紧急会议主要讨论研究第二天的开闸泄洪方案。
群峡大坝泄洪坝段长1483米，设有42个溢流表孔和43个泄洪深孔，还有42个导流底孔（原则上仅用于施工期间），以及13个排漂孔，此外，在左、右电站段还设有17个排沙底孔，总共157个泄洪孔。
考虑到群峡大坝库区水位已经屡创历史新高，且长时间超最高警戒水位线运行，所以，群峡大坝防洪抗灾现场指挥部原本已经确定了打开所有泄洪孔的闸门进行泄洪的方案。
只是，刘所长与黄元老通过电话以后，黄元老临时决定，等欧阳一粟到来汇报完其研究情况之后，再重新讨论制定方案。
欧阳一粟到达群峡大坝防洪抗灾现场指挥部紧急会议的会议室之后，只见黄元老和一众行业大咖已经等候多时，不少人已经有点儿不耐烦了。
大家都不认识欧阳一粟，甚至根本就没听说过欧阳一粟这个名字。
其实，欧阳一粟也不认识大家，包括黄元老，都是到会议室之后，会务秘书向黄元老报告，欧阳一粟到了，欧阳一粟这才知道谁是黄元老。
大家并不觉得黄元老安排欧阳一粟参会有任何实质意义或价值，只不过现在这种几乎万年一遇的洪涝灾害情景，已经远远超出了大家对自己判断决策的自信舒适区。
所以，在最后拍板定论之前，多方听取各种意见，佐证一下还是自己的判断决策最为可信可行，如此一来，执行自己的判断决策才能更加心安理得，既便最后出了问题，那也是对比了所有已知方案之后的最好结果。
总之，在欧阳一粟开口之前，大家都已笃定，自己的判断决策，即，第二天打开所有闸门泄洪，就是应对当前险情的最佳方案，毫无疑问。
欧阳一粟被工作人员领到会议室的发言席，站着环视大家一圈，不免心里紧张。
会议室里坐的全是行业专家大佬，大家审视欧阳一粟的表情，就像研究生毕业论文答辩时准备亮红牌的评审专家一样，看得欧阳一粟一时语塞，愣着站在发言席上竟然说不出话来。
多亏黄元老开口提醒欧阳一粟，让他先简要讲讲，基于人工智能的地质活动监控预警程序AIGPASS所做出的猜测判断。
欧阳一粟这才反应过来，记起此行的目的，于是站着开口说话，向与会领导专家详细汇报了其软件程序AIGPASS所预测计算的结果，并现场利用全国各地最新实时数据又重新计算了一遍。
结果还是：若同时打开40个以上的闸门进行开闸泄洪，则就会引发群峡大坝共振而溃坝。
AIGPASS所推导得出的广谱震动导致群峡大坝共振溃坝，是一种全新的群峡大坝溃坝机理过程，大家以前确实没有想到过，一时半会儿也没瞧出什么明显的破绽。
不过，大家主观心理上并不认为这个溃坝机理过程就是正确合理的，下意识里总想质疑一点儿什么。
于是，就有专家抛砖引玉，提问欧阳一粟：AIGPASS的原理是什么？即，AIGPASS所用的数学模型和算法是什么？
如果AIGPASS的数学模型和算法存在问题，那么，AIGPASS所推导得出的群峡大坝溃坝机理过程，一般也就不可能正确合理。
这个问题提得好，从源头上否定AIGPASS，自然就能佐证打开所有闸门泄洪的判断决策是最合理的。
于是，大家用更加质疑的目光盯着欧阳一粟，期待着尽快发现破绽。
欧阳一粟原本没有打算介绍AIGPASS的原理，因为那是自己搞着玩儿，将双缝干涉与深度学习融合到一起而设计的人工神经网络模型，都是些与地质学没有直接联系的东西，欧阳一粟觉得会议现场的地质学专家大佬们不会感兴趣。
可是，没想到居然有人提问AIGPASS的原理，这其实是欧阳一粟最引以为傲的原创研究，虽然欧阳一粟并没有彻底吃透自己的这个原创研究。
于是，原本拘谨的欧阳一粟瞬间来了一点儿劲头，开始神采飞扬地给大家介绍AIGPASS的原理。
欧阳一粟首先科普起了人工神经网络。
简而言之，人工神经网络通过对大量数据样本的深度学习之后，可以找到数据背后的规律，甚至发现人们以前所不知道的新知识，比如全新的群峡大坝溃坝机理过程。
然而，众所周知，人工神经网络能否有效发现规律和知识，很大程度上取决于深度学习算法的设计，尤其是关于象链接权重这样的网络参数的自动调节算法。
链接权重就好比人脑神经元细胞之间释放神经递质的增强效果。
