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。