周不器雖然是技術外行，但他重生之前，也常常被雲端計算、大資料、人工智慧等幾個概念給洗腦。
重生之後，對這幾個方面就格外重視，逐漸地也產生了一些認知。
他還挺聰明，聽到湯教授一說，馬上就反應過來，脫口而出：“從邏輯學到統計學的演算法思路改變？”
湯教授微微一怔，似乎很驚訝，“周總的理解力，令人驚歎！”
裴瑤帶來了那四個t7的技術專家，也對周大老闆的水平有了新的認識。
不得了！從人工智慧到大資料，這可是世界性的前沿性的科技課題啊，就算是內行人都迷迷糊糊，摸不著方向。
甚至其中一個t7專家，第一時間都沒能反應過來。
大老闆一個外行，竟然這麼快就想通了？當然，這跟周不器的層次有關，他平時接觸的都是沈向陽博士、王建博士、陸器博士這種級別的科學家，要麼就是跟清華、牛津的科學家交流。
有這些世界上最好的科學家當老師，學東西能不快嗎？同時，這一幕也讓在場很多紫微星的工作人員都心有感觸，深刻理解了公司在人才結構上要求年輕化的道理了。
年輕就是好啊！學東西真快。
裴瑤發自內心地佩服，笑著說：“我們老闆是一個純計算機專業的外行，可能連一本《計算機基礎》的入門書都沒讀過。
不過在平時的工作中，他會跟很多科學家打交道，也會參加一些技術性會議，時間長了……可能就明白了.”
小超人附議，“周先生是天才.”
湯教授點頭同意，“周總的領悟力和理解力，比內行還內行.”
周不器一向很謙虛，笑著說：“我算什麼天才，差遠了呢！我在矽谷，認識了一個企業家，叫埃隆·馬斯克，那才是真正的天才。
他是學計算機的，可他要做火箭，什麼都不懂，就一邊學習一邊做產品。
據說現在對航天工程技術的理解和應用，已經達到了一流科學家的水準.”
湯教授道：“周總也不差.”
這時，多媒體實驗室裡人已經很多了，出現了很多實驗室裡的其他教授和博士們在旁聽。
湯教授是多媒體實驗室的主任，是這個實驗室人工智慧領域研究方向的引領者，所有的教授和博士、碩士們都要按照他的這個大方向去研究。
他的方向選擇對了，所有人都會一步跨上人工智慧領域的大舞臺，成為行業裡的資深專家。
他選擇錯了，大家一起完蛋。
不過，湯教授是麻省理工畢業的博士，很權威，大家都很相信他。
面對這麼多實驗室的同事和學生，湯教授就像上課一樣，要說得詳細一些。
先簡單闡述了一下邏輯學到統計學的思路轉變。
影象由無數個點組成，解析度越高，點數越多；解析度越低，點數越少。
把影象擴大1倍，其實就是把點數增加1倍。
過去的演算法，是數學、邏輯學的思路。
即有了前一個節點，然後根據數學邏輯，推演到了下一個點，一個點變為兩個點，就完成了拓展。
把圖片中所有的點都處理、擴充套件一遍，圖片的放大就完成了。
可這是個確切的過程。
選擇的節點得是確定的，才能衍生出第二個點。
如果第一個節點都是模糊的、不確定的，就算數學公式、邏輯思路再正確，也沒用啊，巧婦難為無米之炊。
新的大資料下的影象處理思路，應用到的是統計學演算法。
比如，有兩條路，都可以到達終點，運動員選擇哪一條路耗時更短？傳統的思路，就要透過數學和邏輯學上的計算。
計算路程長度，運動員的速度，以及運動員的狀態、耐力、加速度、減速度、摩擦力所影響的摔倒機率等等。
拿出一套極複雜的公式出來。
可是，如果過來的運動員是沒有腿的殘疾人，或者盲人怎麼辦？過去的這套公式就都沒用了。
統計學的思路就很簡單了。
兩條路，不管是正常人、殘疾人，還是腳踏車、汽車，都無所謂，統計資料就好了。
左邊這條路測算1萬次，右邊這條路測算1萬次。
經過測試，左邊贏了8000次，右邊贏了2000次，結果就出來了。
選擇左邊這條路耗時更短！應用在模糊照片的清晰化處理上，就是大資料下的統計學。
比如一個模糊化的鼻子，原始形象是什麼樣？統計就好了。
選1萬個不同種類的鼻子，然後進行模糊化處理。
模糊化處理後的鼻子，哪個跟模糊照片中的鼻子點位重合最高，就是哪個。
不過，想實現這一點非常複雜。
只要是大資料，就一定會涉及算力的問題。
想處理、統計這麼多的資料，普通的電腦根本沒戲，一啟動就宕機。
湯教授道：“過去的圖片處理，始終沒能超越人眼的範疇，想要靠著計算機突破人眼的極限，除了大資料和人工智慧相關技術的理解之外，還離不開強大的算力.”
