La visión artificial es un campo de estudio multidisciplinar que intenta ayudar a los ordenadores a leer y comprender las imágenes digitales de forma similar al sistema óptico humano. En términos generales, incluye la inteligencia computacional y el machine learning. Se basa en la comprensión del contexto visual, no sólo del contenido escrito o catalogado sobre una imagen o un vídeo (como una descripción de texto hecha por el hombre e incrustada en la imagen o el vídeo para ayudar a localizarlo en un sistema informático).
La visión artificial o visión por computadora se lleva debatiendo en las comunidades científicas desde los años 60, pero ha tenido dificultades para lograr avances significativos, sobre todo porque el análisis de imágenes y el contexto son muy complejos y el sistema óptico humano supera con creces cualquier capacidad computacional.
Recientemente, el deep learning ha permitido a los sistemas informáticos analizar mejor las imágenes mostrándoles imágenes. Con el tiempo, el ordenador aprende a identificar detalles de las imágenes que le ayudarán a notar esos detalles en otras imágenes (reconocimiento de imágenes).
El objetivo general de la visión por computadora es que un ordenador sea capaz de entender los detalles de una imagen e interpretarla o explicarla a los humanos. El aprendizaje profundo ayuda a que ese objetivo sea más realista, pero la visión por ordenador aún está lejos de donde los investigadores desearían que estuviera.
Dos problemas principales de la visión artificial o visión por computadora hacen que su aplicación sea un reto. El mundo visual tiene intrínsecamente mucho cambio y variedad. También es muy complejo. Aunque el cerebro humano está diseñado para analizar rápida e involuntariamente los detalles más pequeños de una imagen u otro medio visual, los ordenadores no lo están.
En segundo lugar, la visión por ordenador se basa generalmente en el sistema óptico humano, y ni siquiera los científicos lo entienden lo suficientemente bien como para intentar recrearlo adecuadamente.
