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a150，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15a，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30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》