每天数百万的机器和设备首次连接到互联网，公司企业在通过边缘计算改变我们看待云基础设施的方式，以此挑战传统架构。事实上，Gartner预计40%以上的企业IT部门将采用边缘计算策略，比去年增加1%。

当下，边缘计算继续是业界讨论的热门话题，因为更多的传感器、移动设备和功能强大的应用程序将数据推向我们网络的边缘。更多的公司继续将计算资源放在网络边缘，尽量靠近生成数据和洞察力的设备。

随着企业组织开始关注边缘计算，各种误解正在给它们的潜在迁移蒙上阴影。

下面是与边缘计算资源相关的三个误区。

<strong>第一个误区：边缘计算是资源密集型的</strong>

人工智能与大数据能否纠正人类种族歧视？

你是否已经察觉到自己生活在一个“智能家居”环境里？如果你环顾四周，你可能会发现，你已经被互联网连接的各种设备所包围，包括音箱、空调、门铃甚至冰箱。这种能实现物品之间信息交换和通信的技术，我们称之为物联网（Internet of things,IoT）。

物联网产品不同于专用的网络电子设备（如计算机、智能手机和平板电脑），它的主要功能仍是离线任务，互联网只是起到一个增强信息交流的作用。例如，一款支持互联网的汽车仍然是为驾驶而设计的，但它也可以连接到驾驶员的其他电子设备，如手机、照相机等。

毫无疑问，互联网上的东西可以使我们的生活更方便，但它也会让我们面对新的风险，原因在于，大多数的物联网设备缺乏内置的安全功能，这使它们很容易受到恶意软件和黑客的攻击。

人工智能技术在科技企业不断地深度学习和技术创新等方面的推动之下，也在不断地取得突破。金融、交通、医疗、教育、农业、制造业等场景的应用需求和切合确定场景的商业模式出现推动人工智能技术的快速发展。随着人工智能在移动互联网、智能家居等领域的发展，我国的人工智能产业也将持续性、高速地成长。预计到2022年，我国人工智能行业的市场规模将达到680亿元。

未来国内人工智能行业发展的五大趋势：

<font size="3" color="#33b1c8"><strong>一、机器学习与场景应用将迎来下一轮爆发</strong></font>

【导读】本文是人工智能专家George Seif撰写的博文，介绍了在当前深度学习比较火热的情景下需要避免的三个坑。

作者 | George Seif
编译 | 专知
整理 | Mandy, Sanglei

深度学习在过去几年一直是人工智能领域最热门的话题。事实上，正是它激发了科学家、政府、大公司以及其他所有人对人工智能的极大新兴趣！这是一门很酷的科学，具有潜在的巨大的实用性和积极的应用。它正被用于金融、工程、娱乐、消费产品和服务等领域。

但是，所有应用都需要使用到深度学习吗？当我们开展一个新的项目时，我们需要不自觉地一开始就使用深度学习吗？

在有些情况下，使用深度学习是不合适的，我们需要选择一些别的方案。让我们来探讨一下这些情况吧。

在讨伐算法导致的偏见和产生的作用时，更重要的问题是：与完全没有使用算法的情况相比是怎样的？

<strong>卷积神经网络（ ConvNets或者CNNs）是神经网络的范畴。</strong>

应用领域：图像识别、语音识别、自然语言处理（如语句分类）。可以识别人脸、物体和交通信号，从而为机器人和自动驾驶汽车提供视力。也可以识别场景，提供相关的标签。

<strong>LeNets架构（1990s）</strong>

LeNets是最早的卷积神经网络。
经过多次成功迭代，1998年，Yann LeCun 把这项工作命名为LeNets5。该架构主要用于字符识别，如邮编，数字等。

本文主要参考中科院自动化研究所复杂系统与智能科学实验室王珏研究员《关于机器学习的讨论》，讨论机器学习的描述，理论基础，发展历史以及研究现状。

20世纪90年代初，当时的美国副总统提出了一个重要的计划——国家信息基本设施计划(NationalInformation Infrastructure,NII)。这个计划的技术含义包含了四个方面的内容：