不同的人遇到同一件事，他们的大脑很可能会做出不同的判断，就是因为不同的人，其大脑神经元细胞之间释放神经递质的增强效果各不相同。
所以，面对同一件事，聪明的人能够从中发现规律、学到知识，而愚钝的人却是云里雾里、迷惑浑噩。
同理，深度学习算法的设计不同，人工神经网络发现规律和知识的能力也会判若天地。
讲完人工神经网络，欧阳一粟又开始讲深度学习算法存在的问题。
传统的深度学习算法经常会遇到一个尴尬的问题，那就是对样本数据的过拟合。
对样本数据训练学习达到过拟合状态的人工神经网络，虽然对样本数据中的规律和知识极度敏感，但是对绝大部分其他数据中的规律和知识，一般就非常迟钝，甚至可能误判。
这就好比把一个人培养成了某个非常具体工作的专才，但是其他工作却一概不会。
但是，再具体的工作，也会遇到意外情况，专才通常就会不知所措，无法应对。
所以，培养一个人才，需要专才能力和通才能力平衡最好。
深度学习算法的设计也是同样的道理，既要对样本数据正确拟合（能够做好一些非常具体的工作），又不能过拟合（否则就不能有效应对各种未知的意外情况，比如，这次万年一遇的洪涝险情），平衡才是王道。
欧阳一粟接着讲如何解决深度学习算法的问题。
虽然传统的深度学习算法也有许多避免过拟合状态的技术，但是，不管多么复杂，这些技术在微观层面上都是基于确定性的数学公式。
而欧阳一粟觉得，避免过拟合状态的关键是算法的随机性。
过拟合状态的本质就是人工神经网络的功能固化甚至僵化，丧失了必要的随机性功能。
人工神经网络被誉为人工智能的基石，但是，处于过拟合状态的人工神经网络跟智能可没有什么关系，充其量就是一个自动系统。
就好比人的小脑所管理的肌肉记忆和本能动作，没有任何智能可言。
人的智能依赖于大脑，而人的大脑具有许多随机性功能，即，面对同一件事，同一个人前后两次所做出的判断可能会具有天壤之别。
正是这个看起来随机武断不靠谱的大脑，却是人类智能和智慧的根源所依。
所以，欧阳一粟认为，基于确定性数学公式的深度学习算法，不具有本质的随机性功能，因而不可能真正地有效避免人工神经网络的过拟合状态。
于是，欧阳一粟就想在深度学习算法中引入某种随机性功能。
欧阳一粟不是搞数学的，他搞不懂如何才能通过确定性数学公式实现真正的随机性功能。
但是，欧阳一粟知道，人工神经网络是一种仿生技术，属于自然启发式技术的范畴。
向自然拜师学艺，或许可以实现真正的随机性功能。
可是，现代科学之发达，几乎所有自然现象背后的机理和规律都能被总结归纳为一个或一组确定性的数学公式。
比如，所有低速运动现象都可以用牛顿三大定律中的加速度公式来描述，而所有高速运动现象都可以用爱因斯坦的狭义相对论公式来描述。
这些公式都是确定性的数学公式。
所以，向自然拜师学艺，似乎本质上还是学不到随机性功能？
有人甚至宣称：自然界根本就不存在任何真正的随机现象；人们所以为的随机现象，其实都是确定性现象。
比如，抛硬币是大家公认的随机现象，每次抛硬币的结果，正面朝上还是反面朝上，没有任何方法可以100%准确地预测出来。
但是，深究一下，就会发现，抛硬币绝对是一个确定性现象。
人们目前之所以无法准确预测抛硬币的结果，其实仅仅是因为人们无法准确掌握所有影响抛硬币结果的因素。
比如，到底有多少因素会影响抛硬币的结果？
力道、角度、风向、风速、气温、湿度、电磁场、地面地形、地面材质，还有什么因素吗？
在抛硬币的过程中，每个因素的数值到底是多少？
如果我们能够准确掌握所有影响抛硬币结果的因素，那么，理论上，我们完全可以100%准确地计算预测每次抛硬币的结果。
然而，现实中，我们甚至连风速都不能100%测量准确，当然就不可能100%准确地计算预测每次抛硬币的结果。
所以，抛硬币这个确定性现象就被人类当成了随机性现象。
本质上，随机性现象就是人们暂时不知道其背后机理和规律的确定性数学公式，或者不方便，甚至无法使用确定性数学公式对其背后机理和规律进行描述的现象。
于是，人们就简单粗暴地使用统计学方法，仅仅描述现象本身，而忽略其背后的机理和规律。
