RL 二

好了，大概就是遇到这些问题，我们来看看人工智能的解决方案。

首先我们不能将问题想得太复杂，我们不看啥五颜六色图片，我们只看到一个x和y坐标和一个R，G，B的颜色描述。

其实在实际运算中，我们将RGB颜色组换算成了一个G的颜色值，就是根据人眼对颜色的敏感程度，将彩色图片变成灰度图像。

然后我们建立，$W_{xy}=G_{xy}$ 的位置信息，寻找几何信息就对了。

如果要进行RGB建模，可以用r,g,b来表示三色空间，然后参数就是 $W_{xy}=R_{xy}\times \vec{r}+G_{xy}\times \vec{g}+B_{xy}\times \vec{b}$，这样折腾，无疑就没上面的简单了。

其实人工智能就是将创建模板的这个过程自动化，你看到人工智能的运算的基础公式，都是 $Q_{xy}=W_{xy1}\times x_{xy1}+W_{xy2}\times x_{xy2}+...+W_{xyn}\times x_{xyn}+b_{xy}$ 这种形式。

这样的话，就可以将当前位置像素和下一个像素发生关联了。

远看一眼，很长很爆炸，其实仔细瞄了一下，就是乘法和加法。

为啥这么简单，我想是因为这样的运算方便并行运算， 人工智能整体上是一个复杂的运算， 但是分化到现在流行GPU加速的运算单元上， 其就是一个加法运算 或者一个乘法运算。
而GPU的运算单元比较多，这样就让整体的运算特别快。

好了，看懂了这个公式，你就掌握人工智能的本质了。

这个公式在理论上是可以解决我们找某某菜的需求，但是，这个真的要运行出来，并不现实。每个像素点都要产生关联，就不是$1+1=2$这么简单了，真正的运算在像素点的个数上成 指数级 增加的趋势。

这个方法不但运算量太大，而且在运用上也有传统模板的缺乏泛化性的缺点。