机器为什么需要视觉呢？视觉是主要的感官。机器要能够理解人类，提供他们所需的支持，那么它们必须能够在视觉范畴进行观察和表现。具体形式可以是一个帮助盲人“看见”和理解周遭世界的小摄像头，又或者能够准确区分流浪猫、在移动的树枝和窃贼的家庭监控系统。

　　正当电子设备在人们的日常生活中变得日益重要，我们也发现越来越多的设备应用因为没有足够强大的视觉功能而失败，如无人机在空中发生碰撞，机器人吸尘机吸掉不该吸的东西。

　　机器视觉是人工智能正在快速发展的一个分支，旨在赋予机器可媲美人类的视觉。随着研究人员应用专门的神经网络来帮助机器识别和理解现实世界的图像，机器视觉在过去几年取得了巨大的进步。如今的计算机在视觉识别上能够做到各种各样的事情，从识别网络上的猫到在诸多的照片中识别特定的面孔。不过，该类技术还有很长的路要走。

　　当前，机器视觉在走出数据中心，应用于各类用途，从无人机的自动驾驶到食品整理。

　　基本的图像分类已经简单多了，但在从复杂的场景中提取要义或者信息，机器则面临着一系列的新问题。错视问题便是机器视觉仍长路漫漫的一个很好的例证。

　　举例来说，当人看到两张面对面的脸的轮廓图像时，他们看到的不仅仅是抽象的形状。他们的大脑会进行进一步的解读，让他们能够识别图像的多个部分，看到两张脸，又或者看到一个花瓶。

　　但对于机器来说，这样的图像是非常难以理解的。基本的分类器分辨不了两张脸和花瓶，它看到的会是诸如短柄斧、吊钩、避弹衣甚至吉他的物体。该系统并不能确定那些物体是在该图像当中，这说明这类图像的识别对于机器而言极具挑战性。

　　另外，正如复杂的图像，现实世界也十分凌乱。在当中正常航行可不是光开发算法分析数据就能够实现的，它需要对真实场景有清楚的了解，进而能够相应作出行动。

　　机器人和无人机面临着大量这样的障碍，克服这些挑战对于参与人工智能革命的人来说便是重中之重。

　　随着神经网络、专门的机器视觉硬件等技术的持续普及，机器视觉和人类视觉之间的鸿沟正在快速缩小。不久之后，甚至可能会出现视觉能力更胜人类的机器人，它们能够执行各类错综复杂的任务，能够完全自动化地运作。