主题：【原创】围绕脑科学而发生的若干玄想 -- 鸿乾
家园 很赞同这一点，其实蚂蚁及蜜蜂的群体就是这种表现 单个个体的本能意识，表现在群体上却存在一种智能。本能是智能的最小单位。而智能除了本能的规则化，应该还包括一类的容错能力，甚至是造错能力。而这种造错和容错机制是创造性的基础吧。
家园 "基于化学信号为基础的，链接可随意变更的系统" "即使有一天，我们从果蝇身上发现了脑细胞运作的基本原理（这必然是一个极简单的原理的大量重复，猜想也是效率极低的），也对人工智能没有任何帮助。因为这种基于化学信号为基础的，链接可随意变更的系统，我们没有任何办法模仿"
1.
individually, yes, society @some level, yes, particularly for bio/human system: otherwise, if everything is computerized, would we have an entropy issue?
innovation by human being can never be completely 模仿 in the above sense, or we would have no innovation, so it is in a way "这种基于化学信号为基础的，链接可随意变更的系统" keep us going, 杀出一条血路 for the human civilization to progress
2. individual's gaming and society's hedging
immediately we have an issue: who is going to be on 血路 and 杀, and who is going to be sys admin sitting in the command center's war room? and for the society, how do we do hedging in 杀出一条血路? etc
3.
so we have to model "基于化学信号为基础的，链接可随意变更的系统" as much as we can, @individual or society level
4. our Chinese top social scientists
"治大国烹小鲜", 2000 years ago?!
治大国烹小鲜=塞子, 石头,气体, everybody in the 系统, let them 互相做功@ 紅外, until until they all have no 紅外 energy left, then "治" starts.
Did white folks understand this social 热力学 at that time?
---quoted----
http://blog.sciencenet.cn/blog-39419-654089.html
开放系统观下的统计解释及理论
已有 366 次阅读 2013-1-17 17:52 |个人分类:生活点滴|系统分类:科研笔记|关键词:统计 系统
一旦采取开放系统的观点，为了使经典或半经典形式的定解问题封闭，就必须引入统计解释。
这有很多的例子。一种是对边界条件、初值条件的统计解释，求最小均方差解，或是最大似然解；一种是对物性方程作统计性解释；还有一种就是直接的对物理量作出统计性解释。
所有这类的解释导向对经典理论的两种改编方法：1）原理论不变，对所有的目标量作出含有误差的随机过程来处理；2）模仿原理论路线，对统计物理量建立随机运动方程。
前一条路线受到工程界的欢迎，并随着信息论、系统论的兴起而很快的形成各种各样的数自化技术成果。如代表性的谱分析。
后一条路线，以统计物理学为代表，很快的对非常多的物理量给出了统计性的重新定义或解释，伴随着实验数据的高密度采集技术和处理技术的发展，前一条路线渐渐的淹没在这条路线之下。
在冯诺依曼做出的无限维空间和有限维周期函数空间的代数理论的基础上，各种用积分变换后的函数先是取代原经典理论中的物理量，然后是用原运动方程得到积分变换后函数的代数方程的方法取得了在求解和计算上的重大进展。对变换后的参数做出各种各样的物理解释也就在不知不觉中成为一种约定。模式、模态等概念被赋予了物理真实性。
而恰好量子物理、色动力学、粒子物理等正好在寻求这类把模式、模态等概念被赋予物理实体性的证据，两者的不谋而合给学界的一个震撼性信号是：非确定性现象是普遍性的；而确定性现象是特殊性的（条件性的）。
各种被改头换面的哲学上的“相对论”由此应运而生。
确定性的各种理论都不同程度的受到改编，非确定性理论或半确定性理论占据主流。搞计算方法的研究人员看到了黄金时代，一切理论、无论是那个学科的，在非确定性的观点下，总是可以引入某种分布，某些随机项而得到新的“科学发现”，如此一来：以这种非确定性的、从计算观点出发的各类“新理论”如春天的草原般多姿多彩。
但是，好景也就是不到半个世纪，实验对这类“新成果”给出了否定的判决。
因而，近几年来，科学界出现了恐慌，一种对自身存在性进行反思的恐慌。
为了对付这种内在的恐慌，一股潮流是回到经典理论，但是，用现代数学改革它，维持理论的确定性特征，但是，容许多尺度性，容许分岔性。这就是在开放系统观下重构经典理论。它本质上是确定性的。
