1. 魔都外環(huán)內(nèi)老破小一套，尚有房貸160萬，需要還清。因為讀書，所以錯過了房價快速增長的黃金期，最近房價又一直在下跌，房價增幅不大，目前估值280萬左右。
2.二線城市拆遷房一套。該套房是由父母贈予。目前二線城市房價下跌也很厲害，估值160萬左右。
3.工作收入，年薪35萬左右。由于畢業(yè)選擇的行業(yè)不是很好，加上近年來所在企業(yè)發(fā)展也不是很好，多年未曾加薪。老婆年薪15萬左右。整體家庭年收入50萬左右。
4.沒有汽車。出行主要依賴于公共交通，公交或者地鐵。由于魔都養(yǎng)車成本較高，為了節(jié)省開支，目前尚未購車。
5.吞金獸一個。由于結(jié)婚較晚，所以去年剛添了吞金獸一個。
6.雙方父母都有退休金，基本能夠滿足日常的開支，不用我們操心。
7.家庭存款，150萬左右。多年來，緊衣縮食，生活比較節(jié)儉，有了一點儲蓄。
8.支出。目前主要支出是房貸，每月支出在1萬1左右，除去公積金需要還7000左右。我個人花銷較少，平常吃飯都在公司食堂解決，交通有公司發(fā)的交通卡。另外，平常不抽煙，不喝酒，因此日常開支較少，基本每月在2000以內(nèi)。老婆的支出主要是化妝品等日常花銷，日常吃飯，一般每月支出在4000左右。目前支出主要是孩子。出生后選擇了月子中心，一下子花了8萬。另外，老婆上班后，孩子沒人照顧，目前準備請阿姨，每月基本需要花費9000元。
在吞金獸出生之前，除去房貸，每年會有一定的儲蓄。有了吞金獸之后，經(jīng)濟壓力較大，基本攢不下錢，還有花存款的可能。父母年紀也大，以后看病，照顧都有可能需要較高的花費。另外，由于我從事的是計算機行業(yè)，45歲，已經(jīng)面臨中年危機，今年可能會有被裁的風險。老婆的工作也不穩(wěn)定，也有被裁員的風險。
回顧前半生，感覺自己已經(jīng)非常努力，但是目前的現(xiàn)狀也很無奈。其實，也有考慮過回到家鄉(xiāng)生活，但是目前已經(jīng)在魔都安家，回去面臨找工作的問題，另外老婆也比較喜歡魔都，所以目前只能走一步,看一步，不知道未來會怎樣。
大家怎么看，像我這種情況，到底是應該繼續(xù)留在魔都，還是回到家鄉(xiāng)比較好？
#回家還是大城市#
心閱讀
發(fā)送旅客從2300萬人次到4.8億人次，從綠皮車到動車組列車，從硬板票到電子客票……走過七十載，如今的春運，既有高鐵路網(wǎng)拉近家的距離，也有公益“慢火車”開行在山間，發(fā)生了巨大變化。
幸福最是家團圓。
1954年，原鐵道部成立春節(jié)旅客輸送辦公室，春運概念順勢而生。改革開放后，打工潮興起，春運逐漸成為一種社會現(xiàn)象。
走過七十載，春運發(fā)生了巨大變化。
1954年，鐵路春運累計發(fā)送旅客2300萬人次；2012年春運，攀升至2.21億人次；2024年春運，全國鐵路預計發(fā)送旅客4.8億人次，較2012年翻了1倍多。
龍年正月初五至初八，全國鐵路旅客發(fā)送量連續(xù)4天刷新春運單日旅客發(fā)送量歷史紀錄。春節(jié)假期最后一天，安排加開旅客列車2256列，鐵路春運運力安排再創(chuàng)新高。截至2月20日，全國鐵路春運累計發(fā)送旅客3.2億人次，日均1231萬人次，運輸安全平穩(wěn)。
從綠皮車到動車組列車，從硬板票到電子客票，從2300萬人次到4.8億人次……列車一路前行，服務廣大旅客。
從內(nèi)燃機車到復興號動車組
高鐵，拉近家的距離
一個人，9本證，35種車型，奮戰(zhàn)春運32年，中國鐵路北京局集團高鐵司機韓軍甲被譽為中國鐵路“全履歷火車司機”。
“最早，我開的還是蒸汽機車，時速只有50公里，從北京到上海要一天半時間。”韓軍甲回憶，后來是內(nèi)燃機車，時速可達120公里；再后來升級為電力機車，時速也升到160公里。
最大的變化發(fā)生在2010年。那年，京滬高鐵開始招募動車司機，韓軍甲放棄晉升機會，果斷報名。2011年京滬高鐵正式通車，韓軍甲駕駛動車實現(xiàn)京滬千里一日行，“2012年春運，一天跑兩個來回，就把上千旅客送回家。”
不過，激動之余，韓軍甲心里還藏了一個夢，“這輩子，若能開上我們國家自主研制的動車組列車，那才叫圓滿呢!”
