正當電子設備在人們的日常生活中變得日益重要，我們也發(fā)現越來越多的設備應用因為沒有足夠強大的視覺功能而失敗，如無人機在空中發(fā)生碰撞，機器人吸塵機吸掉不該吸的東西。
機器視覺是人工智能正在快速發(fā)展的一個分支，旨在賦予機器可媲美人類的視覺。隨著研究人員應用專門的神經網絡來幫助機器識別和理解現實世界的圖像，機器視覺在過去幾年取得了巨大的進步。如今的計算機在視覺識別上能夠做到各種各樣的事情，從識別網絡上的貓到在諸多的照片中識別特定的面孔。不過，該類技術還有很長的路要走。
當前，機器視覺在走出數據中心，應用于各類用途，從無人機的自動駕駛到食品整理。
基本的圖像分類已經簡單多了，但在從復雜的場景中提取要義或者信息，機器則面臨著一系列的新問題。錯視問題便是機器視覺仍長路漫漫的一個很好的例證。
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。他們的大腦會進行進一步的解讀，讓他們能夠識別圖像的多個部分，看到兩張臉，又或者看到一個花瓶。
但對于機器來說，這樣的圖像是非常難以理解的。基本的分類器分辨不了兩張臉和花瓶，它看到的會是諸如短柄斧、吊鉤、避彈衣甚至吉他的物體。該系統(tǒng)并不能確定那些物體是在該圖像當中，這說明這類圖像的識別對于機器而言極具挑戰(zhàn)性。
另外，正如復雜的圖像，現實世界也十分凌亂。在當中正常航行可不是光開發(fā)算法分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。
機器人和無人機面臨著大量這樣的障礙，克服這些挑戰(zhàn)對于參與人工智能革命的人來說便是重中之重。
隨著神經網絡、專門的機器視覺硬件等技術的持續(xù)普及，機器視覺和人類視覺之間的鴻溝正在快速縮小。不久之后，甚至可能會出現視覺能力更勝人類的機器人，它們能夠執(zhí)行各類錯綜復雜的任務，能夠完全自動化地運作。