另一股潮流是用实验证明模式、模态等概念的物理真实性（如标准模型），但是，由于其成本的高昂，以及对结论的统计性解释，即便是在课题组内部也无法达成统一的意见，近几年关于超光速、发现“粒子”、等的报道多少向大众透露了其“统计性”特色。
天气预报就是统计性结论，从人生的体验中，人们无法对“飞机失事的概率为0.001%” 表达满意，也无法容忍“某时某地地震发生的概率几乎为零”而带来的伤感，也就是说，非确定性理论的流行也造成了社会对科学理论本身的恐慌。
联想到罗马的文明发展轨迹就是罗马灭亡的原因一样，一股科学将给世界带来灾难从而毁灭世界的反科学主义得到了生存的空间。
波尔兹曼奖获得者E. H. Lieb谈热力学第二定律
已有 2026 次阅读 2009-10-11 18:37 |个人分类:生活点滴|系统分类:科研笔记
我国有不少人热衷于热力学。有人要推翻热力学第二定律。也有人用热力学第二定律去解释各种现象。
但是，Elliott H. Lieb指出：问题出在热力学第二定律理论解释和描述上的不完备性，而不是热力学第二定律本身。
希望对动不动就“推翻了XX定律”者的思路有所帮助。
回顾十年前Elliott H. Lieb的一篇论文[Elliott H. Lieb获得the Boltzmann medal of the International Union of Pure and Applied Physics的答谢论文：Some problems in statistical mechanics that I would like to see solved，Physica A 263 (1999) 491499] 感到很有现实际意义，特将其中的妙论摘译（重新编辑）下来。
“我近来一直在努力理解热力学第二定律。很不幸的是，经典热力学只不过是教导我们： S = k In W。对某些模式它可能是当然的，但现实情况远比这复杂。热力学第二定律说的是：与“平衡态”相联系的是一个熵。熵精确的描述了那类过程可以出现那类过程不能出现（熵增定律）。。。。
。。。热力学第二定律描述了一个人可以期望的由冰岛（Iceland）中部的一个孔洞中突出的蒸气流来获得的能量。目前的各态遍历定理根本无法让我们理解到底会出现什么事情。
考察理想绝热罐（有一个理想绝热塞子，塞子用石头压住）中的气体。问：系统是在“平衡态”吗？务实的人多数答：是。特别的，通过石头按按塞子会增大气压，又把塞子顶回原处。但是，统计力学家要争辩到：除非塞子外的石头温度与气体一样，系统不是“平衡态”。既然塞子是理想绝热的，还管塞子外的石头温度干嘛？道理在于：S = k In W要求等温条件（此时熵取极大值）。换句话说，如果温度不同，由高温向低温体转送的能量会显著的增大总熵。但是，理想绝热塞子并不许可由高温向低温体的能量转送。故，按照学校教的，答：气压只不过是平均概念，系统可以通过“起伏”将动量传递给塞子以移动塞子，故把一点能量从低温转送给高温体。还有其它回答。
但问题还不仅仅在于此。这个系统是有点“悖论性的”。因为气体与石头互相做功，按热力学第二定律，二者的熵都要增大。“悖论”在于：热的子系统必须减小它的“熵”才能把能量传给冷的子系统。
有三个办法：1）塞子的宏观运动根本不能做宏观描述；2）放弃无约束的熵极大化的思想；3）放弃热力学第二定律。
我投票方法2）。热力学第二定律是久经考验的，没有实验性的反面证据，而是不断的被实验证实。”
下一步该如何进行呢？
引入非平衡热力学，对熵进行新的定义。
本帖一共被 2 帖 引用 (帖内工具实现)家园 "如果人的认识已经是无限的，则系统一定是封闭的,确定" "承认人的认识能力有限，开放后，最终结果有多个可能，但不是无数或随机，而依旧是确定的。如果人的认识已经是无限的，则系统一定是封闭的，也就是说绝对确定的"
承认人的认识能力有限=承认人的"杀出一条血路"的能力, but "血路" unknown before "杀出", so market, democracy etc, those "white" logic;
for us Chinese, if all what we do in 不遠的將來 is mostly some kind of "后发优势" kind of business, then tg pretty much knows everything as china's absolute leader, and making "good" shoes for the Chinese
from now until "不遠的將來", this is the some kind of consensus, I guess, according to our 6k years old Chinese culture 特征值譜,
肖老师 is pretty good in understanding 普理高津, out of our common knowledge about 普理高津, too much "white noise" in common knowledge@紅外, another example, then Marxist "united workers technology"=united 紅外,不堪一擊?