(1)不分时间与地域，可以方便地获得信息。
(2)不分时间与地域，可以有效地利用信息。
(3)不分时间与地域，可以有效地利用软硬件资源。
(4)保证信息安全。

本文主要讨论解决“信息有效利用”问题，其本质是：如何根据用户的特定需求从海量数据中建立模型或发现有用的知识。对计算机科学来说，这就是机器学习。

<font size="3">全球电子成就奖 (World Electronics Achievement Awards) 旨在评选并表彰对推动全球电子产业创新做出杰出贡献的企业和管理者，由 ASPENCORE 全球资深编辑组成的评审委员会以及来自亚、美、欧洲的网站用户群共同评选出得奖者。</font>

<font size="3">“全球电子成就奖”投票活动已正式在全球启动！Imagination参加了两个奖项的评选，快来为IMG投上一票！</font>

<font color="Purple" size="3"><strong>投票指导</strong></font>

在经历了蛮荒的PC互联网时代，混战的移动互联网时代，到现今最火的人工智能时代。大数据、云计算、机器学习的技术应用，已经使得IT从业者的门槛越来越高。套用一句樊登读书会的宣传口号“keep learning”，保持对新鲜技术的好奇心，保持对技术应用的责任心，持续关注、学习是每个IT从业者的必备技能。

<font size="3"><strong>一、什么是人工智能？</strong></font>

1、全面屏支持，Android P加入了对刘海屏的支持，谷歌称之为凹口屏幕（display with a cutout）。借助最新的提供的DisplayCutout类，开发者可以找到非功能区域的位置和形状，而非功能区域是不应显示功能的；使用getDisplayCutout（）就可以获取这个区域的详细信息，未来刘海屏手机很有可能成为主流趋势，在前摄像头没有比较好的隐藏方案出现之前，这可能是提高屏占比的好方法。

在OpenGL中创建 基础光照 ，主要的工作将模型中的法线信息和法线空间运算矩阵传入到shader中。另一方面，LightDir,ViewDir通常是在shader中从引擎参数获取的，为了简化光照模型的实现，这里我们可以在shader中写死。至于经典的 ambient+diffuse+specular 光照原理，不是本文的重点，就在shader中一笔带过了。

<font color="Purple"><strong>原理</strong></font>

通过函数

<pre>glm::mat4 normalMatrix = glm::inverseTranspose(s_shaderData.model);</pre>

可穿戴技术实现重大突破，你的衣服可由电子设备编织而成。近日，麻省理工学院的研究人员成功将包含了发光二极管（LED）和光敏二极管在内的高速光电子半导体器件嵌入纤维内，织成耐水洗的柔性布料，实现用布料制成一个通信系统。

这标志研究人员终于实现将半导体融入纺织物以创造智能面料的目标，同时这也填补了纺织制造业中复杂功能性面料技术的空白。研究人员预测这种纤维在未来数十年内将以指数增长的速度迅速发展。

本周，这项研究成果在《自然》上发表。作者分别是毕业于麻省理工学院的研究生Michael Rein，麻省理工学院材料科学与电子工程系的教授、面料公司Advanced Functional Fabrics of America（AFFOA）的CEO Yoel Fink，以及一个来自AFFOA、Inman Mills、洛桑联邦理工学院和林肯实验室的团队。

新能源汽车目前已经越来越普及，对于外界所提到的纯电动车、插电式混合动力、增程式混合动力等等类型的新能源车仍困惑不已，它们到底有何区别，各自有何优势或不足呢？

<center><img width="600" src="http://imgtec.eetrend.com/sites/imgtec.eetrend.com/files/201808/blog/17…; alt="扫盲 | 新能源汽车的分类"></center>

