0
| 本文作者： 谷磊 | 2017-03-19 17:23 |
雷鋒網(wǎng)按：本周，芯片巨頭Intel高調(diào)收購ADAS明星企業(yè)Mobileye，在業(yè)界掀起軒然大波，收購方和被收購方各打著什么算盤？對相關(guān)領(lǐng)域會有哪些深遠(yuǎn)的影響？阿里巴巴啟動“NASA”計(jì)劃，是馬云要去太空了嗎？聽說 Google 起訴Uber、Otto是因?yàn)橐粋€叫萊萬的人，那么萊萬究竟是誰？他做了什么？
更多精彩解讀，請點(diǎn)擊紅色標(biāo)題閱讀全文。
如果你對專欄的內(nèi)容或形式有任何建議，請?jiān)谙路皆u論區(qū)留言，專欄君將一一回復(fù)。無論你是樂于分享的極客，或是對科技圈的新聞事件有獨(dú)到的見解的評論人，均可向我們投稿，專欄君的郵箱：gulei@leiphone.com。
1、解析 | 英特爾為何要高調(diào)收購輔助駕駛明星企業(yè)Mobileye？
北京時間3月13日，據(jù)以色列媒體Haaretz報道，芯片巨頭英特爾以150億美元將以色列ADAS及自動駕駛公司Mobileye收入囊中。該消息曝光后，Mobileye股價在盤前交易中大漲，漲幅近30%。
這一則突如其來的消息幾乎占據(jù)了所有智能汽車行業(yè)的頭條，這次收購在汽車界和科技界激起了巨大的浪花，英特爾作為處理器行業(yè)的巨頭誓要?dú)⑷肫囆袠I(yè)，幾乎將必然給智能汽車的產(chǎn)業(yè)格局帶來巨大的影響，而這看似突然的收購，其實(shí)是英特爾產(chǎn)業(yè)布局的重要一步……
【作者】史高拔，汽車電子工程師，供職于國內(nèi)某汽車技術(shù)中心，從事汽車智能網(wǎng)聯(lián)技術(shù)研發(fā)。
2、馬云為什么要去“太空”？只因中國互聯(lián)網(wǎng)的天真的變了
“外星人”馬云最近啟動了阿里自己的“太空計(jì)劃”——NASA——面向未來20年的技術(shù)研發(fā)計(jì)劃。
美國在上個世紀(jì)五十年代啟動的NASA計(jì)劃在很大程度上成就了日后美國在技術(shù)領(lǐng)域的領(lǐng)導(dǎo)地位，而阿里宣稱自己的NASA是為了“為服務(wù)20億人的新經(jīng)濟(jì)體儲備核心科技”，而不是為了字面上很容易讓人聯(lián)想到的，將馬云送往太空。
阿里為什么要在這個時候推出面向未來20年技術(shù)研發(fā)的NASA計(jì)劃？背后折射出中國互聯(lián)網(wǎng)的天的哪些變化？
【作者】尹生，互聯(lián)網(wǎng)價值研究者、前福布斯中文版副主編。
3、破譯地震的密碼？——機(jī)器學(xué)習(xí)算法有望實(shí)現(xiàn)地震的精確預(yù)測
據(jù)統(tǒng)計(jì)，被地震奪走生命的人員數(shù)量十分驚人。每年大約有一萬人死于地震和震后災(zāi)難，但實(shí)際的傷亡人數(shù)可能更多。2004年，蘇門答臘島海岸有超過230,000人在九級地震引起的海嘯中喪生；2010年，超過200,000人死于海地七級地震；1556年，中國超過800,000人在一次地震中死亡。
近日，美國新墨西哥洲“洛斯阿拉莫斯國家實(shí)驗(yàn)室”團(tuán)隊(duì)訓(xùn)練了一個機(jī)器學(xué)習(xí)算法來試圖預(yù)測地震，該團(tuán)隊(duì)還不確定這一技術(shù)能否用于現(xiàn)實(shí)地震的預(yù)測，目前僅為實(shí)驗(yàn)室環(huán)境成果，但這項(xiàng)技術(shù)可能為地震預(yù)測領(lǐng)域的研究開辟了一條新的路徑。
【作者】本文由圖普科技工程師翻譯自：《Machine-Learning Algorithm Predicts Laboratory Earthquakes》
4、Google 對Uber、Otto的無人駕駛訴訟案，都是因這個男人而起 | 深度
估計(jì)大多數(shù)人知道 Anthony Levandowski（以下簡稱萊萬），是因?yàn)楣雀璨鸱殖龅臒o人駕駛汽車公司W(wǎng)aymo 發(fā)飆，起訴萊萬創(chuàng)建的 OTTO 和任職的 Uber 偷盜其無人駕駛核心技術(shù)。
起訴書中，列舉了萊萬十幾條罪狀，讓人看起來，萊萬就是個忘恩負(fù)義，一心想掙錢的工程師。
這些訴訟內(nèi)容是否屬實(shí)，有待法庭證明。但身高2米的萊萬，并不這么簡單……
【作者】于欣烈，汽車行業(yè)從業(yè)者。
5、谷歌工程師：聊一聊深度學(xué)習(xí)的weight initialization
深度學(xué)習(xí)模型訓(xùn)練的過程本質(zhì)是對weight（即參數(shù) W）進(jìn)行更新，這需要每個參數(shù)有相應(yīng)的初始值。有人可能會說：“參數(shù)初始化有什么難點(diǎn)？直接將所有weight初始化為0或者初始化為隨機(jī)數(shù)！”對一些簡單的機(jī)器學(xué)習(xí)模型，或當(dāng)optimization function是convex function時，這些簡單的方法確實(shí)有效。
然而對于深度學(xué)習(xí)而言，非線性函數(shù)被瘋狂疊加，產(chǎn)生如本文題圖所示的non-convex function，如何選擇參數(shù)初始值便成為一個值得探討的問題——其本質(zhì)是初始參數(shù)的選擇應(yīng)使得objective function便于被優(yōu)化。事實(shí)上，在學(xué)術(shù)界這也是一個被actively研究的領(lǐng)域。
【作者】夏飛，清華大學(xué)計(jì)算機(jī)軟件學(xué)士，卡內(nèi)基梅隆大學(xué)人工智能碩士。現(xiàn)為谷歌軟件工程師。
6、TOP5%Kaggler：如何在 Kaggle 首戰(zhàn)中進(jìn)入前 10% | 干貨
Kaggle 是目前最大的 Data Scientist 聚集地。很多公司會拿出自家的數(shù)據(jù)并提供獎金，在 Kaggle 上組織數(shù)據(jù)競賽。作者最近完成了第一次比賽，在 2125 個參賽隊(duì)伍中排名第 98 位（~ 5%）。因?yàn)槭堑谝淮螀①悾詫@個成績已經(jīng)很滿意了。
在 Kaggle 上一次比賽的結(jié)果除了排名以外，還會顯示的就是 Prize Winner，10% 或是 25% 這三檔。所以剛剛接觸 Kaggle 的人很多都會以 25% 或是 10% 為目標(biāo)。在本文中，作者試圖根據(jù)自己第一次比賽的經(jīng)驗(yàn)和從其他 Kaggler 那里學(xué)到的知識，為剛剛聽說 Kaggle 想要參賽的新手提供一些切實(shí)可行的沖刺 10% 的指導(dǎo)。
【作者】章凌豪，復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)專業(yè)。
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
