AI研究院 | 算法与艺术交叉 你的创造力将被人工智能颠覆！
用微信扫描二维码分享至好友和朋友圈
用微信扫描二维码分享至好友和朋友圈
　　　　编者按：《AI研究院》由网易智能频道发起，网易杭州研究院等机构共同参与打造，每周五篇，专注AI行业研究与深度分析，并提供技术应用交流。转载请联系我们获得授权，公号smartman163。　　【网易智能讯 4月17日消息】“在手机或电脑上画画可能比较慢，又很困难，所以我们开发了AutoDraw，它是一种基于网络平台的工具，可以将机器学习与天才艺术家的绘画结合在一起，帮助用户更好地画画。”谷歌创意实验室的“创意技术专家”Dan Motzenbecker在本周早些时候写道。　　AutoDraw是谷歌的人工智能实验项目之一，它可以跨平台工作，无论用户的艺术天赋如何，都能在短时间内迅速创作。它会猜测你想要画的是什么，然后让你从已有的作品中挑选出一张。　　“所以用户不能自己画？不是这样！”　　这是一个基本的概念和想法。首先，AutoDraw是一种非常有趣的工具，而且很显然会让人用上瘾。但同样明显的是，这款工具更多地是一种人工智能技术的展现，而不是改进艺术作品的手段，因为它能在文本搜索中表现出同样的功能。我的意思是说，如果你想画海豚，只要输入“海豚”这个词就可以了，何必还要亲自动手来画一个呢？　　AutoDraw不会那么有趣，谷歌也不会刻意推广、炫耀这个新“玩具”。在谷歌首次推出AutoDraw的几天后，它透露了一些其他科学家的研究成果，通过这些研究，计算机将能够利用人工智能来生成简单的草图。　　　　实际上，他们训练了一个有关草图的循环神经网络，这些草图是人类在一个Quick, Draw!的涂鸦app上手动创作的，这个app是去年推出的，不得不说它非常有意思。这个app会让你画画，例如长颈鹿或蝴蝶，然后它可以猜测你画的是什么。总而言之，谷歌所做的事情就是训练机器，让它像真人一样画草图，会出现重叠甚至歪歪斜斜的线条。这有助于证实艺术与算法之间是有交叉的。但这是否也意味着未来人类可能会没有什么动力去创作呢？　　根据世界经济论坛最近的一份报告，第四次工业革命的兴起将会导致人类失去数百万个工作岗位。到2020年，尽管大量新的就业岗位会出现，包括IT和数据科学领域等，但仍将损失500万个现有的工作岗位。预计制造业和生产类工作将受到严重影响。而另一份最新的报告显示，未来20年将有超过10万个合法工作岗位实现自动化。　　但艺术是神圣的。艺术是人类情感的表达。计算机不可能实现人类历史性的创造力。对吧？也许吧。　　我们已经看到了一些迹象，表明艺术将被机器智能和自动化所破坏。你现在已经可以在智能手机上下载Prisma，并在几秒钟内把自己的照片转换成超现实的艺术作品，那么为什么还要花时间去学习画画、或者花钱请人来给你的宝宝画像呢？外行也可以使用Prisma，它用神经网络分析每张照片，然后应用用户选择的样式。效果真的很不错。　　“通过深度学习技术，我们可以重新绘制图像。”Prisma实验室的联合创始人Alexey Moiseenkov在去年的一次采访中说。“我们分析了大量的照片，得到了基本框架和线条的数据，然后用一种样式来重新绘制你的照片。”　　　　上图：使用了Prisma图像效果的瓶子　　有一点很关键，并不是说这些工具比人类创作要好。我们想表达的是，这些工具本身已经发展得相当成熟，而且技术只会更加进步。试想一下，如果只要使用单反相机、三脚架和Prisma人工智能图像渲染app，人们再按几个按钮就能拥有一张手绘全家福，那么他们何必还要费力气去找专业艺术家来画呢？并不是说艺术家和艺术品零售商们有一天将不得不出售业务，这是不可能的。“百分百手绘”可能会成为区分人类创作和机器创作的唯一标记。　　科技算法的应用远远不止摄影和艺术的范畴，它还进入了其他创造性领域。在设计界，例如Wix和Weebly之类的自动化网页设计服务，他们为新手提供了一个易于使用的网站开发平台，令他们可以使用拖放工具而不是代码来构建HTML5网站。对于那些不需要太多功能的基础网站来说，这样的服务非常便利。　　但是，这种操作是非常公式化、简易、模板化的，它不是那么令人满意，这也是为什么专业设计师和开发人员仍有用武之地的原因。去年6月，Wix推出了一个人工智能自动化网页设计服务，名为Wix ADI。它利用现有的用户基础来实现人工智能技术，“创作者”只需简单回答几个问题，同时给这个平台提供一些思路，令其了解所需创建的网站是什么主题和类别，然后Wix就可以根据网站的商业类型和位置等信息，来设计相关的图片、文字和布局等。　　Wix ADI在发布会上说：“Wix ADI不仅仅是一个新的网站构建者，它还为网页设计提供了新的市场标准。我们已经在业内领先了近十年，现在作为人工智能技术的先驱供应商之一，我们有能力令所有人都能轻松创建网站。”Wix承诺，在他们平台上构建的网站绝无雷同。　　其他类似的人工智能网页设计平台最近也在蓬勃发展中，并筹集到了大量的风投资金，其中包括在人工智能技术上已有多年经验的TheGrid，以及去年在beta测试项目上融资总额超过1200万美元的B12。　　多年来，DIY网络和应用设计工具的可信度一直受到质疑，这些工具承诺将“菜鸟”变成专业设计师和编程人员。而现在，人工智能需要进一步努力去改进创作，这只会令反对者更加不高兴。　　这些工具的有用性取决于构建网站的目的。如果只需要点击几个按钮，就能创建一个简洁、内容丰富、易于搜索的网站，为什么还要花钱请专业设计师和开发人员呢？　　再次强调，我们并不是说机器已经完善到可以取代专业人士了，它还不能构建功能齐全的网站和线上服务。重点是人工智能正在进一步“入侵”创造性行业，而且还在不断进步中。　　在音乐界，算法生成的作品能够媲美列侬和麦卡特尼、贾格尔和理查、甚至莫扎特的杰作吗？也许吧。　　但至少在一段时间里是不可能的。2016年9月，人工智能创作的第一支流行歌曲成为网络头条。它是一个吸引人的新闻，但严格意义上来说“人工智能创作”的这种说法并不准确。　　索尼的研究人员使用专业的数据流软件Flow Machines，能够利用庞大的歌曲数据库，对不同的音乐风格进行训练。再加上“风格转换、优化和交互技术”，他们构建的系统能够创作各种风格的音乐。他们写了一首甲壳虫乐队风格的歌，叫《爸爸的车》。而且还算好听。　　更准确的描述是，这一创作是“人工智能辅助”。因为相当荒谬的是，法国作曲家Benoit Carr&负责写歌词并编排了歌曲，计算机所做的工作只是识别这种音乐风格的共性，并为Carr&提供一些音乐片段。　　