是的，人工智能可以用来做图像识别。图像识别是指通过计算机对图像进行分析和理解，从中提取出关键信息的技术。传统的图像识别方法往往依赖于手工设计的特征提取和分类算法，但由于图像的复杂性和多样性，这种方法往往难以取得良好的效果。

    而人工智能基于深度学习的图像识别技术则能够自动地从大量的图像样本中学习到特征，并根据学到的特征进行图像分类和识别。主要有两种深度学习方法可以用来进行图像识别：卷积神经网络（CNN）和循环神经网络（RNN）。

    卷积神经网络是一种专门用于处理二维数据（如图像）的神经网络模型。其通过卷积、池化和全连接等层将输入图像进行特征提取和降维处理，最终输出图像的类别概率分布。卷积神经网络在图像识别任务中取得了很好的效果，比如在图像分类、目标检测、人脸识别等方面。

    循环神经网络是一种能够处理序列数据（如文本、音频、时间序列等）的神经网络模型。在图像识别任务中，可以将图像看作是一个序列的像素点。通过将图像的每个像素点作为输入，循环神经网络能够捕捉到图像中的上下文信息，并输出图像的类别概率分布。循环神经网络在图像标注、图像生成等任务中有着广泛的应用。

    总而言之，人工智能基于深度学习的图像识别技术能够高效准确地对图像进行分类、目标检测、人脸识别等任务的处理。它已经在很多实际应用中取得了重要的进展，如自动驾驶、医学影像分析、安防监控等领域。