Здравствуйте, Pavel Dvorkin, Вы писали:
PD>А из этого следует, что механизмы принципиально отличаются. Вот в этом и проблема.
Не, не принципиально. Там очень много буста происходит оттого, что в нас часть алгоритмов распознавания предпрошита сотнями тысяч лет эволюции.
Дело-то как раз в том, что глаз подаёт в мозг вовсе не гору пикселов, а сразу результат предобработки — где уже выполнена цветокоррекция и нормализация контрастности, выделены линии, пересечения, и прочие "фичи".

Ну и, плюс, естественно, некоторая переоценка реальных способностей реальных детей.
Реальные дети видят и кошек, и собак, и ещё много чего ещё до того, как научаются говорить. Как минимум — на картинках. А также и в жизни — крайне тяжело огранчить сенсорный опыт реального ребёнка, мама которого смотрит телевизор во время кормления, и возит ребёнка в коляске по улице.
При этом мама непрерывно обучает этого ребёнка, проговаривая вслух всё, что видит: "это — гули, это — собачка, это — сосед на харлее", и так далее.
Эта тренировка НС льётся в ребёнка сплошным непрерывным потоком — и у него от рождения есть структуры, оптимизированные для потребления этого потока.

То, что ты рассказываешь, Павел — это иллюзии архетипичного папы, который видит ребёнка по вечерам после работы, и искренне изумляется, какой прогресс демонстрирует ребёнок: "я с ним только дважды поговорил — а он уже умеет "папа" выговаривать".