沒想到，短短幾年后，韓軍甲圓夢了。2017年9月，他成為我國第一批復興號動車組司機，開上了中國時速最快的火車。
今年春運，韓軍甲依舊奮戰(zhàn)在一線。
凌晨3點，韓軍甲就來到了北京動車段一場動檢車司機室，做著上崗前的最后準備。四季變化、斗轉(zhuǎn)星移，韓軍甲駕駛的列車越跑越快，正如中國鐵路網(wǎng)的建設(shè)速度。
從繁華熱鬧的大都市到安靜祥和的小鄉(xiāng)村，從冰雪世界到熱帶海濱，從爛漫花海到雪山腳下，高鐵把遼闊的中國大地以前所未有的方式連接起來。
截至2023年底，我國高鐵營業(yè)里程達4.5萬公里，占世界高速鐵路總里程的70%以上，是世界上高速鐵路運營里程最長、在建規(guī)模最大、商業(yè)運營速度最高、高鐵技術(shù)最全面、運營場景最為豐富的國家。
這樣的高鐵路網(wǎng)，讓“千里江陵一日還”成為日常，讓出行更加便捷高效，旅行時間普遍壓縮一半以上；
這樣的高鐵路網(wǎng)，讓中國春運壓力極大緩解，回家之路更加順暢。
截至2023年底，動車組列車累計發(fā)送旅客196億人次。目前，高速鐵路承擔了全社會23%左右的旅客發(fā)送量、31%左右的旅客周轉(zhuǎn)量，承擔了鐵路76%左右的旅客發(fā)送量、66%左右的旅客周轉(zhuǎn)量，基本解決了原來客運高峰期運力嚴重短缺的問題。
2024年春運，高鐵成為“主力軍”。鄭州東站，平均每1.35分鐘就有一趟高鐵發(fā)出，每60秒便有340多名旅客從這里出發(fā)；廣州南站，10分鐘內(nèi)有11趟高速列車到發(fā)……從內(nèi)燃機車到復興號動車組，高鐵，拉近了家的距離。
從窗口排隊到線上購票
網(wǎng)絡(luò)，讓買票方式更多元
一枚小小車票，同樣是春運70年變化的最佳物證。
上世紀90年代之前，車票是偏窄偏厚的硬紙板票，座位號靠售票員手動粘貼；
1997年，計算機打印的紅色軟紙票正式投入使用，售票速度從幾分鐘壓縮到幾十秒，首次實現(xiàn)“一窗有票，窗窗有票”；
2007年，磁卡票開始出現(xiàn)，乘客可自助刷票進站；
2020年6月20日起，電子客票在全國鐵路推廣實施，火車票進入無紙化時代，刷身份證即可進站乘車。
票變了，買票的方式也變了。
“15年前，為了買到一張春節(jié)回家的火車票，我在火車站待了兩天兩夜。”在北京打拼20余年的劉錦回憶，網(wǎng)絡(luò)購票出現(xiàn)前，不少人帶著小板凳、小褥子在售票窗口前打地鋪通宵排隊，排隊的長龍甩出幾公里遠。
2012年春運，火車票第一次實行網(wǎng)絡(luò)售票。走過10余年，線上購票、電子客票已成為主流。如今，鐵路12306一年售出車票30億張。
1月25日，鐵路12306創(chuàng)下春運單日最高售票量——2090.1萬張。節(jié)前售票高峰期，12306注冊用戶日均成功登錄3584.2萬人次，單日最高成功登錄4489.8萬人次；日均頁面瀏覽量達622.1億次，單日最高達875.6億次。
數(shù)據(jù)背后，鐵路12306已搭建起方便快捷的智能系統(tǒng)，是世界上規(guī)模最大的購票系統(tǒng)。
