第1335章 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，普通的电脑根本没戏，一启动就死机。

    汤教授道：“过去的图片处理，始终没能超越人眼的范畴，想要靠着计算机突破人眼的极限，除了大数据和人工智能相关技术的理解之外，还离不开强大的算力。”

    周不器笑道：“算力不成问题，紫微星的云计算业务已经趋近成熟。如果实验室应用，我还可以帮你们跟联想联系，使用他们的hpc。”

    hpc就是high型的pc，即高性能计算机、超级计算机，算力很强大。

    所采用的技术原理跟云计算差不多，都是并行的集群化工程。紫微星的杨振坤博士一手开发了飞天数据库，并为云计算业务提供了技术储备和支持。他在被挖到紫微星之前，在联想研究院时就主要做hpc方面的研究。

    现在的联想超算不像十年后那样威震世界，能跑到全世界给人家搭设超算平台。不过在市场化应用的领域，目前已经达到了国内第一的水平。紫微星有一大一小两个超算计算机平台，大的是惠普，小的是联想。

    这个多媒体实验室体量有限，帮他们搭一个小型的超算平台足够了。

    汤教授不由得一愣，“这价格可不低吧。”

    周不器笑道：“没关系，我送给你们。”

    裴瑶在旁笑着说：“我们周总最支持创新型技术的研究了，尤其是人工智能、大数据和云计算的领域，几乎每次会议都要提到。”

    实验室里的教授、博士们就都很高兴。

    这可太好了！

    他们办公室采购的是一批性能极好的惠普电脑，可这也只是普通电脑，算力根本不够。刚才演示的时候，放大一个很小的图片，都要耗时3分钟。要是大点的项目，那得直接卡死。

    有了hpc，那对他们今后的课题研究就方便多了。

    汤教授很感谢，不过课还没上完，他要接着刚才的思路继续说：“眼睛能看到的，都是确切化的处理，刚才说了，从1到10到100到1000。变化很大，rou眼都能区分。如果是缩小就不一样了，从1到0.1到0.01，等缩小到了0.0000……001和0.0000……002的时候，这差距就非常小了，rou眼就看不见了。可是计算机却能够区分。这是在图片处理中计算机超越人眼的关键。强大的算力是基础。”

    这么复杂的事，周不器就不好乱参与了。

    紫微星的几个专家跟他们进行了讨论。

    大概意思，就是给每一张清晰的点标号，然后对应一个模糊的点。一个清晰的点是1，对应的模糊点是0.0000……001，一个清晰的点是2，对应的模糊点是0000……002，先统计出来。

    这样，等模糊的点0.000……00ε出现的时候，就可以朝着清晰点的ε靠拢了，就完成了从不确定性到确定性的转化。

    当然，这个过程可能不是一一对应的，可能是多对多，还需要很复杂更详尽的统计、分析。

    周不器想到了什么，问道：“用手机拍月亮，是不是就这个原理？”

    “什么拍月亮？”汤教授没太理解。

    周不器道：“手机的像素太低，而且夜景的采光也不行，根本拍不清。”

    汤教授摆了摆手，“如果只是优化月亮图景，那会很简单，我们现在也能做到。月亮是固定的，是已知的，构图简单。拍出一个大概模型，人工智能去丰富就行了。可现存的模糊照片，其原本的样子是未知的，难度会大大提高。如果是拍月亮，对手机来说难的不是对模糊图片的清晰化处理，而是手机的算力能不能跟上，芯片要好。现在世界上不可能存在这样的手机芯片。”

    另一个白人教授用中文说道：“我们实验室目前主要做的是人像的处理，主要是人脸。人脸的复杂度要远远超过月亮，需要在人脸检测、高分辨率、人脸的特性分布等所有方面做研究，还要有足够的人脸图像。”

    周不器马上理解，“对，大数据嘛，得有数据才行！紫微星最不缺的就是图片，可以支持！”

    得有足够多的确切的脸，才能得出足够多的模糊化脸的数据库，点对点的分析、对接。然后，等一张模糊化的脸出现后，才能通过点对点的分析、对接，反推出清晰化的脸。

    这个工程一定要做。

    一方面是技术的积累、沉淀。

    一方面的确很有意义啊！

    这在全世界都是一个无法解决的难题，如果紫微星解决好了，那就赚大发了，到时候可以卖给全世界的警察局。

    全世界的警察局都是体制内部门，跟这种部门合作，油水都大大的。而且，这对警察来说是刚需性的技术，会大大地提高破案率。只要出现，各国警察都会抢着要买。

    那就发财了！

    不过，外国人的脸和国人的脸不一样，得拿到足够多的外国脸的样本进行分析统计才行。随着手机和社交网络的普及，这一点不是障碍，写一个爬虫算法，去网路上扒图就行了。