索尼的研究人员在人工智能辅助创作音乐方面已经进行了数年的研究，预计将于今年晚些时候发布一张完整的专辑。　　实际上，索尼并不是唯一涉足这一领域的公司。去年，谷歌推出了Magenta，这是Google Brain团队的一个项目，目的是探索机器学习是否能“创作出出令人叹服的艺术和音乐作品”。　　今年早些时候，谷歌发布了互动版AI Duet，这款应用可以让你在电脑系统的伴奏下弹奏虚拟钢琴。　　另外，总部位于伦敦的创业公司Jukedeck正在开发一种基于人工智能的音乐作曲程序，它能够完全按照自己的意愿创作原创音乐。Jukedeck致力于帮助视频创作者找到原创背景音乐，他们一直在训练深度神经网络系统，以理解音乐的创作和调整，最终帮助用户定制乐曲。　　至此，那些吉他乐队、DJ们或许都可以休息了。　　尽管计算机在“歌曲创作”方面将会继续进步，但艺术家们目前最大的担忧是如何在流媒体点播的时代赚钱。　　说到这，我们可以联想到一个事件。2014年，Spotify收购了音乐情报和数据平台Echo Nest，推动这一收购的是Spotify对音乐推荐服务的加倍下注。该节目的亮点是Discover Weekly，这是一个个性化的音乐播放列表，它是根据你此前在该平台上播放过的歌曲来建立的。实际上，Spotify会对你的听歌历史进行分析，并将其与其他用户的听歌行为相结合，看看哪些歌曲通常会伴随出现，然后再根据这些信息为你推荐新的音乐。这非常棒。　　尽管苹果可以通过Apple Radio之类的产品提供服务，但Spotify可以说是凭借算法和自动化技术坐稳了音乐推荐服务的霸主地位。最有趣的是，比起人类DJ向你提供新音乐，Spotify的服务更具潜力。算法推荐的播放列表往往更加具有针对性，而人类的推荐往往带有主观性，并不一定能够适合所有人。　　与此相似的是，Shazam这个音乐平台可以分析歌曲结构，告诉你歌曲的名字以及演唱者。你只需要拿起手机、按下按钮，就大功告成了。这种发现新音乐的方法非常好，它可以建立起一个音乐库，日常生活中无论你是在商店里还是足球场，或者是在看电视的时候遇到了好听的音乐，它都可以帮你识别。　　有了这样的技术，外行也可以成为专家。你不需要了解什么专业性的知识，只需要点击按钮识别歌曲就行了。　　此外，Shazam与Spotify和苹果iTunes相关联，播放或购买音乐变得更加方便。通过合作，Spotify和Shazam之类的平台可以在世界各地的音乐作曲家和DJ中产生巨大的影响。人们可以即时获取所听音乐的所有信息。如果在Spotify上就能听歌所有最好的新音乐，那为什么还要去看电台或者新音乐快递 （NME）的排行榜呢？如果你能在Shazam上轻松查到歌曲信息，那就没必要去问你身边的音乐发烧友了。有了算法的加持，对于人类专业知识的需求会降低。　　人工智能在写作领域　　　　上图：乐高机器人在打字　　普通人很难想象机器将有能力创作出一部畅销小说，但是技术大咖们一直在努力令其实现。要创造出易于理解的文字的东西并不难，但是如果想要用恰当的叙述，从头至尾流畅地表达一些东西，还得令文字充满智慧和激情，那就难了。　　但是目前机器已经可以创作新闻稿件了。去年夏天，美联社宣布，它正在与Automated Insights合作，通过算法生成棒球新闻报道，扩展自己的业务范围。美联社多年来一直与Automated Insights有合作，生成了成千上万的公司收益报告。Automated Insights利用人工智能分析大数据，并将其转化为文本。　　总部位于芝加哥的Narrative Science也有类似的产品，他们特别关注企业的商业智能，或者像它所说的“用数据说话”。　　以下是一篇由Automated Insights帮助撰写的宾州联盟比赛的美联社报道。　　宾夕法尼亚州立大学（美联社讯）——在周三（4月13日）的比赛中，Dylan Tice在第11局中被球触身，宾夕法尼亚大学的State College Spikes以9比8的比分击败了布鲁克林旋风队。　　Danny Hudzina在牺牲打之后上垒，取得比赛胜利，又在下一场牺牲打中获得第二，然后在第三场比赛中获得第三。　　Gene Cone在第一局的比赛中以1比0领先布鲁克林旋风队。Spikes队在第一局的五轮中以5比1的优势领先，其中包括Tice领队的两轮。　　在Brandon Brosher的第7局全垒打中，布鲁克林队以8比7的优势再度领先。宾夕法尼亚州立大学在第7局的比赛中以8比8持平，Ryan McCarve则帮助Tommy Edman获得了跑垒得分。　　Bob Wheatley出局两次之后以1比0获胜。Alejandro Castro在宾州联盟比赛中输赢各一局。Vincent Jackson实现了双杀，两次获胜。宾夕法尼亚大学利用了布鲁克林旋风队的几次发挥失常的投球，取得了赛季最高的9次胜利。　　尽管输了，但布鲁克林的六名球员至少实现了两支安打。Brosher击出了本垒打，并在四场比赛中获胜两场。布鲁克林旋风队还击出了本赛季最高的14个安打。　　上述报道由Automated Insights（http://automatedinsights.com）生成，它使用了美职棒大联盟媒体（MLB Advanced Media）和美国职棒大联盟（MLB）的数据，可参考：http://www.milb.com　　下面这篇是Narrative Science撰写的福布斯收益报告。　　在过去的三个月里，市场平均预估已经跌破1.25美元。在本财年，分析师预计每股收益为5.75美元。分析师预计，第三季度营收为13.7亿美元，同比下降1%，至13.5亿美元。预计今年的收入将达到59.3亿美元。去年第四季度营收同比下降，打破了季度营收连续三季增长的势头。　　过去八个季度，公司一直在盈利，而在过去四个季度中，利润同比增长了16%。第三季度，公司利润实现了最快增长，为32%。收益预期数据由知名评级机构Zackes提供。　　Narrative Science通过其专有的人工智能平台，将数据转化为文本和想法。这样的报道不会获得普利策新闻奖，但是在可读性上是完全合格的，而且算法也在不断改进。目前无法证明机器能够生成文豪狄更斯或者普鲁斯特那样的杰作，但十年后机器的写作能力会不会提升，又有谁能断言呢？　　“机器写作有一天会赢得普利策新闻奖。”Narrative Science的首席科学家Kris Hammond在英国卫报上说。“我们可以写出数据中隐藏的内容。”　　