一文读懂当下AI自动驾驶、文生图背后的视觉真相

为什么AI能精准识别照片里的猫，却读不懂它正蜷在阳光下打盹的惬意？

为什么我们的眼睛会被“筷子插入水中变弯曲”的错觉欺骗，大脑却能瞬间修正出事物的真实模样？

当自动驾驶汽车的摄像头捕捉到红绿灯，当医生通过眼底影像诊断疾病，当生成式AI绘出从未存在过的风景，这些看似不同的“看见”，背后是否藏着相通的底层密码？

上海科技教育出版社2025年9月推出的原创普及性读物《看见——从生物视觉到计算机视觉》，正是为破解这一密码而来。该书由上海交通大学电子工程系教授、计算机视觉专家倪冰冰与上海交通大学医学院附属仁济医院眼科主任、教研室主任柯碧莲联袂创作，全书打破学科壁垒，将亿万年自然演化塑造的生物视觉系统与当下重塑世界的计算机视觉技术并置对话，为读者呈现了一场横跨生命科学与人工智能的思想盛宴。

在AI热潮席卷全球的时代，公众对“人工智能如何看见”充满好奇，却常被复杂算法术语拒之门外；而我们对自己眼睛这一“天然视觉设备”的认知，也大多停留在看东西的表层功能。倪冰冰作为最早开展生成式人工智能（AIGC）研究的学者之一，深耕计算机视觉、多媒体内容生成领域，其团队聚焦AR/VR眼镜辅助视觉功能重建、眼部多模态影像预测近视进展等前沿方向；柯碧莲则拥有三十年眼科临床经验，深耕干眼症、近视机制等领域，深谙生物视觉系统的临床应用逻辑。两位学者的跨界合作，恰好填补了这一认知空白。

《看见》既非深奥的学术专著，也非浅尝辄止的科普读物，它以对话为基调，用生动比喻架起沟通桥梁，让读者既能惊叹眼睛作为“极致节能的生存系统”的精妙，也能理解AI视觉模型背后的仿生灵感，为跨学科思考提供了绝佳范本。

“计算机视觉这门学科，从概念到架构，其最初的灵感与每一步重大突破，几乎都离不开对生物视觉系统的研究与模仿。”作为深耕科研一线的计算机视觉专家，倪冰冰意识到许多算法设计者虽熟练运用神经网络、感受野等术语，却对这些概念的生物本源知之甚少；柯碧莲在眼科临床与研究中也发现，医学领域对人工智能的理解往往停留在应用层面，缺乏对其底层逻辑的认知。这种学科间的认知断层，让两个原本平行的领域产生了对话的迫切需求。

“双方都在各自的‘深井’里挖掘真理，却缺少一座沟通的桥梁。”倪冰冰如此描述跨界前的状态，视觉的本质统一性，为这座桥梁的搭建提供了坚实基础。在长期的科研合作中，两位作者屡屡被生物视觉与机器视觉的殊途同归所震撼：视网膜的非均匀采样与现代视频编码技术的高效策略不谋而合，大脑的层级化处理与深度学习的卷积神经网络架构高度同构，人类视觉的“脑补”机制与生成式AI的核心逻辑异曲同工。这些发现让他们坚信，有必要创作一本著作，让更多人看到这种跨学科的奇妙共鸣。

这场跨界合作，对两位作者而言是一次珍贵的“跨界淬炼”。

“最大的困难往往不是知识本身，而是我们各自领域内那些深入骨髓、被视为‘常识’的思维定式。”倪冰冰坦言，将复杂原理转化为通俗语言的过程，首先需要完成两人之间的双向翻译。为了找到共同认可的表述方式，他们摸索出了两套行之有效的方法：一是追本溯源，无论生物机制还是技术原理，都回归到最核心的物理或逻辑本质，将复杂术语转化为可共同雕琢的原型；二是“故事与比喻”的检验，比如将双眼视觉特征匹配比作男生女生交朋友，将生成式AI的图像生成，类比为人类视觉的脑补机制。“如果一个比喻能让我们双方都觉得既准确又有趣，那它大概率也能点亮读者。”

