雷鋒網(wǎng)按：各位小伙伴們周末好，本周照例與大家分享7篇深度好文。如果你對(duì)專(zhuān)欄的內(nèi)容或形式有任何建議，請(qǐng)?jiān)谙路皆u(píng)論區(qū)留言，專(zhuān)欄君將一一回復(fù)。無(wú)論你是樂(lè)于分享的極客，或是對(duì)科技圈的新聞事件有獨(dú)到的見(jiàn)解的評(píng)論人，均可向我們投稿，專(zhuān)欄君的郵箱：gulei@leiphone.com。

1、聽(tīng)說(shuō)現(xiàn)在有個(gè)AR APP很火，所以我也做了一個(gè)

昨天在圖書(shū)館刷 RL 教材的時(shí)候看到一個(gè)有趣的 app，叫做「唐納德涂鴉」（Android：Donald Draws Executive Doodles；IOS：Trump Executive Order）。大概功能就是可以將用戶(hù)自定義的內(nèi)容（圖片、涂鴉、文字等）放在 D.T. 總統(tǒng)的決策書(shū)上，并生成動(dòng)圖。

一看到這個(gè) app 我就感到眼前一亮，它綜合了今年科技界最火的 AR 技術(shù)和政治界（與段子界）最火的 D.T. 總統(tǒng)。正如 app 作者所說(shuō)的那樣："This app is gonna make the United States of Amemeica GREAT again!"

我之前在AR原理演示一文中曾有涉及過(guò)實(shí)現(xiàn) AR 的方法，既然代碼都還在，我就隨手也做了一個(gè) "qqfly Draws"。

【作者】qqfly，上海交通大學(xué)機(jī)器人所博士生，本科畢業(yè)于清華大學(xué)機(jī)械工程系，主要研究方向機(jī)器視覺(jué)與運(yùn)動(dòng)規(guī)劃。

2、28天自制你的AlphaGo（系列）：

28 天自制你的 AlphaGo（一）

28 天自制你的 AlphaGo（二）：訓(xùn)練策略網(wǎng)絡(luò)，真正與之對(duì)弈

28天自制你的AlphaGo（三）：對(duì)策略網(wǎng)絡(luò)的深入分析以及它的弱點(diǎn)所在

28天自制你的AlphaGo（四）：結(jié)合強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)的Policy Gradient（左右互搏自我進(jìn)化的基礎(chǔ)）

28 天自制你的 AlphaGo（五）：蒙特卡洛樹(shù)搜索（MCTS）基礎(chǔ)

AlphaGo 的策略網(wǎng)絡(luò)，可以用于改進(jìn)上述的分?jǐn)?shù)公式，讓我們更準(zhǔn)確地選擇需擴(kuò)展的節(jié)點(diǎn)。而 AlphaGo 的價(jià)值網(wǎng)絡(luò)，可以與快速走子策略的模擬結(jié)果相結(jié)合，得到更準(zhǔn)確的局面評(píng)估結(jié)果。注意，如果想寫(xiě)出高效的程序，這里還有很多細(xì)節(jié)，因?yàn)椴呗跃W(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)的運(yùn)行畢竟需要時(shí)間，我們不希望等到網(wǎng)絡(luò)給出結(jié)果再進(jìn)行下一步，在等的時(shí)候可以先做其它事情，例如 AlphaGo 還有一個(gè)所謂 Tree policy，是在策略網(wǎng)絡(luò)給出結(jié)果之前先用著。

【作者】彭博，Blink·稟臨科技聯(lián)合創(chuàng)始人。

3、Comet Labs合伙人：為什么說(shuō)激光雷達(dá)是無(wú)人駕駛汽車(chē)的“眼睛”？

也許對(duì)于激光雷達(dá)來(lái)說(shuō)，高昂的設(shè)備成本是它需要克服的最大挑戰(zhàn)。盡管自該技術(shù)得到應(yīng)用以來(lái)其成本已大幅降低，但仍然是它被大范圍采用的一個(gè)重要障礙。對(duì)于主流汽車(chē)工業(yè)來(lái)說(shuō)，一個(gè)價(jià)值2萬(wàn)美元的傳感器將無(wú)法被市場(chǎng)接受。伊隆·馬斯克說(shuō)：“我不認(rèn)為它對(duì)于汽車(chē)的發(fā)展是有意義的，我認(rèn)為它不是必須的。”

最后，雖然我們將激光雷達(dá)視為計(jì)算機(jī)視覺(jué)的一個(gè)組件，但點(diǎn)云卻是完全基于幾何呈現(xiàn)的。相反，人眼除了形狀之外還能識(shí)別物體的其他物理屬性，比如顏色和紋理。現(xiàn)在的激光雷達(dá)系統(tǒng)不能區(qū)分紙袋和巖石之間的差別，而這本應(yīng)是傳感器理解和試圖避開(kāi)障礙物時(shí)考慮的因素。

【作者】Adam Kell，Comet Labs合伙人，負(fù)責(zé)人工智能和機(jī)器人領(lǐng)域的早期投資投資。

4、汽車(chē)安全工程師：為啥這么多裝了AEB的車(chē)依然會(huì)撞撞撞？| ADAS專(zhuān)題

在ADAS的眾多功能中，AEB（自動(dòng)緊急制動(dòng)）聽(tīng)起來(lái)安全感十足，引起了很多車(chē)主的興趣。但實(shí)際使用過(guò)程中，有的朋友可能會(huì)發(fā)現(xiàn)，很多裝了AEB的車(chē)依然避免不了撞車(chē)事故。那么AEB功能真的沒(méi)用嗎？