尽管有人担心算法会令记者们失业，但举例来说，美联社此前曾表示，机器写作更多地是为了扩大报道范围，而不是取代记者。通过算法写作，新闻报道可以覆盖到此前没有涉及的美国职棒大联盟的比赛，所需要的仅仅是美国职棒大联盟媒体的数据。　　“对内容的提升和增强从来都不是为了取代人工创作。”来自Automated Insights首席创新团队的Joe Procopio在接受VentureBeat采访时解释说。“相反，它是另外一种工具，也是记者的另一个武器，它应该被应用在那些需要大量数据科学分析的地方。这样一来就节约了记者的时间，让他们能够专注于调查和推理性工作。”　　在商业语境下，算法能否取代人类艺术创作，最终还是要看它是不是更加高效。问题是，在不影响质量的情况下，算法能够节省时间和金钱吗？　　Procopio补充说：“在决定是否使用自动化技术来写作时，有两点需要注意。第一要保证机器所使用的数据是可靠的，第二是商业价值，换句话说，自动化能够节省足够的时间和资源吗？”　　那么，能否通过训练来设定机器的写作风格呢？例如盈利报告、棒球赛评论或讣告等内容。当然可以，而且已经实现了。　　机器能写出音乐评论吗？或者记录访谈内容？答案是可能的，但仍将取决于平台所提供的数据质量，以及训练这样一个系统的性价比。　　Procopio继续说：“自动化技术可以用于写作你需要的内容，例如特性、访谈、评论等，在这些方面自动化技术是很有用的。一篇文章的自动化程度取决于它自身所属的范畴。”　　目前的情况下，这些工具更多地是在辅助记者，而不是取代他们。举个例子，如果已经有人被要求去参加音乐会并写评论，那么再用机器写作可能就没有意义了。但是可以用机器来做最终评审，甚至是给文字设计版式。　　例如，自动化技术可以通过包含最新信息的数据库，来生成某个乐队的音乐销售和下载量，或者音乐会门票销售量。搜索和编辑这些数据的主体是人还是机器并不重要，只要数据准确就可以，而且自动化可以为记者节省很多时间。　　人工智能在翻译领域　　据报道，全球翻译和口译行业的价值约为400亿美元。与某些观点相反，在不同语言之间的词义转换实际上需要大量的创造力。在不同的语言之间，单词和情感往往不能很好地转换，译者需要运用自身的语言能力，在不同语言的细微差异中做出准确的表达。　　从以往历史来看，机器翻译的口碑较差，但它们正变得越来越好。现在已经可以把任何一篇外语报纸的文章放进谷歌翻译，从而获得一篇相当忠实于原文的翻译，尽管机器翻译仍然还不能完善地翻译出很多口语表达。　　谷歌已经开始在它的众多公开服务中使用基于人工智能的神经系统机器翻译。　　Skype也有一个实时语音翻译工具，可以在通话中把你说的语言实时转换成外语，例如日语。Skype翻译使用诸如深度学习之类的人工智能技术来训练神经网络，这意味着它会在更多的实战演练中不断进步。　　任何靠谱的企业都不会在与客户进行关键业务的沟通时，百分百地依赖机器翻译。但是我们的确正在面临改变，机器将可以被用来做一些不那么重要的工作，或者还可以与校对人员一起纠正工作中的错误，修正那些重要工作通讯中出现的模糊内容。　　所以，就像Automated Insights在做的事情一样，我们或许可以实现这样一种进步：在机器可以发挥作用的领域实现100%机器操作，而在需要人类的细致理解时则让机器和人类协同工作。　　目前我们可以清楚地看到，自动化对人类工作的威胁对许多行业来说的确是真实存在的，其中包括创造性领域，人工智能为你提供完美的音乐推荐流媒体服务，将全家福转换为梵高风格的手绘，实时翻译和解读，机器写作新闻报道，构建网站，等等。　　这就导致了一个严峻的问题。创造力是人类的核心特征，是真正将我们与机器区分开来的东西。那么当机器可以用来帮助人类实现创造力的时候，我们还有什么动力去调动自身的创造力呢？　　不过，积极的因素也有很多。如果计算机能够像人类那样以自然的方式画画，甚至画得比人类还好，那么它就可以成为绘画老师，或者协助艺术家进行创作。　　另外，有一种强烈的观点认为，人类天生拥有创造力，并且总是希望能够自发地进行创造。如果你只需要点击一个按钮就能把照片变成艺术作品，那么乐趣何在？这就是人类永远不会失去的东西：对乐趣和创造的渴望。　　当然，他们能否在20年后不丢掉工作岗位，则是另一个问题。　　当技术在不断“修复”人类的失误时，无论是Word文档里的输入错误，还是绘画过程中的失误，人类都可能会逐渐失去独立创造的能力。再也不需要在大脑里记着某些事情了，不用再背电话号码了，也不用牢记去隔壁城镇奶奶家的路线了，因为我们知道这些都可以通过电话知晓。这肯定会对大脑的记忆能力产生影响。　　举个类似的例子，如果孩子们从小就用手机或电脑上的工具“辅助画画”，因为自己画“又慢又困难”，那么当这种行为普及时，它就不是一件好事。　　但我们不要太过于激动。现在机器还不能胜任许多创造性工作，迄今为止它们所能做的事情只是擦边球，仍然需要人类的帮助。那些极富创造性的项目，比如写小说、写调查性新闻报道，或者创作含有真情实意的歌词的完整原创音乐专辑，计算机在不久的将来仍然很难超越人类。　　一个很好的例子就是去年制作的一部名为《阳光之泉》的科幻短片。这部短片由真人演绎，机器写作剧本。它的灵感来自于Alphabet的AlphaGo人工智能系统，它在战略游戏Go中击败了职业选手。　　根据去年的一份报告，这部短片的剧本的作者是一个“循环神经网络”，它被称为“长短期记忆”，简称LSTM。这很有意思，虽然没什么意义，但是它提醒着我们，在创造真正的艺术作品上，机器的创作行为仍然取决于人类关注的话题。　　区分人工智能和“算法智能”也很重要。前者更多的是关于计算机思考、理解和适应人类的能力，而后者则更多地是利用数学来帮助人们和机器协同工作。　　Phil Tee是Moogsoft公司的董事长兼首席执行官，该公司专门为企业提供算法智能，主要帮助他们利用算法来处理日常的运营任务。他告诉VentureBeat记者，人工智能是计算机执行那些传统上需要人类智力的任务的能力，例如视觉感知、语音识别、决策和语言翻译等。而算法技术，例如智能运维（Algorithmic IT Operations），则能够利用数学来指导操作人员，以及测试那些难以预测的环境设置，例如企业计算机技术环境。　　在算法上不存在人工方面的东西。这是区分人工智能和算法智能的关键点。使用算法来预测你在Spotify上喜欢什么音乐，或者你应该在Netflix上看什么电影，这当然是很聪明的，但它本身并不具有创造性。它也许比人类更擅长工作，但它并不存在于艺术界。　　因此，尽管我们将看到企业越来越多地转向算法智能以优化运营，从而领先竞争对手，但艺术本身可能不会受到直接威胁。　　但是，我们是否能达到这样一个阶段：电脑可以写出逻辑连贯的书籍、歌曲，或者是电影？“这当然可以做到，但需要相当大的努力。”Tee补充道。　　他说：“如今，一个典型的神经网络有大约几百到数万个神经元，比拥有18000个神经元的海蛞蝓更聪明。机器学习的创造性之旅是至关重要的，也是漫长的。也许我们应该把更多精力放在通过智力来提升创造力上，而不是思考人类智力能否会被取代的问题。毕竟，创造力可能是人类这一生物的终极定义。”　　艺术需要人类，人类也需要艺术。机器可能会倾向于帮助这两者协同工作，甚至会取代一部分工作，但作为人类的决定性特征之一，艺术与人类仍将密不可分。　　（来源/VentureBeat 翻译/机器小易 审校/小ka）