obviously, the cost side of "后发优势"=environmental cost, human capital loss, lack of premium for anything china made, hard or soft, etc;
unless we Chinese can really cheat out the global human system'认识能力, and can always manage to buy low and sell high
----------quoted---
谢谢肖老师的回复！只想好奇地问问，可以用这个理论或概念解释生活中现象吗？可以理解为任何事物的发展都是受多方面因素影响的，所以，总体而言可以说事物的发展的方向是open的；既然open，就孕育了无限的可能，所以，也就能理解事物的多样性，即variety；后因事物任何方向的发展只要有了beginning，那么所受影响因素确定的话，事物发展的结果也就是确定的，即certainty。呵呵，这是我的”门外汉“的理解，希望没”糟蹋“了这一现代理论。读罢，还请肖老师别见笑，可能”望文生义“了。 博主回复(2013-1-17 18:37)：你的理解是对的，还有一层是承认人的认识能力有限，开放后，最终结果有多个可能，但不是无数或随机，而依旧是确定的。如果人的认识已经是无限的，则系统一定是封闭的，也就是说绝对确定的。
上世纪70年代普理高津提出这类概念，但是，没有完成数学上的紧致表达，他的学生还在做这项研究工作。
开放性带来的多样性与确定性
已有 369 次阅读 2013-1-17 12:06 |个人分类:生活点滴|系统分类:科研笔记|关键词:的 开放性
钱学森在1947年提出一个问题，一个壳，在给定的外力和边界条件下，有多少种可能的平衡位形？尤其是：如外力和边界条件缓慢、连续的改变，平衡位形是否也缓慢、连续的改变？有无分岔现象？实验答案是肯定的：有多种位形，有分岔现象。但是，刨掉分岔点后，在各连续段内，平衡位形是唯一的，是随外力和边界条件缓慢、连续的改变而缓慢、连续的改变。
也就是说，多样性与确定性是相互拌随的。
经典的板壳方程在数学上是封闭的，在给定的外力和边界条件下，它给出的是唯一解（如果外力、初始条件和边界条件是协调的话），或者是无解（如果外力、初始条件和边界条件是不协调的话）。如果有解，在变动的边界条件和初始条件下，解是无分岔的吗？
那个时代，研究运动方程解的存在性条件、唯一性条件（主要是边界条件和初始条件的内在协调性）、和稳定性（无分岔）条件就成为很前沿的。
连带的，对于满足解的存在性、唯一性、稳定性、的定解问题，在具体边界条件和初始条件的解的求取就是前沿的研究工作。
这个思路在计算机出现后进一步的强化，就是求定解问题，在具体边界条件和初始条件数值解。这个趋势到目前为止还是如此。
冯卡门板壳理论是引入了非线性项，从而，修补了经典的板壳方程，因而，自那个时代提出起到现在，人们对它的研究工作还是很有热情的。
我国半个世纪的力学主流基本上就是沿这个路数来的，它的最佳版本在教科书上的抽象表达方式就是：1）列出几何方程；2）列出本构方程；3）列出运动方程；4）列出初值、边界条件；5）求解；6）分析解的特点，下结论。
这是力学还是应用数学？
答案是绝对的：这是应用数学！！是针对力学问题的应用数学！
一般地说，研究如何A）导出几何方程；B）导出本构方程；C）导出运动方程；D）导出初值、边界条件；是纯粹的力学问题；而在此基础上，研究：E）求解；是应用数学问题；而F）分析解的特点，下结论是工程应用问题。
因此，就事实上讲，我国半个世纪的力学主流基本上就是应用数学。在事实上是应用数学取代了力学，而且习惯成自然的认为这就是力学。
在这样一个大的环境下，如果有人只不过是研究：如何A）导出几何方程；B）导出本构方程；C）导出运动方程；D）导出初值、边界条件，尤其是只不过是其中的一项，或几项，后果会是如何的呢？我充分的领教过！也就不说了。那是可以想象的。
也正是在这样一个大的环境下，我国半个世纪的力学主流的结局是把自身贬低为一个辅助性学科，由于自身的不作为而主动的退出基础学科的地位。
客观事实是，由于力学主流方向的不作为，以具体工程分枝的要求而出发的各种XXX力学理论遍地开花，既无深刻性、也无统一性。力学主流方向的不作为导致力学由抽象和综合性的学科变成为经验性的或半经验性的依附于具体学科的各种XXX力学理论。
这个案例对其它重要的基础学科是否也有类比价值呢？比如物理学？
家园 is 北京共识 topped out? if the "logic" in my above post hold, then we can immediately have a few "trying guess" into tg's mind:
after 30 years of china miracle (amazingly successful), time has arrived for some kind of consolidation, and economically "后发优势" with some kind of control on the cost side, with still sizable real economic growth, compared to us-European QE financed struggling growth ;
politically, smooth sailing at least to
中共20th congress;
internationally, global capital market/human capital/innovation system, will or already figure it out: the so-called 北京共识=basically 世界工厂@"支部建在连上", with likely very little positive/negative surprises, and market actually likes it: china is actually a stabilizer to global economy as a 世界工厂, but not a model lab, no premium to be paid, just straight cost accounting.
