1986年，辛顿教授和他的团队重新设计了BP算法，以“人工神经网络”模仿大脑工作机理，又一次将人工智能掀起了一个浪潮。但是，当风光不再时，辛顿和他的研究方向，逐渐被世人所淡忘，一下子就冷藏了30年。但在这30年里，辛顿有了新的想法。

于是在2006年，辛顿等人提出了“深度信念网（Deep Belief Nets，DBN）”（这实际上就是多层神经网络的前身）。这个“深度信念网”后期被称为“深度学习”。终于，辛顿再次闪耀于人工智能世界，随后被封为“深度学习教父”。

细心的您会发现，即使辛顿等人提出了“深度信念网”，在随后的小10年里，这个概念亦是不温不火地发展着（如图1所示）。直到2012年以后，随着大数据和大计算（GPU、云计算等）的兴起，深度学习才开始大行其道，一时间甚嚣尘上。

人工智能是近年来科技发展的重要方向，在大数据时代，对数据采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据的开发过程中，有哪些特别需要注意的要点?

人工智能领域的算法大师、华盛顿大学教授Pedro Domingos对此进行了深入思考。

在我们新近翻译的《智能Web算法》(第2版)中，对Pedro Domingos教授的观点进行了高度的概括，提炼出12个注意点，为行业开发实践提供了重要参考：

<font size="3" color="#33b1c8"><strong>注意点1：你的数据未必可靠</strong></font>

原作者：Dr. Michael Garbade
译者：Willow Wu

你在考虑开发一款手游吗？如果你想获得成功，就一定要避开那些最常见的错误做法。没有找到正确方法就着手开发，等着你的将会是一场灾难。

来自瑞典的资深开发者MyIsaak擅长C#语言和Unity游戏开发，他经常会在网上直播Diablo III Board的游戏开发过程。

你从这些专业人士身上越到的越多（他们已经经历了这个过程），思维就越清晰，能够及时避开那些常见的错误开发方式。

以下是游戏开发中最常见的五个错误：

<font size="3" color="#aa8812"><strong>1. 忽略目标群体</strong></font>

PowerVR 9XE和9XM GPUs具有业界领先的填充率（FillRate）密度特性，采用最新的PowerVR Series9XE和9XM GPUs，SoC供应商和OEM厂商可以将成本和功耗降至最低，同时还能够确保智能手机、汽车娱乐设备、机顶盒和电视等设备上游戏和GUI的最佳用户体验。

近日，全球最大会计和金融服务公司之一德勤（Deloitte）预测了2019年的9大科技趋势，具体如下。

<strong>1、智能扬声器快速增长且价格降低</strong>

德勤预测，2019年将售出1.64亿台智能扬声器，平均价格为43美元。2018年该行业总收入为43亿美元，明年这一数字将增长63％。到2018年底，家庭智能扬声器数量预计将达到2.5亿台。

<strong>2、5G网络到来</strong>

德勤预测明年5G网络将出现。更准确地说，25家运营商将在明年推出5G服务，另外25家将在2020年推出。

自半导体问世以来，这个行业一直致力于创造出更快更强大的电子器件，虽然这个发展还在继续，但是现今的焦点是让产品变得更加的智能、高效，这一点在汽车行业表现的尤为突出。随着汽车行业向电力驱动方向发展，电子器件在汽车系统中扮演着越来越重要的角色，就像手机已经演变成大家口袋里的超级计算机一样，你的下一辆汽车也将是一台带轮子的超级计算机。

12月13日，联发科 (MediaTek)在深圳召开了“P90发布会暨全球合作伙伴大会”，这次最新的Helio P90芯片，搭载全新超强的AI引擎 APU 2.0，AI速度大幅度提升。其中，AI性能跑分这一块，通过多个跑分工具展示了目前P90的APU强大的性能。

如今，人工智能无疑是最热门的技术之一。人工智能的发展离不开机器学习算法的不断进步，而作为机器学习的一个分支，深度学习也在其中起着重要的作用。然而，深度学习目前也是存在着一些棘手的问题。近日，《福布斯》采访了与人工智能相关的高管，就2019年人工智能发展趋势进行了预测。MediaMath首席技术官普拉萨德·查拉萨尼表示：“深度学习模型已经被证明很容易受到数据中难以察觉的扰动，这些扰动会欺骗模型做出错误的预测或分类。随着对大型数据集的依赖越来越大，人工智能系统需要防范此类攻击数据”。

<font size="3"><strong>深度学习真的万能吗？</strong></font>

法线贴图就是在原物体的凹凸表面的每个点上均作法线，通过RGB颜色通道来标记法线的方向，你可以把它理解成与原凹凸表面平行的另一个不同的表面，但实际上它又只是一个光滑的平面。对于视觉效果而言，它的效率比原有的凹凸表面更高，若在特定位置上应用光源，可以让细节程度较低的表面生成高细节程度的精确光照方向和反射效果。

在图像几何变换的过程中，常用的插值方法有最邻近插值（近邻取样法）、双线性内插值和三次卷积法。

最邻近插值：

这是一种最为简单的插值方法，在图像中最小的单位就是单个像素，但是在旋转个缩放的过程中如果出现了小数，那么就对这个浮点坐标进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目标像素的像素值。取整的方式就是：取浮点坐标最邻近的左上角的整数点。