并对一些光谱进行范围划分，更模糊的颜色区分，这样就会读取到整体的色块，并描出画面里面这个色块的形状。

色块就这样被区分出来，形成一幅色块画面，这些对应什么定义的颜色，这是很容易识辨的。两个传感器将对这些色块的距离进行区分，从而形成色块分离三维图，此时色块构建出来的物体都会被独立出来。

色块辨识和形状辨识比较容易。材质辨识和结构辨识是最难的。塑料，橡胶，玻璃，沙石，木材，生物，各种金属等，视觉系统的微视可以看到表层材质的微观结构，从而可以辨识。如果无法辨识，就通过取样做实验获取，可能得到新的材质定义库。

这个究竟是什么物品，色块先不用管，通过走动观察，可以得到这个物体的三维立体结构图，得出这是可以装液体的玻璃容器的结论，并知道自己可以用这个容器做些什么。

这种识辨必须100%正确，不正确，会出错的，导致做出错误的行为。人可以犯这些错误，因为人是无法避免的，AI是不能犯这些错误的，这是最基本的认知。

有文字的瓶子，盒子，这容易知道这些物品是用来做什么的。能信任这些文字描述吗？识辨出错了，也会产生不好的结果。

复杂认知，就是长时间见到这样相识的景象，知道这是谁的物品，物品的材质，这物品是用来做什么的，自己是否可以使用，这种更复杂的记忆认知。

速不想要用结构微视来辨别材质，他想要AI和人一样，看到这个物体，就可以识别出物体的材质，怎么才可以做到如此，基于经验认知，是一种学习识辨的过程。

AI不是模仿人，所以，这样的架构，速认为还是错误的。现在最好的方式，就是微视获得材质的表层结构，再通过比对材质数据库，认知这是什么材质。

颜色，材质，三维结构，都有了。怎么来认知这具体是什么定义的物品？为什么要认知这个定义呢？颜色，材质，三维结构，已经就可以详细精确描述出这个物体。

是无法和人沟通吗？人都是用粗糙的定义沟通，杯子，这样的。不应该说是粗糙的，是简单的沟通方式，根本不需要用复杂到如此程度的沟通方式，颜色，形状，材质这样的。

AI不需要模仿人类的沟通方式，他们有属于自己的语言去沟通。如果AI不和人沟通，人无法和AI沟通，那人创造出AI来，究竟是做什么？让他们做事情，根本不需要和他们沟通什么的。

有些还是需要和人沟通的