“這個時候就別這么多雜念了……”
“自己什么性格自己不清楚嗎？除非關鍵一瞬，不然我的腦子向來都是雜念叢生的好……么……”
原生突然感覺自己整個人都變了形狀一般。
他的意識在延伸……
或者說，有遠方的數據被下載到生物腦中。他的念頭化為數據上傳到遠方。
在這里，每一句話，每一個動作，都會對數據本身產生影響。
然后，向山感受到了一股強烈的擠壓……
不對，是反彈。
“阿零給的后門已經被補丁給堵上了嗎？看起來不能繼續深入了，這條路上一定會有‘蜜罐’。”小八低聲說道。
這句話是對自己的自我暗示。
周圍的景色再一次變化。黑暗消失。
向山看到了墻壁。
仿佛建模出了問題一般，無數細微線條組成的稀疏墻壁。
小八想著墻壁伸出手。
他并不是真的“伸出手”了。他也沒有靈魂出竅。這一面墻壁是他所得到的數據反饋，是從服務器下載到的數據、經由生物腦的處理則想象成的。向山也只是借由“伸出手”的這個念頭，來進行自我暗示。
向山生物神經網絡之中，一部分自主放電的中層神經元，會與產生這個“伸手”這個念頭的神經元，以及將之囊虧在一起的內功神京回路一起，形成混雜的“預測式編碼結構”。
這是大腦的一個固有機制。
大腦依靠神經元網絡層層抽取抽象概念、特征來進行識別。“深度學習”就是模擬這一過程，利用一層層的計算機編碼，抽取輸入信息的特征，進行單獨的識別，并進行復雜的模擬計算，并最終給出結果。其中的“深度”，便是指“模擬神經網絡的層數”輸入層與最終輸出層之間、模擬層層抽取特征的神經元網絡的“隱藏層”。層數越多，計算的深度也越深。所以越是復雜的選擇問題，越需要深度的層次多。
21世紀初所出現的超級圍棋計算機AlphaGo，其策略網絡是13層，每一層的神經元數量為192個。
人類在辨識、思考的時候，一部分自主放電的中層神經元，就可以與輸入神經元形成“預測編碼結構”，在輸入信息符合“預期”的時候，可以跳過“調集大量神經元對外來信息進行加工”的過程。
而內功修煉到高深處，便可以對這個機制移花接木。在特定的狀態下，內功高手可以用更直觀的簡單神經沖動，喚醒一大片刻錄了強大內功的神經回路，甚至跳過了主觀意識的階段，直接用自己大腦的數學機能解決問題。
然后，一團光焰從防火墻上爆發出來。
向山一把握住了虛擬的火焰。
向山的意識回到了原地。
他的身體其實從剛才開始就一動不動。
“嗯，升級了最新的防火墻？因為三年前的事情，所以意識到自己可能被內功高手盯了很久？”向山看了看自己的手。雖然剛才都是自己大腦在數據沖刷下擅自腦補的幻覺，但那團火焰背后也是有實際存在的數據的。
小八的那一伸手，實際上包含了許多種常用的侵入手段。
而防火墻的反饋數據，已經被拿到手里了。
探測攻擊，完成。