经典的人工智能，采用“梯度下降法”，运算量很大，约是esp²。其中e是epoch，训练的周期数；s是sample，训练样本的数量；p是parameter，参数的数量。

人工智能有等价形式，它不需要训练，可以在得到输入X后，通过遍历每一个训练样本，计算得出距离最小的那一个，对应的输出就做为神经元网络的输出。

如图，当X=(8, 8, 8)时，Y=？
一眼望去，最后一行是(8, 8, 9)，所以，输出就是(2, 5)。

类比图形格式，bmp, png, jpg，它们的压缩率分别是100%，50%，10%。

在人工智能领域，梯度下降法算出来的神经元网络，对应于拥有10%压缩率的jpg格式。

上文所述方法对应于拥有100%压缩率的bmp格式，即不压缩。

还有一种方法可以产生50%压缩率，同样看上图，记住一个最小值，当某一行计算到一半时，就已经超过了这个最小值，说明这一行剩下的部分没必要再计算了，可以跳过。用这种方法，可以获得约50%压缩率，对应于png格式。

上述人工智能的等价形式，没有漫长的训练过程，但在使用时更费电。