而对于计算机来说，则是恰恰相反，而是放两张照片先告诉它，这是一个人，给他制定一系列的决策标准(分类和决策)，而后自己算着玩去吧！
计算机视觉最常用的监督训练学习的方法，就是给三张照片，其中两张是同一个人，第三张是其他人，要求上述所有步骤最终得到正确的计算结果，从数万个决策中得到的128个特征(这个数量也不是固定的)。
这128个特征，如果用日志记载下来的话，可能会让人感觉到啼笑皆非：它可能记录了一个人从左鼻孔到右眼角的距离，也有可能记录的是眼睛瞳孔的形状，或者可能只是睫毛的弯曲幅度，或者只是头皮屑的颜色。
实际上这个过程可能更复杂一些，它会不断的从a到b，再从b到a，不断的调整权值，从而达到人类要求得到的结果。
这人类无法完全理解的一套规则，谷歌两机器人互相以人类无法理解的语言对话，就是这个原理。
这个就叫做深度学习。
简单来讲，计算机视觉更像是鹦鹉说话，鹦鹉会说“你好”，但是它并不能理解“你好”是什么意思。对于人类来说，鹦鹉说出“你好”就是结果，也不关心它是怎么说出来的。
所以身份证取照需要人做出几个动作，额外多拍几张照片，这个过程就是为了让计算机能够深度学习，得到属于这个人的“特征库”。
手机的人脸解锁，相对于人脸识别的三维检测，则更为简单一些，因为手机普遍采用的是红外拍摄取图。
相对于彩色制式的标准图，手机对是不是本人的检测并不是特别严格，这个卷积核，也就是神经网络，它是基于二维结构的。
结果论是智能领域常用的解决方案，它有一个学名，叫做监督学习。
包括双足行走和跳跃，搬运货物，下棋，等等机器行为，都非常依赖于监督深度学习。
就先记到这里，这半年正在做这方面的项目。