原作者：Alex Vu 译者：Vivian Xue

游戏难度设计是人们深入讨论已久的话题。许多替代传统的在游戏开头提供难度选择的方法都被提出、分析和应用。然而，尽管它们从一定程度上弥补了传统方式的缺陷，它们本身仍存在诸多问题。因此，我想提出另一种替代方式——它算不上一种技术应用层面的解决方案，而是一种不同的难度设计理念。

我想要强调一点，这种理念已经被成功地运用到了许多游戏设计中，之后我将提到，但就目前的应用程度来看，它尚未成为难度设计的核心理念，而在我看来这是它应得的地位。我想这是由于我们缺乏一套相对清晰且深思熟虑的难度设计思路。

但首先，请让我试着简短地总结一些对传统的难度模式设计及其替代方法的常见批评。

<strong>难度模式存在的问题</strong>

无人驾驶汽车有望将在未来20年内得到广泛运用，各大科技公司和汽车厂商均在加大对无人驾驶的投入，资本也纷纷抢滩该万亿市场。

无人驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，通过电脑实现无人驾驶，可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

无人驾驶依赖几种先进技术，这些互为补充的技术感知周围环境、进行自我导航。究竟这些技术如何协同工作？除了Waymo等知名的领头羊之外，又有哪些公司在推动这个行业发展？

机器人视觉解决方案是我们实现机器人视野的几大挑战。即便变得越来越简单易用，还是有一些棘手的问题。很多因素影响机器人在环境中的视觉，任务设置和工作场所。这里有9个总结出来的机器人视觉挑战：

<font color="#33b1c8"><strong>1. 照明</strong></font>

如果有过在低光照下拍摄数码照片的经验，就会知道照明至关重要。糟糕的照明会毁掉一切。成像传感器不像人眼那样适应性强或敏感。如果照明类型错误，视觉传感器将无法可靠地检测到物体。

有各种克服照明挑战的方法。一种方法是将有源照明结合到视觉传感器本身中。其他解决方案包括使用红外照明，环境中的固定照明或使用其他形式的光的技术，例如激光。

随着自动驾驶汽车的兴起，使得不少传统车企似乎看到了新的商机，于是纷纷向该领域进行投资。然而提起“自动驾驶”，相信不少用户会感到陌生，但对于自动驾驶领域来说，从目前来看，它正以“飞速”的速度进行发展。小编坚信，未来，自动驾驶汽车将成为我们生活中最常见的交通方式，所以大家多少都需要知道一些关于自动驾驶的常识，也许当你想要购买该领域新车时，能够有一些自己的见解，正所谓“知己知彼百战百胜”嘛，下面小编为大家科普几个日常生活的需要的知识点，或许你看完会对自动驾驶有一个新的认识。

<font size="3"><strong>科普知识点一：记住这些知识点，关键时刻能保命</strong></font>

<font size="3"><strong>人工智能会让程序员失业吗？</strong></font>

当人工智能逐渐强大，大家开始担心：人工智能下一步又要在哪个领域干掉人类？

AI会让人类程序员失业吗？对此问题持肯定态度的人并不在少数。

<font size="3"><strong>1、决策树</strong></font>

适用条件：数据不同类边界是非线性的，并且通过不断将特征空间切分为矩阵来模拟。特征之间有一定的相关性。特征取值的数目应该差不多，因为信息增益偏向于更多数值的特征。

优点：
&nbsp; • &nbsp; 直观的决策规则；
&nbsp; • &nbsp; 可以处理非线性特征；
&nbsp; • &nbsp; 考虑了变量之间的相互作用。

由于计算能力的快速增长，汽车行业目前正在高速变化，并将在未来几年里继续消耗更多的CPU和GPU性能，IP和硬件开发商越来越多的为汽车行业定制产品也就不足为奇。

11月13日，Imagination推出了面向汽车行业的全新PowerVR系列IP（包括8XT高性能GPU内核，高能效8XT/P GPU IP和2NX神经网络加速器IP），专门针对各种车辆解决方案，且这一名为PowerVR Automotive的计划还将随着时间的推移而扩展以包含更多的产品。

从VR元年的轰轰烈烈到如今的稳步发展，VR行业“诞生”的时间实际上只有三年，但在这三年中，VR给我们的生活带来的切实改变和对未来的畅想却无处不在，VR直播、VR看房、VR游戏等都为我们的生活带来了许多便利和色彩。但与此同时，VR也受到了一些质疑，例如在一些VR应用中，部分用户会感到眩晕，并因此认为VR不适合长时间佩戴。那么不吹不黑地说，VR到底对我们的生活产生了什么影响？

VR（Virtual Reality）即虚拟现实，与传统的屏幕相比有着本质的不同。无论是手机、平板还是电视，它的屏幕尺寸是固定的，也会占据现实世界中的相应面积。而VR则能够通过左右眼各一块屏幕为用户创造一个360°沉浸式的虚拟世界，这两者的区别是显而易见的——屏幕是一块画面，而VR则是一个世界。

<strong>1、为什么要用神经网络？</strong>

对于非线性分类问题，如果用多元线性回归进行分类，需要构造许多高次项，导致特征特多，学习参数过多，从而复杂度太高 。

在神经网络中引入激活函数一个重要的原因就是为了引入非线性。

<strong>2、CNN基本问题</strong>

层级结构：输入层->卷积层->激活层->池化层->卷积层->激活层->池化层->全连接层····

（1）输入层数据预处理：去均值；归一化；PCA/白化；

去均值：即0均值化，CNN常用，训练集所有像素值减去均值，把输入数据各个维度中心化到0，测试集也减相同的均值；

人工智能等新一代信息技术的快速崛起，推动诸多行业掀起了变革大浪潮。随着智能化、数字化趋势日益凸显，人工智能受到了更多青睐，在各行各业实现了广泛应用，并且开始承担不同的角色，发挥独特的优势。<!--break-->

文/未末末
来源/人工智能观察（ID：Aiobservation）

人工智能等新一代信息技术的快速崛起，推动诸多行业掀起了变革大浪潮。随着智能化、数字化趋势日益凸显，人工智能受到了更多青睐，在各行各业实现了广泛应用，并且开始承担不同的角色，发挥独特的优势。