原本已经开始疲惫的众人都不自觉的打起了精神，正常公司来参加这种提案的都是两个人，一个项目负责人，一个技术人员。

    所以不管是常年游走于市场的项目经理还是穿着格子衬衫的技术人员，自然都对刘凡接下来将要说的内容充满了兴趣。

    “我们的人脸识别技术之所以可以实现刚才大家所看到的场景运用，是基于我们提出的动态特征逻辑理论。”

    刘凡这边开始解释，下面有人开始录音，有人开始录像，有人开始记笔记。

    “我们现在主流的人脸识别技术的核心就是特征，不管是整体的几何特征还是局部特征，也不管是传统算法还是神经网络模拟，一切的根源就是抓取特征并对特征进行处理。但不管后续的处理方式是多么的动态亦或者多么的高维，我们抓取的特征本身是静态的。

    这也就不可能避免很容易受到环境的影响。所以我们很早就在考虑是不是可以抓取动态特征而不是静态特征。再后来，我们意识到单纯的抓取动态特征依旧不够，如果能利用大数据挖掘出动态特征逻辑，那么不管环境如何影响，只要能搭建出一个足够庞大的动态特征逻辑模型，即便依靠非常模糊的影像资料也有可能实现人脸识别。

    我简单举个例子。”

    刘凡说着，将PPT点到后一页，“首先在座各位肯定都知道一个基础原理，那就是一叶一菩提。这个世界没有完全相同的两片树叶，同样也不存在两片树叶拥有同样的生长历程。

    大家可以看PPT，这是我们第一次发现的动态特征逻辑，通过对这三千万个动态人脸进行不断的挖掘之后，计算机得出了意外的答案，人在转眼珠的时候，眼珠的转动与脸颊下方这个红点的位置所出现的肌肉变化存在函数关系，而不同的人之间，这种函数都是相同的，唯一的区别在于系数上。

    具体的函数涉及到商业隐私所以我不在这里展示，我只做简单的类比，A的眼珠和脸颊函数关系是F（X）=y，B的函数关系是F（X）=1.1y，C的函数关系是F（X）=1.2y，以此类推，所以当视频抓取某一个人眼珠转动的变量X时，对应的函数结果是唯一的，而类似这样的动态函数我们目前在人脸上发现了26个，同时我们还在继续努力。

    相信大家都可以理解，动态函数的优势是十分明显的，比如有罪犯把脸蒙上，但只要能看到他的眼睛，只要他的眼睛提供了一个变量X，那么就可以进行数个与眼睛相关的函数的计算，再或许他把眼睛也遮起来，但脸部某个部位的肌肉变化也有匹配的对应的函数，那么...”

    “你让算法推导算法！？”刘凡话说到一半，突然有个人拍案而起打断了他。

    而当这个穿着黑色格子衬衫的人说出这话之后，场下立刻躁动起来。

    他们刚才光顾着听刘凡说，都还没来得及意识到刘凡这个算法如果真的存在的话，对人工智能行业来说意味着什么。

    现在所谓的深度学习算法，是能力的学习，举个稍显片面的例子，让计算机不停的学习乘法，慢慢的计算机的乘法计算速度就会越来越快。

    用个更生活的例子来说，现在很多企业开始研发机器人，大家看到机器人与人互动，会觉得人工智能时代好像真的来了。但其实机器人跟人对话的过程中，我们简化掉深度学习的过程，其实该说什么都是某种程序设定下的优化答案。

    比如女孩子跟机器人说我生气了，现在的智能机器人这个时候的思维模式是这样的，她说她生气了，根据女人生气的时候都是不讲理的这个原理，所以此时得出最优解，只管道歉，再给她发个红包。

    但真正的人是怎么思考问题的呢？她真的生气了么？她为什么生气啊？那这样的情况下我该怎么做呢？不是什么大不了的事情那就道个歉吧，但如果是原则问题，绝对不能惯着她，因为可能反而毁了她，也毁了自己。

    这还只是一个例子，真正在交往中男生会出现的想法要比这多的多。

    其实这样一比较，大家很容易就明白了人和人工智能之间的不同，一个是跟着设定的程序进行分析后得出最优解，一个是根据生活经验以及自己的情绪进行不同的即时反应。而这种即时反应理论上来说是完全无序且不可预测的。

    我们可以发现，人在处理一件事的时候经历了这么几个过程：感知，分析，决策。

    而现在的人工智能做的是信息输入，信息分析，输出最优结果。

    所以在信息处理上，人工智能跟人类看起来很像，但一旦扯上情感，扯上无序的东西时，人工智能和人类的区别就出来了。

    人会为了所爱的人去死，现在的人工智能永远不会。

    这个时候再回过头看刘凡实现的算法，如果算法可以自己根据不断输入的数据去推导出各种函数的话，这个时候的行为模式在一定程度上模拟的就是：人从完全无知的婴儿开始在不断的成长中对世界有了越来越多的了解。

    其实对人工智来说，所谓的算法也好，函数也好，规则也好，也许就是人类的生存法则。人这一辈子，不也是一个不断了解生命的过程么。

    如果把人类成长的这个过程细化，有没有可能就是在不断的发现无数的规则呢？只不过大脑处理了这些问题，我们自己都没发现而已。

    所以当算法可以自己去发现规则的时候，对于人工智能来说，等同于打开了另一扇大门。虽然这个方向也不一定就完全对，但从理论上来说很可能是更接近真正人工智能的大门。

    但这个东西说说简单，真要实现就太难了，就像章凯祥拥有强大的数学功底，也有了对应的猜想，但却无从下手。如果刘凡没有系统这变态的外挂，想要让算法去自主挖掘函数对他来说可能这辈子都做不到。

    当然，其实刘凡现在的算法距离理想中的状态还有很大的距离，一方面是函数推导的准确性和挖掘能力，都还有很大的空间，因为会受限于数据量和数据类别。就比如在这次的人脸识别之前，刘凡的数据关联逆推算法一直都没什么突破性的进展。

    虽然在以往的使用中确实如他之前构想的能实现无序数据利用，但之前的函数都是没有突破算法底层的传统数学框架的，这就让这些函数是否是算法自己推导出来的这个问题有待商榷了。

    但这次在人脸识别上的实验，让刘凡看到了突破，算法的自我推导似乎真的可行。

    还有一个问题就是刘凡的算法现在只能分析，不能决策。

    他试过很多方法，都无法实现决策能力。

    他慢慢意识到想要让算法拥有决策能力，必须打破现有的底层算法原理。

    但这并不影响刘凡目前的算法对今天到场的技术人员所造成的震撼，刘凡和章凯祥会有这样的猜想，别人自然也可能有过这样的猜想，只不过没有人能跨过技术难关罢了，因此当大家反应过来刘凡所呈现的东西如果是真的那意味着什么的时候，所有人都很难再控制自己的情绪了。

    而大家的震惊正是刘凡所期待的，当正面刚GSCT那一刻起，木龙科技就是一支站在战场上准备攻城略地的军队了，已经没有收敛锋芒的必要了...