1樓：小覓智慧型
人工智慧
人工智慧分為基礎層和技術層，基礎層主要包括晶元，平台，開源框架，感測器，伺服器，大資料等。技術層主要包括機器學習，智慧型語音，自然語言處理，計算機視覺和知識圖譜。
機器學習
機器學習的核心是資料+演算法。機器學習是一種高階形態的模式識別，能夠讓機器通過分析大量資料來做出判斷。這有望大大輔助人類思維。
計算機視覺
計算機視覺的本質是對影象進行理解。「理解」這個詞沒有準確的定義，事實上計算機無法做到「理解」，只能做到認知。計算機視覺的終極目的就是達到認知。
真正意義上的計算機視覺要超越識別，感知三維環境。
計算機視覺和機器學習都在人工智慧概念之中。
世上本無人工智慧，只有影象識別、計算機視覺、語音識別、自然語言理解等乙個個具體的問題。
2樓：中庸
在我校電腦科學研究方向中，計算機視覺，自然語言處理和GAN並駕齊驅，然而熱度相對更高的還是GAN和NLP。GAN是真的好用，NLP還沒有決定性的成果所以很有潛力，但計算機視覺就有點雞肋了—技術高點都握在獨角獸和大牛教授手裡，自己想搞很難，加入也不容易，所以是個很難的領域—實現一些簡單演算法不難，但是想真正出彩很難。
3樓：ANTI
cv其實我個人覺得只是ml的乙個應用，同時也是人工智慧的乙個元件，只是它so coool。。。。而且現階段有極強的變現能力，哦。。或者說變現的期望值比較高。所以單列出來了
人工智慧我覺得其實應該是類似GA輔助設計，告訴計算機它要做什麼，給他乙個獎勵函式，讓它自己進化出來解決方案。而不是利用你的閱讀習慣推送給你各種主題。
所以，我覺得噱頭上的「人工智慧」可能和google說的人工智慧還不是一回事。據說美航局有次設計招標，中標方案是乙個計算機自動設計出來的。
誰不想要乙個賈維斯呢？從圖靈、元胞自動機到阿爾法狗，真正能夠讓人激動不已的是「智慧型」。
4樓：沐言
先肯定的是，計算機視覺、人工智慧與機器學習這三個領域是緊密相關聯的。
為什麼熱度偏少，我覺得可以模擬人類的身體。
人工智慧代表人類的意識，
機器學習代表人類的大腦，
計算機視覺則是人類的眼睛。
眼睛能識別多少東西，處理多少事情取決於大腦和意識的判別。
就像人體一樣，計算機視覺現階段處理的事情超脫不出機器學習和人工智慧所能處理的範圍。
現階段，計算機視覺研究更傾向於對映單幅或多幅影象上的三維場景，目的是幫助人類做更高效的視覺識別和處理。
所以，等等看吧，計算機視覺的爆發點應該還沒到。
計算機小白如何學習人工智慧和程式設計以及計算機相關知識
楚浩 說實話，小白是沒有能力自學如此龐大的內容的，因為你根本篩選不出來你應該在開始學習的核心內容，並且各種細節問題你根本無法解決。 三囧 人工智慧在電腦科學裡面是相對高階的內容了，建議先從基礎學起。計算機的基礎就是程式設計，現在主流的學習路徑有兩個，學院派的c和實戰派的python。學院派的c更基礎...
人工智慧算是電腦科學的分支嗎？
沒有什麼是也不是，絕對不是，從來不是，永遠都不會是。人工智慧唯一和計算機沾邊的東西就是軟體工程，去調庫，實現演算法。如果你發現你需要了解計算機知識譬如python的底層邏輯，cpp或者異構計算，才能繼續自己的訓練驗證工作，那麼這個問題總能轉化為存在一種框架，讓你僅在python層面就達到這個目的。人...
機器視覺與計算機視覺的區別？
高沉 覺得換個角度先不去了解他們複雜的定義。可以先接觸兩者的產品。opencv 計算機視覺 openmv 機器視覺 有模組可購買，有對應開發方式 從學習中了解。其實很多東西就都可以明白了。 矩視智慧型 最簡單的解答是 機器視覺是通過呼叫各種演算法因子，針對目標特徵，定製化設定各種引數。其擅長解決以測...