在人工智能五十年的研发过程中，我们一直在不断尝试着让机器理解人对于世界的认知方式。不管是一直没有实现较大突破的类脑计算，还是模仿人类感知外界机制的人工神经网络，本质上都是对人类行为方式的多种模仿。
当然我们也知道，这些模仿虽然在应用上取得突破，但本质上来看与人类的认知方式还是大相径庭的。
就拿视觉来说，人类对于万事万物的认知来自于综合的感知。以前一阵社交媒体上疯传的《神奇宝贝》大电影来说，人们见到3D版皮卡丘非常惊讶——皮卡丘竟然是有毛的？
其实这就体现了人类非常有趣的一点，建立在综合知识基础之上，人类的五感是相通的，因此可以从有限的信息里进行关联挖掘，对陌生的事物建立起认知。
当我们简单皮卡丘身上茸毛时，我们立刻联想起了那种毛茸茸的手感，认为它像一只大老鼠毫不可爱。
被随意愚弄的机器思维相比之下机器视觉的认知方式就相对孤立，建立分类器后组织层层的神经网络，对图片进行分层处理，分别去辨认图片中是不是一架桥，是不是一只猴子，是不是一棵大树。最后得出的结论是，这张图片97%的几率是一架桥，2%的几率是一只猴子，1%的几率是一棵大树。
对于人类来说，我们可能把猴子看成猩猩，原因是我们自己脑海中的底层知识不足，在认知中分不清猩猩和猴子的概念。但绝不会把桥、猴子、大树这些风马牛不相及的东西混淆一谈。
但对于机器视觉就不一样了，在机器的“眼中”，一切图像都是像素点的排列组合。对于我们来说，猴子和大树的区别是哺乳动物和区别。可对于机器来说，猴子和大树之间只有一个数字分割线而已。
这就导致了机器视觉可以被“针对性”的愚弄，让图像识别输出完全错误的结果，这就是我们常说的对抗生成样本。例如：将一张图片的像素点进行轻微的移动，在人眼中两张图片没有任何区别，可在机器识别逻辑下，却可能让机器把猴子认成大树。
又比如我们曾经介绍过的“迷幻贴纸”——将某一种物体的分类特征高度浓缩成一个很小图案，“粘贴”在其他图片上。图像识别对于结果的输出，是基于几项结果比率的高低。在贴上贴纸之前，图像识别可能明确的分析出图片有98%几率的是一只猴子。但粘贴上高度浓缩特征的贴纸之后，就能立刻改变图像识别的结果。