在此之前，叶舟也曾经仔细看过模拟器提供的AES技术的文档，他一直不理解的是，为什么在算法模块中关于图像识别的部分会做得那么庞大和复杂，一开始他以为那是为了保证图像精度，但现在看来，完全不是那么一回事。

这部分的代码，只是为了解决神经自纠错问题而存在的。

高精度相机与人眼存在本质区别，一个很简单的粒子就是，在民用领域，哪怕是再先进的相机，也不可能像视网膜神经节的细胞那样对不同亮度的区域进行动态的增益调整，要实现这样的功能，就需要使用所谓的SME-HDR算法。

而SME-HDR算法是通过后端处理系统实现的，在这个过程中，必然会出现大量的冗余数据集，这些数据集会立刻激活人脑神经的自纠错功能，从而将其修正为正确的视觉信号。

但问题是，这些最终版本的视觉信号还会反写到相机系统中，从而动态调整SME-HDR算法的数据，两者不断相互作用，最后哪怕不成为死循环，也将占用大量的算力。

并且，亮度动态增益还不是相机所面临的唯一问题，中央解析能力差异、单光子解析能力差异、too????mping算法、色彩和色域敏感度差异……各种各样的问题叠加在一起，让纠错难度呈几何倍数提高。

计算机能承受这样的计算量，那人脑呢？

所以，在实验才进行到一半的时候，杨毅瑾就已经看出了瑶瑶的不适-----因为那個时候的她，确实已经很累了。

叶舟深深叹了口气，之前的他确实没有想到，限制AVS技术发展的根本就不是这项技术本身，而是一个几乎被所有人忽略掉的因素：相机。

并且，问题还不是因为相机不够先进，相反的，是因为它的功能相对于人眼来说，太过于先进了。

分辨率过高、色彩畸变太小、形状畸变更是几乎不存在……

如果要用通俗易懂的语言来表达的话，正常人的视觉系统是一台三流的相机搭配一台一流的处理器，但AVS系统下，就变成了超一流的相机搭配二流处理器，因为按照目前的方案，AVS系统所建立的神经同路是达不到人体原来的神经通路的敏捷性的。

此消彼长之下，出现问题也就成了自然而然的事情。

要解决这个问题就只有两个方法：要么定制专用相机，要么进行侵入式手术，扩宽神经通径。

但是，这两个方法所带来的成本上升和便利性下降，都极不适合大规模推广。

所以，最终的解决方案就成了，用算法来弥补设备的缺陷。

这显然违背了计算机科学中“代码应该尽量简洁”的原则，所以在事实上也造成了负面的影响。

想到这里，叶舟轻轻摇了摇头。

不得不说，自己这个时间线的研究者是幸运的，这种幸运并不是因为己方直接获取了AVS技术，而是在获取技术之后，第一次实验中就选中了一个最为典型的、自纠错能力最强的被试者。

这样的幸运一次就把最极端的情况测试了出来，而放在另一个时间线上，恐怕上千次的测试也不足以达到这样的效果。

在听叶舟解释完问题的成因之后，陈力的团队同样感到恍然，尤其是朱轩，他早就已经发现了算法中大量的冗余代码，也解析了其中的功能性，但他始终想不通，这些代码到底是用来应对什么问题的。

现在，所有的疑惑都有了答案。

“所以，我们如果要继续发展AVS技术，还得先从造相机开始？”

听到陈力的问题，叶舟微微点头，回答道：

“要么就造相机，要么就做开颅手术。后者的风险太高了，总不能像那种科幻片里一样，在后脑开个口子