。
成熟的人工智慧應該具備人腦思考的能力，比如一句話有歧義的時候至少問一句，而不是直接按照既定的程式作答。
資料體現出的應該是發展趨勢，而不是既定的結果。
不然這和普通計算機有什麼區別?
當然，具備人腦思考的能力，目前世界科技水平還沒有發展到這一階段。
除了語音系統外，人眼影象同樣是一個難題。
對於昭昭的眼睛，陳靈嬰十分感興趣。
智機人的眼睛外觀做的和人類一模一樣，甚至還能從昭昭的眼睛裡看見景物的倒影，而對於影象採集，更是做到了極致。
影象噪聲在數字影象處理技術中的重要性越來越明顯，如高放大倍數航片的判讀，X射線影象系統中的噪聲去除等已經成為不可缺少的技術步驟。
且無法達到昭昭目前所擁有能力的十分之一。
普通的視物，識物，透過影象計算距離，以及判斷食物的生熟程度......
一件件在人類看來再簡單不過的事情，放在機器身上，都是需要持續不斷的研究才能做到的。
而不管是空間域濾波，還是變化域濾波亦或者偏微分方程以及形態學噪聲除濾器，都做不到。
對原圖進行直接的資料處理，並且對影象的灰度值處理。
對影象進行的變換,把影象由空間域轉換到變換域，然後對變換域中的變換系數再操作，再進行反變換將影象從變換域轉換到空間域來達到去除影象噪聲的目的。
利用具有各向異性的特點，應用在影象去噪中，可以在去除噪聲的同時，很好的保持邊緣。
透過隨時間變化的更新，使得影象向所要得到的效果逐漸逼近，以及對其改進後的後續工作。
將開與閉結合可用來濾除噪聲，首先對有噪聲影象進行開運算，可選擇結構要素矩陣比噪聲尺寸大，因而開運算的結果是將背景噪聲去除再對前一步得到的影象進行閉運算，將影象上的噪聲去掉。
陳靈嬰將上述的幾種方案記下，卻又在旁邊畫了一個叉。
............
如果有想往人工智慧方向發展的小朋友，我的建議是本科選擇計算機專業，研究生再選擇AI方向，很多學校並沒有開設人工智慧專業的實力。（當然這只是一個建議，具體選擇從心，另外這個專業對數學物理能力有一定要求，最基礎的幾門課是：高等數學，線性代數以及機率論和數理統計。）