Потому что есть разные виды так называемого ИИ.

Есть так называемая область компьютерного зрения, где есть свои спец.подходы к построению моделей и их обучению.

Точность предсказаний по классификации (а отличить кошку от пантеры именно такая классификация) зависит от архитектуры, способа обучения и того, сколько модель уже "повидала" всякого.

И модель, которую обучали распознавать людей на камерах обучали именно по куче видео с камер. Но при этом она знать не знает и не видела домашнюю кошку и пантеру, поэтому в этой задаче она будет дибилом.

Есть поставить камеру чтобы прямо смотрела, а модель распознования научена на другой плоскости, то тоже модельку надо переучивать или нрвую делать. На что мощности хватает. Причем дообучивать модельку может другая модель ИИ. Мы так капчу на одном сайте наобучали проходить, чтобы ии потом файлы скачивала и складировала.

Более того, не знаю как сейчас, но раньше по камерам даже не ии (в смысле не нейронка) вроде опознавал.
Находились важные узловые точки лица, строилось соотношение всего ко всему -- получался уникальный набор чисел.

Это примерно та модель лиц, что в играх ТЕС была, где в редакторе персонажа "ширина лба", например, настраивалась.

Соответственно ТЕС 4 это десятые, вроде, годы?