图像分类（image classification）

图像分类向机器提出一个直白的问题：这是什么？你递给它一张照片，它从一个固定的清单里返回一个标签——「猫」「金毛寻回犬」「停车标志」。它不告诉你猫在哪里、有几只、或猫在做什么；它只是为整张图挑一个最合适的名字。这是计算机视觉里最简单、最古老的任务，而大多数其他视觉任务都建立在它之上。

在内部，机器从来没看见过「猫」——它看到的是一格一格的亮度数字，每个像素三个，分别对应红、绿、蓝。所谓训练，就是给它看几十万张带标签的照片，让它一点点学会：哪些边缘、纹理与形状的组合，往往对应哪个标签。它的输出通常不是简单的「是」或「否」，而是一串置信度：92%是猫、5%是狐狸、3%是狗。我们取最高的那个当答案，但那92%只是一次统计上的押注，并不代表它真的「懂」。

这里值得对失败方式保持诚实。分类器的好坏，不会超过它训练时用过的类别和例子。如果它的清单里只有动物，你拿一只咖啡杯给它看，它会自信地把杯子叫成最接近的那种动物。光线、角度或一张贴纸都可能骗倒它；它还常常抓住背景里的「捷径」——一个从绿色田野照片里学会「牛」的模型，碰到海滩上的牛可能就栽了。在基准测试上的高准确率，和在真实世界里可靠的判断，并不是一回事。