在阅读AI A modern approach, 4th ed一书时，我遇到了“代理程序”部分，其中包含以下文本：
考虑一下为什么表驱动的代理构造方法注定要失败是有益的。让是可能的感知的集合并且让是代理的生命周期（它将接收到的感知总数）。
查找表将包含条目。
考虑自动出租车：来自单个摄像头（典型的是八个摄像头）的视觉输入以大约 70 mb/秒的速度输入。（每秒 30 帧，1080 X 720 像素，具有 24 位颜色信息）。
这给出了一个查找表一个小时的车程。
有人可以解释一下查找表编号是如何得出的吗？（或者作者的观点是我所缺少的）。如果我将所有的数字相乘，然后我得到我认为这非常接近，但无法得到以这种方式构建表格（即使是理论上的表格）的原因 - 这显然是棘手的
编辑：
我的核心问题是：
假设来源于，以像素精度将数据存储在查找表中的目的是什么？存储更高级别的细节是否不足以解决这类问题（即自动驾驶）？更多来自标准软件数据库系统，我错过了这一点。谢谢
代理决策的表格系统是一个直接而简单的感知控制选择图。对于收到的每个感知，代理会查找感知并将其交叉引用到它应该采取的行动。为了构建它，您需要详细列出所有感知，以及相关的控制选择。
显然，这对于自动出租车示例来说是不可行的。没有人会想到建立这样一个表格来处理自然图像输入。这就是作者的观点。
然而，表格结构是映射任意离散函数的合理理论结构，并且对于简单环境也是实用的。
要回答您的扩展问题：
假设来源于，以像素精度将数据存储在查找表中的目的是什么？
这是使用表格系统从感知到控制的唯一方法。
通过提出任何类型的输入到输出函数的总结或近似来解决这个问题，您已经超越了表格系统的能力。这又是作者的观点。
存储更高级别的细节是否不足以解决这类问题（即自动驾驶）？
如果您真的很明显这是解决方案，那么这是一件好事，因为您正在考虑未来。但是，您还应该从理论的角度考虑这意味着您可能会放弃什么。例如，表格系统可以根据感知之间的微小差异做出完全不同的决定，而任何形式的输入处理以使其更易于处理都必然会删除可能重要的信息。