斯坦福李飞飞：计算机视觉的下一个“北极星”或是具身AI、社会智能|洞见

李飞飞认为计算机视觉的下一个“北极星”是具身AI领域和视觉推理，其中视觉推理包括理解人类社会关系和意图的社会智能。以下是具体阐述：具身AI领域定义与范畴：具身AI领域涵盖用于导航、操作等任务的类人机器人，以及在太空中移动的有形和智能机器、机器人吸尘器、工厂里的机器人手臂、自动驾驶汽车等。这些应用场景要求计算机视觉不仅停留在对静态图像的识别，更要赋予机器在动态环境中感知、理解和行动的能力。例如自动驾驶汽车，需要实时识别道路状况、交通标志、其他车辆和行人等信息，并根据这些信息做出合理的驾驶决策，这涉及到计算机视觉与机器人控制、决策规划等多领域的深度融合。重要性：具身AI是计算机视觉技术向实际应用拓展的重要方向，它将计算机视觉从单纯的图像分析提升到与物理世界交互的层面。通过在具身AI领域的发展，计算机视觉能够更好地服务于人类生活，解决实际问题，如提高生产效率、改善交通状况、提供便捷的生活服务等。同时，具身AI的发展也会推动计算机视觉技术的不断创新和进步，为该领域带来新的研究挑战和发展机遇。视觉推理2D场景下对3D关系的理解：在2D图像中准确理解3D空间关系是视觉推理的重要方面。例如，要让AI执行将饭桌上的水杯移动到盘子右侧这样的简单任务，就需要计算机视觉能够从2D的桌面图像中推断出水杯、盘子在3D空间中的位置关系，以及它们之间的相对距离和方向等信息。这需要计算机视觉算法具备更强的空间感知和推理能力，能够模拟人类对空间的理解方式，从二维图像中重建三维场景信息。理解人类的社会关系和意图（社会智能）：理解人类的社会关系和意图是更具复杂性的视觉推理任务。例如，看到一个女人抱着一个小女孩在她的腿上，人类很容易根据生活常识和社会经验猜到这两个人可能是母女关系，但计算机目前还很难准确判断这类情况。这需要计算机视觉不仅能够识别图像中的人物和动作，还要结合大量的社会文化知识和上下文信息，进行深层次的推理和分析。社会智能的发展将使计算机视觉能够更好地理解人类的行为和意图，从而在人机交互、智能安防、社交媒体分析等领域发挥更大的作用。