关于模拟思考的过程，联想模式的二个问题和思考

Q1：在现在产生的进程要在未来一段时间去执行他，我们怎样在未来记住我们要执行它？

方法1：一直在脑子里面记住你有一个要做的事情，并且在时间到了之后执行，并且在脑子里面丢弃这段记忆；实际上是一种进程，每隔一段时间在脑子里不断触发，判定是否执行，实际上非常占用脑能。

方法2：在脑里存储这样的信息，并且提取信息特征，同时建立一个空间存贮进程事件；将事件降维处理，做出几个的特征点（不一定是降维，但是一定是将数据变成更好调用的一种格式，训练一个前向网络），在主程序执行的过程中，不断判决当前信息和存储信息的距离，当信息距离到达某种阈值时，执行前向网络，到达存储事件的路径中。

实际上，当方法1执行时，就是在帮助方法2建立网络，因为在处理当前进程时候，判决的前向传播过程包括了同一时间周围搜集到的新的信息和RNN网络存贮的之前的时序信息，这样存贮的记忆的特征维度会变得更多，因为判定点的增多，更容易触发回调事件的进行，因为维度的确定，事实上执行的更多的是简单的机器学习算法，训练起来十分快。

最麻烦的就是我这种人，脑子不在线，工作的时候想着工作的事情，回家之后只想着健身，和女朋友聊天和睡觉，根本触发不了我白天在大脑里面存贮的进程，所以总是丢三落四的，小时候上学连书包都能忘带了，唉。

至于矩阵的模型，建立一种数据结构，比如，先进先出，将信息不断提取特征后存储，要做成动态的？不是很懂；

当主程序执行时，将思考的结果进行比对，生成的结果是一系列的时间序列，其中调用了大量不同的脑子区域，如果调用了平常难以使用的区域，使用了之后难以产生足够的反馈，会产生不舒服的对抗感觉， 大脑之后会很难使用这部分的区域。

我们人类的大脑实际上是一个靠化学激素控制的生物，想到这里觉得有点可悲。如果我们人类的最终评价函数是快乐或者别的一种感受，那么机器的快乐又是什么呢？这种问题细思极恐。

普通图像识别和分割是一种一次训练完就完成的模型，最后所需要的只是微调，是我之前所说的运用新的生成模型样本和对抗模型样本作为batch重新训练的过程，瞬间调用且完成的模型，就像是工具箱里的工具，使用时拿起，不用时放回去。

Q2：脑洞是什么

碰到很多事情刷新了新的认知，大脑产生兴奋的感觉，我还没理解到，下次再写。