机器人

据外媒报道，微软创始人比尔-盖茨(Bill Gates)对识别重大结构性变化并不陌生。这位亿万富翁商业大亨曾正确地预言，家庭电脑、桌面操作系统和互联网将成为我们日常生活的重要组成部分。《麻省理工技术评论》(MIT Technology Review)杂志日前邀请了盖茨来编制年度突破性科技清单。这是年度突破性科技清单第一次由特邀编辑盖茨来编制。

2019年值得关注的机器人5项趋势：居家机器人变得越来越普遍；送货机器人更为实际；机器人与人们将一起工作；机器人为边缘计算提供了理想的平台；机器人为边缘计算提供了理想的平台。

过去几十年中，人工智能的出现导致了人类的集体焦虑。然而，必须注意的是，并非所有的工作最终都会被人工智能取代。那么，人类保持领先并更好地就业的秘诀是什么呢？答案在于需要知道人工智能在哪些方面比人类做得更好，人类在哪些方面比人工智能做得更好。

定位技术是机器人实现自主定位导航的最基本环节，是机器人在二维工作环境中相对于全局坐标的位置及其本身的姿态。目前SLAM （Simultaneous Localization and Mapping即时定位与地图构建）是业内主流的定位技术，有激光SLAM和视觉SLAM之分。

伴随着AI技术、自动化工具的应用及平台化趋势的加强，无论是老生常谈的漏洞利用、DDoS攻击、内网安全问题，还是新兴涌现的身份欺诈、API滥用、物联网设备安全风险，都在为2019年的动荡埋下伏笔。我们相信，2019年必将是网络安全领域的又一个重要年份。

机器人自主定位导航需要解决三个问题：定位、建图与路径规划。当你打开手机中的导航软件，在选择前往目的地的最佳路线之前，首先要做的动作是什么呢？没错，就是定位。我们要先知道自己在地图中的位置，才可以进行后续的路径规划。机器人也是如此。

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%。

人工智能的发展成为趋势已是必然，机器人领域也将随之大放异彩，那么在机器人领域有哪些核心技术呢？今天我们就来盘点下机器人领域的10项核心技术。

编者按：未来会怎样？没人知道，但是人人都可以设想。从AI、区块链、无人机，到AR/VR、无人车，乃至于物联网、微芯片、纳米机器人、CRISPR，以及智能微尘、数字孪生等，AI专家Adrien Book汇编了各种有可能成为下一个大事物的颠覆性技术，把它们分成无聊的意料之中、还算过得去、非常令人兴奋以及很晦涩但非常令人兴奋这四类，不妨看看谁最有可能率先取得突破吧。

作为一个稍纵即逝的概念，技术被记者、创业者和投资者无休止地关注着，希望靠留意和投资下一个大事物而赚大钱。以至于在这个过程中有时候他们会失去理智，弄出一些非常愚蠢的东西。这群快乐的预言者往往看不到以史为鉴的讽刺性。在一个创新和改变是取得进步的命脉的领域过于依赖过去的数据作为未来情况的信号。

但是读者对此依然买账，因为我们作为人喜欢那种可预测以及清晰的叙述的感觉。因此为了让大家达成一些共识，以下是我对未来科技的一些预测，其中既有以及被讨论得烂大街的无聊东西，也有那些似乎很怪异或者不大可能的东西，对于后者我反而愿意投钱。

无聊的意料之中的东西

AI/机器学习/深度学习