<strong>GPU渲染机制：</strong>

CPU 计算好显示内容提交到 GPU，GPU 渲染完成后将渲染结果放入帧缓冲区，随后视频控制器会按照 VSync 信号逐行读取帧缓冲区的数据，经过可能的数模转换传递给显示器显示。

<strong>GPU屏幕渲染有以下两种方式：</strong>

On-Screen Rendering
意为当前屏幕渲染，指的是GPU的渲染操作是在当前用于显示的屏幕缓冲区中进行。

Off-Screen Rendering
意为离屏渲染，指的是GPU在当前屏幕缓冲区以外新开辟一个缓冲区进行渲染操作。

作者：红色石头

我们知道，神经网络模型中，各隐藏层、包括输出层都需要激活函数（Activation Function）。我们比较熟悉的、常用的激活函数也有 ReLU、Sigmoid 等等。但是，对于各个激活函数的选取方法、区别特点还有几点需要特别注意的地方。今天红色石头就和大家一起来总结一下常用激活函数 Sigmoid、tanh、ReLU、Leaky ReLU、ELU、Maxout 的关键知识点。

<font size="3" color="#33b1c8"><strong>1、为什么需要激活函数</strong></font>

<strong>观点一：非诚勿扰，想静静</strong>

1、啥也没听，只是带着耳机而已。只是想告诉别人不要打扰我，选择性屏蔽一些讨厌的人说的话，不回答他。

2、在听笑话或者有声小说。特别不想工作的时候我会很认真的听，如果进入工作状态了，自己也就不知道在听什么了，然后等到没事的时候我会再翻过去听一遍。

3、在听歌。大概率的情况我是在听歌。有时候办公室有人聊天我会开很大声音，特别是调bug的时候，这样就可以隔离外界的声音，让自己的思路清晰一点。特别是有些人说话的声音很刺耳，带上耳机我就听不到了。

<strong>观点二：工作内容需要大量持续的时间来完成</strong>

带耳机有两种情况

图像处理领域中涉及很多特征，角点特征，边缘特征，形状特征，纹理特征，颜色特征，直方图统计特征等等（还有很多^_^）。这些特征有些是比较底层的特征，如角点特征，边缘特征，颜色特征等，有些则是较为高层的特征，如形状特征，纹理特征，直方图统计特征。

这里我们主要谈论底层特征中的边缘特征，提取这些特征的手段叫作边缘特征提取或叫作边缘检测。边缘检测常用的算子中分为一阶检测算子和二阶检测算子，这里提及的算子有些类似数学中的微分的概念（要有一定的数学基础哦）。边缘检测的另外一种形式也被成为相位一致性，这个概念我到后面再谈及，有了这个概念之后帮助我们从图像频域分析边缘提取这一过程。

作为制造业中极为重要的一环，柔性制造在整个制造业智能化转型的过程中扮演着极具分量的角色，对于如何理解柔性制造各方情况，本文将为你带来很好的辅助效果。

<strong>一、如何理解柔性制造</strong>

根据国标定义，柔性制造系统是数控加工设备、物料运储装置和计算机控制系统等组成的自动化制造系统。它包括多个柔性制造单元，能适应加工对象变换的自动化机械制造系统。

刚性生产系统是用于工件输送系统将各种刚性自动化加工设备和辅助设备按一定的顺序链接起来，在控制系统的作用下完成单个零件加工的复杂大系统。适合进行大批量生产，效率高、成本低、质量稳定、程序固化。

<strong>1、什么是AssetBundle</strong>

AssetBundle是Unity pro提供的一种用来存储资源的文件格式，它可以存储任意一种Unity引擎能够识别的资源，如Scene、Mesh、Material、Texture、Audio、noxss等等，同时，AssetBundle也可以包含开发者自定义的二进制文件，只需要将自定义文件的扩展名改为.bytes，Unity就可以把它识别为TextAsset，进而就可以被打包到AssetBundle中。Unity引擎所能识别的资源我们称为Asset，AssetBundle就是Asset的一个集合。

AssetBundle的特点：
压缩（缺省）、动态载入、本地缓存；