“狗”。
看到两条不同的萨摩耶，我们能很快分辨出，这条是楼上老李家的，那条是隔壁老周家的。
但是对于人工智能而言，图像只是一串数组。
伏羲的核心成分借鉴了深度学习系统，在深度学习系统中有一个特别有用的架构被称为卷识神经络。
当人工智能需要识别一个图像时，它首先检测组成这个图像的那一串数组内的一小部分，由部分到整体。
例如物体的边缘，在第一层卷识神经络中能够被轻易检测出来。
而神经络的下一层将检测这些简单图案的组合所形成简单形状，比如汽车的轮子，马的尾巴上的毛，蝴蝶翅膀上的鳞片，人脸的眼睛。
再下一层将检测这些形状组合所构成的物体的某些部分，例如人脸、腿部，马的尾巴，蝴蝶的翅膀。
神经络的最后一层将检测刚才那些部分的组合：一辆汽车、一架飞机、一个人、一匹马、一只蝴蝶等等。神经络的深度使络能够以这种分层次的方式识别复杂模式。
但是想要人工智能学会识别这颗星球上的万事万物，数十亿各不相同的人类和动物，就需要经过大量样本数据库的训练。这也是为什么伏羲需要那些大数据公司提供的训练项目。