机器视觉也就是计算机识别图像的能力。过去三十年里，计算机视觉技术一直没有突破性的进展，像人脸识别这种不算困难的任务，竟然一直攻克不了。

　然而最近几年，人工智能领域的深度学习技术，终于让计算机在图像识别领域，开始媲美并逐渐赶超人类。很多公司已经将这些技术转化为了产品，辅助或替代我们完成各种各样的工作。

　　这些日新月异的发展，得益于一种被称作“卷积神经网络”，convol ut ional neu? ral network，简称CNN的网络结构。以动物图像为例，你可以轻松分辨出猫和狗，但CNN能进一步更准确地识别出具体的品种。CNN的强大之处在于，它更善于学习并发现图像中隐藏的重要线索，并作出判断。不要认为这都是人类教授的本领，深度学习是系统自带的模式。

　　例如，如果你想训练CNN识别出两种不同狗的品种，你只需要准备好几千张这两种狗的照片就够了，你不需要告诉CNN它们的耳朵或者其他地方有区别，CNN可以在学习过程中自己认出这些特征。它用分层结构自己来完成学习。低层网络能识别图像中的简单形状、边缘。高层网络能学会复杂的抽象概念，比如耳朵的结构和毛量。当训练完成后，CNN可以轻松根据狗的耳朵判断出狗的品种。

　　由深度学习驱动的计算机视觉系统，已经渗透到了生活的方方面面。无人驾驶汽车需要CNN来帮忙检测行人，保险公司可以用CNN来评估车辆的受损情况，应用了CNN的安保摄像头也能让火车站和机场更安全。

　　拥有深度学习技术的计算机视觉系统，在医疗领域同样能大展拳脚。它可以帮助专家更快地分析医学影像，还能在缺少专业人士时，提供一些关键信息。去年，美国FDA批准了一个由创业公司提出的计划：用深度学习分析心脏中的血流影像，诊断心脏疾病。