在此之前，葉舟也曾經仔細看過模擬器提供的aes技術的文檔，他一直不理解的是，為什么在算法模塊中關于圖像識別的部分會做得那么龐大和復雜，一開始他以為那是為了保證圖像精度，但現在看來，完全不是那么一回事。

這部分的代碼，只是為了解決神經自糾錯問題而存在的。

高精度相機與人眼存在本質區(qū)別，一個很簡單的粒子就是，在民用領域，哪怕是再先進的相機，也不可能像視網膜神經節(jié)的細胞那樣對不同亮度的區(qū)域進行動態(tài)的增益調整，要實現這樣的功能，就需要使用所謂的sme-hdr算法。

而sme-hdr算法是通過后端處理系統實現的，在這個過程中，必然會出現大量的冗余數據集，這些數據集會立刻激活人腦神經的自糾錯功能，從而將其修正為正確的視覺信號。

但問題是，這些最終版本的視覺信號還會反寫到相機系統中，從而動態(tài)調整sme-hdr算法的數據，兩者不斷相互作用，最后哪怕不成為死循環(huán)，也將占用大量的算力。

并且，亮度動態(tài)增益還不是相機所面臨的唯一問題，中央解析能力差異、單光子解析能力差異、too &n算法、色彩和色域敏感度差異……各種各樣的問題疊加在一起，讓糾錯難度呈幾何倍數提高。

計算機能承受這樣的計算量，那人腦呢？

所以，在實驗才進行到一半的時候，楊毅瑾就已經看出了瑤瑤的不適-----因為那個時候的她，確實已經很累了。

葉舟深深嘆了口氣，之前的他確實沒有想到，限制avs技術發(fā)展的根本就不是這項技術本身，而是一個幾乎被所有人忽略掉的因素：相機。

并且，問題還不是因為相機不夠先進，相反的，是因為它的功能相對于人眼來說，太過于先進了。

分辨率過高、色彩畸變太小、形狀畸變更是幾乎不存在……

如果要用通俗易懂的語言來表達的話，正常人的視覺系統是一臺三流的相機搭配一臺一流的處理器，但avs系統下，就變成了超一流的相機搭配二流處理器，因為按照目前的方案，avs系統所建立的神經同路是達不到人體原來的神經通路的敏捷性的。

此消彼長之下，出現問題也就成了自然而然的事情。

要解決這個問題就只有兩個方法：要么定制專用相機，要么進行侵入式手術，擴寬神經通徑。

但是，這兩個方法所帶來的成本上升和便利性下降，都極不適合大規(guī)模推廣。

所以，最終的解決方案就成了，用算法來彌補設備的缺陷。

這顯然違背了計算機科學中“代碼應該盡量簡潔”的原則，所以在事實上也造成了負面的影響。

想到這里，葉舟輕輕搖了搖頭。

不得不說，自己這個時間線的研究者是幸運的，這種幸運并不是因為己方直接獲取了avs技術，而是在獲取技術之后，第一次實驗中就選中了一個最為典型的、自糾錯能力最強的被試者。

這樣的幸運一次就把最極端的情況測試了出來，而放在另一個時間線上，恐怕上千次的測試也不足以達到這樣的效果。

在聽葉舟解釋完問題的成因之后，陳力的團隊同樣感到恍然，尤其是朱軒，他早就已經發(fā)現了算法中大量的冗余代碼，也解析了其中的功能性，但他始終想不通，這些代碼到底是用來應對什么問題的。

現在，所有的疑惑都有了答案。

“所以，我們如果要繼續(xù)發(fā)展avs技術，還得先從造相機開始？”

聽到陳力的問題，葉舟微微點頭，回答道：

“要么就造相機，要么就做開顱手術。后者的風險太高了，總不能像那種科幻片里一樣，在后腦開個口子接個usb