Nature | ApdativeNN：建模类人自适应感知机制，突破机器视觉「不可能三角」（

1.模型自适应技术

视觉是人类理解复杂物理世界的重要方式让计算机具备视觉感知与认知的能力，是人工智能的主要研究问题之一，对多模态基础模型、具身智能、医疗 AI 等重要领域具有关键支撑作用过去几十年间，计算机视觉取得了显著突破，已在图像识别、目标检测、多模态理解等多个任务上接近甚至超越人类专家水平。

2.模型自适应算法

然而，当前的高精度模型在实际落地中常面临较大挑战：它们的推理过程往往需要激活上亿参数来处理高分辨率图像或视频、以解决复杂和挑战性的视觉问题，导致功耗、存储需求和响应时延急剧上升这一瓶颈使得它们难以部署在算力、能耗、存储等资源高度受限的实际系统中（如机器人、自动驾驶、移动设备或边缘终端等），甚至在医疗、交通等场景下由于延迟决策危害生命安全。

3.模型自适应控制

另一方面，大型模型庞大的推理能耗在也带来了大规模部署的环境可持续性问题上述挑战的一个重要原因在于现有视觉模型普遍采用了全局表征学习范式：一次性并行处理整幅图像或视频的所有像素、提取全部对应特征，再应用于具体任务。

4.什么叫模型自适应

这种 “全局并行计算” 范式使得模型计算复杂度随输入尺寸呈至少平方或立方增长，逐渐形成了一个日益严峻的能效瓶颈：信息丰富的高分辨率时空输入、性能领先的大型模型、高效快速推理，三者难以同时满足这一挑战正在成为制约视觉智能走向大规模、可部署落地、低碳环保的公认难题。

5.自适应模型预测控制

图1 当前计算机视觉范式所面临的能效瓶颈人类视觉系统为突破上述瓶颈提供了重要启示：在观察复杂环境时，人眼不会一次性处理全部视觉信息，而是通过一系列 “注视” 动作主动、选择性地采样关键区域，以小范围高分辨率的感知逐步拼接出对物理世界中有用信息的认知。

6.自适应模糊神经网络算法

这种先进的机制能在庞杂的信息流中快速筛取要点，大幅降低计算开销，使得人类高度复杂的视觉系统即便在资源受限的前提下依然能够高效、快速运行无论外界场景多么复杂，人类视觉的能耗主要取决于注视带宽与注视次数，而非全局像素量。

7.自适应模型

早在 2015 年，LeCun, Bengio, Hinton 便在《Nature》综述论文 “Deep Learning” 中指出，未来的 AI 视觉系统应具备类人的、任务驱动的主动观察能力然而近十年来，这一方向仍缺乏系统性研究。

8.自适应模型预测

图2 人类视觉系统的主动自适应感知策略2025 年 11 月，清华大学自动化系宋士吉、黄高团队在《自然・机器智能》（Nature Machine Intelligence）上发表了论文《Emulating human-like adaptive vision for efficient and flexible machine visual perception》