as about 世界's "杀出一条血路" innovation business: any surprises to market will largely come from us, EU, and now may be japan as well, with its new QE, etc.
If EU can come out financially united and start growing again (very likely), EU, US 2 big whites+ 2 small 整容 whites of korea and japan, 0.6-0.7(?) white Russian may swing to the white side, leaving tg with some geopolitical headaches, but not crisis, no big deal
家园 对生物脑和人工脑的若干想法 送花成功。
作者，声望:1；铢钱:0。你，乐善:1；铢钱:-1。本帖花:1
先说明一下，这个帖子我是在路上看到的，当时无法回。回来后，也一直没有回复。其实是因为不太好回复，要深入讨论，有相当的难度。现在来就几个问题，说一下想法。
首先想说，人脑其实并不简单。这可以从两个方面来看。一是看实验结果。可以看蒲院士的那个科普讲演。也可以看关于脑神经元的基本课程。这些都说明，脑神经元的工作原理其实是很复杂的。我想的，是非常“机会主义的”，那就是说，生物抓住了一些很偶然，很巧妙的机会，因而使得神经元细胞有了处理信息的能力。这种能力耗能非常低，就是源于这种“机会主义”。脑里的神经元也有很多种，参与神经元活动的反应也很多，非常巧妙，这些都可以在蒲院士的讲演中看到。
另一个方面，可以这样看，我想，通过进化出现的东西，多半是结构重重叠叠，反复曲折的，而不是像人工设计的东西那样，有一个清晰的图景。人脑是几亿年的进化的产物，就更应该是多种矛盾的东西相互冲突后的产物，如果要细细捋起来，肯定相当复杂。这点，仅需要想想不过40年历史的互联网的复杂度，就可以充分理解了。
但是，人脑的高度复杂度并不说明，人脑的最重要的规律就一定复杂无比。可以比拟的就是互联网。互联网其实已经非常复杂了。但是，如果抓住其中的最核心的规律，也不过是若干协议，基本上可以在不长的篇幅中表述，特别，如果是关心抽象和高层次的规律的话。我们也可以用同样的思考方式来对人脑。其实这正是大家都希望的。如果某天，我们把最重要的规律掌握了，其他的那些更次一级的规律，可以留待以后再说。
你说到：“我有理由推理，生物脑只是基于一个简单原理的大量重复。应该没有什么特异的算法，生物脑的算法原理应该是很简单的”。如果你是意指脑中的最重要的规律，我的想法就和你一样。的确，我们希望应该有一个相对简单的规律，来控制脑中的那个最重要的活动，即时序记忆流的处理。不过，在事实上找到这些规律之前，我们的希望仅算是一种期望，一种信念，一种祝福。