特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。
阅读下一篇
网易通行证/邮箱用户可以直接登录：请问，为什么AI里选中的图形没有节点,只有个方框，我是不是按错什么键了？_百度知道
请问，为什么AI里选中的图形没有节点,只有个方框，我是不是按错什么键了？
不是的，用白色箭头也没显示
我有更好的答案
直接在那么没有显示节点的文档里，点CTRI+H就会显示了。
采纳率：100%
按 ctrl + h
我觉得可能是这几个原因 ，你试试，1目标图形编组了 ，你解组试试，2尝试用白箭头去选择，没了，要是还解决不了，我建议直接描一下，不是什么复杂的图形，自己画也不费事吧让么你给我原图
这两个图是同一个图，都明矢量图。只是放在不同文档里，我很想知道是什么原因。我可以给你原图看看，我该怎么发给你？
按A就能转到直接选取工具，就能看到点了 补充：那这张可以是图片，而非矢量图
2条折叠回答
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。&figure&&img src=&https://pic1.zhimg.com/v2-44bad091e5e4_b.jpg& data-rawwidth=&900& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&900& data-original=&https://pic1.zhimg.com/v2-44bad091e5e4_r.jpg&&&/figure&&blockquote&夏乙 允中 发自 凹非寺&br&量子位 出品 | 公众号 QbitAI&/blockquote&&p&人工智能正在最关键的路口。&/p&&p&所谓的第四次工业革命，一定要结出实际的革命成果。广阔天地，谁能大有作为？&/p&&p&很多AI创业公司在各自的领域取得了突破，但具备强大的AI技术储备，并且有能力渗透到几乎所有领域的玩家，目前来看主要还是BAT三家。&/p&&p&这场AI“赋能”的战争，较量的是平台、技术、场景、生态等多方面的综合实力。百度喊All in AI，腾讯喊AI in All，阿里盖起达摩院。&/p&&p&谁能在新革命中笑到山花烂漫？&/p&&p&短兵相接的前夜，我们绘制了一幅时局图。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f9dae1cd2cc2bc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&912& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic1.zhimg.com/v2-f9dae1cd2cc2bc_r.jpg&&&/figure&&h2&&b&BAT时局&/b&&/h2&&p&为了一争高下，BAT下注或早或晚，但都离不开几件事，例如&b&组团队、做研发、建生态&/b&等。&/p&&p&到现在，三大巨头在人工智能上的布局已经能看出大致轮廓。&/p&&h2&&b&百度&/b&&/h2&&figure&&img src=&https://pic4.zhimg.com/v2-9b6a129df8f0c6cd674f32dae8a4c293_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&1066& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic4.zhimg.com/v2-9b6a129df8f0c6cd674f32dae8a4c293_r.jpg&&&/figure&&p&百度在AI领域的野心，最初显露于2013年1月，深度学习研究院（IDL）的创立。&/p&&p&后来李彦宏陆陆续续建成了五大实验室，除了深度学习实验室之外，还有硅谷人工智能实验室、大数据实验室、增强现实实验室和深度学习及应用国家工程实验室。&/p&&p&这些实验室的研发成果历经5年的整合，逐渐形成了一个平台体系：百度智能云和百度大脑。智能云提供计算的基础设施和数据的获取、分析、标注能力，而百度大脑，整合了机器学习、深度学习算法，再将AI对语音、图像、视频、AR/VR的感知能力和自然语言处理、知识图谱、用户画像等认知能力开放出来，就形成了百度AI开放平台。&/p&&p&根据百度最新公布的数据，百度大脑现在拥有80多项核心AI能力，超过37万名开发者和合作伙伴，每天被调用2.19亿次。这些调用，来自百度内外。&/p&&p&对内，百度将AI能力输送到百度现有的各个产品之中。主业搜索自不必说，从一开始就受惠于AI技术的进步，包括手机百度、爱奇艺等应用也在AI的驱动下不断提升，2016年推出的信息流业务也在迅速发展。对外，百度走上开放平台的道路，主推DuerOS和Apollo。&/p&&p&陆奇一年前降临百度后，通过多种方式对业务进行了梳理和聚焦。核心当然就是上面两个平台，他们都各自成立了新的事业部进行支撑，当然也有医疗等业务被直接砍掉。&/p&&p&当然，百度在其他方面也一直有尝试，比如金融、机场、新零售等场景下，百度也在不停地开拓，一步一步积聚力量，构建自己的下一个生态。&/p&&p&不过总体来说，无论是从“All in AI”的技术投入来看，还是从所有能力汇总于百度大脑、全力推进Apollo、DuerOS两大平台的布局来看，百度似乎在把自己的AI力量集中起来，向着最重要的行业，单点突破。&/p&&p&最近陆奇在CES明确表示：“我们认为自己是一家旨在加快创新的AI公司，致力于实现AI技术的产品化和商业化。