多年来，技术的进步使得交通运输变得更加便利。像物联网应用这样的汽车技术已经改变了驾驶体验。
这方面的主要成就之一是自动驾驶汽车。虽然自动驾驶汽车概念已经存在一段时间了，但直到最近，技术、激光设备和网络的进步才使这一梦想成为现实。
因此，对自动驾驶汽车感到兴奋是再正常不过的。然而，我们也必须仔细评估使用这些车辆的利与弊。
利
▲无差错驾驶
自动驾驶汽车内的车载计算机系统可以在几秒钟内进行了无数次计算。该系统背后的技术复杂而高效。车载计算机会告诉你当前的速度，附近汽车的活动，甚至你离物体有多远。换言之，计算机的精度导致无差错驾驶。
▲增强道路安全
大多数交通事故都是由于人为失误造成的。自动驾驶汽车将人为因素排除在外，大大减少了道路事故。事实上，谷歌的自动驾驶汽车已经行驶了超过了7万英里的无事故里程。汽车内部的现代传感器技术使汽车能够精确扫描周围环境，进而可以显著改善道路安全。
▲对环境更有利
作者： 我爱至尊宝
来源：科技行者
人工智能系统代表着一大令人兴奋的研究领域：对于拥有所需技能的人们来说，这同时也代表着广阔的个人发展空间，更重要的是AI技术本身仍在不断发展推进。然而，很多朋友发现自己似乎难以弄清该如何投身于这股技术浪潮，尤其难以通过自学形式掌握必备知识。
幸运的是，目前网上有着充足的资源，可供初学者快速积累知识与技能，或者说确定这条发展道路是否适合自己。为了了解更多信息，我们在青年企业家委员会的小组讨论中提出以下问题：
对于有意了解AI开发相关情况的新手或者程序员，最重要的准备工作是什么？
下面来看他们给出的11条可行性建议：
1. 了解机器学习背后的数学原理
AI开发专业人员必须掌握数学中的概率知识，这也是机器学习的基础所在。传统软件开发人员经常使用在线库，这意味着他们不需要亲自进行数学计算。但AI开发人员则需要有能力编写并理解复杂的算法，以便不断从数据当中找出洞察见解与基本模式。——Blair Thomas，eMerchantBroker
2. 首先要建立坚实的知识基础
在计算机科学领域中，人工智能是一种机器表现的行为，这种行为能以与人类智能相似的方式对环境做出反应并尽可能提高自己达成目的的概率。
人工智能大体上可以分为 3 类：弱人工智能、强人工智能和超人工智能。
01、弱人工智能弱人工智能（Weak AI）
也被称为狭隘人工智能（Narrow AI）或应用人工智能（Applied AI），指的是只能完成某一项特定任务或者解决某一特定问题的人工智能。
苹果公司的 Siri就是一个典型的弱人工智能，它只能执行有限的预设功能。同时，Siri 目前还不具备智力或自我意识，它只是一个相对复杂的弱人工智能体。
02、强人工智能强人工智能（Strong AI）
又被称为通用人工智能（Artificial General Intelligence）或全人工智能概述，指的是可以像人一样胜任任何智力性任务的智能机器。这样的人工智能是一部分人工智能领域研究的最终目标，并且也作为一个经久不衰的话题出现在许多科幻作品中。
对于强人工智能所需要拥有的智力水平并没有准确的定义，但人工智能研究人员认为强人工智能需要具备以下几点：
作者：Lilian Weng
编译：ronghuaiyang
导读
如果你和我一样，不明白为什么深度神经网络可以推广到样本外的数据点，而不会过拟合，请继续阅读。
如果你像我一样，有传统机器学习的经验进入深度学习领域，你可能会经常思考这样一个问题：由于一个典型的深度神经网络有这么多的参数，训练误差很容易达到完美，那么它一定会遭受大量的过拟合。如何将其推广到样本外数据点？
在理解为什么深层神经网络可以泛化的过程中，我想起了一篇关于系统生物学的有趣的论文——《生物学家能修理收音机吗?》。如果一位生物学家打算用她在生物系统上工作的方法来修理一台无线电设备的话，可能会很困难。由于无线电系统的全部机制还没有被揭示出来，小的局部功能可能会给出一些提示，但它很难显示系统内的所有交互，更不用说整个工作流程了。无论你是否认为它与DL相关，它都是一本非常有趣的读物。
我想在这篇文章中讨论一些关于深度学习模型的泛化性和复杂性度量的论文。希望它能帮助你理解为什么DNN可以泛化。
关于压缩和模型选择的经典定理