怎麼能讓實驗室的資金供需平衡。困擾著李銘要。捐獻是一方面，自己投是一方面。但是面對海量的需求，仍然杯水車薪。
李銘要最後想到了建立綜合實驗室，貢獻制度。每個企業只要對實驗室作出了貢獻，就可以把課題放到實驗室裡完成。而個人對實驗室作出貢獻，就可以申請使用實驗室，貢獻額足夠的話還可以讓實驗室按照他的想法建立實驗室。
這樣做一方面形成聚集效應，另一方面避免重複投資。貢獻點的賺取，主要是捐獻。李銘要的想法得到了學校的大力支援。綜合實驗室的建設在進行，個人實驗室的資助也沒斷開。
李銘要將學生網，thd，進行了整合。然後對各種帖子做了分類，thd只做科技貼，學生網，生活貼。實驗室負責實施想法，和募集資金。
而整個網路的執行，一方面有專業團隊，另一方面又志願者，和伴隨網路成立而成立的委員會。專業團隊由基金庫僱傭，由委員會審查。監督由志願者和第三方公司共同進行。
至此，人們知道李銘要算是徹底放棄了對幾個網路的管控權。人們估算了一下，李銘要光投資就達到了千億。加上網路的價值，人們估算，李銘要損失高達萬億。
李銘要的行為有人說慷慨，有人罵蠢貨。但是不可否認的是李銘要催生了一個新名詞，自由網站公司化。有了李銘要這個吃螃蟹的人，不少人開始募集資金，對免費的網站進行公司化。
人們看到了網站公司化後的變化，公司化，使得網站更專業，細緻，和制度化，規範化。就拿thd來說，隨著註冊人數的暴漲，裡邊的帖子就氾濫了，不再是單純的科技貼。公司化後就解決了，只要不是科技貼，或者說是科技貼但是隻是簡單的模仿，甚至抄襲，就有人來處理這些帖子。再加上，公司化後，thd的頁面設計更細膩，甚至新增了虛擬聊天室，讓人可以面對面的探討問題。
成立了公司，就可以更好的解決捐贈問題，處理突發的事件。李銘要同時成立了自由網站公司聯盟，對加入的公司提供解決策略，資金支援。
李銘要在這個過程當中，發現了一個突出的問題，搜尋難題。對這方面進行了一番瞭解後才知道，搜尋問題到底是個什麼樣的問題。
星海時代，網路就像大海，而你要搜尋的東西，就像落入大海的一滴水。找到那滴水的難度可想而知。李銘要在這個過程中，發現，自己的想法並不是新創。在過往的帖子中，就能找到太多相似的點子。甚至相似的網站，只不過淹沒在了資訊的汪洋之中。
現在主流的搜尋方法第一種是圖書館法，就是把一個星球產生的資訊，當成一本書，進行關鍵字標記，那麼一個星系就是一個圖書館，眾多的星系構成一個個**的圖書館。
當進行資訊搜尋時，一本書沒有才會找下一本，一個圖書館沒有才會找別的圖書館。直道將資訊收集全為止。這就對資訊搜尋劃分了權力，有的能看一本書，有的能看一座圖書館，有的能進行館際互借。
第二種主流方法是，資訊標記法。網路產生的資訊會被標記分類，然後就可以進行搜尋了。當進行搜尋時，在分類中找出相應的資訊。
第三種主流的方法是，交叉標記法。對一條資訊進行分類標記，交叉檢索。
三種方法各有優缺點，但是不論哪種辦法給人最大的印象就是慢，多，雜。檢索的速度太慢了，收集到的資訊太多，收集的資訊不準確。
李銘要面對這樣的難題也是沒什麼辦法。翻閱書籍，查詢資料。成立了個興趣小組。李銘要，在進行著努力。
＇本書首發來自17k，第一時間看正版內容！＇
 ；。。。 ； ；
45 神經演算法
搜尋問題讓李銘要產生了極大的興趣。因為資訊的蒐集處理是人每天都要做的，人的大腦每天都要處理海量的資訊。科技發展到現在，人們在智慧化道路上的探索，從沒停止過。
從第一臺，神經元生物智慧計算機問世，到第一個全智慧化機器人的出世，再到金屬元智慧化，每邁出一步，就是一個全新的世界。
智慧化戰爭也就是機器人之戰後，智慧計算仍然在不斷發展。智慧計算，粒子計算，量子計算，是演算法界的三大基石。三中演算法應用的領域各不相同。
智慧計算，機械智慧化，仿生物科技，機器人，等領域。粒子計算主要在處理超界邊值，微觀世界。量子計算是處理大規模資料的方法。
現