当苹果公司在第二年又推出了新一代的iPad产品时，后发的照相机革命已经把技术发展提升了7倍还多。
机器的眼睛
当摩尔定律在处理器、存储器、传感器以及其他计算机硬件（一个极其例外的情况是电池，它的性能并不是以指数比率而提升的，那是因为它基本上是由化学成分构成的，而不是电子化产品）发挥作用时，它并不仅仅使计算机设备变得更快、更廉价、更小、更轻，它还使得这些设备的性能提升到我们之前根本就无法想象的高度。
人工智能领域的研究专家一直着迷于（甚至是迷恋于）同步定位与建图问题，也被称作SLAM。①实际上，SLAM就是当你穿梭于一栋不熟悉的建筑物时，你把这栋建筑物以地图的形式在脑子里绘制出来的过程，包括门在哪里、楼梯在哪里，以及你可能碰到的所有东西。同时，你也能把你在这栋建筑物的行踪完整地记录下来(比如，你能发现回到楼下以及从前门出去的路径)。对于绝大多数人来说，SLAM仅仅需要一点点思想意识就能做到。但如果教会一台机器这样做，将会是一个巨大的挑战。
应该给机器人安装哪种传感器(摄像头？激光器？声波定位仪)，传感器在接收到信号后又该如何解析？这些都是研究专家们曾经认真思考过的问题，但针对这些问题的解答进展得并不顺利。正像2008年对这个研究课题所进行的总结一样，SLAM是“机器人所面临的基本挑战之一—（但它）看起来好像几乎所有当前的方案都无法在一个面积较大的区域内持续不断地完成地图的绘制，主要原因之一是由于计算成本的增加，另一个是由于当场景和区域变大时，一些不确定的因素就显现了出来”。总起来说，感知一大块区域，并且能够立即吸纳、解析获取的所有数据是非常棘手的问题，这个问题严重阻碍了SLAM的进展。直到一件售价150美元的视频游戏周边设备生产出来之后，这个问题才得以解决这个时间正是SLAM的难题被公布出来两年之后。
THE SECOND MACHINE AGE→第二次机器革命 →→·
①SLAM问题可以描述为：机器人在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和地图进行自身定位，同时在自身定位的基础上建造增量式地图，实现机器人的自主定位和导航。——译者注
060