AI识别人,是最落后的能力——真正的智能,不是“看见你是谁”,而是“知道你在哪里”

news2026/4/15 11:30:46
AI识别人是最落后的能力——真正的智能不是“看见你是谁”而是“知道你在哪里”一、开头行业正在集体卷错方向过去十年AI行业一直在做一件事更准确地“识别人”我们不断看到这些突破人脸识别越来越准ReID越来越复杂行为识别越来越细甚至可以做到 在亿级人群中找到一个人听起来很厉害对吧但如果你换一个问题问系统这个人现在在哪里大多数系统会直接沉默。这就是问题的本质AI行业把“识别”当成了智能的终点。但实际上识别只是最初级的能力。二、识别的本质只是分类问题我们先把“识别”这个事情讲透。不管是人脸识别行人识别车辆识别它们本质上都在做一件事分类Classification举个简单例子AI看到一个人输入图像输出ID / 标签这本质就是 “这个像谁”再复杂一点ReID跨摄像头识别也是一样 “这个人是不是之前那个人”所以识别 相似度判断三、为什么“识别”不等于“理解”问题来了你知道一个人是谁就等于你理解他了吗答案是完全不是。举个现实例子你在商场看到一个人你认出他是谁 ✔但你不知道他从哪来 ❌他要去哪 ❌他会不会做危险行为 ❌这说明什么识别只解决“身份”不解决“行为”。更关键的是识别不包含空间信息。四、真正关键的问题人不是“标签”而是“轨迹”AI行业最大的问题是把人当成 一个标签但在真实世界中人其实是一条在空间中移动的轨迹。举个例子同一个人在门口在走廊在出口识别系统会说 “这是同一个人”但真正重要的是他是如何从门口走到出口的这就是差异识别视角空间视角人 ID人 轨迹静态动态标签路径一句话总结人不是“被识别的对象”而是“在空间中运动的过程”。五、为什么识别系统在现实中频繁失败现在我们来看现实问题1️⃣ 遮挡问题一个人被挡住 识别失败2️⃣ 换摄像头进入另一个摄像头 识别不稳定3️⃣ 相似人群穿一样衣服 混淆这些问题本质原因是什么不是模型不够强而是系统根本没有空间连续性。所以它只能 猜再说一遍这个核心结论识别系统本质是概率匹配系统。六、真正的智能不是识别而是“定位 轨迹”那真正的智能是什么我们直接给出答案真正的智能是知道一个目标在空间中的位置与变化。必须具备三个能力① 空间定位Where 他在哪② 连续轨迹Where from → Where to 他从哪来 他要去哪③ 行为趋势Prediction 他下一步会做什么这三者合在一起才是空间智能七、行业的真正分水岭我们可以把AI分成两种第一类识别型AI看见目标判断身份做分类 本质静态理解第二类空间型AI定位目标构建轨迹预测行为 本质动态理解一句话对比识别型AI在“看人”空间型AI在“理解人”。八、镜像视界给出的答案在镜像视界体系中人不再是“标签”而是空间中的连续存在体。核心技术路径① Pixel-to-Space™ 像素 → 坐标② MatrixFusion™ 多摄像机统一空间③ Camera Graph™ 跨摄像机路径连接④ NeuroRebuild™ 动态三维重建⑤ Cognize-Agent 行为推演最终结果 一个目标从出现到消失全程连续 不依赖标签、不依赖设备 完全基于空间计算九、为什么这是“降维打击”我们可以很明确地说识别系统的上限 “这个人是谁”空间系统的能力 “这个人在哪 去哪 会干什么”所以空间智能对识别系统是降维打击。十、行业最大的误区现在很多公司还在卷更高精度的人脸识别更复杂的ReID模型但这其实是在优化错误方向。就像在没有地图的情况下不断提升“认人能力”。但问题是你连路都不知道。十一、结论识别人是AI最落后的能力身份不重要位置才重要人不是标签而是轨迹不理解路径的AI永远不理解行为结尾过去我们以为 AI越会“认人”就越智能但未来会证明真正的智能不是认出你是谁而是知道你在哪里以及你要去哪里。看见你是谁是机器知道你在哪才是智能。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2482542.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…