“看”这个动作一向被以为是生物所独有的。
当工程师第一次“教”核算机“看”这个动作时，他们天经地义地以为核算机能够像人类眼睛相同进行观看。
约克大学（York University）核算机科学家约翰·托索斯（John Tsotsos）说道，上世纪六十年代有关核算机视觉的第一批提案“显然是由人类视觉的特征所驱动的”。
可是现在状况现已大不相同，人工“神经网络”处理可视数据的办法与人类的越来越类似。
核算机视觉现已从三维开展到了宽广的范畴。现在，核算机能够在某些视觉使命上胜过人类，比方运用图片特征辨明狗和狼，以及检测医学图画中的异常状况。
人类的反应进程与核算机视觉的前馈办法彻底不同
依据核算机视觉的神经网络进程很简略。把接纳的图画作为输入端，经过一系列进程对其进行处理，首要检测像素，然后检测边际和概括，检测整个方针，终究对它们的外观做出猜想。因为整个进程归于流水线设置，又被称为“前馈”体系。
关于人类视觉，咱们不了解得太多，但咱们知道人类视觉并非如此。
在最近的文章“数学模型提醒视觉隐秘”（A Mathematical Model Unlocks the Secrets of Vision）中，Quanta介绍了一种新的数学模型，该模型企图解说人类视觉的中心奥妙：大脑的视觉皮层是怎么依据从视网膜接纳到的少数信息，创造出生动、精确的国际表象的。
该模型标明，视觉皮层经过一系列神经反应回路完结这一“豪举”，这些反应回路将来自外界数据的纤细改变细化为咱们眼前呈现的各种图画。此反应进程与核算机视觉的前馈办法十分不同。
康奈尔大学神经科学家乔纳森·维克多（Jonathan Victor）表明：“这项作业的确发现了人类视觉皮层与核算机视觉之间的杂乱程度和某种意义上的差异。”
核算机视觉底子不需求人类视觉的启示？
在某些方面，答案显然是否定的。
传入视觉皮层的信息遭到解剖学的约束：相对较少的神经将视觉皮层与外界联络在一起，这约束了皮质运用的视觉数据量。
而核算机不用忧虑带宽问题，因而没有必要运用稀少信息办法。“假如有无限的核算才干和内存，是否还需求稀少任何东西？答案或许不是！”Tsotsos说。
可是Tsotsos以为无视人类的视界是过错的。
现在核算机拿手的分类使命是核算机视觉的“低端效果”。为了完结这些使命，只需求在海量数据会集找到相关性即可。关于更高阶的使命，例如从多个视点扫描方针以确认是什么，这种相关法就行不通了，或许仍是需求人类把关。
上一年承受Quanta采访时，人工智能前驱Judea Pearl提出这一观念时更为抽象，他以为相关性练习从长远来看不会使AI体系开展得太远。
例如，人类视觉的要害特征是具有两层才干。咱们接纳视觉信息的一起对所见所闻得出定论。当这个定论令人震惊时，咱们会再看一遍，一般第二眼便会告知咱们实在的状况。曾经馈办法作业的核算机视觉体系一般短少此功用，这导致核算机视觉体系有时乃至不能完结某些简略的视觉使命。
核算机视觉体系值得等待
人类视觉还短少另一个更奇妙，更重要的东西。
人类的视觉体系是需求几年的时刻才干老练的。Tsotsos和他的合作者在2019年宣布的一篇论文中发现，人们直到17岁左右才干够彻底在混乱拥堵的找到他们的方针。其他研讨显现，辨认面孔的才干一向不变直到20岁左右才有所改善。
核算机视觉体系经过剖析很多数据来作业。它们的根底架构是固定的，而且不会像大脑发育的办法相同跟着时刻的推移而老练，假如根底机制如此不同，成果是否也会不相同？Tsotsos以为核算机视觉体系值得等待。
他说：“用这些深度学习办法中进行学习与人类学习无关——天花板行将到来了，这些体系将无法继续开展。”
更多精彩，请重视硅谷洞悉官方网站：