我想强调的是，最重要的是将该技术商业化，否则一切都是空谈。”&/p&&h2&&b&阿里巴巴&/b&&/h2&&figure&&img src=&https://pic2.zhimg.com/v2-8653ffdec9cdf8b8a64e16e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&668& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic2.zhimg.com/v2-8653ffdec9cdf8b8a64e16e_r.jpg&&&/figure&&p&众所周知，马云不喜欢“人工智能”这个说法，偏好机器智能。说辞的变化不影响本质。在整个互联网行业涌向AI的浪潮中，阿里也在2017年推出“NASA计划”和承载它的实体组织：达摩院。&/p&&p&达摩院的研究领域可谓广撒网，涉及量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、人机自然交互、芯片技术、传感器技术、嵌入式系统等，可以看出，AI在其中占据了半壁江山。达摩院的主要任务，是在全球范围内建实验室招揽人才，和高校建立合作。&/p&&p&实际上，阿里AI研究起步的远远早于达摩院，这家公司大部分AI基础研究成果，出自2014年成立的数据科学与技术研究院，也就是iDST。&/p&&p&比如最近机器阅读理解方面取得突破的阿里团队，就来自iDST。当然阿里内部体系众多，展开AI研究的部门也不少。例如在“双十一”期间，商品推荐、客服、海报宣传、运营维护等方面均有AI技术的加持。蚂蚁金服也在与金融机构的合作中，把AI技术作为一个重要的亮点。&/p&&p&另外，不喜欢“人工智能”这个词的阿里，还有一个以之为名的人工智能实验室：A.I. Labs，它不止是一个研究机构，还承担着基于AI技术打造平台、推出产品的职责。目前，他们除了天猫精灵智能音箱和搭载的AliGenie操作系统、AliGenie语音开放平台之外，还推出了AR开放平台和AR内容平台。&/p&&p&从2017年末开始，自动驾驶也成为了A.I. Labs发力的领域之一。&/p&&p&和自带产品开发职责的A.I. Labs不同，iDST的研究成果走进现实世界，依靠的是他们打造的一个个“大脑”。这两年来，阿里云相继推出了ET城市大脑、ET医疗大脑、ET工业大脑、ET环境大脑、ET航空大脑，将AI能力与大数据和云计算结合起来，在各个垂直市场跑马圈地。&/p&&p&阿里最近，在努力将这些大脑们整合为一个统一的平台：阿里云ET大脑。2017年最后一场云栖大会上，ET大脑正式发布，所布局的领域也不再限于原本的城市管理、医疗、工业、环保、航空，同样走上了“广撒网”之路。&/p&&h2&&b&腾讯&/b&&/h2&&figure&&img src=&https://pic4.zhimg.com/v2-5da6fa6b7_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&700& data-rawheight=&677& class=&origin_image zh-lightbox-thumb& width=&700& data-original=&https://pic4.zhimg.com/v2-5da6fa6b7_r.jpg&&&/figure&&p&腾讯无论做什么，都不会只投入一支团队。在人工智能上也是一样。&/p&&p&要论基础研究，腾讯有AI Lab、优图实验室和微信AI实验室三大机构，优图专注于计算机视觉技术，而AI Lab和微信AI在研究方向上虽然叫法不同，但多有重合，都是AI实验室标配的机器学习、自然语言处理、语音识别和计算机视觉。&/p&&p&根据各个实验室列出的合作伙伴和案例，这些实验室的技术，大部分都输送到了腾讯各条产品线之中，成了微信里的语音转文字、视频音乐新闻的推荐和排序、QQ的高能舞室、天天P图的军装照……&/p&&p&但是，就算产品体量庞大如鹅厂，也承载不完“AI in All”的野心。&/p&&p&腾讯的AI技术也同样寻求着在更多垂直领域的落地应用，其中最引人注目的，是医疗平台腾讯觅影。在金融、安防、政府政务、智慧零售等等领域，腾讯也都将AI技术与自身的社交、支付、地图、小程序等等技术结合起来，推出了垂直解决方案。&/p&&p&另外，腾讯也有类似于百度大脑的“AI开放平台”，在深耕的垂直领域之外，将自己的AI技能开放出来，供应给开发者。不过，目前这个“开放平台”的用户案例，依然是以腾讯内部产品为主。&/p&&p&在战局最喧闹的自动驾驶和对话式AI平台上，腾讯也分别投入了不止一支团队，开始造平台、积累合作伙伴。&/p&&p&虽然腾讯进军AI的时间较晚，但是能明显感到动作和决心都很大。&/p&&h2&&b&重点战场梳理&/b&&/h2&&figure&&img src=&https://pic3.zhimg.com/v2-63e94ab583ba_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&701& data-rawheight=&530& class=&origin_image zh-lightbox-thumb& width=&701& data-original=&https://pic3.zhimg.com/v2-63e94ab583ba_r.jpg&&&/figure&&p&矛盾有主有次。&/p&&p&虽说广阔天地大有作为，三家也各自有钦定的重点方向。但仍有一些是战场是重中之重，也是未来BAT在人工智能技术落地的过程中，有可能最早展开厮杀之地。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-05b26e3567bfd99fda38576aacf4a9e2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&48& data-rawheight=&48& class=&content_image& width=&48&&&/figure&&p&&b&对话式AI&/b&&/p&&p&人机交互的重大革新、下一代服务入口、下一个Android、家庭的控制中心……种种期待，让用于智能设备的对话式AI成了BAT争夺最激烈的领域。