关于人工智能，著名的计算机科学家，1969年图灵奖获得者马文·明斯基提出，人工智能是一门科学，是使机器做那些人需要通过智能来做的事情。另一个更加专业的定义是斯坦福大学的教授尼尔斯·约翰·尼尔森提出的。他认为人工智能是关于知识的科学，就是研究知识的表示、知识的获取和知识的应用。

机器视觉又称计算机视觉。机器视觉通过视觉图像来观察和研究周围世界。从图像中提取出感兴趣的事物。视觉图像类似于人类眼睛看见的事物。对图像进行处理类似于人类的大脑。斯奈德对机器视觉的定义指出，称机器视觉是强调用机器构成的系统来处理视觉问题，而称计算机视觉则强调处理视觉的问题是一个计算问题。换句话说，如果非要区分机器视觉和计算机视觉，可以认为机器视觉是一个视觉系统，包括图像采集、处理以及后端的输出，是一个完整的可以直接应用在工程上的系统。而计算机视觉着重强调计算，也就是图像处理。对机器视觉而言，图像处理是其核心，同时还包括前端的图像采集和后端的处理结果输出。而计算机视觉可以认为专指视觉图像处理。

人工智能的概念于1956年的达特茅斯会议正式提出。达特茅斯会议的主要参与者包括麦卡锡、明斯基、香农、罗切斯特、纽厄尔、西蒙、萨缪尔、伯恩斯坦、摩尔、所罗门诺夫等。在这之前，英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父的伦·麦席森·图灵一直在研究机器是否可以思考的问题。

图1 达特茅斯

机器视觉也在20世纪50年代开始，早期主要研究模式识别。主要集中在二维图像上的分析和处理上。机器视觉或称为计算机视觉，主要关注的还是视觉图像的处理算法。这时与人工智能还没有什么关系，两者都在各自独立发展。

发展到今天，人工智能的方向有很多，具体的应用如智能交通、智能医疗等。几乎个个行业都可以利用人工智能的研究成果。机器视觉可以认为是人工智能的一个方向。到现在，人工智能的研究还是知识的表示、获取和应用，如现在用知识图谱的方式来表示知识。同时，已经出现了很多优秀的算法，如搜索算法、群智能算法、机器学习算法等。现在最火的深度学习算法就属于机器学习算法的一种。机器学习算法有很多，总的来说可以以分为三类：有监督学习、无监督学习和弱监督学习。支持向量机、决策树、K-近邻、k-均值聚类、自编码器、迁移学习、强化学习等都是机器学习算法。深度学习也是一种机器学习算法，是从早期的人工神经网络中改进而来，早期的人工神经网络如BP神经网络可以认为是浅层神经网路偶，深度学习是深度神经网路，其网络层数比浅层神经网络多很多，所以称为深度神经网络。

深度学习算法在2012年的ImageNet图像识别比赛中，碾压第二名，由此让其名声大噪。其实，在机器视觉领域，基于机器学习的方法一直在使用。深度学习也只是其中的一种算法。在机器视觉方面，主要关注的是工业应用领域，很多年来，在国内这都是一个冷门方向，也没有多少人了解。但是在国外，其实很早就开始了机器视觉的开发和应用。最有名的当属美国的康耐视，已经发展了40年左右，而德国的halcon软件也发展了20年左右了。在国内，大家最熟悉的可能就是开源的opencv图像库。

图2 机器视觉应用—利用视觉定位实现自动抓取

随便走到哪里，几乎都有人在讲深度学习和人工智能，好像深度学习就等于人工智能一样。其实，人工智能包括的方向很多，深度学习只是实现人工智能的一种算法，两者之间有很大的区别。同时，深度学习也是可以用于机器视觉的一种算法，并不能够代替现有的机器视觉检测算法。人工智能的领域比机器视觉更加广泛，机器视觉更专注于利用视觉解决工业实际应用问题。如果想学习人工智能，可能也需要专注于某一个方向进行深入学习研究，尽量不要泛泛而学，对于没有太多应用场景的方向，做理论研究比较合适。机器视觉作为人工智能的一个方向，目前的应用范围开始扩大，尤其是在工业应用方面，这个方向是比较好的。但是，机器视觉也是一个系统，里面包括了很多方面的内容，以后将从机器视觉入门开始，讲清楚基础的视觉图像处理算法算法，结合具体的实例说清楚机器视觉的基础知识以及如何应用。