demi的博客

播放视频其实和贴图非常相像，因为播放视频用到的 MovieTexture 属于贴图 Texture 的子类。Unity3D 支持的视频格式有很多，但是还是建议使用 ogv 格式的视频，使用其他格式依然需要插件转码成 ogv 格式，可以省去很多麻烦。

激活函数是神经网络的一个重要组成部分。如果不用激活函数（即相当于激活函数为f(x)=x），在这种情况下，网络的每一层的输入都是上一层的线性输出，因此，无论该神经网络有多少层，最终的输出都是输入的线性组合，与没有隐藏层的效果相当，这种情况就是最原始的感知机。

在一年的年末或下一年的年初，预测，正在成为众多机构，特别是科技行业所热衷的主题。人工智能、机器人、物联网、AR/VR、云计算、数字孪生、量子计算等热门技术更是成为各机构的预测标的。对于行业内的企业而言，有些预测足以成为企业高层制定未来规划和战略的依据。而有些预测则带有一定的主观偏好，对企业并没有实际的帮助。近期，InformationWeek通过对各大咨询公司的预测进行梳理和分析，汇总了2019年值得企业关注的十大技术预测。

据IDC统计，2020年全球物联网市值将达8.9兆美元。到2013-2020年，物联网设施的年复合成长率将高达17.5%，世界将出现超过500亿个智慧联网装置，所以物联网被视为继移动互联网后的最大科技商机。

智慧城市暨物联网的趋势

什么是物联网(Internet Of Things)?到目前为止，物联网并没有一个统一的明确定义。不过简单的说，物联网就是「物与物相联并可以彼此沟通的网络」，所以让所有物品都连上互联网并对环境「全面感知」、进而透过各种有线或无线网路进行「可靠传递」，最后进行各种「智慧处理」创造增值服务，例如智慧家庭、智慧医疗、智慧交通、智慧节能及智慧零售等各种应用，因而给民众带来更便利的智慧生活。

智慧城市是物联网的重要应用场景、物联网是实现智慧城市的重要基础

「智慧城市」的概念最早源自于IBM提出的「智慧地球」。

对模式的识别是人类智慧的一个重要体现，人类具有很强的模式识别能力，能对千千万万的具体的物质进行识别，也能对事物进行高级抽象后的模式进行识别。一个人对模式识别的学习从小孩就开始，知道了这是花草、那是蓝天白云。这些对人类来说很简单的事情，其实是很复杂的智能行为。

对于神经网络的入门概念来说最重要的是一些相关的理解性概念：反向传播、激活函数、正则化以及BatchNomalizim等。其实反向传播归根结底就是一个每一次训练的动态更新的的过程，其遵循的原理是数学中的求导以及链式法则；理解了反向传播，也就能够理解梯度消失等相关的情况以及概念......

人工智能在为社会进步提供巨大动力的同时，也为反垄断执法带来了深远的影响。当前人工智能已经开始超越静态、以固定数值为基础预先设置公式的定价算法。人工智能完全可以以超越人类大脑的能力处理数据，并与其他计算机进行交流；它能够通过智能数据处理和分析工具，帮助企业在产出、定价和其他商业决策上占据优势，进而维持或者取得市场势力。有鉴于此，以人工智能为代表的新技术已经对全球各国反垄断执法提出了挑战。

万事万物都讲求个趋势，势有时是隐含慢慢发展的，研究事物的发展趋势，针对不同问题做前期的未雨绸缪，制定应急方案或方略。国外安全媒体依据2018年整个安全行业中的走势，观察预估可能在2019年这五种趋势将保持强势。

如今，许多公司都已经开始利用人工智能和机器学习，并且这些技术的影响只会越来越大。虽然这对于想要提高业绩的企业来说是件好事，但许多员工也担心机器人会在未来几年内取代他们的工作。

虽然人工智能可能会改变某些类型的工作，但它们永远不会完全取代人类的工作——你只需要知道如何维持并推销你的技能。来自福布斯教练委员会（Forbes Coaches Council）的成员们分享了一些技巧，让你可以在未来的职业生涯中获取所需的技能。

1. 学会理解数据的价值

虽然新的创新将要求每个人对技术越来越熟悉，但是这并不意味着每个人都能精通技术。而在学习计算和解释数据方面，技术则是一股很大的力量。这项技能将会见证劳动力需求的增加，并将有助于巩固作为雇员或潜在领导者的价值。——LaKisha Greenwade, Lucki Fit LLC

2. 学习，执行，教导，服务

神经科学家正在教导计算机直接从人脑中读出单词。近日，《科学》（Science）杂志的专职撰稿人凯利·塞维克（Kelly Servick）报道了预印本网站bioRxiv发表的3篇论文。在论文中，3个研究团队各自展示了他们如何将神经活动记录解码成语音。在这3个研究中，研究人员在进行脑外科手术的患者大脑上直接放置了电极，当他们听取语音或者大声朗读文字时，这些电极就记录神经元的活动。接着，研究人员尝试解读患者听到或说出的内容，患者大脑的电活动都转化成了某种程度上能够理解的声音文件。

第一篇论文发表在bioRxiv上，描述了研究人员向正在进行脑外科手术的癫痫患者播放语音的实验。需要指出的是，实验中采集的神经活动记录必须非常详细，才能用于解读。而且这种详细的程度必须在十分罕见的条件（比如脑外科手术）下才能达到，此时大脑暴露在空气中，电极直接放在上面。

当患者听取声音文件时，研究人员记录了患者大脑中处理声音部分的神经元活动。他们尝试了多种方法将神经元活动数据转化成语音，发现“深度学习”的效果最佳。深度学习是机器学习的分支，计算机可以在无人管理的情况下，通过深度学习来解决问题。当研究人员通过一个合成人类声音的声码器播放转化结果时，由11个听众组成的小组解读这些词的准确率是75%。