《环球科学》在2017年12月号杂志上公布了“2017年十大创新技术”，这份榜单是由《科学美国人》联合世界经济论坛的专家网络，并综合学术界、商业界、政府部门等领域的专家的意见而作出的。其中第三大创新技术便是机器视觉。

    第三项创新技术是机器视觉，也就是计算机识别图像的能力。过去三十年的大部分时间里，计算机视觉技术一直没有突破性的进展。

     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”，convolutional neural 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。
    在医疗领域，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。今年，美国 FDA 批准了一个由创业公司 Arterys 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。
    此外，美国斯坦福大学的塞巴斯蒂安•特隆还在《自然》杂志上介绍了一个具有专家水平的皮肤癌分类系统。他提出，如果把该系统装在智能手机上，就可以开展低成本的重大疾病诊断服务。深度学习还可以用来分析由糖尿病引起的视网膜病变、以及中风、骨折、认知症等其他疾病。