周不器笑道：“算力不成問題，紫微星的雲端計算業務已經趨近成熟。
如果實驗室應用，我還可以幫你們跟聯想聯絡，使用他們的hpc.”
hpc就是high型的pc，即高效能運算機、超級計算機，算力很強大。
所採用的技術原理跟雲端計算差不多，都是並行的叢集化工程。
紫微星的楊振坤博士一手開發了飛天資料庫，併為雲端計算業務提供了技術儲備和支援。
他在被挖到紫微星之前，在聯想研究院時就主要做hpc方面的研究。
現在的聯想超算不像十年後那樣威震世界，能跑到全世界給人家搭設超算平臺。
不過在市場化應用的領域，目前已經達到了國內第一的水平。
紫微星有一大一小兩個超算計算機平臺，大的是惠普，小的是聯想。
這個多媒體實驗室體量有限，幫他們搭一個小型的超算平臺足夠了。
湯教授不由得一愣，“這價格可不低吧.”
周不器笑道：“沒關係，我送給你們.”
裴瑤在旁笑著說：“我們周總最支援創新型技術的研究了，尤其是人工智慧、大資料和雲端計算的領域，幾乎每次會議都要提到.”
實驗室裡的教授、博士們就都很高興。
這可太好了！他們辦公室採購的是一批效能極好的惠普電腦，可這也只是普通電腦，算力根本不夠。
剛才演示的時候，放大一個很小的圖片，都要耗時3分鐘。
要是大點的專案，那得直接卡死。
有了hpc，那對他們今後的課題研究就方便多了。
湯教授很感謝，不過課還沒上完，他要接著剛才的思路繼續說：“眼睛能看到的，都是確切化的處理，剛才說了，從1到10到100到1000。
變化很大，肉眼都能區分。
如果是縮小就不一樣了，從1到到，等縮小到了……001和……002的時候，這差距就非常小了，肉眼就看不見了。
可是計算機卻能夠區分。
這是在圖片處理中計算機超越人眼的關鍵。
強大的算力是基礎.”
這麼複雜的事，周不器就不好亂參與了。
紫微星的幾個專家跟他們進行了討論。
大概意思，就是給每一張清晰的點標號，然後對應一個模糊的點。
一個清晰的點是1，對應的模糊點是……001，一個清晰的點是2，對應的模糊點是0000……002，先統計出來。
這樣，等模糊的點……00e出現的時候，就可以朝著清晰點的e靠攏了，就完成了從不確定性到確定性的轉化。
當然，這個過程可能不是一一對應的，可能是多對多，還需要很複雜更詳盡的統計、分析。
周不器想到了什麼，問道：“用手機拍月亮，是不是就這個原理？”
“什麼拍月亮？”
湯教授沒太理解。
周不器道：“手機的畫素太低，而且夜景的採光也不行，根本拍不清.”
湯教授擺了擺手，“如果只是最佳化月亮圖景，那會很簡單，我們現在也能做到。
月亮是固定的，是已知的，構圖簡單。
拍出一個大概模型，人工智慧去豐富就行了。
可現存的模糊照片，其原本的樣子是未知的，難度會大大提高。
如果是拍月亮，對手機來說難的不是對模糊圖片的清晰化處理，而是手機的算力能不能跟上，晶片要好。
現在世界上不可能存在這樣的手機晶片.”
另一個白人教授用中文說道：“我們實驗室目前主要做的是人像的處理，主要是人臉。
人臉的複雜度要遠遠超過月亮，需要在人臉檢測、高解析度、人臉的特性分佈等所有方面做研究，還要有足夠的人臉影象.”
周不器馬上理解，“對，大資料嘛，得有資料才行！紫微星最不缺的就是圖片，可以支援！”
得有足夠多的確切的臉，才能得出足夠多的模糊化臉的資料庫，點對點的分析、對接。
然後，等一張模糊化的臉出現後，才能透過點對點的分析、對接，反推出清晰化的臉。
這個工程一定要做。
一方面是技術的積累、沉澱。
一方面的確很有意義啊！這在全世界都是一個無法解決的難題，如果紫微星解決好了，那就賺大發了，到時候可以賣給全世界的警察局。
全世界的警察局都是體制內部門，跟這種部門合作，油水都大大的。
而且，這對警察來說是剛需性的技術，會大大地提高破案率。
只要出現，各國警察都會搶著要買。
那就發財了！不過，外國人的臉和國人的臉不一樣，得拿到足夠多的外國臉的樣本進行分析統計才行。
隨著手機和社交網路的普及，這一點不是障礙，寫一個爬蟲演算法，去網路上扒圖就行了。