Automatizace složitých řídicích, rozhodovacích, monitorovacích, diagnostických a plánovacích procesů vyžaduje stále častěji přistupovat k řešení úloh aplikací metod umělé inteligence, tedy využitím „strojových“ přístupů modelujících chování lidských expertů. Klíčovou součástí těchto inteligentních systémů jsou subsystémy strojového získávání informací z prostředí řešené úlohy. Vzhledem k tomu, že člověk získává až 98% informací z okolního světa svým zrakem a hlasovou komunikací, je zcela zřejmé, že strojová forma vidění a řečové komunikace je jednou z nejdůležitějších součástí strojového vnímání prostředí v umělé inteligenci. Protože informace získané z prostředí řešené úlohy musí být dále „transformovány“ do struktury znalostí, jsou při dalším zpracování informací významným způsobem využívány a rozvíjeny metody automatického rozpoznávání předmětů a jevů, metody automatického řešení úloh, strojové učení a rozhodování, strojová reprezentace znalostí apod. Aplikační potenciál řečových a obrazových technologií je značný a nalézá uplatnění jak v průmyslové a společenské praxi, tak ve službách.