&/p&&p&百度有DuerOS，阿里有AliGenie，腾讯则至少有两个：腾讯云小微和移动互联网事业群（MIG）的叮当。&/p&&p&如果我们以智能音箱销量来评判对话式AI系统的发展，很会做生意的阿里似乎冲在最前。2017年7月，阿里AI Labs初次亮相，发布了一款智能音箱：天猫精灵X1。这款音箱，双十一降价促销，当天卖出了100万台。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d1b9a5d8c128baeafe3d1028_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&931& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&931& data-original=&https://pic1.zhimg.com/v2-d1b9a5d8c128baeafe3d1028_r.jpg&&&/figure&&p&但是，卖音箱只是手段而非目的。天猫精灵背后的终极目标，还是一个关于AliGenie开放平台、生态系统的梦想。&/p&&p&这个生态系统的梦想，BAT都有。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-097f97bbd9ed44cc0dfb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&349& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-097f97bbd9ed44cc0dfb_r.jpg&&&/figure&&p&百度虽然直到去年底才推出渡鸦raven H智能音箱，但最新的数据显示，DuerOS开放平台发布半年时间里，已新增130余家合作伙伴，落地硬件解决方案超过20个，每月新增5款以上搭载DuerOS的设备，覆盖家居、车载、移动各个场景，机顶盒、电视、冰箱、音箱、机器人、车载、手机、耳机等各类设备。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f4c80a7c85a9b572fe02_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&562& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic3.zhimg.com/v2-f4c80a7c85a9b572fe02_r.jpg&&&/figure&&p&为了守住这个领域，百度除了在北京和硅谷建设AI庞大的团队之外，还收购了两家创业公司：做语音交互和自然语言理解的Kitt.ai，和后来推出了raven H音箱的渡鸦。&/p&&p&内部竞争还未分胜负的腾讯势头也很猛。公开亮过相的两个团队里，叮当的发展速度似乎更快一些。2017年4月，它作为一个“语音助手”以App的形态发布，12月20日，发布了首款合作硬件1More耳机。截至目前，叮当虽然没有推出名为“硬件开放平台”的东西，但他们的“生态伙伴计划”也的确很见成效，做机器人的优必选、做音箱的哈曼、造车的广汽、做手机的魅族、努比亚等二十多家硬件厂商，都在腾讯叮当的合作案例名单之上。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f0b8c94ca6e83a3b9f4fb0e4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&615& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-f0b8c94ca6e83a3b9f4fb0e4_r.jpg&&&/figure&&p&相比之下，腾讯云小微的硬件开放平台和技能开放平台仍处于内测状态，除了和华硕一起造的机器人之外，没有太多关于合作伙伴的声音传出。值得一提的是，他们似乎在硬件之外，开辟了一条退路：智能客服。&/p&&p&智能音箱先行的AliGenie同样不是天猫精灵专属，它的硬件接入平台页面上，也展示着十多家合作伙伴。另外，AliGenie还推出了垂直行业智能语音解决方案，想在家居、移动硬件之外，为对话式AI开辟出新场景。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-fa037bfc9c3d4df42a29682a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&48& data-rawheight=&48& class=&content_image& width=&48&&&/figure&&h2&&b&自动驾驶&/b&&/h2&&p&2亿辆汽车和200多家OEM车厂，勾画出一个有更大想象空间的产业。&/p&&p&BAT在出行这件事儿上向来不安分，战火从地图、打车软件一路烧到了自动驾驶。&/p&&p&如果我们将时间倒回一年之前，你可能会发现，“自动驾驶”这个话题，几乎还只有百度一家在谈。而2017年过完，BAT已经悉数入局。最后一个传出消息的，是阿里。&/p&&p&阿里的自动驾驶业务目前还处在招兵买马阶段。12月中旬开始，阿里官方网站上开始出现自动驾驶相关的人工智能实验室（A.I. Labs）岗位，另外据36氪报道，这个团队中有不少无人车创业公司nuTonomy的旧部，已经开始面向车厂做介绍。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-a407e632be6ceca_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&686& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic3.zhimg.com/v2-a407e632be6ceca_r.jpg&&&/figure&&p&在这之前，阿里和车厂的交集，都围绕着互联网汽车操作系统发生，最亲密的盟友可能要数上汽。阿里和上汽合作打造的斑马智行，已经推出了“全球首款互联网汽车”荣威RX5。美国大厂福特、Tier 1供应商德尔福也是阿里的合作伙伴。除了这些合作伙伴之外，阿里还投资了一家国产电动汽车厂商：小鹏。&/p&&p&在投资车厂这件事上，出手最阔绰的当属腾讯。