成果越多，就意味着更多的学术点
良性循环就此开始，怎能不令人欣喜呢
不行，不能得意忘形。
江寒深深呼吸了几次，冷静了下来。
然后开始考虑，如何使用这仅有的学术点。
先看一眼属性列表。
认知：6
观察：3
记忆：3
思维：4
想象：2
计算：5
律动：3
现在的问题是，加到哪一项上，收益更大。
是加强优势，还是弥补弱点
只有这么1点，肯定要加到最需要的地方。
首先可以排除的，是观察、律动和想像，这方面并没有迫切需求。
然后认知也可以排除，自己的学习能力，目前还没有不够用的迹象。
剩下的三项：记忆、计算和思维，每一项都很重要。
这就不好选择了。
收益最大的是“记忆”，从3点到4点，收益率约为333；
而“计算”这一项，原本就有5，再加1点，收益只有20；
至于“思维”，则介于两者之间。
这么说，应该先提升“记忆”力
要不要再好好考虑一下
也许等到了某些关键时刻，遇到了什么巨大障碍，再加上去，才是最恰当的时机
算了，以后学术点慢慢多起来，就不值钱了。
好东西吃到肚子里，才是自己的。
所以，还是先点上去，看看效果再说。
想到这里，江寒试着下令，加了1点到“记忆”上。
没想到，信息栏上立即出现红字提示：“无可分配学术点。”
问题出在哪儿
江寒若有所悟：也许要等刊物正式发行，获得的学术点才可以分配
接下来，很自然的，江寒开始考虑下一篇论文。
有了“感知机”之后，能水论文的地方太多了。
等到这篇论文登刊，如果有人关注的话，几乎一定会发现，“感知机”有个非常大的缺陷。
那就是无法解决异或问题。
而且，无论谁发现了这个问题，十有八九都会立即发文。
虽然算不上重大成果，可多水一篇论文，谁会拒绝呢
别以为外国的科研工作者，就没有水论文的需求。
但这个发现“感知机”缺陷，推动技术进步的机会，江寒可不想让别人捷足先登。
第二天。
江寒从早读开始，就开始撰写论文。
这是江寒的第二篇“豆腐干”。
在这篇短短的论文中，他先是用稍微有些情绪化的措辞，对“感知机”的学术重要性大加贬低。
然后丝毫不留情面地，直指要害。
“这个被命名为感知机的东西，实在太粗糙了，甚至不能解决异或问题。”
“假设输入空间为2维，输入的训练数据集tx11，x12，y1，x21，x22，y2，，xn1，xn2，yn，yi{1，1}
其中，xi1、xi2和yi之间，满足异或关系：
即当输入的xi1、xi2同为0或同为1时，yi0；
而当xi1、xi2之中，其中一个为0，另一个为1时，yi1；
则永远无法找到一个线性函数，对此数据集，进行二元分类。
也就是说，“感知机”无法处理异或问题
在这里，甚至可以断言：任何线性分类模型，都无法处理异或分类问题。
详细的数学推导如下”
只用了一节课，江寒就打好了草稿。
谁让“批评”永远比“发现”来得简单呢