目前的AI決策方式是線性的，給定了一個條件X，代入一條曲線獲得一個Y後直接作為決策值。略略靈活一點的，從兩條曲線中取得兩個值Y1，Y2，然後隨機從兩者中間的區域中取得一個值。
但是，這樣做會使AI表現出非常明顯的“邊界”，與AI交流能夠明顯的感覺的AI的限度在哪裡。感覺會比較“僵硬”。原因在於人類的決策過程並沒有這種邊界。當我們面對某一個條件X的時候，我們的決策“曲線”應該是這個樣子的
如圖，人類的決策沒有明顯的邊界，所以看起來非常的模糊。模糊處理貌似是一個非常普遍的，在AI領域研究的比較多的內容。 我最近也一直在想如何能夠實現這種模糊決策邏輯。最近忽然想到它既然能被表示成模糊的影象，為何不直接使用影象。 這種思路是從一張圖片開始，為了簡單，我們假設是一張32*32的圖。
我們假設左下角為0點，橫向為X縱向為Y。將這個圖片讀到計算機裡面，讀取每一個畫素的紅色色值，組成一個32*32的矩陣。矩陣橫向表示條件引數X，縱向表示Y值可能的概率分佈。 這樣對應與每一個X值，我們都能夠獲得一個數列。在這個簡單的例子裡面，我們假設X=18，獲得下面這樣一條曲線。
這個曲線中，橫座標表示可能取到的Y值，縱座標表示一個與Y值出現的概率成正比的數值，我們姑且稱之為F(Y). 假設對圖上這一系列離散的點進行求和得到的值為Σ，那麼Y的概率分佈函式P(Y)就可以表示為P(Y)=F(Y)/Σ。我們暫且不管他，就直接用這個F(Y)。我們把這些數值拼接在一起，並且記住每一個F(Y)所對應的Y值。
上面的餅圖很好的說明了這種操作，這個餅一週的刻度是Σ即3009，右邊的顏色表表明瞭餅上面每一個顏色區域表示的Y值。接下來的工作就所剩無幾了。我們沿順時針方向隨機一個0~3009之間的數值，你會發現這個隨機過程恰恰滿足了我們所要追求的P(Y)概率分佈函式。 這樣，經過切片，排序，隨機這三個過程，我們就從一個給定條件X獲得了一個“模糊”的Y值。這種方式遠遠比用包絡線來定義上下界要科學的多，我想如果用這種原理構建AI的決策系統，必然會讓其非常的靈活，自然又不失規律性。