Als Mustererkennung bezeichne ich tautologischerweise das Erkennen von Mustern und - einer blöden Konvention folgend - auch das Erkennen von hinreichend verwandten Pixelverteilungen in Bildern, welchen ich ein Objekt zuorden kann.

Kontext:
Ein bestimmtes technisches Problem besteht darin, ein Objekt auf einem Bild zu erkennen, das in verschiedenen Formen erscheint. Dabei will ich kein Muster erkennen, sondern ein Objekt einer Klasse zuordnen, wobei die Klasse oft ein einziges Objekt enthält.
Fälle:

• Ich sehe eine handgeschriebene Buchstaben und muss entscheiden, um welche Buchstaben es sich handelt.
   
• Ich muss ein Gesicht erkennen. Dazu muss ich auf dem Bild zuerst erkennen, wo das Gesicht ist, und dann muss ich das Gesicht einem bestimmten Menschen zuordnen

Ein typischer Fall ist das Erkennen einer Pflanze, die ich mit dem Handy fotographiere. Jeder Rose sieht sieht anders aus, als alle andern Rosen. Wenn ich aber ein Pflanzenerkennungsprogramm verwende, ist vorab geklärt, dass es sich um eine Pflanze handelt.

Zur Sprechweise der Informatiker (oder wie Ingenieure über Computer sprechen)

Natürlich kann ich die Anordnung der Pixel als Muster auffassen. Je alle "a", alle Gesichter und alle Rosen sehen ähnlich aus, so dass sich die Anordnungen in bestimmter Hinsicht wiederholen, was dann den Ausdruck Muster möglich macht, obwohl ich nicht an Mustern interessiert bin. Der Ausdruck Muster bezieht sich in diesem Kontext auf technische Verfahren, die in der sogenannte KI-Forschung entwickelt wurde. Die gemeinten Objekte sind in Bildern Pixelmengen. Die Zurodnungen passieren auf Vergleichen mit vorhandenen Pixelmengen.
Ein Muster im eigentlichen Sinn des Wortes beruht auf einer Wiederholung derselben Gestalt. Das ist bei der sogenannten Mustererkennung gerade nicht der Fall. Es geht vielmehr darum, verschiedene Gestalten als Varianten zu identifizieren.

Der Kognitivismus, die lange Zeit die KI-Forschung gefesselt und behindert hat, wurde durch die Bildverarbeitung revolutioniert, die in Robotern - wie beispielsweise selbstfahrenden Autos - eingesetzt werden, wo sie Objekte unterscheiden müssen. Das hat mit der Logik und der Schaltalgebra von Neumann-Rechnern - die für Schachprobleme noch halbwegs taugen - nicht viel zu tun.

Allerdings hat auch die Objekterkennung lange Zeit nur kleine Fortschritte gemacht, weil sie immer noch kognitivisch aufgefasst wurde. Erst die Rückkehr zum Behaviorismus durch sogenannte neuronale Netzwerke brachten entscheidende Erfolge. Im Nachhinein wurde auch Text als Objekt der Mustererkennung begriffen, so dass es nicht mehr darum geht, was ein Text bedeutet, sondern nur darum, aus welcher Anordnung von Buchstaben er besteht.

Die einfältige Begriffsverwendung zeigt sich auch und immer noch, wo bionisch gemeinte Vergleiche zur Wahrnehmung von Menschen gemacht werden:
"Während das Gehirn von Mensch Objekte leicht erkennt, haben Computer bis heute Schwierigkeiten mit solchen Aufgaben."
Das Gehirn erkennt nichts, ich erkenne. Der Computer hat keine Schwierigkeiten. Ich habe sie, wenn ich mittels Computer Bilder analysieren will.