除了先后入股创业公司蔚来和威马，腾讯还在二级市场投资了特斯拉5%的股权，甚至秘密在硅谷投资了一家自动驾驶公司。&/p&&p&而腾讯本身的自动驾驶业务，据说已经到了全面研发、多次路测的阶段。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-bdf6ee68464ff29ebcd7462d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&740& data-rawheight=&494& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&https://pic2.zhimg.com/v2-bdf6ee68464ff29ebcd7462d_r.jpg&&&/figure&&p&在自动驾驶进展还不够清晰的当下，腾讯的合作伙伴，也大多与AI in Car车联网系统相关，广汽、长安、吉利、比亚迪、东风柳汽、博世都和腾讯有着或多或少的联系。&/p&&p&自动驾驶领域的领先者，其实已经被科技部点了名。2017年11月，科技部公布首批国家人工智能开放创新平台名单，其中自动驾驶方面依托百度公司建设自动驾驶国家新一代人工智能开放创新平台。&/p&&p&入局最早的百度，和阿里腾讯早已不在同一个发展阶段。百度已经围绕Apollo与博世、大陆、一汽、长安、奇瑞、北汽、金龙等90多家企业达成了合作，也探索出了一条清晰的路线——还是在这个领域打造一个Android。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-1cdc381d84c8cd8a6daf05_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&550& data-rawheight=&186& class=&origin_image zh-lightbox-thumb& width=&550& data-original=&https://pic2.zhimg.com/v2-1cdc381d84c8cd8a6daf05_r.jpg&&&/figure&&p&Apollo，是百度2017年4月启动的自动驾驶开放平台，要为合作伙伴提供一个开放、完整、安全的软件平台，帮他们搭建完整的自动驾驶系统。到2018年初Apollo 2.0的发布，云端服务平台、软件平台、硬件平台、车辆平台在内的四大模块全部开放，释放了在简单城市道路上自动驾驶的能力。一切，都按照去年7月公布的路线图进行着。&/p&&p&按计划，年，百度会加快开放速度，直到最后能让合作伙伴完成完全自动驾驶。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-ee5be74ca83ce887b20c76f9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&294& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic2.zhimg.com/v2-ee5be74ca83ce887b20c76f9_r.jpg&&&/figure&&p&但对于Apollo来说，更重要的还是生态。所谓生态，不仅仅是被赋能的车厂，Apollo还为向产业链上下游延伸而建立了基金，要在未来3年投出100多个项目。作为一个开源系统，创业公司、高校实验室同样是Apollo的伙伴。&/p&&p&和腾讯一样，百度也投资了威马汽车，也投资了共享出行平台首汽约车。此前百度还投资了自动驾驶关键部件激光雷达的核心厂家Velodyne，相关技术开放商xPerception等。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-003bc2bab4bcee31b335f11_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&48& data-rawheight=&48& class=&content_image& width=&48&&&/figure&&h2&&b&金融&/b&&/h2&&p&还有一个不可忽略的战场，是金融。&/p&&p&阿里旗下的金融巨头蚂蚁金服和阿里云都在尝试赋能金融机构。&/p&&p&2017年1月以来，蚂蚁金服开始逐渐转变自己的定位，尝试用自身积累的技术能力来赋能、服务金融机构。夏天，蚂蚁金服在理财和保险领域，向金融机构开放了“理解用户”、“优化投资策略”和“用户与金融产品匹配”三个层面的能力，后来，AI客服能力、智能图像定损技术等等也相继开放。然而这还并不是蚂蚁金服AI布局的全貌，首席数据科学家漆远说：“蚂蚁AI技术将成熟一个，开放一个。”&/p&&p&2017年底，阿里云又发布了ET金融大脑，要帮合作伙伴风控、营销和客服方面提高效率。&/p&&figure&&img src=&https://pic4.zhimg.com/v2-2bec22590e3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&810& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/v2-2bec22590e3_r.jpg&&&/figure&&p&相比之下，腾讯向金融行业合作伙伴提供的技术就显得比较表面，没有涉及风控这样的专业垂直应用，而只是将更为通用的身份检测、客服等能力注入其中。&/p&&p&你可能想不到，百度，也是这个战场上的一个重要玩家。虽然百度金融这一年来在to C市场上声量不大，但这家“All in AI”的公司，在金融上也要将“智能化”坚持到底。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-78a98dfec99bd4e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&447& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic3.zhimg.com/v2-78a98dfec99bd4e_r.jpg&&&/figure&&p&在11月的百度世界大会上，百度金融技术负责人许东亮说，百度金融已经赋能近400家机构，为机构客户提供解决方案，为它们提供安全防护、智能获客、大数据风控等服务。