自从2012年以来，深度学习（Deep Learning）就以一种势如破竹之势突破了一个个经典的人工智能问题。面对人工智能的快速发展，你不想了解它的基本工作原理吗？

想搞清楚什么是深度学习，要先从人工智能说起，自从 1956 年计算机科学家们在达特茅斯会议(Dartmouth Conferences)上确认人工智能这个术语以来，人们就不乏关于人工智能奇思妙想，我们梦想着拥有人类五感(甚至更多)、推理能力以及人类思维方式的神奇机器。如今，虽然梦想的局面还没有出现，但是稍微弱一点的人工智能已经大行其道了，比如：图像识别、语音识别、多语言翻译等。

传统的Canny边缘检测算法是一种有效而又相对简单的算法，可以得到很好的结果（可以参考上一篇Canny边缘检测算法的实现）。但是Canny算法本身也有一些缺陷，可以有改进的地方。

1. Canny边缘检测第一步用高斯模糊来去掉噪声，但是同时也会平滑边缘，使得边缘信息减弱，有可能使得在后面的步骤中漏掉一些需要的边缘，特别是弱边缘和孤立的边缘，可能在双阀值和联通计算中被剔除。很自然地可以预见，如果加大高斯模糊的半径，对噪声的平滑力度加大，但也会使得最后得到的边缘图中的边缘明显减少。这里依然用Lena图为例，保持Canny算法中高阀值100，低阀值50不变，高斯半径分别为2，3，5的Canny边缘二值图像如下。可知高斯模糊把很多有用的边缘信息也模糊掉了，因此如何精确的选择高斯半径就相当重要。

云计算的飞速增长将极大改变明年的安全态势。

企业上云的主要驱动力是其高效性、部署便捷性和可扩展性。但从安全角度上看，云计算的快速采用迫使安全人员去学习关于新安全问题的知识，去了解云相关风险和相应缓解措施，以及去开发更先进的网络安全策略。

过去这一年也带来了更多与云账户错误配置相关的安全事件，且随着越来越多的企业虽然采用云计算却疏于扩充自身云安全团队或聘用深入了解云安全问题的专业人士，2019年里此类安全事件仍有继续增多的趋势。

这些最近的趋势预示着怎样的未来呢？至少，下面这6个云安全预测你应该了解一下：

<font color="blue"><strong>预测1：无服务器架构将驱动云安全自动化</strong></font>

虽然机器学习已经成为一个高频名词，但是对于大众而言，它依然是一个遥不可及乃至模糊不清的概念。为此，著名投资人 Benedict Evans 在自己的博客上发表博文，针对这一问题表达了自己的看法；本文对这篇博文进行了不改变原意的编译。

机器学习的风潮已经刮了四五年了，除了以 AI 为名如雨后春笋般快速崛起的新创公司们，各家科技巨头也希望围绕这个时髦词“重塑金身”。此外，通过媒体的大肆宣传，机器学习也已经成了一个家喻户晓的名词。总之，机器学习将成为下一个能帮“猪”起飞的风口已经是大家的共识。

在正式开始之前，我们先说说人工智能(AI)，机器学习，神经网络和深度学习四者的关联。简单来说，人工智能的范畴最大，机器学习包含在内，它是带来人工智能的方法。至于神经网络，则是机器学习众多算法中的一类，而深度学习则是实现机器学习的技术，是它的一种延伸。

随着城市逐步从以工业生产为主向知识、信息、智慧枢纽和集散地为主的方向转变，中心城市对知识密集、信息密集、创新密集的高新技术产业和高附加值的智慧产业的吸引力迅速增强，逐步成为产品设计、研发、管控、营销、服务的聚集地，逐步演进为信息与知识生产、使用和集散的中心。

在全球信息化f趋势和“智慧地球”理念的推动下，“智慧城市”发展模式应运而生，并成为世界范围内城市现代化的战略途径。智慧城市实际上是对如何运用先进的信息技术推动城市发展的一个创新理念。

2018年12月13日 - 全球领先的半导体知识产权（IP）供应商Imagination Technologies（以下简称Imagination）宣布，Ron Black博士将担任公司首席执行官。

Black博士是半导体和高科技行业的资深人士，拥有超过25年的经验，最近的职务是担任Rambus的首席执行官，并在之前担任过UPEK和Wavecom的首席执行官。在其职业生涯的早期，他在Agere Systems、Gemplus、IBM和Motorola都担任过领导职务。他曾领导过美国和欧洲企业，并在中国建立了强大的合作伙伴阵营和合资企业。

在其担任Rambus总裁兼首席执行官的六年内，Ron通过推动公司变革而使其成为了技术领域内领先的IP授权企业；他为公司建立了强大的合作伙伴阵营，并显著地增加了营业收入和利润，从而推动其股价从4美元上涨到15美元。

在虚拟现实（VR）或增强现实（AR）开发方面，独立工作室倾向于选择两种游戏引擎中的一种，即 Unity Technologies的Epic Games的虚幻引擎或Unity。 今天，后者刚刚将其系统升级到Unity 2018.3，为标准和沉浸式内容创作者带来了无数的功能。

将边缘和云计算与数据存储相结合充满了复杂性。幸运的是，有一些步骤可以帮助避免存储管理灾难。

管理企业存储可能是一个复杂且资源密集的过程。更具挑战性的是采用多云环境使复杂性增加了10倍。如果将边缘计算存储添加到其组合中，其管理可能会变成IT团队的噩梦，分布在多个平台和地理位置的数据将从四面八方涌入。

在深入探讨多云和边缘存储争议之前，首席信息官和其他IT决策者应该询问自己一系列重要问题。由于数据管理是存储的核心，因此数据收集、传输和保留只是需要考虑的多方面事项的一部分。

<font color="blue"><strong>1. 数据将在何处生成和收集？</strong></font>

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。

自动驾驶技术的发展将带来全面的社会和经济影响。历史地看，传统汽车成为了人们最主要的代步工具，塑造了如今的城市。那么，自动驾驶技术在重塑汽车的同时，也将塑造未来的城市和人类生活。

<font size="3"><strong>一、自动驾驶，一场将全面影响人类社会的交通革命</strong></font>

对于开发人员而言，基于云的机器学习工具带来了使用机器学习创造和提供新的功能的可能性。然而，开发者想要在它们的应用程序中融入机器学习，通常会犯一些错误，本文列了十条注意点以飨读者。

在提供发现埋藏数据深层的模式的能力上，机器学习有着潜在的能力使得应用程序更加的强大并且更能响应用户的需求。精心调校好的算法能够从巨大的并且互不相同的数据源中提取价值，同时没有人类思考和分析的限制。对于开发者而言，机器学习为应用业务的关键分析提供了希望，从而实现从改善客户体验到提供产品推荐上升至超个性化内容服务的任何应用程序。

像Amazon和Micorosoft这样的云供应商提供云功能的机器学习解决方案，承诺为开发者提供一个简单的方法，使得机器学习的能力能够融入到他们的应用程序当中，这也算是最近的头条新闻了。承诺似乎很好，但开发者还需谨慎。