如前文所述，基础支撑层的算法创新发生在上世纪80年代末，是大数据和计算力将人工智能推到镁光灯之下，而建立在这之上的基础技术便是计算机视觉、语音识别和自然语言理解，机器试图看懂、听懂人类的世界、用人类的语言和人类交流，研究人类智能活动的规律。
·计算机视觉技术（computer vision）；
·什么是计算机视觉？
根据科普中国撰写的对计算机视觉的定义，这是一门研究如何让机器“看”的科学，更
进一步的说，是指用计算机代替人眼对目标进行识别、跟踪和测量的机器视觉，并进一步做
图形处理，使计算机处理成为更适合人眼观察或传送给仪器检测的图像。
·计算机视觉 vs 机器视觉；
计算机视觉更关注图像信号本身以及图像相关交叉领域（地图、医疗影像）的研究；机
器视觉则偏重计算机视觉技术工程化，更关注广义上的图像信号（激光和摄像头）和自动化
控制（生产线）方面的应用。
·计算机视觉识别技术的分类；
物体识别分为“1 vs n”对不同物体进行归类，以及“1 vs 1”对同类型的物体进行区分和鉴别；物体属性识别，结合地图模型让物体在视觉的三维空间里得到记忆的重建，进而进行场景的分析和判断；物体行为识别分为3个进阶的步骤，移动识别判断物体是否做了位移，动作识别判断物体做的是什么动作，行为识别是结合视觉主体和场景的交互做出行为的分析和判断。
·计算机视觉的识别流程；
计算机视觉识别流程分为两条路线：训练模型和识别图像。
训练模型：样本数据包括正样本（包含待检目标的样本）和负样本（不包含目标的样
本），视觉系统利用算法对原始样本进行特征的选择和提取训练出分类器（模型）；此外因
为样本数据成千上万、提取出来的特征更是翻番，所以一般为了缩短训练的过程，会人为加
入知识库（提前告诉计算机一些规则），或者引入限制条件来缩小搜索空间。
识别图像：会先对图像进行信号变换、降噪等预处理，再来利用分类器对输入图像进行目标检测。一般检测过程为用一个扫描子窗口在待检测的图像中不断的移位滑动，子窗
口每到一个位置就会计算出该区域的特征，然后用训练好的分类器对该特征进行筛选，判断
该区域是否为目标。
计算机视觉技术模式图和对应企业图；
目前世界上图像识别最大的数据库，是斯坦福大学人工智能实验室提供的imagenet，针对诸如医疗等细分领域也需要收集相应的训练数据；google、microsoft此类科技巨头会面向市场提供开源算法框架，为初创视觉识别公司提供初级算法。