AEB的學(xué)名其實(shí)是“前向車(chē)輛碰撞緩解系統(tǒng)”，這個(gè)名字當(dāng)然不是隨便起的。讓我們?cè)倏匆幌聢D2，駕駛者通過(guò)控制方向盤(pán)閃避障礙物的極限是TTC 1.0s，而此時(shí)如果相對(duì)車(chē)速低于約60km/h，仍能通過(guò)制動(dòng)而避免碰撞。簡(jiǎn)單講，當(dāng)你打方向已經(jīng)躲不過(guò)去的時(shí)候，制動(dòng)仍然能幫你避免碰撞。

【作者】鄭菲，汽車(chē)主動(dòng)安全測(cè)試工程師。

5、孫宇教授解讀：自動(dòng)駕駛汽車(chē)——平衡創(chuàng)新和安全

自動(dòng)駕駛技術(shù)的首要?jiǎng)訖C(jī)是減少交通事故，避免致命事故。2015年，全球與汽車(chē)交通事故相關(guān)的死亡人數(shù)約為125萬(wàn)。這相當(dāng)于每天墜毀五個(gè)完全滿(mǎn)載的波音747 。在美國(guó)，人為錯(cuò)誤造成的交通事故占所有交通事故的94％。死于車(chē)禍?zhǔn)?至34歲兒童和成年人死亡的主要原因。雖然2016年的交通事故數(shù)據(jù)尚不可用，但是，根據(jù)早期的估計(jì)，2016年交通事故中死亡的人數(shù)可能更高。

【作者】孫宇，南佛羅里達(dá)大學(xué)計(jì)算機(jī)系教授、斯坦福大學(xué)訪(fǎng)問(wèn)教授、IEEE RAS機(jī)器臂抓取和操作技術(shù)委員會(huì)的始創(chuàng)主席及美國(guó)總統(tǒng)國(guó)情咨詢(xún)委員會(huì)機(jī)器人方向的顧問(wèn)。

6、從系統(tǒng)和代碼實(shí)現(xiàn)角度解析TensorFlow的內(nèi)部實(shí)現(xiàn)原理 | 深度

2015年11月9日，Google發(fā)布深度學(xué)習(xí)框架TensorFlow并宣布開(kāi)源，并迅速得到廣泛關(guān)注，在圖形分類(lèi)、音頻處理、推薦系統(tǒng)和自然語(yǔ)言處理等場(chǎng)景下都被大面積推廣。TensorFlow系統(tǒng)更新快速，官方文檔教程齊全，上手快速且簡(jiǎn)單易用，支持Python和C++接口。

本文依據(jù)對(duì)Tensorflow（簡(jiǎn)稱(chēng)TF）白皮書(shū)[1]、TF Github[2]和TF官方教程[3]的理解，從系統(tǒng)和代碼實(shí)現(xiàn)角度講解TF的內(nèi)部實(shí)現(xiàn)原理。以Tensorflow r0.8.0為基礎(chǔ)，本文由淺入深的闡述Tensor和Flow的概念。先介紹了TensorFlow的核心概念和基本概述，然后剖析了OpKernels模塊、Graph模塊、Session模塊。

【作者】姚健，畢業(yè)于中科院計(jì)算所網(wǎng)絡(luò)數(shù)據(jù)實(shí)驗(yàn)室，曾就職于360天眼實(shí)驗(yàn)室，主要從事深度學(xué)習(xí)和增強(qiáng)學(xué)習(xí)相關(guān)研究工作。目前就職于騰訊MIG事業(yè)部，從事神經(jīng)機(jī)器翻譯工作。

7、Alexa估值近百億美元，AI巨頭為何在語(yǔ)音交互市場(chǎng)搶奪賽道？

去年10月份，Intel與科大訊飛宣布合作共同研發(fā)AI芯片，該芯片將麥克風(fēng)陣列、遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別等功能集成到SOC當(dāng)中，形成完整的遠(yuǎn)場(chǎng)語(yǔ)音交互鏈條，此次合作正式宣告Intel也將進(jìn)入智能語(yǔ)音交互市場(chǎng)。

從市場(chǎng)層面來(lái)看，語(yǔ)音交互毋庸置疑是繼鍵盤(pán)、鼠標(biāo)和觸摸屏之后的主流交互方式，但是距離真正走入國(guó)內(nèi)市場(chǎng)還總是差那么一點(diǎn)。技術(shù)鏈條僅僅是其中一個(gè)小部分原因，從戰(zhàn)略認(rèn)知、資金投入到需求挖掘，國(guó)內(nèi)公司都欠缺了很大的火候，而國(guó)內(nèi)各大巨頭更應(yīng)該在戰(zhàn)略決心和技術(shù)鏈條上發(fā)力。智能語(yǔ)音交互的全球競(jìng)爭(zhēng)之中，國(guó)內(nèi)的AI巨頭似乎才剛剛蘇醒。

【作者】袁媛，來(lái)自微信公眾號(hào)“聲學(xué)在線(xiàn)”（ID：soundonline）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。