无语地看着他道：“马贱贱你不觉得这样使用人工智能很那什么吗？看看人家Google在做什么？你们又在做什么？预测比赛胜负、猜测彩票号码、研究打码去码技术，一次比一次那什么！”
“嘿，这你可错怪我们了，”马竞嘿嘿大笑，随手指指外面：“一键打码是YouTube和微软的人先研究的，我们只是跟随行动做做实验。至于深度学习心中无马，也是Google的研究在先。”
“他们也研究这个？我记得某人好像说过，他的蜜蜂播放器世界首创步骑转换功能，是A'V克星来着？”
“呵呵，原理都是一样的嘛。而且，那句话你记错啦，我说的是A'V画质克星，你想到哪里去了？”
被马竞抓住错漏倒打一耙，汤佳怡也熄了再争辩下去的心思，跺跺脚转身离开，只留下一句“不跟你说了，你自己好自为之，小心别成了马欣！”
见到妈妈来了又走，已经有些玩腻的小家伙们纷纷站起来跟了上去，只剩下孤家寡人的马某依然坐在地板上。
严格说来，机器学习系统距离真正的人工智能还有很大距离，同样处于模拟伪智能阶段。
不过它却有一桩好处，那就是AI可以通过“学习”行为，自行从数据中总结算法，不再需要人为观察规律、设计并优化算法，大大减少了人工成本。再加上现今计算机性能又足够强大，然后学习型人工智能就爆发了，下围棋、玩扑克、即时聊天、鉴黄查违、写诗作曲、唱歌说话、美容改图、预测股市走向、评估证治倾向，似乎都能玩得很溜。
俩人刚刚提到的打码去码，同样是业内的热门研究方向。别人研究这个是为了寻找更好的有损压缩格式，AI会猜测丢失的信息，然后用其他类似信息修复之；而蜜蜂这么做却是为了探索更好的图像渲染算法。
高分辨率图像压缩时会损失图像细节、低分辨率图像放大时缺少细节填充，这都会导致像素过渡不自然、满屏深浅不一的锯齿格子，看起来很像全屏打码的效果，A'V画质的说法大约便是出自这里。
既然问题出在细节不足上面，自然可以利用各种算法生成中间像素，填充到原始像素之间，从而让线条更平滑、色块更均匀，这就是插值放大技术。
插值算法有很多，速度快的效果差、效果好的速度慢，然后蜜蜂播放器团队便想到利用人工智能技术开发智能插值算法，并且取得了一些成果。马竞又在此基础上修改了部分算法，弄出了所谓的步骑转换功能，然后拉着汤
…。。