过去十年，计算机视觉的技术演进主线几乎围绕同一件事展开：让机器看得更准。本次演讲，她将这条脉络凝练为对计算机视觉下一个十年的判断：AI 不应只做更强的观察者，而应成为帮助人学会现实世界技能的 AI Guide，能够理解动作、预判下一步，并在关键时刻给出个性化反馈，最终要回答的是”人有没有真的学会”。它同时记录人类从第一视角（egocentric）与第三视角（exocentric）完成各种技能活动的过程，包括修自行车、烹饪、舞蹈、音乐和运动等，其中包含 740 名参与者、1286 小时视频，参与者本身也具有不同的技能水平。