对于婴儿而言 来看下他的经历：
一个能够辨别是整体的物体从他眼前出现，然后接着又从他的耳边出现了妈妈的声音。反复不断地，由于婴儿本身对世界充满好奇心，即面对之前从未看过的世界富含一颗想学习新知识的心，婴儿在看到反复出现熟悉画面的同时又出现了了熟悉的声音，大概地，大脑在面对这些新事物的时候对这些事物建立起了联系--妈妈这个声音，对应起妈妈这个物体。然后以后当妈妈这个物体出现的时候，婴儿脑子自动浮现出妈妈的声音，然后模仿着：妈妈
这是一个获取新知识的过程我想，我想着，大概是很小时候的记忆--一两岁时候的记忆我现在即使努力地去想还是不能记起丝毫。那我大胆地做出一个猜测，人在一两岁或者很小的这段婴儿的期间里面是对世界的整体做一个构件的过程，像视觉上整体物体的获取，还有声音的规律，等到积累起足够多的物体知识储备还有连续声音储备的时候，再将熟悉的反复出现的整体对应起声音来。
在本周，我在测试我究竟看到一个物体的时候究竟要不要计算他是什么的这个问题，然后又试着去算数学问题看看是否需要计算。
结果是：对于物体的识别而言，我并不需要太多的考虑就能知道他是什么东西。对于算数学题而言，无论是多么简单的数学题，最终也都是需要耗费一定量的脑力去思考答案究竟是什么。
而对于计算机现在而言：视觉上的识别物体确实要耗费极大的计算而且不能说是完全准确。对于简单的数学题，计算机只需将其中的过程简单执行便能出结果。
这其中，我很难理解，若计算机编程的这个过程为思考，那么为何对于图像识别和计算而言，人和计算机的差异竟是如此之大。
然后我仔细琢磨了一下其实编程的这个过程并不同于思考，因为编程的过程中已经自动地将规则规定好了，像int a=1+1;之后把a输出来的这个过程，有执行加法的过程，有将值赋予变量a的过程，将a这个变量显示出来的过程...这些在编程好了之后往往都是一个不会发生改变的过程。程序执行的时候已经定义好了这些步骤。而人在计算a=1+1的时候是可变的，若突然高兴了突然想计算a=1+2也未尝是不可以的。
我觉得最终的结论是：编程的过程是将思考具体化的过程，是将思考过后的产物表达出来的一个过程，在编程上对图像识别的过程和人对于事物图像识别的过程不是一个含义上的产物。现在市面上的图像识别往往是对一种类型物体的识别，无论是多么优秀的一个图像识别的软件最终也还是不能实现自我学习识别物体的能力。我看过一款能够拍照识别的物体的软件，他本身其实并不能真正的去认识一种事物究竟是什么，只是基于互联网，将人们所了解到东西通过编程具体化到图片上，软件本身不提供思考的一个过程，只是通过人们所了解到的知识的算法，运算之后得出来的结果。软件本身其实并不会思考，软件都是将思考具体化了之后的产物。
这也就解释了为什么计算机识别图片需要那么庞大的运算的原因，在人的眼中，对于认识或不认识的物体，物体就是物体，那是一个整体，无所谓乎识别不识别，一眼我们就能看出他是什么或是否是一个整体。
计算机的物体识别则仅仅根据人所根据计算机能理解的计算是什么物体的这个过程具体化，运算得出来这是个什么，说是训练，其实都是已经具体化的了。
这也就暴露出计算机的一个局限性：人只能根据计算机所能理解的东西而编程，不能根据人所能理解的东西编程
未完待续...