每秒出票300至500張，高峰期達1000張左右，用戶從提交需求到出票只需要2.8秒……保障全球最大購票系統(tǒng)平穩(wěn)有序運轉(zhuǎn)，離不開智能系統(tǒng)的支持。
鐵路12306科創(chuàng)中心副主任單杏花介紹，以北京西到深圳北的高鐵為例，它有17個站，3種座位。表面看起來，只有3個產(chǎn)品，即商務座、一等座、二等座。但實際上，它有408種商品。
“當系統(tǒng)售出一張北京到武漢的二等座，客票系統(tǒng)需要立即自動生成一張武漢到深圳北之間的同席位二等座，同時取消北京至石家莊直至武漢之間車站的車票。”單杏花說，因此售票系統(tǒng)是實時不停地計算生成新的“商品”。
鐵路12306余票查詢的算法更是難上加難。旅客每查一次票，線上網(wǎng)站和線下5500多個火車站的電腦都要更新座位、車次、身份信息等，避免造成一票多售的情況。
如今，雖然在高峰時段、熱門方向，受運力緊張等因素影響，搶票依舊有困難。但不可否認的是，出行已經(jīng)方便許多了。走過10余年，如今的鐵路12306愈加成熟。
“線上購票，曾經(jīng)是萬千旅客給中國鐵路出的一道考題，如今，雖仍有不足，但我們會堅定地走下去。”單杏花說。
從“小客車”到“幸福車”
“慢火車”，讓團圓不缺席
茫茫林海，火車悠悠。
2月1日清晨5點，海拉爾的天還沒亮，氣溫低至零下34攝氏度。
身為列車長，張所有早早站在門口迎接旅客。5點19分，這趟只有4節(jié)車廂的綠皮“慢火車”，載著去往山里的旅客緩緩離開站臺。
6238次列車穿梭于內(nèi)蒙古自治區(qū)呼倫貝爾市海拉爾區(qū)與牙克石市塔爾氣鎮(zhèn)間，是一趟與共和國同齡的公益“慢火車”。全程票價39.5元，每公里才1毛錢，20多年沒漲過票價。
“我從9歲就開始坐這趟車，只要上了火車，就跟到家一樣。”韓玲今年63歲了，她告訴記者，當?shù)赜芯湓捊小盎疖嚲鸵惶耍房坎簧稀保齑笱┓馍剑疖嚲统闪肆謪^(qū)沿線群眾就醫(yī)、務工、購物、通勤、通學唯一的交通工具，被大伙兒親切地稱為“小客車”。
“小客車”除了是山里人的生命線，如今還成了山里人的經(jīng)濟線。塔爾氣鎮(zhèn)一直以“大峽谷、大濕地、‘森’呼吸、慢生活”聞名于世，山貨備受歡迎。春運期間，快遞坐上“小客車”，帶著特產(chǎn)走出大山，走進城市。
悠悠數(shù)載，彈指瞬間。“小客車”在大山里跑了74年，也陪伴了山里人74年。“‘小客車’是為山區(qū)群眾造福的火車，只要有一個人坐車，這個車就會一直開下去，讓每個人都能回家過年。”張所有說。
5652次列車，從云南昆明開往貴州紅果，單程261公里，全程票價36.5元，相鄰車站間最低票價僅6元。春運期間，“慢火車”捎上農(nóng)民到城市賣菜，把學生、外出務工人員帶回家鄉(xiāng)，還將城里人帶到鄉(xiāng)鎮(zhèn)趕集，是名副其實的“民生車”。
8818次列車，從山西太原開往大同靈丘，全程305公里，票價只要19.5元。55歲的杜潤云和58歲的趙根午在山東青島勞作一年，對于節(jié)儉的他們來說，這趟便宜的“慢火車”是回家的首選。
在社會追求“快春運”的今天，國鐵集團保留81對公益“慢火車”，行駛在偏遠山區(qū)。它們速度雖慢，但票價低、站站停，讓團圓的日子一個人都不落下。
