计算机视觉（Computer Vision）的发展分三阶段：1960年代靠手写规则识别形状，1990年代转向自动提取边缘、角落等特征（如SIFT），2012年AlexNet夺冠后进入深度学习时代，解决手工规则面对复杂照片束手无策的问题，并不解决视觉理解缺乏物理常识与因果推理。
- 起步那会儿（1960年代）
60年代，科学家开始琢磨：能不能让机器认图？那时候电脑弱得像个老爷车，他们试着教机器认简单形状，比如圆圈和方块。结果呢？费老大劲儿也就认个大概，稍微复杂点就抓瞎了。方法也很“原始”——人手工写规则，比如“直线多就是方形”。这招对付复杂照片？门儿都没有！ - 有点眉目了（1990年代）
到了90年代，电脑快了点，科学家也聪明了。他们不再全靠手写规则，而是让机器自己找“特征”，比如图片里的边缘、角落啥的。像SIFT这种算法，能从人脸上找到关键点，银行开始用它认支票上的数字。这时候，CV总算能干点实事儿了。 - 开了挂的时代（2010年代到现在）
真正让CV起飞的，是咱们上期讲的“深度学习”。2012年，一个叫AlexNet的家伙（其实是个神经网络）在比赛里把图像识别的水平拉高了一大截。从那以后，CV就跟打了鸡血似的，能干的事儿越来越多——从认猫狗到看懂视频，全不在话下。现在的自动驾驶、刷脸支付，都是它的“得意之作”。
