ImageNet：喂养AI革命的超级粮仓

2009年，斯坦福大学李飞飞教授带领团队发布ImageNet数据集，包含超过1400万张由人工标注的图像，涵盖21,841个类别。更重要的是，她组织了ImageNet大规模视觉识别挑战赛（ILSVRC），每年公开评测各方算法。这个数据集和竞赛成为深度学习时代最重要的催化剂——有了共同的测试标准，算法的进步变得清晰可测量，而巨量标注数据也让深层神经网络第一次真正有饭可吃。

【为什么重要？】
ImageNet解决了深度学习最缺乏的东西：大规模高质量标注数据和统一评测基准。没有ImageNet，AlexNet的革命可能推迟很多年。

【逻辑闭环】
解决了什么：提供了大规模有监督学习数据和客观评测标准，让研究者能横向比较算法优劣。局限是什么：ImageNet只有静态图像，无视频、音频、语言，标注成本极高，且仍需人类大量手工劳动。这些局限推动了后来自监督学习（无需人工标注）、弱监督学习和多模态数据集的发展——如果获取数据总要人工标注，AI将永远受限于人类注意力。