如果說親情是結(jié)，那么春運就是連接這些結(jié)的線。鐵路春運七十載，車輪軋過鐵軌，載滿鄉(xiāng)愁的列車向著家的方向，一路奔馳……
《 人民日報 》( 2024年02月22日 10 版)
言
視覺不僅僅是眼睛所見。
這句話在生物學和技術(shù)領(lǐng)域中具有深刻的意義。從19世紀赫爾曼·馮·亥姆霍茲首次提出我們的感知是大腦的主動功能，到20世紀沃倫·麥卡洛克和沃爾特·皮茨在神經(jīng)網(wǎng)絡(luò)方面的開創(chuàng)性進展，理解和復制人類視覺的探索一直是無盡且令人著迷的。這些早期的智力冒險為今天復雜的計算機視覺系統(tǒng)奠定了基礎(chǔ)，融合了生物學、心理學和計算機科學的見解。
1950年至1970年間，哪些關(guān)鍵發(fā)展鞏固了視覺在人工智能中的重要性？在本期節(jié)目中，我們將深入探討這一時代的變革性里程碑，如檢眼鏡的發(fā)明、克勞德·香農(nóng)的革命性通信理論，以及感知器在人工智能中具有影響力的角色。大衛(wèi)·休伯爾、托斯頓·韋塞爾和弗蘭克·羅森布拉特的見解如何推動神經(jīng)發(fā)現(xiàn)與技術(shù)進步之間的互動？這一探索不僅是對歷史成就的致敬，也為未來的視覺系統(tǒng)進步鋪平了道路。加入我們，踏上這一激動人心的旅程，必將點燃新一代夢想家的想象力。
我們還將回答這些與魔鬼有什么關(guān)系！
理解視覺的生物基礎(chǔ)
自19世紀以來，科學家們一直試圖理解人類的眼睛和大腦如何處理視覺信息。赫爾曼·馮·亥姆霍茲是他那個時代的關(guān)鍵人物之一，他提出了“視覺理論”，暗示視覺是無意識推理的結(jié)果，表明感知是大腦的主動解釋行為，而非被動過程。他關(guān)于無意識推理的觀點對計算視覺方法產(chǎn)生了持久影響。亥姆霍茲還發(fā)展了顏色視覺理論，發(fā)表了關(guān)于生理光學的著作，并發(fā)明了用于檢查眼睛內(nèi)部的檢眼鏡等視覺相關(guān)儀器。
檢眼鏡、圖片來源：科學照相館
快進到20世紀，1943年，沃倫·麥卡洛克和沃爾特·皮茨受人腦的啟發(fā)，創(chuàng)建了一個神經(jīng)活動的計算模型。這形成了未來神經(jīng)網(wǎng)絡(luò)的概念基礎(chǔ)。
在硬件方面，克勞德·香農(nóng)在1948年發(fā)表的開創(chuàng)性論文《通信的數(shù)學理論》展示了如何測量信息、信號傳輸和壓縮極限，這對于計算機視覺信號處理和模式識別至關(guān)重要。
香農(nóng)通訊系統(tǒng)，圖片來源：“通信的數(shù)學理論” 香農(nóng)通訊系統(tǒng)，圖片來源：“通信的數(shù)學理論”
基于麥卡洛克和皮茨的模型，弗蘭克·羅森布拉特在1958年引入了“感知機”，這是一個用于模式識別的早期神經(jīng)網(wǎng)絡(luò)，運行在IBM的房間大小的704計算機上。起初，這種感知機因其解決復雜問題的潛力而受到廣泛關(guān)注。然而，正如我們將進一步看到的，十年后，馬文·明斯基和西摩爾·派普特展示了其在某些問題類型上的局限性，導致神經(jīng)網(wǎng)絡(luò)研究資金的減少。
