看清楚是做好一件事情的基础，人工智能没有视觉也就不可能成为真的智能。机器视觉系统便是让这一切变成现实的的神奇发明。
　　当前，面向特定领域的专用人工智能技术取得了突破性进展，甚至可以在单点突破、局部智能水平的单项测试中超越人类智能。比如日本仿人机器人、美国猎豹机器人、德国工业机器人，还有我国的人脸识别、虹膜识别、步态识别等人工智能发展很快。
　　但是就目前水平来看，距离我们理想中的机器人差的还是太远。作为人类理想中的机器人，就应该是《我，机器人》中的桑尼那样，具备一切人类拥有而更出色的本领。人工智能的目的是帮人类解决更多更复杂的问题，那才能算得上成功，但是如果连“看”都做不到，你还能指望他们做好更难的事情吗？这是作为智能机器人的基础条件之一，也是十分关键的一点。不仅如此，大量的工业检测系统也需要机器人能看的见，比如颜色、图形检测，你说盲人能完成这份工作吗？大概傻子都不会信！
　　基于机器视觉对人工智能发展的重要意义，一些科技公司已经提前布局视觉技术研究。
　　谷歌最新发布的机器视觉工具CloudVisionAPI，可以帮助开发者构建能够“理解”图像内容的应用，也就是图像识别。这款视觉工具的应用体现在四个方面：一是安全搜索检测工具（SafeSearchDetection）是为那些开发大众图片分享应用准备的，而此工具的作用就是让开发者利用谷歌的SafeSearch安全搜索技术，屏蔽一些内容不符合规定的图片内容；二是特性脸部检测（FacialDetection）。关于这个应用，中间也发生过一个小插曲，不久前有新闻报道称谷歌的人脸识别误将一位黑人判定为大猩猩，谷歌也为此做出道歉；三是地标检测（LandmarkDetection），可让应用识别照片中的标志性建筑，比如艾弗尔铁塔，而且能明确标出这就是艾弗尔铁塔，而不只是说那是个塔，同时定位照片拍摄所在位置，自然景观也是适用的；四是实体检测（EntityDetection），可用于识别照片中主体内容，并且识别那是什么，比如农场的照片就可自动贴上“生产”的标签了。
　　从上面不难发现，这些都还只是一些简单的图片识别功能，距离达到人类水准并超越人类的标准差距甚大。
　　机器视觉是一门涉及了人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。一个典型的工业机器视觉应用系统，包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这其中涉及到的技术大多还处于发展阶段，受此类因素影响，机器视觉研究的进程也十分缓慢。
　　要实现高层度的人工智能，让机器人能够看见是最基本的条件之一。机器视觉的研究当前还面临着大量的障碍，看见并识别物体也需要其他技术的支撑，所以这必将是一个漫长的过程。