己这边刚说了一点点成果，就被拐带跑了，顺带着帮郝成捋顺了那么大的思路：“我决定从‘多’还是‘少’这个概念的判断入手。”
“嗯！”郝成点了点头，示意魏书杰继续说下去。
“多和少的判断，对于机器来说还是非常难的，而且，机器判断多少的方式和人也有非常大的差别。”
魏书杰接着说道：“比如，大街上有一群人，多不多，人类只需要大眼一扫，就能得出结论，多！
“而机器要做出这个判断就非常困难，采集到图像后，机器就首先要计数，然后还需要有一个标准，大于多少才是多。
“这其中的区别就非常大。”
“确实，”郝成对魏书杰的想法表示认可：“这是一个非常不错的方向，有具体的思路了吗？”
魏书杰先是摇头，然后又是半点头：“从围棋开始吧。”
AI下围棋就有这样一个问题：我占了一大片，这一大片它是多少，人其实是靠目测估算的，而AI是真的会精确计算。
魏书杰的计划是，给AI换一种算法，让它也通过“片”的大小来估算。
“做过具体的假设评估吗？”郝成刚刚看了魏书杰对于整体非确态的假设评估，发现他确实擅长做这个。
就是先假设这个东西能实现，然后在尚未实现的时候，就能估算出这个东西的效率。
“假设，AI可以通过‘片’来大约估算数量，在判断多与少、好与坏等非量化指标的时候，理论速度的提升至少是万倍这个量级的。
“当然，准确性上会差一些，95%！”
郝成点了点头，在脑子里模拟了这么一个场景：围棋棋盘，有两“片”空地，要判断哪个更大：
现在的AI是精准计数，需要上万次的运算。
而如果像人一样，进行多与少的判断，那只要大眼一扫，也就是只需要一两次运算。
速度确实要快上万倍，准确性要差一些。
牺牲5%的准确性，来换上万倍的速度提升，值得不值得？
那就要看使用场景了。
尤其是在AI的训练中，这种非确态不仅没有影响，甚至还能带来更多的变异和可能。
“有具体的算法思路了吗？”郝成问道。
“有！”魏书杰今天过来最主要的目的就是为了告诉郝成这个“有”!
“那好，那就先这样实施。”郝成点了点头。
机器
本章未完，请点击下一页继续阅读！