羅森布拉特 1958 年夏季出版的《智能自動機的設(shè)計》一書中的感知機圖像
弗蘭克·羅森布拉特'50，博士'56 致力于“感知機”——他將其描述為第一臺“能夠擁有原創(chuàng)想法”的機器
同時，哈佛醫(yī)學院的大衛(wèi)·休伯爾和托斯頓·韋塞爾在視覺的生物基礎(chǔ)方面做出了重要發(fā)現(xiàn)，連接了神經(jīng)科學和計算機視覺。他們在貓身上的實驗揭示了對特定視覺線索（如邊緣、角度和取向線條）作出反應的專門神經(jīng)元。“中心-周圍”視網(wǎng)膜細胞檢測基本對比度，而視覺皮層中的“簡單細胞”則對更復雜的特征（如線條取向）進行調(diào)節(jié)。他們還確定了對移動線條反應的“復雜細胞”，突出了視覺處理的動態(tài)方面。
在經(jīng)典的神經(jīng)科學實驗中，Hubel 和 Wiesel 發(fā)現(xiàn)貓的視覺皮層神經(jīng)元（右）在處于特定位置和方向時，會選擇性地強烈刺激棒（左）
休伯爾和韋塞爾的發(fā)現(xiàn)使他們在1981年獲得了諾貝爾生理學或醫(yī)學獎，揭示了視覺皮層的層次化和模塊化組織。不同層次的神經(jīng)元處理越來越復雜的視覺特征，反映了許多現(xiàn)代計算機視覺系統(tǒng)的處理方法。他們的工作啟發(fā)了模仿大腦分層處理的早期計算機視覺算法。
其中一個開創(chuàng)性的工作是奧利弗·塞爾福里奇在1959年提出的“混亂系統(tǒng)”。該名稱并非隨意，混亂系統(tǒng)是約翰·彌爾頓的史詩《失樂園》中的地獄之都。它是一個分層、并行處理模型，具有分階段處理視覺刺激的“惡魔”，每組處理特定的識別方面：
混亂：奧利弗·塞爾弗里奇 (Oliver Selfridge) 的學習范式。圖片來源：《人類信息處理》，第二版，作者：Peter Lindsay 和 Donald Norman
盡管受到早期模板匹配理論的限制，該架構(gòu)提出了特征檢測的概念，即將視覺刺激分解為組成特征以進行分析。這種連接主義的模式識別方法影響了20世紀50年代形成的人工智能和認知科學的后續(xù)發(fā)展。
數(shù)字成像和信號處理的進展
在1960年代，圖像數(shù)字化的能力顯著發(fā)展，使圖像轉(zhuǎn)化為計算機處理的數(shù)字格式成為可能。這一時期還標志著對當時稱為“機器感知”的興趣激增——計算機系統(tǒng)以類似于人類使用感官感知世界的方式解釋數(shù)據(jù)的能力。
1963年，麻省理工學院的拉里·羅伯茨在他的論文《三維固體的機器感知》中推進了這一領(lǐng)域，引入了從二維圖像重建場景三維性的算法。
圖片來源：Larry Roberts 的論文“三維實體的機器感知” 圖片來源：Larry Roberts 的論文“三維實體的機器感知”
與此同時，詹姆斯·庫利和約翰·圖基在1965年開發(fā)的快速傅里葉變換（FFT）算法革新了數(shù)字信號處理。FFT高效計算離散傅里葉變換（DFT），將信號從空間域（如圖像）轉(zhuǎn)換到頻率域。在頻率域，不同頻率揭示了各種圖像特征，包括邊緣、紋理和亮度水平。利用FFT，計算機視覺技術(shù)開始執(zhí)行以下基本任務：
