demi的博客

2019年，随着智能家居概念的深入以及参与者的丰富，厂商之间的竞争将逐渐从产品扩展到生态，为各自在智能家居市场的发展提供加速器。IDC对于智能家居市场发展趋势的预测，主要从生态、交互以及渠道三方面展开......

对于更多缺乏发声能力的普通人（比如中风患者、植物人等）来说，无法与正常人交流的他们，生命已然停滞。技术能帮助他们“言其所不能言”，提高生活质量吗？
答案是肯定的。科学家们正试图让看不见摸不着的思维活动自动“显形”。通过计算机，将大脑中的所思所想转换成语音说出来，这种“读心术”距离现实究竟还有多远？

2012年左右，多伦多大学的研究人员首次使用深度学习来赢下了ImageNet，它是一项非常受欢迎的计算机图像识别竞赛。对于那些参与AI行业的人来说，这是一个大问题，因为计算机视觉是使计算机能够理解图像背景的学科，也是人工智能中最具挑战性的领域之一。

当然，与任何其他产生巨大影响的技术一样，深度学习成为炒作的焦点。不同的公司和组织开始应用它来解决不同的问题（或假装应用它）。许多公司开始使用深度学习和先进的人工智能技术重塑其产品和服务。

与此同时，媒体也经常撰写有关人工智能和深度学习的故事，这些故事充满误导性，并且大多是由那些对技术运作方式没有正确理解的人撰写。他们大多使用关于人工智能的耸人听闻的头条来博眼球，这些也促成了围绕深度学习的炒作。

经过媒体的炒作后，许多专家认为深度学习被夸大了，它最终会消退并可能导致另一个人工智能冬季，从而使人们对人工智能的兴趣和资金投入大幅下降。其中一些著名专家也承认，深度学习已经触底，其中包括一些深入学习的先驱者。

但根据著名数据科学家和深度学习研究员杰里米·霍华德的说法，“深度学习过度夸大”的论点有点夸张。霍华德是fast.ai的创始人，fast.ai是一个非营利性的在线深度学习课程。

随着通讯技术的发展，从3G到4G的转变是非常顺利。事实上，我的手机仍然时不时地恢复到3G模式。那么，5G有什么大不了的？是让我们欣喜若狂，还是让我们失望透顶？据我所见，答案是欣喜若狂，而且非常！

经过大范围的建模和运行超过10万次的模拟，一个人工智能系统被赋予预测2018年世界杯冠军的任务。人工智能预测西班牙夺冠的可能性最高，为28.9%，其次是德国26.3%和巴西21.9%。然而，冠军是法国，克罗地亚和比利时分列二三名。所以AI预测并不是每次都足够准确。

如果我们要最大限度地利用人工智能技术，就需要找到优化人工智能的方法，以获得最佳的结果。研究和咨询公司德勤(Deloitte)建议，不要把人工智能视为“思考机器”，而应将其视为能够帮助人类更好的思考的认知假体，其中的一种方法是在人工智能结果上建立准确性的检查点。为此，有人提出了加快这一进程的五个好的方法。

1. 明确定义人工智能和人类的角色

当人工智能被用于医学诊断时，它的作用是以人类无法企及的速度浏览大量的医学数据，然后由人工智能提供一个诊断和治疗计划，再由一个人类医生接管并审查人工智能生成的诊断和治疗计划，再由医生凭借临床经验权衡判断。在此过程中，医生还可以咨询其他医学专家，经过评估后，才能最终确定并实施。这是一个很好的例子，说明人工智能是如何与人类一起工作的，从而形成可操作的最佳结果。

2. 反复运行人工智能模型仿真

近数十年内，由于机器学习的热潮，计算能力有着摩尔定律的加持，以及大数据时代的来临，让越来越多的领域里都能被机器学习很好的应用。特别是在自然语言处理，计算机视觉等领域都有非常好的发展，甚至已经可以达到商业用途的地步。但是随着数据的增长，数据的安全是否得到了保障，模型的功能性是否得到了验证这仍然是个大大的问号。

在传统的神经网络中，比如多层感知机（MLP），其输入通常是一个特征向量。需要人工设计特征，然后将用这些特征计算的值组成特征向量。在过去几十年的经验来看，人工找的特征并不总是好用。有时多了，有时少了，有时选的特征根本就不起作用（真正起作用的特征在浩瀚的未知里）。这就是为啥过去几十年神经网络一直被SVM等完虐的原因。

在OpenGL中，面是由多边形构成的。三角形可能是最简单的多边形，它有三条边。可以使用GL_TRIANGLES模式通过把三个顶点连接到一起而绘出三角形。使用GL_TRIANGLE_STRIP模式可以绘制几个相连的三角形，系统根据前三个顶点绘制第一个多边形，以后每指定一个顶点，就与构成上一个三角形的后两个顶点绘制形的一个三角形。使用GL_TRIANGLE_FAN模式可以绘制一组相连的三角形，这些三角形绕着一个中心点成扇形排列。

临时研究了下机器视觉两个基本算法的算法原理 ，可能有理解错误的地方，希望发现了告诉我一下

主要是了解思想，就不写具体的计算公式之类的了

<（一） ICP算法（Iterative Closest Point迭代最近点）/strong>

ICP（Iterative Closest Point迭代最近点）算法是一种点集对点集配准方法，如下图1

如下图，假设PR（红色块）和RB（蓝色块）是两个点集，该算法就是计算怎么把PB平移旋转，使PB和PR尽量重叠，建立模型的

shader和Material的基本关系

Shader（着色器）实际上就是一小段程序，它负责将输入的Mesh（网格）以指定的方式和输入的贴图或者颜色等组合作用，然后输出。绘图单元可以依据这个输出来将图像绘制到屏幕上。输入的贴图或者颜色等，加上对应的Shader，以及对Shader的特定的参数设置，将这些内容（Shader及输入参数）打包存储在一起，得到的就是一个Material（材质）。之后，我们便可以将材质赋予合适的renderer（渲染器）来进行渲染（输出）了。

所以说Shader并没有什么特别神奇的，它只是一段规定好输入（颜色，贴图等）和输出（渲染器能够读懂的点和颜色的对应关系）的程序。而Shader开发者要做的就是根据输入，进行计算变换，产生输出而已。

Unity中Shader的三种基本类型

按照渲染管线的分类，可以把Sharder分成3个类别：

固定功能着色器（Fixed Function Shader）

固定功能着色器为固定功能渲染管线的具体表现。