倪冰冰

柯碧莲主任从临床视角补充了这种跨界对话的价值：“我们通过共同构建原理模型与数据标准，将‘看病’的临床问题，系统性地翻译为‘建模’与‘优化’的技术问题，让算法真正理解眼科医生的需求。”

作为长期关注眼部多模态影像与近视机制研究的专家，柯碧莲认为这种合作不仅让科普内容更精准，也更能推动临床技术创新——比如将AI的“系统建模”思想融入近视进展预测，让诊疗方案更具针对性。如双方所言，这本书的选题并非源于市场需求的简单判断，而是基于长期科研合作的深刻洞察，是对学科壁垒的主动打破，更是对公众认知空白的真诚回应。

柯碧莲

“那双在你眼眶里转动了亿万年的眼睛，与此刻正在改变世界的人工智能，在视觉这条伟大的探索之路上，使用的是同一套底层语言。”

这段话，是《看见》一书最核心的发现，也是两位作者希望传递给读者的关键认知。全书通过对“何以‘看’（感知），怎样‘见’（理解）”的双重解码，让生物视觉的进化智慧与计算机视觉的技术创新形成了奇妙的互文关系。

倪冰冰教授详细拆解了这种底层逻辑的相通之处。在高效资源利用上，生物视觉与机器视觉都遵循着“够用就好”的优化原则：人类视网膜的感光细胞在中心黄斑区域高密度分布，周边区域则低密度排列，这种设计以最小的能耗实现了关键信息的精准捕捉，而现代视频编码技术正是采用了同样的策略；在三维感知上，无论是人类的双眼视觉，还是自动驾驶汽车的双摄像头系统，都通过两个略有差异的视角获取信息，再通过大脑或算法匹配特征点，从而实现深度判断，这是物理光学与计算几何共同约束下的最优解；在信息处理架构上，大脑视觉通路从V1到V4区域的层级化特征提取，与深度学习卷积神经网络的层级结构高度一致，两者都采用“分而治之，逐层抽象”的高效法则。

更令人惊叹的是生成式AI与人类视觉“脑补”机制的契合。

“当我们视线模糊或在黑暗中，大脑会主动‘填充’缺失的细节，形成完整感知。这正是当前引爆热点的生成式AI的核心逻辑：它们并非简单复制，而是基于学到的海量模式，对不完整信息进行合理脑补和创造。”倪冰冰的这一发现，揭示了自然进化与人类技术在解决信息缺失问题上的共通智慧。作为最早开展AIGC研究的学者之一，他特别提到，当前“文生图”等热门应用，其底层逻辑与人类视觉的“脑补”机制异曲同工，这正是技术对生物视觉的成功借鉴。

然而，相通之外，生物视觉与计算机视觉仍存在本质的异构性，这种差异在认知层面表现得尤为明显。“当前AI视觉在认知层面遇到的最大瓶颈，可以归结为一个根本性的矛盾：我们试图用自己尚未完全理解的方式，去模仿一个我们知之甚少的系统。”倪冰冰指出，人类的视觉认知是高度整合的主动过程，融合了常识、逻辑、记忆与意图，而当前的AI视觉则更多依赖海量数据的统计关联，形成的是难以解释的“黑盒”。

一个简单的场景对比便能凸显这种差距：AI识别厨房水槽里有未洗的碗碟，需要先检测出各个物体，再通过训练数据学习物体共存的概率；而人类在瞬间就能理解这是饭后状态，并关联到“需要清洗”的隐含意图。“人类的理解过程融合了记忆、动机和背景知识，是高度整合且主动的。”倪冰冰强调，这种举一反三的常识推理能力，正是当前数据驱动型AI所缺失的，而答案可能不在更大的数据里，而在对生物视觉本源的更深理解中。

