第1436章 直覺（1/2）

七點整，楊平推門進來。

他沒有問「做好了沒有「，只是走到唐順身後，看著屏幕。唐順的手指在鍵盤上敲下最後一行命令，然後按下回車。

屏幕上跳出一條綠色提示：「預測精度94.7%，實時延遲12ms，通過。「

「精度損失5.3%，「唐順的聲音沙啞，「比您要求的多了0.3%。「

楊平沒說話，只是伸出手，按在唐順的肩膀上。

「夠了，「楊平說，「0.3%在我這裡不算誤差。「

唐順的背脊鬆了下來，像一根繃了太久的弓弦終於卸了力。他靠在椅背上，閉上眼睛，喉結動了動。

楊平跟唐順聊一會，去了動物房，弗里茨正在給M7做晨間護理。看到楊平，弗里茨沒有站起來，只是點了點頭，繼續手裡的活。三個月下來，他已經習慣了楊平的來去，這個男人不需要寒暄，不需要客套，他出現在哪裡，哪裡就是工作的延續。

「昨晚怎麼樣？「楊平問。

「三點醒了一次，「弗里茨說，「我開了小夜燈，它看了我一眼，又睡了。「

「沒有異常行為？「

「沒有，「弗里茨頓了頓，「但它做夢了。「

「做夢？「

「後腿在動，「弗里茨比劃了一下，「像跑步，我錄了視頻，放在您的共享文件夾里。「

楊平蹲下來，M7的眼睛半睜著，瞳孔里映出他的影子。它看到楊平，耳朵動了動，但沒有伸手，它還在半夢半醒之間，分不清現實和夢境。

「它夢到什麼了？「楊平輕聲問，像是在問M7，又像是在問自己。

「森林，「弗里茨說，「它以前住的地方。我看過它的檔案，它是在雲南的保護區出生的，三歲被抓來做實驗動物。它記得樹，記得風，記得陽光從葉子中間漏下來的樣子。「

楊平沉默了一會兒，然後他伸出手，輕輕碰了碰M7的額頭。M7的毛髮很軟，帶著動物特有的溫度。

「我們會讓它回去的，「他說，「不是現在，但總有一天。「

弗里茨看著他，眼神里有某種東西在晃動。他想說「謝謝「，但楊平已經站起來了，白大褂的衣角擦過籠子的欄杆，發出輕微的摩擦聲。

「韋伯教授呢？「楊平問。

「在實驗室，「弗里茨說，「他六點就來了，說要測試新的散熱方案。「

「讓他休息，「楊平說，「今天不用趕。「

「我說了，「弗里茨低下頭，「他說'楊教授說一天，那就是一天'。「

楊平的腳步頓了一下。他沒有回頭，只是說了一句「知道了「，然後繼續往前走。

韋伯現在不是在趕工。他是在等楊平來，等那個可以匯報的時刻。在德國，他從來不需要等任何人。但在這裡，他學會了等。等不是因為卑微，是因為尊重。楊平的時間比他想像得更寶貴，每一分每一秒都切成了碎片，分給不同的人、不同的事。

「韋伯教授，「楊平推門進來，「散熱片怎麼樣？「

「連續運行八小時，溫度波動不超過一度，「韋伯站起來，把測試記錄遞過去，「比預期好。「

楊平接過記錄，沒有看，直接放在桌上。

「您昨晚睡了多久？「他問。

韋伯愣了一下，這個問題不在他的準備範圍內，他準備了技術參數、對比數據、下一步計劃，但沒準備「睡了多久「。

韋伯說：「四個小時，夠了。「

楊平說：「不夠，您七十八歲，不是二十八歲，今天回去補覺，明天再來。「

「可是……「

「這是命令，「楊平的語氣很淡，但不容置疑，「不是商量。「

韋伯看著他，看了很久，嘴角露出一絲笑容。

「楊教授，「他說，「你知道在德國，從來沒有人敢命令我嗎？「

「我知道，「楊平說。

他走到測試台前，拿起那個散熱片，對著光看了看。精密的紋路在燈光下閃閃發亮，像一件藝術品。

「做得很好，比我想像的更好。「

楊平沒想到這個快八十歲的韋伯，幹細胞領域的頂尖專家，居然還會弄這種東西

韋伯的眼眶微微發紅。他想起在德國的時候，他的助手們也會做出很好的東西，但他很少說「很好「。他習慣了挑剔，習慣了找毛病，習慣了用高標準來壓迫別人，也壓迫自己。

韋伯沉默了很久，然後他伸出手，與楊平握手。

下午三點，唐順準時出現在楊平辦公室。

他手裡拿著一份列印好的匯報材料，封面寫著「預測性閉環算法V1.0——測試報告「。

楊平坐在辦公桌後面，面前攤著幾份文獻，還有一杯已經涼透的茶。

「坐！「

唐順沒有坐，他站在白板前，把匯報材料一頁一頁地貼在白板上，用磁釘固定。這是他跟楊平學的習慣，匯報不是念稿，是畫圖，把邏輯變成可視化的結構。

他說：「核心思路，是用LSTM網絡做時間序列預測，輸入是M7過去十分鐘的電活動特徵，輸出是未來五分鐘的放電概率分布。當預測到異常放電概率超過閾值時，提前三十秒啟動光刺激，而不是等異常出現了再補救。「

「三十秒的提前量，怎麼確定的？「

「模擬測試，我們跑了三千組模擬數據，發現三十秒是最佳平衡點，提前量太短，來不及干預；提前量太長，誤報率上升。三十秒時，靈敏度和特異性的乘積最大。「

「誤報率多少？「

「8.3%，意味著每十二次預測觸發中，有一次是假陽性。但假陽性的代價很小，只是多一次光刺激，沒有副作用。「

楊平點點頭，示意他繼續。唐順果然是一個優秀的複合型人才，他自己居然可以寫算法。

唐順翻到下一頁：「硬體優化方面，我把數據維度從原來的二百五十六維壓縮到六十四維，用的是主成分分析結合t-SNE降維。精度損失主要來自壓縮過程，但我們在模型層面做了補償，用更深的網絡結構來提取特徵。「

「訓練數據夠嗎？「

「不夠，「唐順誠實地說，「M7的數據只有五周，樣本量很小。我用的是遷移學習，先在大鼠的公開數據集上預訓練，再用M7的數據做微調。「

楊平皺眉：「大鼠和靈長類的電活動模式差異很大，遷移學習的效果能保證嗎？「

唐順如實說：「不能保證，所以我在模型里加了一個自適應模塊，可以根據M7的實時反饋，動態調整權重。如果遷移學到的特徵不適用，模型會逐漸淡化它們，轉而依賴M7自己的數據。「

楊平沉默了一會兒。然後他站起來，走到白板前，盯著那張複雜的網絡結構圖。

「唐順，你知道這個方案的缺陷在哪裡嗎？「

唐順愣了一下。

本章未完，點選下一頁繼續閱讀。