Hawkins对脑内的最重要活动有很多写作。如果不是相信有一个相对简单的规律，他恐怕就不会做这些写作了。但是，迄今为止，在那么多的研究之后，这个规律还是很神秘的，没有露出面目。这次的欧盟出大钱来研究脑结构外链出处，恐怕也是期望有所突破。据报道，他们的方法可能是硬功夫，即做非常多的MRI，针对很多脑活动，仔细看这些脑活动之间的关系。希望这样的研究可以产生很多很好的实验数据，帮助我们深入认识。如果能够帮助我们认识到那个相对简单的规律，那就善莫大焉。不过呢，我并不寄希望，事情没有那么容易的。
但是，人工脑也未必需要等到我们对生物脑有了非常全面的了解。大家都是希望，在了解基本结构的情况下，就可以着手用各种人工的方式来实现部分的脑功能。事实上，人工智能的努力从计算机的第一天就开始了，甚至在人们对智能有比较深入的了解前。不过，这样的努力是否能够有所突破，还是要看我们对脑的能力的了解是否抓住了关键之处。如果能够抓住，这种努力应该可以产生好的结果。如果不能抓住，效果恐怕就还是不好。现在我们还看不到。继续观察吧。
纯以功能为向导，是一种思路。但是，有很大的局限。通常，这种以功能为导向的活动，其实就是在某个特定领域，找寻这个领域的某些比较浅表的数学规律，统计规律，或者某个模型的规律，然后按照这个规律编程。你说的：“语言识别，图像识别，人脸识别，空间定位，机械手控制，电脑医生，自动驾驶。。。”，应该是这个范围内的。那么，这样的功能导向的研究，其实对脑的内部规律的探寻的帮助并不是很大（不过也是有帮助的）。这样做的结果，我们现在看得比较清楚了，那就是，这样形成的软硬件系统，比较缺乏灵活性，离开高智能还差得很远。当然，这样的努力，应该成为工业界的主流，是没有疑义的。实际上，也的确是工业界的主流。包括现在热门的机器学习等，应该属于这个范围的。
但是，努力探索脑的内部功能和规律，并且用来指导人工脑的研究和探索，是更有远大前景的路子。
至于模拟蚯蚓等，可看Kurzweil的书，他提到哈佛有人在做比蚯蚓还要低级很多的虫子的脑模型。这也是很不容易做的。
家园 人最早开始的神经研究是从简单无脊椎动物开始的 比如海兔。现在的线虫和果蝇已经很高级了。
而海兔的实验发现就是“动作电位引起的条件反射”。简单说就是“我电你一下，你就缩一下”，其实跟人差不多。
家园 有几个论述要澄清一下 后来直到发现DNA结构才恍然大悟，原来其原理极其简单，就是4位编码大量重复。这个DNA不是4位编码吧？3连体编码才是DNA指令蛋白质合成的规则的最小单位。
问一个问题，为什么遗传密码是3位体而不是其它位数？换句话问，遗传密码的最小位数应该是多少？
这些功能的组合就是人工智能智能同功能是一回事吗？智能的定义是什么？
生物脑只是基于一个简单原理的大量重复是那么简单吗？生物脑至少应该用布尔逻辑这样的原理运算吧？生物脑是不是一个电器官或电元件？为什么生物脑神经运行时有电信号伴随？
家园 一个关于“智能”的笑话 上大学时听的一个笑话。说我们系里的教授这些老一辈人搞人工智能的聚在一起谈感想，到底嘛叫“智能”？“智能”到底是个嘛玩艺？他们为这个问题简直是伤透了脑筋。
有一天某教授经过在人工智能领域上若干年的苦心孤诣，又经过若干日的苦思冥想，终于悟了，告诉了大家这个带有幻灭感的终极答案：
“智能”原来是个.......和尚！
家园 这就是机器学习的想法 简单而明晰的规则,大量数据采样而学习,从而遇到新样本给出判断.
小样本也可以学习,但最终还是由统计走向智能.
