任微青：“其实，你们沿着这个思路继续走下去，一定可以也自己解决。保存在线的传感数据，意义不大。这如同看一部数字化电影，没有人可以做到将每一帧图片完整的记录。观众需要的是故事，而不是画面的像元，我们需要的也是仿真数据的故事，而不是每一个具体的数据。”

苏格听懂了大概的方向。他和楚可可的感觉一样，只知道方向，却仍然不知道具体该怎么做，他觉得有些地方还没有想通，一时又不知如何问起。这需要时间，他最缺的就是时间。他知道，任微青可以帮助他节约时间。

任微青似乎知道苏格的困惑，他说：“仿真数学模型实际上就是一种传感数据流的基本处理方法。“数学模型”是计算机利用数学逻辑语言构建的对现事物对象的总体描述，其中的多参数耦合关系，就是我们所说的规律。”

苏格：“哦？怎么说？”

任微青：“仿真是通过多参量之间因果律数据耦合而得以实现，但这仍旧不算最终解决信息资源化，作为资源性的数据，还需要解决数据的‘通俗性’和‘可阅读性’问题。”

苏格似乎有些思路了。有限元仿真的出现，几乎与计算机在同一个年代发展起来的。只不过仿真从来都是在有人设定参数的前提下单独进行，而从没有自主让计算机联通仿真对象现场的传感器。通过传感将现实与数学模型连接起来，进行“模型修正”不正是机器“学习”吗？而“模式识别”不正是机器“决策”吗？

感知是信息之源，也是智慧之祖。

“机器学习”是通过获得传感数据进行自主的“模型修正”过程，使认知主体掌握的模型耦合“经验、规律”更加的接近真实情况。利用反馈原理修正的“数学模型”，这与“生物原型”的机理是一样的。

把我们已经掌握的教给计算机，通过人工建粗糙的模型，再交给计算机“学习”的更精细。

世界上有两万多种传感器，即使这样，也只能测量少量的物理量参数；利用数学模型仿真技术，可以实现多参量的自动耦合、修正，形成信息闭环结构。绝大部分不能被测量的参数，却可以被耦合关系间接获得，这种间接获得的参数称为“间接参数”，也可以称之为“耦合关系”。

通俗地说，在一个被测对象上安装了各式传感器，进行多参量在线测量；将被测对象视为一个‘传感器’，而这些安装于其中的传感器只是‘敏感元件’，这些‘敏感元件’通过‘数学模型’实现关联耦合。这些‘间接参数’就是‘传感器’输出目标数据。

“柔性仿真”是现实世界转换为信息资源的重要步骤。“柔性仿真数学模型”的“柔性”体现在：实时传感数据成为了“仿真数学模型”的一个部分。任何一次细微的修正，都是计算机逻辑运算的过程，都需要一次重新的仿真，使得这种修正与“数学模型”整体再一次全局关联耦合。

传感器参数是实时变化的，“柔性仿真数学模型”也必然是实时变化的。关键在于，实现“柔性仿真数学模型”跟踪现实事物的能力，实现了现实世界的信息变成了一种信息资源。即，信息资源化思想。

通常，把来自于感测部分的信息，称之为“果然信息（果然发生）”。而把来自认知主体的主观判断信息，称之为“如果信息（如果规律）”。

感知信息只能来自于过去，无论信息的来的有多快；认知信息只能干预未来，无论智慧有多高。我们先进的科技，无非是掌握自然的规律的充分程度，以规律信息为依据高效地驾驭能量。

即使是关于未来的“如果信息”，如，判据、规律、认知、决策……等等，对于“数学模型”而言都是一种参数。在数学模型中，描述其中一个参数的时间变化曲线，这种曲线对于信息提取与保存意义重大。这正是苏格所需要的大数据处理能力，解决了传感数据流“在线加工”问题。通过仿真模型可以很容易描述任何一个参数的时间变化曲线。

简单地说，能把历史的动态“参数——时间”变化描述出来，自然也可以将曲线延伸至未来。

“太好了！”