01 · PERCEPTION
VISION ATLAS
生活中的计算机视觉
从人脸解锁到驾驶辅助，五个生活场景展示机器如何从图像或视频中识别目标、提取特征并形成输出。
机器接收到的首先不是“意义”，而是图像数据。
PIXELS
先处理数据
摄像头得到的是像素和视频帧，不是人类已经解释好的对象。
PATTERNS
再寻找模式
模型从颜色、边缘、形状、位置和上下文中寻找可区分的视觉特征。
ACTION
最后形成系统行为
识别结果进一步被系统转化为解锁、分类、预警或辅助决策。
四组实验，观察 AI 如何从输入数据中识别模式、接受约束、形成判断，并最终产生看似“理解”的输出。
AI 究竟如何从输入走向输出？
生活中的计算机视觉
从人脸解锁到驾驶辅助，五个生活场景展示机器如何从图像或视频中识别目标、提取特征并形成输出。
摄像头得到的是像素和视频帧，不是人类已经解释好的对象。
模型从颜色、边缘、形状、位置和上下文中寻找可区分的视觉特征。
识别结果进一步被系统转化为解锁、分类、预警或辅助决策。
同一个任务，三种控制强度
以“AI 让生活更智能”为固定任务，通过三轮 Prompt 逐步增加视觉控制条件，观察图像生成结果如何变化。
10 条信息进入 AI 编辑部以后，会发生什么？
SAME TEXTS. SAME LABELS. DIFFERENT INSTRUCTIONS.
流畅的回答，是否等于真正理解？
“听起来合理”，不等于“文本已经证明”。
四个实验，一条共同规律。
Pixels · Prompt · Text · Evidence
Features · Constraints · Semantics · Context
Recognition · Image · Category · Interpretation
Validate · Refine · Audit · Decide
可靠使用 AI，不是盲目信任，也不是简单否定，而是建立可验证的反馈闭环。
主页面展示成果，档案层保留 Prompt、原始输出、审计与完整证据链。