2015年12月，谷歌發(fā)布了其云視覺API，來執(zhí)行這些任務，如：識別人臉、標志和文字，探測物體并了解其環(huán)境的使用。一些客戶都對這些功用感到十分振奮，在市場上其它企業(yè)也正在尋覓類似的一種服務，為使其習慣其事務模式。

　　機器為什么需求視覺呢?視覺是主要的感官。機器要可以了解人類，提供他們所需的支持，那么它們有必要可以在視覺領域進行觀察和體現(xiàn)。這可能是一個小攝像頭的方法，可以幫助盲人去“看”和感受盤繞他們周圍的國際。或者是一個家庭監(jiān)控體系，該體系可以正確識別一群漂泊貓之間的差異，或者移動樹枝，和一個防盜的方法。
　　在曩昔的一年中，圍繞著人工智能的嗡嗡聲，一直在十分微弱的增加。咱們還從來沒有如此接近的觀察到這個技能的好處。2016年，將會看到新式的人工智能的供電設備，因為咱們對于人工智能，所面臨的最困難的挑戰(zhàn)之一，已經(jīng)取得了進展：讓咱們的設備，可以了解它們所看到的。

 　　在咱們的日常生活中，由于設備逐步成為咱們不可分割的一部分，咱們已經(jīng)看到假如沒有足夠的視覺才能，越來越多的使用程序?qū)⒆呦蚴?，其中包含空中無人機碰撞和機器人吸塵器“吃”了它們本不應該吃的東西。
 　　機器視覺是人工智能正在快速開展的一個分支，旨在賦予機器可媲美人類的視覺。跟著研究人員使用專門的神經(jīng)網(wǎng)絡來幫助機器識別和了解實際國際的圖畫，機器視覺在曩昔幾年取得了巨大的前進。現(xiàn)在的計算機在視覺識別上可以做到各種各樣的工作，從識別網(wǎng)絡上的貓到在諸多的照片中識別特定的面孔。不過，該類技能還有很長的路要走。今天，咱們看到機器視覺可以離開數(shù)據(jù)中心，并適用于全部從自主無人機到機器人身上，可以收拾咱們的食物。
 　　為了更好的了解機器視覺，一個常見的類比，機器人視覺與人類自己的視覺，就好比天空中飛行的鳥類與飛機。兩者終究都將依賴于基礎物理學(如伯努利原理)，來幫助它們飛入到高空中，可是，這并不意味著飛機將要搖動它的翅膀進行翱翔。僅僅因為人與機器可能會看到同樣的東西，并且對這些圖畫進行解說的方法，甚至可能有必定的共性，最后的結果依然可能是具有很大的不同。
 　　雖然基本的圖畫分類已經(jīng)變得愈加簡單，可是，當它涉及到從抽象的場景中提取含義和信息時，機器人就面臨著一系列新的問題?；糜X就是一個很好的例子，機器人視覺依然還有很長的路要走。
 　　舉例來說，當人看到兩張面臨面的臉的輪廓圖畫時，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，讓他們可以識別圖畫的多個部分，看到兩張臉，又或者看到一個花瓶。但對于機器來說，這樣的圖畫是十分難以了解的。基本的分類器分辯不了兩張臉和花瓶，它看到的會是諸如短柄斧、吊鉤、避彈衣甚至吉他的物體。該體系并不能斷定那些物體是在該圖畫傍邊，這說明這類圖畫的識別對于機器而言極具挑戰(zhàn)性。
 　　假如咱們看到一些更復雜的東西，這個問題甚至會變得愈加困難，比如BeverlyDoolittle(富康杜利特爾)的一幅畫，雖然看到這個圖的每個人，可能不可以發(fā)現(xiàn)，其實每個人的臉都在這塊畫布上，他們幾乎立即看到，比映入他們眼皮更多的圖片。另外，正如復雜的圖畫，實際國際也十分凌亂。在傍邊正常飛行可不是光開發(fā)算法分析數(shù)據(jù)就可以實現(xiàn)的，它需求對真實場景有清楚的了解，進而可以相應作出行動。