這些功能對于增強圖像清晰度、確保準確的對象識別以及提高各種計算機視覺應用的整體性能至關(guān)重要。
此外，過濾成為另一種有影響力的技術(shù)，類似于現(xiàn)代社交媒體濾鏡但基于更復雜的數(shù)學原理。19世紀開創(chuàng)并在20世紀中期為數(shù)字信號適應的濾波器，如高斯、拉普拉斯和中值濾波器用于：
AI實驗室及其對計算機視覺的貢獻
1960年代標志著人工智能作為正式學術(shù)學科的出現(xiàn)。該領(lǐng)域始于麻省理工學院，由馬文·明斯基和約翰·麥卡錫建立了開創(chuàng)性的麻省理工學院人工智能實驗室。這個實驗室成為了科學家的基礎(chǔ)訓練場，他們后來在卡內(nèi)基技術(shù)和斯坦福大學建立了自己的研究實驗室。這些人工智能研究得到了美國高級研究計劃局（ARPA）和其他軍事和國防部門的支持。
1966年在麻省理工學院，馬文·明斯基和西摩爾·派普特發(fā)起了“夏季視覺項目”以教計算機“看”。盡管有廣泛的傳聞說馬文·明斯基將這個項目分配給他的本科生杰拉爾德·薩斯曼，事實上這是一個團隊合作，由薩斯曼協(xié)調(diào)。《紐約客》形容這個團隊為“一群黑客——杰拉爾德·薩斯曼、威廉·戈斯珀、杰克·霍洛韋、理查德·格林布拉特、托馬斯·奈特、拉塞爾·諾夫特斯克等人，”他們專注于將圖像分割成對象、背景和混亂。這個項目和當時的許多其他項目一樣，突顯了早期人工智能任務中的復雜性和挑戰(zhàn)。
約翰·麥卡錫.圖片來源：https://journalismai.com/2023/03/17/60-years-of-artificial-intelligence-at-stanford-stanford-university/
同一時期，另一位人工智能先驅(qū)約翰·麥卡錫從麻省理工學院轉(zhuǎn)到斯坦福大學并于1965年創(chuàng)辦了斯坦福人工智能實驗室（SAIL）。這個實驗室迅速從一個小團體發(fā)展成為一個強大的部門，吸引了像愛德華·費根鮑姆這樣的頂尖人才，專注于手眼協(xié)調(diào)和語音識別等專業(yè)研究領(lǐng)域。
在其形成時期，SAIL 因?qū)⒁曈X與機器人技術(shù)相結(jié)合而聞名。以下是一些令人著迷的項目：
帶電纜的斯坦福推車，1961 年
年輕的漢斯·莫拉維克 (Hans Moravec) 與斯坦福車 (c1977)
機器人 SHAKEY – 1966 年，來源：https://www.sri.com/hoi/shakey-the-robot/
斯坦福手臂，來源：http://infolab.stanford.edu/pub/voy/museum/pictures/display/1-Robot.htm
1967 年，冷戰(zhàn)期間，蘇聯(lián)研究人員也為計算機視覺做出了重大貢獻。俄羅斯工程師亞歷山大·阿爾卡捷夫 (Aleksandr Arkadev) 和埃馬紐伊·布雷弗曼 (Emmanuil Braverman) 發(fā)表了《計算機與模式識別》一書，解決了一些高級問題，例如區(qū)分男性和女性肖像以及區(qū)分字母“a”和“b”。他們的工作有效地將蘇聯(lián)的進步與美國在計算機視覺機器學習方法方面的發(fā)展聯(lián)系起來。
