蘇格聽懂了大概的方向。他和楚可可的感覺一樣，隻知道方向，卻仍然不知道具體該怎麼做，他覺得有些地方還沒有想通，一時又不知如何問起。這需要時間，他最缺的就是時間。他知道，任微青可以幫助他節約時間。
任微青似乎知道蘇格的困惑，他說：“仿真數學模型實際上就是一種傳感數據流的基本處理方法。“數學模型”是計算機利用數學邏輯語言構建的對現事物對象的總體描述，其中的多參數耦合關係，就是我們所說的規律。”
蘇格：“哦？怎麼說？”
任微青：“仿真是通過多參量之間因果律數據耦合而得以實現，但這仍舊不算最終解決信息資源化，作為資源性的數據，還需要解決數據的‘通俗性’和‘可閱讀性’問題。”
蘇格似乎有些思路了。有限元仿真的出現，幾乎與計算機在同一個年代發展起來的。隻不過仿真從來都是在有人設定參數的前提下單獨進行，而從沒有自主讓計算機聯通仿真對象現場的傳感器。通過傳感將現實與數學模型連接起來，進行“模型修正”不正是機器“學習”嗎？而“模式識別”不正是機器“決策”嗎？
感知是信息之源，也是智慧之祖。
“機器學習”是通過獲得傳感數據進行自主的“模型修正”過程，使認知主體掌握的模型耦合“經驗、規律”更加的接近真實情況。利用反饋原理修正的“數學模型”，這與“生物原型”的機理是一樣的。
把我們已經掌握的教給計算機，通過人工建粗糙的模型，再交給計算機“學習”的更精細。
世界上有兩萬多種傳感器，即使這樣，也隻能測量少量的物理量參數；利用數學模型仿真技術，可以實現多參量的自動耦合、修正，形成信息閉環結構。絕大部分不能被測量的參數，卻可以被耦合關係間接獲得，這種間接獲得的參數稱為“間接參數”，也可以稱之為“耦合關係”。
通俗地說，在一個被測對象上安裝了各式傳感器，進行多參量在線測量；將被測對象視為一個‘傳感器’，而這些安裝於其中的傳感器隻是‘敏感元件’，這些‘敏感元件’通過‘數學模型’實現關聯耦合。這些‘間接參數’就是‘傳感器’輸出目標數據。
“柔性仿真”是現實世界轉換為信息資源的重要步驟。“柔性仿真數學模型”的“柔性”體現在：實時傳感數據成為了“仿真數學模型”的一個部分。任何一次細微的修正，都是計算機邏輯運算的過程，都需要一次重新的仿真，使得這種修正與“數學模型”整體再一次全局關聯耦合。
傳感器參數是實時變化的，“柔性仿真數學模型”也必然是實時變化的。關鍵在於，實現“柔性仿真數學模型”跟蹤現實事物的能力，實現了現實世界的信息變成了一種信息資源。即，信息資源化思想。
通常，把來自於感測部分的信息，稱之為“果然信息（果然發生）”。而把來自認知主體的主觀判斷信息，稱之為“如果信息（如果規律）”。
感知信息隻能來自於過去，無論信息的來的有多快；認知信息隻能幹預未來，無論智慧有多高。我們先進的科技，無非是掌握自然的規律的充分程度，以規律信息為依據高效地駕馭能量。
即使是關於未來的“如果信息”，如，判據、規律、認知、決策……等等，對於“數學模型”而言都是一種參數。在數學模型中，描述其中一個參數的時間變化曲線，這種曲線對於信息提取與保存意義重大。這正是蘇格所需要的大數據處理能力，解決了傳感數據流“在線加工”問題。通過仿真模型可以很容易描述任何一個參數的時間變化曲線。