记得18年和深研所的张博讨论图像认知，一致认为人的理解是存在局部认知和整体认知两个层次。

局部认知比如耳朵、眼睛等相对于整张人脸的细粒度特征。人在认知过程中可以区分细粒度特征点的重大区别，但是会忽略一些细致特征。比如一般不会留意两个人的耳廓的曲率，但是会留意两个人的耳垂的大小，但也不会具体到大小多少。

整体认知是一个相对局部认知更为敏感的参数，比如很容易就发现某人的脸部的不对称现象。

从知识的实体架构来解析，如果鼻子、眼睛是人脸的属性，整个人脸是这些属性直接组成的某个逻辑框架。那么人的认知会更善于发现人脸这个实体与属性直接的关系区别，在属性值的认知上更倾向于有和无的判别。

那么问题来了，下一代图像只能是否会向这种局部属性发现和整体逻辑识别进行发展？

我个人是觉得应该的，让未来人工智能更多的去发现这种局部到整体的逻辑，甚至可以加入一定的突破现有逻辑的组合方式。那是不是我们人类的某种创造性能力呢？

我不知道，只是饭后休息的突发奇想！

欢迎感兴趣的朋友来交流！