機器爲什麽需要視覺呢？視覺是主要的感官。機器要能夠理解人類，提供他們所需的支持，那麽它們必須能夠在視覺範疇進行觀察和表現。這可能是一(yī)個小(xiǎo)攝像頭的形式，可以幫助盲人去(qù)“看”和感受環繞他們周圍的世界。或者是一(yī)個家庭監控系統，該系統能夠正确識别一(yī)群流浪貓之間的差異，或者移動樹(shù)枝，和一(yī)個防盜的形式。

在過去(qù)的一(yī)年中(zhōng)，圍繞着人工(gōng)智能的嗡嗡聲，一(yī)直在非常強勁的增長。我(wǒ)(wǒ)們還從來沒有如此接近的觀察到這個技術的好處。2016年，将會看到新式的人工(gōng)智能的供電設備，因爲我(wǒ)(wǒ)們對于人工(gōng)智能，所面臨的最困難的挑戰之一(yī)，已經取得了進展：讓我(wǒ)(wǒ)們的設備，能夠了解它們所看到的。

在我(wǒ)(wǒ)們的日常生(shēng)活中(zhōng)，由于設備逐漸成爲我(wǒ)(wǒ)們不可分(fēn)割的一(yī)部分(fēn)，我(wǒ)(wǒ)們已經看到如果沒有足夠的視覺能力，越來越多的應用程序将走向失敗，其中(zhōng)包括空中(zhōng)無人機碰撞和機器人吸塵器“吃”了它們本不應該吃的東西。

機器視覺是人工(gōng)智能正在快速發展的一(yī)個分(fēn)支，旨在賦予機器可媲美人類的視覺。随着研究人員(yuán)應用專門的神經網絡來幫助機器識别和理解現實世界的圖像，機器視覺在過去(qù)幾年取得了巨大(dà)的進步。如今的計算機在視覺識别上能夠做到各種各樣的事情，從識别網絡上的貓到在諸多的照片中(zhōng)識别特定的面孔。不過，該類技術還有很長的路要走。今天，我(wǒ)(wǒ)們看到機器視覺能夠離(lí)開(kāi)數據中(zhōng)心，并适用于一(yī)切從自主無人機到機器人身上，可以整理我(wǒ)(wǒ)們的食物(wù)。

爲了更好的了解機器人視覺，一(yī)個常見的類比，機器人視覺與人類自己的視覺，就好比天空中(zhōng)飛行的鳥類與飛機。兩者最終都将依賴于基礎物(wù)理學(如伯努利原理)，來幫助它們飛入到高空中(zhōng)，但是，這并不意味着飛機将要扇動它的翅膀進行飛翔。隻是因爲人與機器可能會看到同樣的東西，并且對這些圖像進行解釋的方式，甚至可能有一(yī)定的共性，最後的結果仍然可能是具有很大(dà)的不同。

雖然基本的圖像分(fēn)類已經變得更加容易，但是，當它涉及到從抽象的場景中(zhōng)提取意義和信息時，機器人就面臨着一(yī)系列新的問題。錯覺就是一(yī)個很好的例子，機器人視覺仍然還有很長的路要走。

舉例來說，當人看到兩張面對面的臉的輪廓圖像時，他們看到的不僅僅是抽象的形狀。他們的大(dà)腦會進行進一(yī)步的解讀，讓他們能夠識别圖像的多個部分(fēn)，看到兩張臉，又(yòu)或者看到一(yī)個花瓶。但對于機器來說，這樣的圖像是非常難以理解的。基本的分(fēn)類器分(fēn)辨不了兩張臉和花瓶，它看到的會是諸如短柄斧、吊鈎、避彈衣甚至吉他的物(wù)體(tǐ)。該系統并不能确定那些物(wù)體(tǐ)是在該圖像當中(zhōng)，這說明這類圖像的識别對于機器而言極具挑戰性。

 如果我(wǒ)(wǒ)們看到一(yī)些更複雜(zá)的東西，這個問題甚至會變得更加困難，比如BeverlyDoolittle(富康杜利特爾)的一(yī)幅畫，雖然看到這個圖的每個人，可能不能夠發現，其實每個人的臉都在這塊畫布上，他們幾乎立即看到，比映入他們眼簾更多的圖片。另外(wài)，正如複雜(zá)的圖像，現實世界也十分(fēn)淩亂。在當中(zhōng)正常航行可不是光開(kāi)發算法分(fēn)析數據就能夠實現的，它需要對真實場景有清楚的了解，進而能夠相應作出行動。