2000年的硬盘最大也才10g，还得花1200元的高价。

江夜明无奈地设置了每晚数据收集上限为5g。

然后开始了下一步：数据归集。

这一步，他的算法创造出的AI需要对数据进行清洗、归一化、特征提取等预处理工作，以便后续的学习和推理。

例如，对于图像数据，AI需要将图像转换为数字矩阵，并对其进行处理，以便后续的学习和修改。

当数据归集完毕，就是机器学习过程。

学习是AI的核心过程，它可以从数据中提取规律和模式，并且适应性地逐步改进自己的算法和模型。

学习可以分为监督学习、无监督学习和强化学习等多种形式。

在监督学习中，AI需要预测或分类给定的数据，并且根据真实的标签进行反馈和调整。

例如，给定一组图像和对应的标签，AI需要预测新的图像的标签，并且根据预测结果和真实标签之间的误差来调整自己的模型和算法。

在无监督学习中，AI需要从数据中自主学习，发现其中的规律和结构。例如，对于一组未标记的图像，AI需要从中发现其中的模式和特征：颜色、形状、纹理等。

在强化学习中，AI需要通过试错的方式，通过不断尝试并根据反馈调整自己的行为，从而实现某些特定的任务。

而在学习过后，AI需要进行推理。

推理是AI根据已有的知识和规则，对新的数据进行推断和预测的过程。

推理过程可以基于逻辑推理、概率推理和神经网络等多种方法。

在推理过程中，AI需要根据已有的模型和算法，对新的数据进行分类、预测、识别等任务。例如，在图像分类任务中，AI需要根据已有的模型和算法，对新的图像进行分类，例如将图像识别为猫、狗或鸟等。

推理之后，就是最后环节：决策

决策是AI根据已有的推理结果，以及现有知识和规则，进行抉择、判定、分析结果的过程。

在决策过程中，AI需要考虑多个因素，包括已有的知识、数据、环境和目标等，从而做出最优的决策。例如，AI需要根据已有的知识和数据预测股票市场走势，并且根据预测结果和目标来做出投资决策。

以上，便是江夜明的人工智能算法制作出的初级人工智能ai。

实际上，就是在仿造人类幼年学习模仿的过程。

这个过程就和小孩成长一样，需要累积经验数据，并不是一天就能完成的。

看着屏幕，江夜明倦意升起。

现在已经进入自动化过程中，除非出现异常报告，已经不用再整晚守着了。

他编写了异常状况自动报警程序，一旦出现问题就会暂时停止所有运算。

然后关闭屏幕，起身离开。

外面天色已暗，唯有隔壁排练厅的灯光还亮着。

路过时，江夜明下意识地偏头看了眼。

里面正在排练舞蹈，一位俏丽苗条穿着舞蹈服的女孩在旋转时看到了他。

女孩立刻走过来，将窗户拉上，狠狠地：“色狼，看什么看？”

我是色狼吗？真不是啊！

江夜明无言以对，连忙快步离开这个是非地。

心里却很不舒服，明明今晚初级人工智能开始培养，高兴还来不及，结果来这一出。

怎么着也得放松庆祝下吧。

他拿出小灵通，挨个拨打号码：“晚上有空的都出来，去堕落街吃烧烤。”