硬件進展
1969年，威拉德·博伊爾（Willard Boyle）和喬治·E·史密斯（George E. Smith）在貝爾實驗室發(fā)明了電荷耦合器件（CCD），這使得模擬信號的高效傳輸和存儲成為可能，徹底改變了數(shù)字成像和早期的計算機視覺系統(tǒng)。20世紀70年代，基于CCD技術(shù)的固態(tài)圖像傳感器，以及由寺西信一（Nobukazu Teranishi）和埃里克·福薩姆（Eric Fossum）等研究人員開發(fā)的CMOS（互補金屬氧化物半導體）傳感器，推動了硬件的進一步進步。
隨著年代的推進，計算機視覺的理論框架演變?yōu)楦鼜碗s的模型和算法。研究人員的關(guān)注點從簡單的物體識別擴展到場景和上下文的解讀，反映了人類視覺感知的復雜性。
計算方法及圖像處理的首批商業(yè)應用
大衛(wèi)·馬爾（David Marr）于1973年加入麻省理工學院的AI實驗室，并在1980年成為心理學終身教授。他最初專注于大腦的通用理論，但后來轉(zhuǎn)向計算機視覺的研究。他可能是第一個提倡計算方法來研究視覺的人，專注于具體的任務和機制，而不是神經(jīng)網(wǎng)絡(luò)等廣泛理論。他的主要工作開始于強調(diào)視覺的計算和算法理解，他認為這是徹底掌握信息處理系統(tǒng)功能的關(guān)鍵。
在他短短35年的生命中，馬爾對視覺和計算神經(jīng)科學領(lǐng)域做出了重要貢獻：
同時，Hubel和Wiesel提出的視覺神經(jīng)系統(tǒng)的層次模型在福島邦彥（Kunihiko Fukushima）對Cognitron（1975）和后來Neocognitron（1980）的研究中得到了呼應。福島在神經(jīng)網(wǎng)絡(luò)中引入了自組織能力，這對于獨立于位置的模式識別至關(guān)重要，增強了自動化視覺識別的應用。
阿茲列爾·羅森菲爾德（Azriel Rosenfeld）在馬里蘭大學對數(shù)字圖像處理做出了基礎(chǔ)性貢獻：
1977年：27歲的雷蒙德·庫茲韋爾（Raymond Kurzweil）展示了他發(fā)明的庫茲韋爾閱讀機。這臺機器將印刷文字轉(zhuǎn)換為合成語音，旨在供盲人使用。
1970年代還見證了推動數(shù)字技術(shù)普及和增長的進步：
遺產(chǎn)和影響
1950年代和1970年代是計算機視覺的關(guān)鍵時期。面對處理能力和存儲限制，開創(chuàng)性的研究人員沒有氣餒。到這個年代末，計算機視覺已經(jīng)從理論概念轉(zhuǎn)變?yōu)榻鉀Q現(xiàn)實世界問題的工具——如物體識別、場景理解和機器人導航等任務。
這一時期為隨后的重大進展奠定了基礎(chǔ)。隨著摩爾定律（芯片上晶體管數(shù)量大約每兩年翻一番，提升計算能力）的持續(xù)作用，計算能力呈指數(shù)增長，研究人員得以開發(fā)出更加復雜的算法。
本故事的下一章將探討這些進展以及在隨后幾十年里革命性地改變了這一領(lǐng)域的深度學習技術(shù)。