史丹佛大學的 CS231N：用於電腦視覺的深度學習（Deep Learning for Computer Vision）。李飛飛教授與 Ehsan Adeli 教授在首堂課中詳述了電腦視覺（CV）與深度學習（DL）的交織發展史、核心科學挑戰以及該領域的未來願景。
1. 視覺與智慧的演化關聯
視覺被視為智慧的基石。大約 5.4 億年前的「寒武紀大爆發」期間，生物（如三葉蟲）發展出初步的視覺感官，使生命從被動代謝轉為與環境主動互動，進而驅動了神經系統與智慧的演化。人類是高度視覺化的動物，大腦中超過一半的皮層細胞都參與視覺處理。
2. 電腦視覺的早期歷史與挑戰
神經科學啟發：1959 年 Hubel 和 Wiesel 對貓進行的實驗揭示了視覺皮層神經元的感受野（Receptive Fields）層級處理機制，這成為後來類神經網路建模的重要基礎。
學術起點：1963 年 Larry Roberts 發表了第一篇關於形狀理解的視覺博士論文。1966 年 MIT 的夏季計畫曾樂觀地試圖在一個暑假內「解決視覺問題」，但最終演變成一個龐大的電腦科學領域。
數學難題：視覺是一個病態問題（ill-posed problem），因為必須從 2D 的影像投影中還原真實的 3D 物理世界，而自然界透過進化（如雙眼三角測量）解決了這個難題。
3. 深度學習革命與 ImageNet 的轉折點
深度學習的演進曾經歷過「AI 冬眠期」，但在 1980 年代迎來了關鍵突破，如 反向傳播（Backpropagation） 學習規則的提出。儘管如此，早期的模型因缺乏大規模數據而難以處理複雜影像。
數據驅動：李飛飛教授的實驗室開發了 ImageNet，包含 1,500 萬張標註影像，強調數據應與演算法同等重要。
2012 年時刻：AlexNet 演算法在 ImageNet 挑戰賽中利用卷積神經網路（CNN）將錯誤率減半，這被視為現代 AI 爆發與深度學習革命的歷史性時刻。
4. 現代視覺任務與應用
電腦視覺已從簡單的影像分類擴展到更複雜的空間理解任務：
核心任務：包括語義分割（每個像素分類）、物件偵測（畫出邊界框）以及實例分割（區分同類別的不同個體）。
進階領域：涵蓋影片理解、3D 重建、醫學影像分析以及最新的生成式 AI（如 DALL-E 和擴散模型）。
5. 社會責任與課程目標
由於 AI 模型是由人類產生的數據驅動，因此不可避免地會攜帶人類偏見，這引發了關於面部辨識公平性及 AI 決策倫理的討論。本課程除了教授從零建構模型（如 CNN、Transformer）的技術外，也強調以人為本的 AI，如在老齡化護理與醫療保健中的應用。
2012 年的 AlexNet 具體實現了哪些技術突破？
語義分割與實例分割在實際應用中有什麼差別？
Search the web for 卷積神經網路在醫療影像分析的最新應用案例
