博客

未来人工智能发展的五大趋势，你能接住几个？

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：

一、机器学习与场景应用将迎来下一轮爆发

深度学习并非万能：你需要避免这三个坑

【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。

算法有偏见？比人强就行！

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？

卷积神经网络的直观解释（笔记）

卷积神经网络（ ConvNets或者CNNs）是神经网络的范畴。

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。

LeNets架构（1990s）

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。

机器学习综述——机器学习理论基础与发展脉络

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。

人工智能VS机器学习VS深度学习VS人工神经网络

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。

一、什么是人工智能？

OpenGL——可编程管线基础光照的实现

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。

原理

通过函数

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

扫盲 | 新能源汽车的分类

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？

6 种激活函数核心知识点，请务必掌握！

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。

1、为什么需要激活函数

图像处理算法——边缘检测

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。

Unity资源解决方案之AssetBundle

1、什么是AssetBundle

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；

深入了解云威胁以及保护措施

据有关报告显示，公共云、私有云和混合云的风险差异很大。在向云数据和服务迈进的过程中，许多公司都在重新思考他们的网络安全方法。他们需要云安全策略吗？云安全策略有什么不同？而最近的一些调查揭示了安全战略是如何变化的，更重要的一点是，它们应该如何改变。本文将讲述有关执行成功的云安全策略所需的工具、信息和组织结构的建议。

在云中放置更多IT基础架构在某些方面更安全一些。例如，您可以合理的确定系统正在运行补丁的最新版本。云服务提供商也在构建新的功能，例如使用机器语言进行异常检测。但是同时，它也带来了新的风险，其中一些是误解如何管理云安全的结果。

重要的是要了解公司的云IT战略——无论是混合型、私有托管型还是公共型，都影响其网络安全战略和战术的执行。

如何成为一名黑客（网络安全从业者）——网络攻击技术篇之网络嗅探

上次我们了解了黑客是如何为一次攻击做准备，今天我们正式进入攻击阶段，一起来学习一下如何进行网络嗅探，以获取关于目标主机所在网络的具体状况，并学习如何防范网络嗅探。

1、网络嗅探的原理

网络攻击者如果能够通过网络嗅探工具获得目标计算机网络传输的数据包，就可以通过对数据包按照协议进行还原和分析，从而获取目标计算机传输的大量信息。因此，网络嗅探技术是一种威胁性极大的非主动类信息获取攻击技术。

机器学习项目失败的9个原因，你中招了吗？

本文总结了数据科学项目失败的最常见原因，希望能够帮助你避免陷阱。

1. 问错了问题

Android 音视频开发(一) : 通过三种方式绘制图片

想要逐步入门音视频开发，就需要一步步的去学习整理，并积累。本文是音视频开发积累的第一篇。对应的要学习的内容是：在 Android 平台绘制一张图片，使用至少 3 种不同的 API，ImageView，SurfaceView，自定义 View。

1. ImageView 绘制图片

这个想必做过Android开发的都知道如何去绘制了。很简单：

解开三个误区，LoRa已从事实上成为主流物联网制式

近日，物联网产业又爆出猛料。LoRa 联盟(LoRa Alliance)和腾讯日前共同宣布，腾讯已在最高层面加入LoRa联盟，这将进一步加快LoRaWAN技术的采用。这是继阿里巴巴、中国联通与Semtech合作以及Google加入LoRa联盟之后LoRa领域迎来的又一重要事件。继阿里巴巴之后，腾讯宣布加入LoRa联盟，无疑对于LoRa技术在中国加速发展提供了巨大的驱动力。

伴随着物联网产业的快速发展，阿里巴巴、Google、腾讯等巨头的站台，国内外大量LoRa应用的商用，让LoRa已经从事实上已经成为了主流物联网络制式之一。

本文就通过解读LoRa制式的三个误区，让你了解一个更加真实的LoRa网络和应用场景。

误区一：物联网存在统一标准吗？

浅谈虚拟现实

我最近对VR很感兴趣所以我看了很多这方面的资料，虽然我不是这方面的专家，只是一个爱好者，但我谈谈虚拟现实。

首先，什么是VR？

虚拟现实（Virtual Reality，简称VR），是由美国VPL公司创建人拉尼尔（Jaron Lanier）在20世纪80年代初提出的。其具体内涵是：总合利用计算机图形系统和各种现实及控制等接口设备，在计算机上生成的、可交互的三维环境中提供沉浸感觉的技术。其中，计算机生成的、可交互的三维环境成为虚拟环境（即Virtual Environment，简称VE）。

机器学习中的相似性度量

在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。

本文的目的就是对常用的相似性度量作一个总结。

1. 欧氏距离(Euclidean Distance)

欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。

关于Cocos2d-x中的scheduleUpdate和update方法的使用

一、如果要让某类实例对象要连续执行某些语句(比如让每个Block实例从运行框最右边移动到最左边)

要在Block类中增加一些东西

1. 先在其.cpp文件的init()函数中执行scheduleUpdate()方法。

2. 然后在.h中声明一个虚拟的函数update，并在.cpp文件中定义update，当init中执行scheduleUpdate()时，会不断地调用update函数，里面的语句也不断地被执行，直到执行unscheduleUpdate()时停止调用update()函数，unscheduleUpdate()语句一般放在update函数中，当满足某个条件时就执行。

总结 | 八类软件开发方法！

在上个世纪60年代中期爆发了众所周知的软件危机。为了克服这一危机，在1968、1969年连续召开的两次著名的NATO会议上提出了软件工程这一术语，并在以后不断发展、完善。与此同时，软件研究人员也在不断探索新的软件开发方法。至今已形成了八类软件开发方法。

Parnas方法