0
| 本文作者： 谷磊 | 2017-02-19 11:12 |
雷鋒網按：百度收購渡鴉科技，并將度秘團隊升級為度秘事業部，陸奇的這一步棋有何深意？無人駕駛方面發生了幾筆重大的收購交易，幾乎都是車企收購了自動駕駛的初創企業，這背后的邏輯又是什么？有中國版AlphaGo之稱的騰訊AI“絕藝”被人類玩家連贏數局，不得不下線調整，深度卷積網絡遭遇BUG？
一周深度解讀，盡在專欄精選……
2017年2月16日，有兩條關于百度的消息很有意思：一條是收購渡鴉團隊，一條是把度秘團隊升級為度秘事業部，兩邊都向陸奇匯報工作。這種軟硬融合的戰略選擇是極其正確的，這并不是馬后炮。
我在2016年10月發的《雖然很投入，但李彥宏可能正在錯過人工智能》里核心觀點之一就是：百度是國內對人工智能投入力度最大的公司，但其不碰硬件的戰略很可能導致它最終錯過人工智能里對它最關鍵的部分。雖然大方向正確，但如果互聯網公司真想學亞馬遜，就還差了那么一點東西。
【作者】李智勇，十年棧道程序員，有一個好玩的公號：zuomoshi（琢磨事）。
2、如何利用深度學習技術訓練聊天機器人語言模型？（系列）
本文為系列文章：聊天機器人的發展狀況與分類（一）
目前機器學習，尤其是深度學習，已經成功的解決了圖像識別的問題。從IMAGENET大賽的近幾年成績看，識別類問題準確度已經接近100%。
與此同時，機器學習在解決“語音到文字”(Speech to Text)以及“文字到語音”(Text to Speech)方面也有了飛躍。而一群更加瘋狂的人在嘗試用機器學習解決自然語音理解，甚至在自然語言理解的基礎上，開發聊天機器人。
【作者】王海良，呤呤英語開發總監，北京JavaScript／Node.js開發者社區的運營者，曾就職IBM創新中心。
在2014年互聯網思維最熱的時候，雷軍的七字訣：專注、極致、口碑、快引起了無數的解讀。那時候大家是把它當做成功的無上妙法來研究的，隨著手機行業的見頂以及小米手機銷量的不給力，對此持懷疑態度的人則越來越多了。個人則覺得這七字訣的榮耀與黯淡其實折射了整個行業的本質特征，可以往深談一談。
我們可以這樣講：凡是需要硬科技提升來改善用戶體驗的新品類上都不適合專注、極致、口碑、快。比如：Echo、AR、無人駕駛等。那樣只可能導致在體驗上差那么一點點，而對于這些產品而言，差的這么一點點其實是致命的。
【作者】李智勇，十年棧道程序員，有一個好玩的公號：zuomoshi（琢磨事）。
4、插畫師自述：類似PaintsChainer 這樣的人工智能上色網站，未來會取代我們嗎？
每次工具的革新，實際上都可能是一次解放，讓我們可以更好的表達自我。
未來，畫面構成可以自動化嗎？大部分人畫畫用的設計套路一定會被計算機學會的，它會學的更好，目前已經有對攝影的構圖和色彩的例子了，所以不說完全的自動設計畫面，半自動肯定是會來到的。至于全自動呢？GAN相關的研究也有看圖說話的例子。不過，基于設計需要理解和交流的情況，我認為全自動的用處并不是很大。
【作者】李睿，程序輔助作畫的美術內容生產者。
5、汽車資深工程師淺談：車企收購自動駕駛創業公司，背后打著什么算盤？
去年和王同學聊，在自動駕駛這個領域，在交叉領域競爭中，原有專注于主動安全的汽車工程師會不會給IT、機器人（ artificial intelligence and robotics）的工程師給系統性的融合掉。現在看美國的情況，風險是不小的。總的來看，美國基因屬性的三大汽車企業，都開始注重往外的效應：
GM 6億美金收購Cruise Automation，繼續保持其獨立運行
Ford收購ARGO AI，需要花10億美金繼續保持其獨立運行
Chrysler第一家與Google/Waymo合作，提供自動駕駛車輛的載體
再加上Uber做為一個打車企業直接花6.8億把OTTO買下來，直接引發類似技術的軍備競賽的場景。我們也可以把整個事情考慮為一種應激的反應。
【作者】朱玉龍，汽車行業工程師。
面對區塊鏈技術本身存在的局限性，我們需要打破常規思維推動區塊鏈的改進與創新。
早期使用到的跨鏈技術如比特幣中的雙向錨定和以太鏈中的跨鏈智能合約，在現有項目中仍然有被使用到。而當下跨鏈技術除了沿用早期類質押的思想外，還豐富了區塊鏈里節點角色的分工、狀態通道、信任傳遞等新的思想。
對于區塊鏈通信的孤島狀態，目前已經出現了一些大膽的概念驗證并取得了實質性的進展。
早期跨鏈技術包括以Blockstream為代表的側鏈技術（Sidechain）和以BTC-Relay為代表的中繼技術（Relay）。早期的跨鏈技術更多關注的是資產轉移，現有項目更多關注的是鏈狀態的轉移。
【作者】眾安科技安鏈云團隊，雷鋒網獨家約稿。
7、深度卷積網絡的BUG一例：騰訊AI“絕藝”最近被人類棋手找到了一個有趣的缺陷
前段時間騰訊的AI “絕藝” 在野狐圍棋越殺越勇，勝率接近90%，戰績一片紅色，充分展示了強化學習自我進化的威力。但就在2月10日畫風突變，被幾位棋手連殺幾局，隨后就下線調整去了。
細看棋譜，職業棋手很有想法，確實找到了電腦的一個比較本質的缺陷。這幾回輸了的棋局均是以電腦大龍被殺告終。
這是深度卷積網絡的一個 BUG：電腦對于局部的死活很敏感，但是對于大龍的死活不一定看得清。最近我在訓練網絡時也發現，深度卷積網絡在此有一個"信息傳遞困難癥"。
【作者】彭博，Blink·稟臨科技聯合創始人。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
