【旧文重温】计算机视觉与人工智能的现状：真的还非常遥远

HN上有人贴了Andrej Karpathy 2012年写的旧文，引起了热议。

文章对人工智能发展并不太乐观，与今天大众媒体对人工智能的炒作恰成鲜明对照。Karpathy以上图为例，说明很多信息人类瞬间就能理解并发出会心微笑，我们只需要处理RGB的二维数组，用这些简单的冰山一角，利用已有知识，推导出巨大的整个冰山，这种能力是人工智能系统面临的最难任务。

计算机系统要处理其中很多微妙（三面镜子，很多人及其映射，整个场面的很多含义，包括奥巴马动作的三维意义，那个称重的人如果发现俺自己超重的心情变化，其中的物理学等等）极其困难。先不说推断算法是否能完成这么复杂的任务，怎么收集所需的数据呢？怎么着手呢？

就拿计算机视觉领域代表最新成果的Imagenet和Pascal VOC比赛中的研究水平来说，姿势估计、动作识别方面有很多工作，但都是很具体、孤立的场景，而且都未完成。总结成一句话，就是“路漫漫其修远兮”。前路漫长，充满不确定性。

Andrej Karpathy是斯坦福大学人工智能方面的研究生，师从华裔女教授李飞飞，方向就是深度学习。Imagenet比赛，斯坦福大学李飞飞组是重要发起者、组织者。作为是圈内人，他的看法很典型。

最近人工智能似乎很热很乐观，以至于霍金、盖茨和Elon Musk都开始担心发展太快，人类有风险了。但有意思的是，真正在一线做研究的人反而大多比较悲观。

这篇文章写于2012年，那么3年后作者的态度如何呢？从文后的评论来看，至少5个月前，Karpathy的态度并没有什么变化。