第1436章直觉
七点整，杨平推门进来。
他没有问「做好了没有「，只是走到唐顺身后，看著屏幕。唐顺的手指在键盘上敲下最后一行命令，然后按下回车。
屏幕上跳出一条绿色提示：「预测精度94.7%，实时延迟12ms，通过。「
「精度损失5.3%，「唐顺的声音沙哑，「比您要求的多了0.3%。「
杨平没说话，只是伸出手，按在唐顺的肩膀上。
「够了，「杨平说，「0.3%在我这里不算误差。「
唐顺的背脊松了下来，像一根绷了太久的弓弦终于卸了力。他靠在椅背上，闭上眼睛，喉结动了动。
杨平跟唐顺聊一会，去了动物房，弗里茨正在给m7做晨间护理。看到杨平，弗里茨没有站起来，只是点了点头，继续手里的活。三个月下来，他已经习惯了杨平的来去，这个男人不需要寒暄，不需要客套，他出现在哪里，哪里就是工作的延续。
「昨晚怎么样？「杨平问。
「三点醒了一次，「弗里茨说，「我开了小夜灯，它看了我一眼，又睡了。「
「没有异常行为？「
「没有，「弗里茨顿了顿，「但它做梦了。「
「做梦？「
「后腿在动，「弗里茨比划了一下，「像跑步，我录了视频，放在您的共享文件夹里。「
杨平蹲下来，m7的眼睛半睁著，瞳孔里映出他的影子。它看到杨平，耳朵动了动，但没有伸手，它还在半梦半醒之间，分不清现实和梦境。
「它梦到什么了？「杨平轻声问，像是在问m7，又像是在问自己。
「森林，「弗里茨说，「它以前住的地方。我看过它的档案，它是在云南的保护区出生的，三岁被抓来做实验动物。它记得树，记得风，记得阳光从叶子中间漏下来的样子。「
杨平沉默了一会儿，然后他伸出手，轻轻碰了碰m7的额头。m7的毛发很软，带著动物特有的温度。
「我们会让它回去的，「他说，「不是现在，但总有一天。「
弗里茨看著他，眼神里有某种东西在晃动。他想说「谢谢「，但杨平已经站起来了，白大褂的衣角擦过笼子的栏杆，发出轻微的摩擦声。
「韦伯教授呢？「杨平问。
「在实验室，「弗里茨说，「他六点就来了，说要测试新的散热方案。「
「让他休息，「杨平说，「今天不用赶。「
「我说了，「弗里茨低下头，「他说'杨教授说一天，那就是一天'。「
杨平的脚步顿了一下。他没有回头，只是说了一句「知道了「，然后继续往前走。
韦伯现在不是在赶工。他是在等杨平来，等那个可以汇报的时刻。在德国，他从来不需要等任何人。但在这里，他学会了等。等不是因为卑微，是因为尊重。杨平的时间比他想像得更宝贵，每一分每一秒都切成了碎片，分给不同的人、不同的事。
「韦伯教授，「杨平推门进来，「散热片怎么样？「
「连续运行八小时，温度波动不超过一度，「韦伯站起来，把测试记录递过去，「比预期好。「
杨平接过记录，没有看，直接放在桌上。
「您昨晚睡了多久？「他问。
韦伯愣了一下，这个问题不在他的准备范围内，他准备了技术参数、对比数据、下一步计划，但没准备「睡了多久「。
韦伯说：「四个小时，够了。「
杨平说：「不够，您七十八岁，不是二十八岁，今天回去补觉，明天再来。「
「可是……「
「这是命令，「杨平的语气很淡，但不容置疑，「不是商量。「
韦伯看著他，看了很久，嘴角露出一丝笑容。
「杨教授，「他说，「你知道在德国，从来没有人敢命令我吗？「
「我知道，「杨平说。
他走到测试台前，拿起那个散热片，对著光看了看。精密的纹路在灯光下闪闪发亮，像一件艺术品。
「做得很好，比我想像的更好。「
杨平没想到这个快八十岁的韦伯，干细胞领域的顶尖专家，居然还会弄这种东西
韦伯的眼眶微微发红。他想起在德国的时候，他的助手们也会做出很好的东西，但他很少说「很好「。他习惯了挑剔，习惯了找毛病，习惯了用高标准来压迫别人，也压迫自己。
韦伯沉默了很久，然后他伸出手，与杨平握手。
下午三点，唐顺准时出现在杨平办公室。
他手里拿著一份列印好的汇报材料，封面写著「预测性闭环算法v1.0――测试报告「。
杨平坐在办公桌后面，面前摊著几份文献，还有一杯已经凉透的茶。
「坐！「
唐顺没有坐，他站在白板前，把汇报材料一页一页地贴在白板上，用磁钉固定。这是他跟杨平学的习惯，汇报不是念稿，是画图，把逻辑变成可视化的结构。
他说：「核心思路，是用lstm网络做时间序列预测，输入是m7过去十分钟的电活动特征，输出是未来五分钟的放电概率分布。当预测到异常放电概率超过阈值时，提前三十秒启动光刺激，而不是等异常出现了再补救。「
「三十秒的提前量，怎么确定的？「
「模拟测试，我们跑了三千组模拟数据，发现三十秒是最佳平衡点，提前量太短，来不及干预；提前量太长，误报率上升。三十秒时，灵敏度和特异性的乘积最大。「
「误报率多少？「
「8.3%，意味著每十二次预测触发中，有一次是假阳性。但假阳性的代价很小，只是多一次光刺激，没有副作用。「
杨平点点头，示意他继续。唐顺果然是一个优秀的复合型人才，他自己居然可以写算法。
唐顺翻到下一页：「硬体优化方面，我把数据维度从原来的二百五十六维压缩到六十四维，用的是主成分分析结合t-sne降维。精度损失主要来自压缩过程，但我们在模型层面做了补偿，用更深的网络结构来提取特征。「
「训练数据够吗？「
「不够，「唐顺诚实地说，「m7的数据只有五周，样本量很小。我用的是迁移学习，先在大鼠的公开数据集上预训练，再用m7的数据做微调。「
杨平皱眉：「大鼠和灵长类的电活动模式差异很大，迁移学习的效果能保证吗？「
唐顺如实说：「不能保证，所以我在模型里加了一个自适应模块，可以根据m7的实时反馈，动态调整权重。如果迁移学到的特征不适用，模型会逐渐淡化它们，转而依赖m7自己的数据。「
杨平沉默了一会儿。然后他站起来，走到白板前，盯著那张复杂的网络结构图。
「唐顺，你知道这个方案的缺陷在哪里吗？「