计算机视觉相当于是人工智能的大门，如果这个门不打开，就没有办法真的研究真实世界的人工智能。因为视觉信息与听觉触觉相比要重要得多，人的大脑皮层70%的活动都在处理视觉信息，如果没有视觉信息的话，整个人工智能只是一个空架子，只能做符号推理（下棋，定理证明等）。

计算机视觉相当于一个研究领域，有很多问题要研究。而机器学习更像是一个方法和工具。
本身应当叫统计学习，方法都是从概率领域拿来的，但是机器学习领军人物把统计和物理的数理模型，改名叫做机器，比如某某模型（model）叫某某机（machine）；把一些层次模型（hierarchical model）说成网（net），搞出了许多机和网，就成了新的领域。
机器：统计模型。 学习：用数据来拟合模型。是计算机的人将统计的理论与方法应用到视觉、语音等领域，形成了机器学习这个模型。

机器学习与计算机视觉大概有60~70%的是重合的。

人工智能是终极目标，让机器像人那样的思考、处理事情。

解决问题的过程：抽象成问题（表达），寻找算法，实现。视觉是受任务驱动的，而任务是时刻在改变之中，我怎样通过这千千万万的任务，而不是简单一个分类，来驱动我的计算的过程，来找到我的需求，来支持我目前的任务，这是一个巨大的研究的方向 。

当你要去识别、分析一个模式，比如一个动物、人脸、 一个事件， 你首先要建立一个数理模型，这个模型通过数据来拟合，也就是当前的机器学习。那么，判断这个模型好坏，或者模型是否充分的一个依据是什么？产生式建模的方法就是对这个模型随机抽样，也就是合成（synthesis）。