柯碧莲主任则从临床视角补充了双重解码的价值。在她看来，生物视觉系统本身就是一套经过亿万年锤炼的优化算法实体：“视网膜感光细胞的不均匀分布、视觉信号的压缩传输，都是资源最优解的体现。”她以干眼症诊疗为例：“理解了视觉系统‘极致节能’的设计原则，我们就能更精准地区分干眼与视疲劳——前者多为早上症状加重，后者则下午更明显，这种细分能让治疗更具针对性。”而AI的多模态分析能力，也能为眼科研究提供新工具，比如融合基因组学、影像学数据构建模型，更精准地分析近视根源，这是传统方法难以实现的。

这种双向启发，正是《看见》一书的核心魅力。柯碧莲表示：“AI不仅是工具，更以其系统建模思想，帮助我们从更动态的视角审视视觉健康；而生物视觉的进化智慧，也为AI突破瓶颈提供了本质灵感。”

“打破专业‘竖井’、融合硬核科学与人本视角的跨界科普，是一次必要且充满生命力的尝试。”这是两位作者对《看见》出版意义的定位。作为上海科技教育出版社推出的原创普及性读物，它的价值不仅在于传播知识，更在于启发思维、培育人才，为不同领域的读者带来超越常识的新认知。

对于医学或生命科学领域的读者，倪冰冰希望他们能带走这样一个核心观念：“我们身体里精密的生物构造，本身就是一套经过亿万年自然选择锤炼出的、近乎完美的‘优化算法’实体。”他解释道，生命系统遵循着最底层的“第一性原理”，在有限资源约束下以最高效的方式实现生存功能。理解这种深植于生物结构中的计算最优化逻辑，不仅能深化对生命智慧的领悟，更能为AI设计提供灵感。比如他团队正在研究的AR/VR眼镜辅助视觉重建技术，便深度借鉴了视网膜的信息处理机制。

而在柯碧莲看来，这本书对培养“新医科”复合型人才具有不可替代的作用。“它为两个领域搭建共通的思维底层。”作为博士生导师，柯碧莲会向学生推荐：“不要把它当作传统教科书，而应视作‘跨界创新的思维地图’。”对于未来的医学人才，这本书能让他们从信息重构的层面理解视觉障碍，催生创新诊疗思路；对于工程技术人才，生命系统的精巧设计能直接启发更高效的算法研发。她举例说：“当工科生理解了眼底感光细胞的分布规律，设计眼部检测AI时，就能更贴合临床实际需求。”

对于关心眼健康的大众读者，《看见》带来的则是三次认知升级。

首先，人们看到的“真实”，是大脑生成的最佳特效。柯碧莲解释道，眼睛并非高清摄像机，而是智能编辑器，只采集关键片段，再由大脑根据经验填补空白。你所见的稳定世界，很大程度上是大脑的脑补成果，这能让读者对幻觉、错觉多一份理解。

其次，眼睛是极致节能的生存系统。它的设计原则不是追求最高清，而是够用就好，省电优先，理解这一点，便能更深刻地感知视觉疲劳信号的意义。

最后，视觉健康远不止视力1.0。它关乎从光线进入到大脑理解的整个视觉回路，许多问题可能源于大脑处理环节而非眼球本身。这本书能启发读者“像锻炼肌肉一样，全面呵护整个视觉系统”。

两位作者共同希望，这本书能为读者提供一个双重认知体系：既能洞悉前沿技术的底层逻辑，又能理解自身身体的精妙设计，从而获得更完整的思辨能力。在他们看来，无论是自然演化还是人工智能，最优秀的解决方案往往共享着同一套简洁的“第一性原理”。这种思维方式的启发，远比具体知识的传播更为重要。

从科研合作中的偶然发现，到跨界科普的精心创作，《看见》的诞生本身就是一次跨学科创新的实践。它不仅让读者重新认识“看见”这一日常行为背后的复杂机制，更展示了跨界对话的巨大潜力。在这个学科日益细分又高度融合的时代，这样的原创普及性读物，既是连接不同领域的桥梁，也是培育创新思维的土壤。当读者跟随作者的笔触，在生物视觉与计算机视觉的世界中穿梭，最终收获的不仅是知识的增长，更是一种全新的认知方式——在差异中寻找共性，在碰撞中激发灵感，在探索中理解世界的底层逻辑。