家园 前几天不是有新闻说宇宙与大脑的相似性 甚至说宇宙就是一台计算机么。
除了google与IBM这样的机器学习外，现在说的人工智能一般是指Artificial General Intelligence.与功能导向的“智能”比如自动驾驶，图像识别等已经不是一个范畴了。当然传统意义上讲都叫人工智能。
图灵回答了智能来源问题，但是其局限性在于其定义智能由人来决定的。如果是黑盒子在测试人呢。
脑科学的reverse engineering除了人脑外，也包括对小白鼠，苍蝇什么的脑的研究。这个不是问题，问题是如何“山寨”上，或者在什么程度上仿制的问题。飞机的制造至少是在弄清鸟类飞行的物理学原理后才可能的，大脑智能的产生原理现在还不清楚，机器学习是把大脑当成数学计算来模仿，但是大脑显然也不是在做数理统计来运行的，人的意识是deterministic的，一旦有了决定绝不犹豫。不过显然也不是专家系统那么简单，至少现在机器学习所得到的结果还要好很多。
google几个月前与斯坦福的那个华人教授一起做的机器学习能够自我学习识别猫脸，热炒了一阵子，后来据说效果也不好不了了之了。这两天又把Kurzweil弄去了当个什么director，大概要试试他这套了。总之，一个核聚变，一个人工智能，谁先做到，谁就是未来的主宰了。
家园 观察，观测，想象，实证，再观察。。。。人类对宇宙认知如此 ，并无尽头。。。除非人类如恐龙类般地灭绝也，则人之思就戛然而止了，但是，蟑螂们还活着，焉知蟑螂不思考？。。。不过无法与人与鸟们交流而已。
兄的玄想，根本就不玄，还要多想，说来听听，让官科们听听笑1笑，再让民科们听听好好玩。。。不必自塞言路与思路，占戈占戈克克克克地说话并不爽，同时，也要相信成年人的判断力，哈哈。
家园 讲的太玄了 其实没那么复杂。
1大脑就是一部机器。
2初始化的时候设定的值是不同的。
3机器的初始功能由基因决定，基因的差异决定个体的初始差异。
4机器随时与外界互动，学习策略，保证自身生存和利益最大化。
5基因不仅带来能力差异，还带来个体偏好，比如个性，爱好。
6机器有预制的程序，较少受高级程序制约。马斯洛的理论比较好的阐明了这个机制的存在。
7机器在与外界的互动中可以采取策略，然后承担后果，通过后果调整自己的策略。
8类似的状况采用类似的做法，这个就是经验。
ok！这样我们就可以开始模拟人脑了。
1需要一部计算机
2赋予能力计算，感知能力。设定基本策略--自身生存，繁衍和利益最大化。
3设定偏好。比如喜欢的颜色，风险厌恶程度。
4这个是比较困难的地方。因为计算机没有感觉器官，无法对策略的结果做出合理判断，从而影响了学习。机器对于自然语言的理解水平也很低，这个是很大的瓶颈。不过这个是可以突破的。因为语言无非是传递信息和表达感情。对信息的解读已经很有突破，比如IBM参加的智力竞赛。感情可以理解为不同的偏好。比如愤怒可以解读为威胁自身利益。
5选择策略时候设置不同权重。爱好可以理解为一种权重。比如偏好糖分多的食品增加愉快度。愉快程度高被视为好。这里的问题在于传感器。人的各种感觉会关联到情绪，然后反应到大脑，成为下一次决策的基础。但是计算机无法获取这些感觉，大大限制了人工智能的进步。
6预制基本策略。这个不是大问题。
7数据库检索和智能匹配。
人工智能其实不是大问题，无非如何来模拟人类思维方式的问题。合理的设定判断逻辑，权重就解决了一半问题。语言，感情识别方面的突破将带来更大的进步。这个需要更强大的计算和存储能力和更好的传感器。
从我个人来看，人工智能没有什么无法突破的瓶颈。
- 复 讲的太玄了
家园 人工智能孜孜以求突破的瓶颈 至少有两个 1，计算的复杂度，以及是否可计算的判断
这是算法研究的根基。任何算法，都必须建立在当前可行的计算模式/硬件实现上。而算法的分类从某种意义上讲就是直接对算法可执行度的标记。无法利用现有的模式/硬件在有意义的时间内完成的算法 ---- 一个瓶颈
2，计算的可靠度
针对上一个瓶颈，大量的新的计算模式被提了出来。超越摩尔定律，把不可计算的算法变得可计算，并行计算，光计算，细胞生物计算，化学计算，乃至目前比较火热的量子计算 ---- 但是，所有的这些，都必须经过计算可靠度的评判。---- 这又是一个瓶颈。
家园 花！ 我觉得楼下油老板说得有道理，未必要最优解，也就未必追求复杂可算，实在算不了就快刀斩乱麻。同时也未必要求可靠性多高，能归纳多少就归纳多少，运气不好的就自然淘汰。也许我对您的意思理解不对，那就多多包涵了。