Andrej Karpathy：计算机视觉与 AI 的现状——我们离目标还非常非常远

Andrej Karpathy 以一张奥巴马踩在体重秤上的照片为例，说明人类半秒内就动用了 3D 场景结构、镜子造成的视觉混淆、人物身份、物体可供性、物理规律、他人心理状态乃至"对他人心理的推测"等海量知识，而当前计算机视觉只靠 ImageNet 分类、Pascal VOC 检测、姿态估计、动作识别等彼此割裂且仅"半可用"的任务来评测。