认知神经结构 二（2 / 2）

你会看到，自反馈是多么的强大。

强大的自适协调，有了一级基础认知的数据，又经过被二次分离描述，这意味着，已经满足了一个，数据升阶处理的基础。

还需要什么？

时间，大样本，重复锻炼。我们开始了，宏观上的思考。

就这样，数据被特征化，精简化。对应特征的神经团，形成一个记忆体的功能团。

而数据下的记忆，被再描述和概括，形成新的，认知记忆体。

思考是个好东西！

被特征化的记忆体神经团，相互连接，再重新描述一个相似体呢？

这就好像在做一个游戏：把一颗苹果切小块，再去摆出一个梨。

某个描述独立特征，的神经团，被再利用。数据，开始了拆分，归类。而数据内部，也开始了，自反馈下的，由减小误差的单向信号流动双向反馈，变到双向信号双向反馈调节下，的联系协调。

误差，在有了精度的描述后，开始变得不再重要。所以，不要怕出错。相反，错误，会让你增加样本数量，更快找到概念下的差异边际。让更多的特征记忆体，彼此交叉联系。

连接体

认知体出现后，额叶的第二个特性，会被放大。也得益于，双向连接下的反馈作用。本来是单向运行的神经回路，在认知体的出现后，有了更为灵活的形态，多向的连接体。

当然，在一个认知体中，这种单向是仍然具备的。但彼此的连接，开始打破原有的规律。

而原本，额叶的众多映射，就是为了连接每个区域的功能记忆。这种灵活多变的神经形态，造就了，形成了，一个更加庞大而灵活的网络。

现在，我们有了：

一个认知体，具有特征记忆的固定神经元。

一个多变的连接体，灵活，不再具有方向，并且有着多向的反馈功能。

一个时间持续的调节机制。来自于情绪调节的神经功能演化，嚷神经传递，变得持续而富有变化。

现在，你只需要，一个一个的，把认知团串起来，有序的，有逻辑的串起来。然后，依次点亮。

似乎，这变得很简单。

逻辑？时序？误差？耦合？

强大的双向反馈，带来的修正功能，似乎能够解决这些每个问题。而且，在时间下，这些，也就不再是问题。

每个问题，都在这里得到了解决。