世界因为担心机器人革命的到来，已经近似疯狂了，因为每天都有文章在谈论这些。但是，所有Ψ 的炒作、兴奋、有时是担心，这些合理吗?机器人革命ζ 真的来了吗?
答案很可能是，在我们生活的一些领域，我们将很快看到更多的机器人。但实际上，在不久的将来，我们是不会看到有几十个机▅器人走在我们的街道，或在我们的办公室闲逛。
其中一个主要的原因很简单，机器人还没有能力真正看到这个世界。不过在谈论未来的机器人可能会看到之前，我们首先应该考虑一下我们所说的“看到”的真正意ζ 思。
我们大多数人々都有两只眼睛，我们用这双眼睛来收集反射出我们周围物体的光。我们的眼睛将光转换成电信号，然后被送到我们的视觉神经，最后由我们的大脑立即处理。
我们的大脑对于这些电脉冲以及我们的经验，然︽后采取以某种方式识别围绕我们身边的是什么。它建立了一个世界的代表物，我们用它来导航、帮助我们拾起○东西，使我们能够看到彼此的脸以及世界上其他的东西。
这整个活动，包括从用我们的眼睛「收集光线，到对围绕我们的世界有一个理解，这就是“看”的意思。
研究人员已经估计，我们50%的☆大脑是参与“看”这个过程。世界上几乎【所有的动物都有眼睛，并且能够以某种方式看到。大多数这些动物，特别是昆虫，具有比人类简单得多的大脑，并且它们的功能良好。
因此，不足为奇的是许多机器人研究人「员预测，如果机器人能看到，我们可能会真正看到机器人的热潮，并※且机器人可能最终成为人类的帮手，为很多人所喜爱。
那么我们如何让机器人能看到呢?第一部分是很直接的，我们使╲用一台摄像机，就像和你的智能手机一样，络绎不绝的采集图像。针对机器人的相机技术，这本身就是一个很大的研究领▆域，但现在只是认为这是一个标准的视频摄像头。我们通过把这些图片传到电脑上，然后我们自己进行选择。
自1970年以来，机器人视觉工程师曾经想过关于图像的特征。这些可能是线路，或类似角落或某些纹理那些有趣的图像。工程师写算法来寻找这些特征，并且跟踪╲它们，从图像帧到视频中的图像帧。
此步骤基本上是将数百万图像的数据量减少到几百或几千。
由于过去计算能力①是有限的，这是这个过程中的一个重要步骤。然后，工程师开始思考机器人可能会看什么，以及它需要去做什么。他们开始编写能够识别世界模式卐的软件，以帮助机器人理解围绕它周围的是什么。
该软件可以创建一个非常基本的环境地图，当机器人操作时，它可以通过寻找软件ω 库的里面已有的很多特征，尝试匹配。
本质上，此机器人编程，仍然是通过人类去看他们认为机器人需要看的东西。关于这种类型的机器人视觉系统已经有很多成功的例子，但是今天仍然没有哪个机器人，能够单独◆使用视觉来看这个世界。
这样的系统还无法足够可靠的保持机器人遇到障碍物时，能够跳跃，在机器◎人实际使用中，也还是无法长时间使用。那些在媒体中报道的无人驾驶汽车，主要是使用激光或雷达，以弥补它们视觉系统的不足。
在过去的五卐到十年中，一个新的机器人视觉研究团体已经形成。这些研究人员已经证明，这个新系统不是像以前那样编︾程，而是学会如何去看。
他们研制的机器人视觉系统，其结构是由科学家们从观看动物怎样“看”中得到的启发。即它们使用神经元层的概念，就像一个动物的大脑。工程师编程该系统的结构，但它们不开发该系统运行的卐算法。那是留给机器人本身去完成的。
这种技术被称为机器人学习，因为我们现在可以很方便地以合理的成本，得到计算机的计算能々力，这些技术都开始工作了!这些技术的投资也正在加速。
使机器人可以学习的意义在于，它们可⊙以轻松地分享它们的学习。一个机器人将不必像新生的动物一样，从头学起。一个新的机器人可以从其他机器人那里得到经验，并建立自己◤的视觉。
一个机器人可以了解到猫是什么样子的，并且把这些知识传授给成千上万的其他机器人。更重要的是，一个机器人可以完成一个复杂的任务，诸如围绕一个城市的某一部分导航的方式，并立即「与所有其他的机器人共享。
同样重△要的是，这些分享经验的机器人可以一起学习。例如，每个机器人可以各自观察不同的猫，然后上千个机器人ㄨ彼此经由因特网共享数据，并一起学会对所有的猫进行分类。这是分工式学习的例子。
事实就是，未来的机器人将能够共享和分工式学习，将具有深刻的影响。
通过自我学习机器人的数【据中心，很可能是您的信用卡交易被检查出是欺诈行为。任何人←都不能检测出的欺诈行为，可能这些系统可以发现。
对于可以看到的机器人将有许多应用。这很难相像这样的机器人，对于我们的生活无法提供帮助。
可以看到的机器人的第一用途很可能就是，要么就是有劳动力短缺的问题的行业，如农业，或天生对人类没有吸引力的行业，或危险的行【业。
在手术室里，将很快可能看到一个机器人协助外科医生。机器人的超视觉和超精密、稳定→的胳膊和手，将使外科医生专注于自己最擅长的。
