计算机在某些领域的表现并不尽如人意——比如人脸识别（别听媒体的）和求大数的质因数（目前海量大多数加密方法的多数基础）。面对可能性的海洋和大量的细微差别：计算机必须穷尽所有可能性才能得到正确的答案。但不管是让电脑认鼻子还是找号码，本质上都是处理运算。对于人类行为的分析，计算机似乎无法为所欲为。在这方面，人脑还是比较擅长处理的。人脸识别和行为识别是安全领域和社交网络领域的重点研究课题。当前跨越许多城市的闭路摄像机网络离不开人眼。不难想象，世界各地的安全机构是多么渴望随时监控每一台摄像机。伦敦多么希望每个角落都有一个监控设备（甚至两个，甚至三个）。在今年6月即将召开的计算机视觉和图像识别会议上，麻省理工学院和加州大学的研究人员将展示一种新的运动识别算法，将扼杀以往的人眼监控。算法基于自然语言处理算法，可以在一些关键领域击败现有技术。例如，该算法以智能方式使用内存（占用大量虚拟内存），保持内存使用不变，并使查看/处理大文件和流式视频成为可能。处理流媒体本身就是一项巨大的技术进步，新算法甚至能够处理未完全完成的动作。例如，如果一个人在街上突然把手伸进别人的外套口袋里，算法就可以预测他接下来会做什么。从某种意义上说，新算法可以预测未来。但是，相对于犯罪预防来说，它的主要功能是动作识别。研究人员提出了一个奇怪的想法，叫做“行为语法”。他们认为，既然词可以按照一定的规则造句，相应地，动作也应该有相应的规则和子动作。麻省理工学院的博士后HamedPirsiavash认为最难的部分是对动作进行分类，弄清楚哪些是主语，哪些是动词，哪些是副词。Pirsiavash说，一个动作，比如倒茶或者煮咖啡，都是由几个子动作连接起来的，他的工作就是把这些子动作拆解分类。算法具有机器学习机制，计算机程序从输入数据设备中学习，经过一定时间的“训练”，程序变得更聪明。该程序在观看包含不同动作的视频时扫描每个子动作。通过查看特定动作的开始，程序可以得出该动作结束的所有可能性，并按最有可能的顺序排列。当视频继续播放时，新添加的信息会排除某些动作的可能性（即使人的动作没有变化，本身就是新的信息，因为时间也属于信息。）程序会重新排列可能的概率动作。一旦程序扫描到一个重要的动作，它就可以非常准确地预测下一个动作。[王大发蔡viaVice]
