不确定性到确定性的转化
不确定性到确定性的转化
周不器虽然是技术外行，但他重生之前，也常常被云计算、大数据、人工智能等几个概念给洗脑。
重生之后，对这几个方面就格外重视，逐渐地也产生了一些认知。
他还挺聪明，听到汤教授一说，马上就反应过来，脱口而出：“从逻辑学到统计学的算法思路改变？”
汤教授微微一怔，似乎很惊讶，“周总的理解力，令人惊叹！”
裴瑶带来了那四个T7的技术专家，也对周大老板的水平有了新的认识。
不得了！
从人工智能到大数据，这可是世界性的前沿性的科技课题啊，就算是内行人都迷迷糊糊，摸不着方向。
甚至其中一个T7专家，第一时间都没能反应过来。
大老板一个外行，竟然这么快就想通了？
当然，这跟周不器的层次有关，他平时接触的都是沈向阳博士、王建博士、陆器博士这种级别的科学家，要么就是跟清华、牛津的科学家交流。
有这些世界上最好的科学家当老师，学东西能不快吗？
同时，这一幕也让在场很多紫微星的工作人员都心有感触，深刻理解了公司在人才结构上要求年轻化的道理了。
年轻就是好啊！
学东西真快。
裴瑶发自内心地佩服，笑着说：“我们老板是一个纯计算机专业的外行，可能连一本《计算机基础》的入门书都没读过。不过在平时的工作中，他会跟很多科学家打交道，也会参加一些技术性会议，时间长了……可能就明白了。”
小超人附议，“周先生是天才。”
汤教授点头同意，“周总的领悟力和理解力，比内行还内行。”
周不器一向很谦虚，笑着说：“我算什么天才，差远了呢！我在硅谷，认识了一个企业家，叫埃隆·马斯克，那才是真正的天才。他是学计算机的，可他要做火箭，什么都不懂，就一边学习一边做产品。据说现在对航天工程技术的理解和应用，已经达到了一流科学家的水准。”
汤教授道：“周总也不差。”
这时，多媒体实验室里人已经很多了，出现了很多实验室里的其他教授和博士们在旁听。
汤教授是多媒体实验室的主任，是这个实验室人工智能领域研究方向的引领者，所有的教授和博士、硕士们都要按照他的这个大方向去研究。
他的方向选择对了，所有人都会一步跨上人工智能领域的大舞台，成为行业里的资深专家。他选择错了，大家一起完蛋。
不过，汤教授是麻省理工毕业的博士，很权威，大家都很相信他。
面对这么多实验室的同事和学生，汤教授就像上课一样，要说得详细一些。先简单阐述了一下逻辑学到统计学的思路转变。
图像由无数个点组成，分辨率越高，点数越多；分辨率越低，点数越少。
把图像扩大1倍，其实就是把点数增加1倍。
过去的算法，是数学、逻辑学的思路。即有了前一个节点，然后根据数学逻辑，推演到了下一个点，一个点变为两个点，就完成了拓展。把图片中所有的点都处理、扩展一遍，图片的放大就完成了。
可这是个确切的过程。
选择的节点得是确定的，才能衍生出第二个点。
如果第一个节点都是模糊的、不确定的，就算数学公式、逻辑思路再正确，也没用啊，巧妇难为无米之炊。
新的大数据下的图像处理思路，应用到的是统计学算法。
比如，有两条路，都可以到达终点，运动员选择哪一条路耗时更短？
传统的思路，就要通过数学和逻辑学上的计算。
计算路程长度，运动员的速度，以及运动员的状态、耐力、加速度、减速度、摩擦力所影响的摔倒几率等等。
拿出一套极复杂的公式出来。
可是，如果过来的运动员是没有腿的残疾人，或者盲人怎么办？过去的这套公式就都没用了。
统计学的思路就很简单了。
两条路，不管是正常人、残疾人，还是自行车、汽车，都无所谓，统计数据就好了。左边这条路测算1万次，右边这条路测算1万次。
经过测试，左边赢了8000次，右边赢了2000次，结果就出来了。
选择左边这条路耗时更短！
应用在模糊照片的清晰化处理上，就是大数据下的统计学。
比如一个模糊化的鼻子，原始形象是什么样？
统计就好了。
选1万个不同种类的鼻子，然后进行模糊化处理。模糊化处理后的鼻子，哪个跟模糊照片中的鼻子点位重合最高，就是哪个。
不过，想实现这一点非常复杂。
只要是大数据，就一定会涉及算力的问题。想处理、统计这么多的数据，普通的