执行脑部分只需要输入【信息元编码，象限，参数1，参数N】就可以了。”林自强解释道。
“【信息元编码，象限，参数1，参数N】对了，想起来了，执行脑输入信息元编码找到信息元，给你一个象限方向，而多元关联拟脑就在这个象限开始思维行走，如果后面跟着参数为空，则行走函数就会在这个象限发起全路径行走，然后等待闭环反馈；如果给一个参数值，行走函数就会以路径最短，或者权重最大，或者角度最小等，优先行走，如果没有形成闭环，再从次优的路径行走，直到出现闭环。”林久浩复述了一遍以前的知识。
“对，执行脑发起思维，只需要很少的几个指令，而今天，我们做的多元云智能管理系统，也没有必要大量编写代码。”林自强拉回话题。
“看来先编写多元云智能管理部分是对的，不能像琪琪说的那样，扔鞋。”林久浩说道。
“对，一定要做好基础的云智能管理部分，否则你生成的【场景子脑】会有巨大的维护工作量，而且你还需要形成多个子脑，例如，平行脑和影子脑，工作量倍量增长，人力耗不起呀！”林自强不但懂技术还懂运维。
沉吟了一会儿，林久浩不想在麻烦父母了，随即说道：“知道了，老爸，您休息吧，再晚就影响我妈休息了。”。
“你妈？距离很远的，不会影响到她的呀。”林自强说道。
“什么，老爸您们现在，在哪里？”林久浩惊奇的问道。
“你妈在家休息，我在单位加班呢。”林自强回答。
“加班？加班干什么？”林久浩忙问。
“昨天有人都求到琪琪那个简单大脑了，还扔鞋，我们正在加班测试多元云智能管理系统3.0版本。”林自强解释道。
“您都知道了，是琪琪告诉您的，所以您自己就加班加点帮我做系统。”林久浩突然被感动到了。
“不是我一个，我把视频打开，你自己看吧。”林自强打开了视频，林久浩看到公司里面灯火通明，三多带着几十名员工在加班工作。
“谢谢，老爸。”林久浩。
“谢什么，本来我们这边就已经在升级多元云智能管理系统，现在为了赶你的时间，大家一起加班做测试，两天提交给你，怎么样？”林自强问。
“谢谢！老爸，谢谢！老爸。”林久浩由衷地感谢，憋了一天的那一口气，总算舒了出来，自信又回来了。
下一章节===《第八章.创建场景子脑》
为更好的阅读体验，本站章节内容基于百度转码进行转码展示，如有问题请您到源站阅读, 转码声明。
圣墟小说网邀请您进入最专业的小说搜索网站阅读奶奶的机器人九号场景攻击,奶奶的机器人九号场景攻击最新章节,奶奶的机器人九号场景攻击 圣墟小说网！
圣墟小说网邀请您进入最专业的小说搜索网站阅读奶奶的机器人九号场景攻击,奶奶的机器人九号场景攻击最新章节,奶奶的机器人九号场景攻击 圣墟小说网！