第1335章 不确定性到确定性的转化（2/5）

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？