自2013年始，以深度学习为代表的神经网络算法为核心，在大数据和图形处理器(gra- phics processing unit, GPU)大规模应用的推动下，在语音识别、图像识别领域达到甚至超过了人类平均水平，迎来了人工智能研究的第三次高潮。
人们不仅能频繁看到人工智能的研究与技术进展的报导，如AlphaGo打败了人类围棋手，波士顿动力公司的机器人做出空翻等高难度动作等，也能不时地感受到人工智能对生活的影响，如家中新添的扫地机器人，高铁进站的“刷脸”，手机即时翻译等。
人工智能的迅速发展对各行各业将造成巨大冲击，许多行业可能在这场变革中消失，一些行业将获得大发展。测绘遥感是一个与人工智能关联密切的领域，在这样的背景下既有发展的机遇，也面临很大的危机, 本文将着重讨论。
人工智能可以分成6个研究方向。①机器视觉，包括三维重建、模式识别、图像理解等;②语言理解与交流，包括语音识别、合成，人机对话交流，机器翻译等;③机器人学，包括机械、控制、设计、运动规划、任务规划等;④认知与推理，包含各种物理和社会常识的认知与推理;⑤博弈与伦理，包括多代理人(agents)的交互、对抗与合作，机器人与社会融合等;⑥机器学习，包括各种统计的建模、分析工具和计算方法等。
前3项是类人的外观，是与外界接触的部件。类比人的五官(眼、耳、鼻、舌、身)，人工智能的研究方向中包含了其中三官。机器视觉相当于人的眼睛，语音理解与交互相当于人的耳朵，机器人学主要研究智能机器人的运动器官，包括能够运动的脚、能够工作的机械手、能够空翻的身体等等。
而后3项相当于人脑的功能，认知与推理是智能体需要具备的基本能力，它可以是简单的认知与推理，也可以是复杂的高级的认知与推理，认知与推理过程可以是计算机算法驱动，也可以是已有规则或者知识的直接驱动;机器学习是一个增加智能体知识、提高智能体认知与推理水平的过程;博弈与伦理则是更高级的智能，它不仅涉及到智能体与智能体之间的协同，还涉及到人与智能体之间的协同与融合。一个智能体可能包含一个或者多个方面的智能，如机器翻译可能仅包含语言理解和机器学习，但人脸识别可能包括机器视觉、机器学习和认知与推理等。
测绘遥感是一个与人工智能密切相关的学科领域
摄影测量与遥感和机器视觉有许多概念、原理、理论、方法与技术上的重叠，它们都是用来感知环境的技术;其区别是摄影测量与遥感主要是感知地球和自然环境，而机器视觉主要是感知智能体关注的目标和环境，但是它们在数学和物理上的原理基本相同。
机器学习，特别是最近几年快速发展的深度学习方法，在机器视觉、模式识别、语音理解等方面得到广泛有效的应用，可说是一个革命性的技术，在摄影测量与遥感领域也得到广泛应用。
认知与推理是一种更广义的智能，在时空大数据挖掘和智慧城市等方面将大有用武之地。
机器视觉及其在摄影测量与遥感领域的应用
机器视觉或者称计算机视觉，是一门研究用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等的学科。广义上，计算机视觉包括图像处理、目标重建与识别、景物分析、图像理解等内容。狭义上，计算机视觉通常是通过对采集的图片或视频进行处理以获得相应场景的三维信息，即三维重建。
20世纪40年代，贝尔实验室的Julesz发现任意视差图都可恢复立体感，无需事先识别单幅图像的含义;而此前心理和神经学家认为人需要先感知才能产生立体感。由此Marr认识到复杂的神经和心理过程可用直接的数学计算表达，并提出三维重建的计算视觉理论。他在1982年发表的《视觉：从计算的视角研究人的视觉信息表达与处理》中详细分析了二维图像的表达、立体图像的对应和重建、算法以及硬件的实现，是计算机视觉的开山之作。
20世纪80年代同时也是计算机视觉的第一段黄金时期。许多经典的算法和算子，如Canny边缘检测、shape from shading、Hough变换、LoG(Laplace of Gaussian)等都起源于70-80年代。除了图像处理，早期的计算机视觉同样关注几何和三维重建问题。不过，在计算机和数码相机还未成熟之前，摄影测量与计算机视觉当时的状况距离Marr所提倡的三维重建理论依然相去甚远。
与计算机视觉相似，摄影测量学是一门利用光学像片研究被摄物体的形状、位置、大小、特性及相互位置关系的学科，简而言之，摄影测量学是以摄影为工具，以测量为目的。
事实上，摄影测量学的历史远早于计算机视觉。19世纪早期，德国教授舒尔兹发现银的混合物在日光下会变黑;1839年，法国画家达盖尔发明了银版摄影法，并制作了世界上第一台真正的照相机;19世纪中叶，法国测量学家和摄影测量学的先驱Fourcade首先发现了用立体照片可重建立体视觉，从而促进了摄影测量学的诞生。(来源：龚健雅)
