在这个模型当中，有一个非常基础性的数学问题，就是当我们观测到了相邻的两个神经元或者是两个节点之间的信息流，这个信息流是源源不断随着时间在变化的，如果我们观测到了这些东西之后，我们是否可以反推这个信息流的传播的特殊路径是什么，最重要的路径是什么，他不可能是漫无边际的在整个网络上面是均匀的传递，他一定是沿着一个特殊的主要的路径去传递，朝某一个方向，激活某一个功能元，这个有点像我们早晨上班的时候，交通流肯定是沿着有序的方向往上班的CBD，中央商务区去。

　　现在问题抽象为一个可以简明扼要描述的数学问题，就是在一个固定的网络结构上，我们观测到了很多信号的传递，我们怎么样来理解这些信号的特征路径，也就是主要的路径，以及来预测某一类新的信号他会沿着什么样的路径去传递。

　　那么这个数学问题怎么解？我用三页纸来解释一下背后的定理。这些定理不是别人开源的东西里面有的，这是我们自主研发的，确切来说是我在过去十几年里做的一些研究发表的论文，这些发表的论文都是网上可以公开搜索到的。下图列了几篇主要的论文，其中2005年的一篇是理论性的，2011年和2013年有两篇是基于这个理论的应用。

　　在这里面最核心的理论就是当我们观测到了非常多的信息流之后，我们对它进行一些统计分析的时候，它的分布特性是什么样的。就有点像大家听说过的中心极限定理或者大数定理，当你观测到某一个现象非常多次数之后，基本上你就知道他趋近于一个平均值或者说他是一个正态分布，这是统计物理学中非常经典的一个结论。这个理论在脑神经认知科学的流程当中是否成立，我的这几篇paper当中实际上是给了一些正面的回答，在一定条件下，是可以满足正态分布以及中心极限分布的这个特性。

　　如果我们用一个定理来描述这个认知的过程，就如下图所示。这个定理其实也是当时我们做研究得到的最令人兴奋的一条结论，就是在网络流、信息流这个认知过程当中，如果这个网络本身是有限连接、紧致连接，当你重复很多次的时候，你会看到一个收敛的过程。也可以反推，当一个人见了某一个现象很多次之后，他就慢慢熟悉了，他的反应就可以趋向于可预测的状态，这就是印证了我们中国古话所说的“见多识广”，你见识很多了，你也不会大惊小怪，你会很自然的面对他，然后做出一个理性的判断。

　　基于以上理性的判断，后面就有很多可以做延伸的，比如，你会怎么想，什么样的进程让你感觉值得追寻，你的响应会是什么样……这样，你的行为就变得可预期了。

　　人脑研究在实际生活中的应用案例

　　以上这些理论，具体有哪些用途呢？以下是我们做的一些具体项目：

《我是歌手》总决赛的排名预测

　　在这个项目中，我们要研究的包括选的歌好不好，歌手唱的好不好，现场的氛围好不好，而这些都是一些神经刺激的信号，都会对人的认知过程产生一些影响。如果是一个大部分人都认为很好的信号，就可能得到一个非常正面的反馈。这个反馈的模型，其实是我们通过很多的过去的音乐的下载、点赞数字得出来的。

ET

　　去年8月份我们发布了ET，这是集大成者，里面有语音的对话，还有一些网络流的预测，比如说我要预测交通网络是不是堵塞？

　　以上两个例子就可以看出，我们要判断多种不同的信号。在《我是歌手》中，有声音、有光、有伴舞、现场氛围等多种不同的信号对人的认知过程的产生刺激，而在ET的发布当中，其实我们要判断的是多种信号所带来的一个复杂的叠加效应会怎样在网络流上传播，这个网络就是整个城市网。

交通管理

　　这个网络流的理论，不光能应用在预测唱歌、文学艺术的创作，还可以在现实的物理网络当中用起来，这个物理网络最简单的一个就是交通网络。

　　大家每天都要参加，从一个节点跑到另外一个节点，你自驾车也好，坐出租车也好，这是一个交通网络上的一个动态的流，对于这个信息流，我们需要预知它的变化，现在的拥堵会蔓延到哪里，然后怎么样进行预防性的排堵。