齐凡又喝下一口贤者饮料，给自己充能。

对图像的数字化处理，首先自然就是将彩色图转化为灰度图。简单来说，就是将一张彩色照片弄成黑白的。

之后那黑白图像上的一个个像素点的灰度值，便是计算机看到的东西。

齐凡忽的想起李月。她可真白！

贤者状态下的齐凡是很纯洁的，比4个9的黄金还要纯。他想起李月完全是因为好奇该如何用数字形容她的白。

灰度值的范围是0~255。0代表纯黑，255代表纯白。

李月该有多白。150？200？还是250？

齐凡觉得一定是250。她白得就跟250一样。

人类通过一个个像素点的灰度值就能识别出物体，其实计算机也是这么干的。

这其实是很浅显易懂的道理。只要这個世界上没有修仙和魔法，那做同一件事情多半就是用同一种方法，只不过是过程有些不同罢了。

就如，人类对着一副图像看一样就什么都明白了，人类自己甚至都感受不到这个过程。

你看到图像上有一只猫，你不会下意识去思考“我为什么会认为它就是一只猫”。也就是说，人类根本不明白自己识别的过程。

因而在于如何教计算机识别图像的问题上，人类绞尽脑汁，这类问题就是机器学习诞生的初衷。

齐凡通过阅读许阳他们的代码，知道他们并未采用简单的线性回归来处理数字识别。他想想也是，毕竟线性这东西就如一个直男，脑子永远就是一根筋的，只能走直线，走不了曲线，自然也就处理不了复杂些的问题。

比如：异或问题。这是一个最典型的非线性问题。

所谓异或，就是：同为0，异为1。两个数字1异或之后结果是0。

用白话来解释线性和异或的话，线性可以看成是按套路办事，非线性则可看成不按套路出牌。异或就是不按套路出牌的一种典型情况。

如果计算模型是线性的，那无论如何它也无法处理非线性的问题。哪怕是把现有CPU的运算能力翻一万倍，那也是无济于事的。

这就好比一个男人还没结婚的时候，他的钱都是他的。结婚之后，计算机按往常理解，就是把夫妻双方的钱加起来除以2。

不加干预的话，计算机是无法自己开窍其实不是除以2，而是很可能向某一方汇聚，最后男方那边剩余是0。