LDV中的几个演示提醒了咱们，机器不仅仅经过神经网络和机器学习来学习。他们还有其他方法来学会辨认和剖析他们周围的国际。Google研讨的科学家Tali Dekel展现了一种技能，运用计算机视觉来进行辨认，经过将屋顶上的直线或紫色生果中所存在的误差扩大，然后来判别。
例如，确认旧房子的结构是否存在问题，或者是某个西红柿是否比其他的老练的更好，更丰满。看似很简单，但这是计算机视觉优于人类的当地。机器视觉能够协助医疗确诊病理学家均匀每天有500张幻灯片要处理，而每张幻灯片又包括数十万个需求剖析的单个细胞，如果有癌症的存在，那么医师很简单将其遗失。
"关于人类来说，咱们无法像计算机相同高效的作业，只由于咱们无法去仔细观察每一个单元格",PathAI的联合创始人兼首席执行官Andrew Beck表明，"但咱们以为电脑每次都能做出完美的确诊。"依据美国医学协会的一项研讨，关于一项正确的确诊，一般只要不到一半的病理学家会表明附和。
引证另一项要点研讨乳腺癌淋巴结活检的比如，Beck说明晰计算机与人类病理学家所重视的侧要点之间的差异；前者强调了许多会成为癌细胞容器的区域。Beck说："咱们为病理学家供给原始图画，然后他们依然能够去检查他们所了解的数据。