&/p&&p&百度金融据说还在谋划更为独立的未来。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-df85cdd3dbb355e_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&48& data-rawheight=&48& class=&content_image& width=&48&&&/figure&&h2&&b&医疗&/b&&/h2&&p&要说AI在各行各业的应用，不少人都会第一个想到医疗影像。&/p&&p&在这个领域，百度在医疗事业部部分团队转入AI体系之后就悄无声息，但腾讯和阿里都在抢占布局。&/p&&p&首批国家新一代人工智能开放创新平台中，腾讯就以医疗影像平台“觅影”入选。腾讯觅影发布于2017年8月，最先推出的是早期食管癌筛查。后来，觅影又相继推出早期肺癌筛查、糖尿病性视网膜病变筛查、乳腺癌早期筛查等医疗影像技术，还基于自然语言处理推出了AI辅助诊疗、病案智能化管理产品。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8419bdb44ea786bb1ef780_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&1099& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-8419bdb44ea786bb1ef780_r.jpg&&&/figure&&p&腾讯觅影结合了AI lab、腾讯优图、TEG架构平台部等团队的AI技术，由互联网+合作事业部牵头建立。推出至今不到半年，腾讯觅影已经有了西门子医疗、兰州大学第二医院、深圳市南山人民医院、中山医院等十几家合作伙伴。&/p&&p&马化腾此前表示，医疗与AI是非常好的落脚点，未来腾讯在医疗方面会做更多的事情。&/p&&p&阿里入局AI医疗其实比腾讯还要早。2017年3月底，ET医疗大脑首次亮相，宣称具有虚拟助理、医学影像、精准医疗、药效挖掘、新药研发、健康管理等功能。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-b59c3bce4b24d16ce619b9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&540& data-rawheight=&822& class=&origin_image zh-lightbox-thumb& width=&540& data-original=&https://pic2.zhimg.com/v2-b59c3bce4b24d16ce619b9_r.jpg&&&/figure&&p&与腾讯思路不同的是，ET医疗大脑的技术并非都出自阿里内部，而是聚集了不少合作伙伴一起提供服务，比如做皮肤检测的宜远智能、分析病历的惠每医疗等等。&/p&&p&目前的阿里云ET医疗大脑，能够提供影像智能诊断、智能病历诊断、语音医嘱录入、医疗意图识别、辅助管理决策、家庭慢病管理、DNA序列分析等功能。阿里在医疗方面，还跟华大基因、上海华山医院、浙江卫计委等机构展开合作。&/p&&p&另外，阿里去年也在医疗方面有一些投资布局，包括嘉和美康、Prenetics等。腾讯的动作也不少，去年已经披露出来的医疗相关投资包括：VoxelCloud、Grail、企鹅医生、Practo等。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-682f4f9c61375ebb949e64e9fa2e4fb1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&48& data-rawheight=&48& class=&content_image& width=&48&&&/figure&&h2&&b&零售&/b&&/h2&&p&不管是新零售还是旧零售，不管是线上还是线下，阿里在这个领域都有天然的优势。&/p&&p&先梳理一下AI给阿里自身业务带来的变化。机器人客服“阿里小蜜”，双11当天承担95%客服咨询；机器智能推荐系统，双11当天产生567亿不同的货架；AI设计师“鲁班”，双11期间，设计4.1亿张商品海报；华北数据中心运维机器人：接替运维人员30%重复性工作……&/p&&figure&&img src=&https://pic2.zhimg.com/v2-7cb679cc2d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&740& data-rawheight=&485& class=&origin_image zh-lightbox-thumb& width=&740& data-original=&https://pic2.zhimg.com/v2-7cb679cc2d_r.jpg&&&/figure&&p&与AI之于百度的搜索业务一样，AI之于阿里的电商业务也具备天然的赋能加成。除了上面提及的进展，蚂蚁金服还基于AI技术推出客服机器人“小蚂答”，以及AI助力的车辆定损服务“定损宝”等。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-3b98ae7007cebf2b8578523c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1080& data-rawheight=&507& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/v2-3b98ae7007cebf2b8578523c_r.jpg&&&/figure&&p&阿里还搞出了无人零售咖啡店。无人商店，是一个未来非常有意思的趋势。&/p&&p&此外，阿里在新零售思想的指引下，还大举投资了一批线下零售相关企业，包括：企加云、大润发、东方股份、新华都、易果生鲜、银泰、bigbasket、联华超市……&/p&&p&可以想见，阿里在零售方面的生态布局，一定会成为其AI技术应用的重要场景。&/p&&p&零售不是腾讯的强项，不过腾讯也提出了“智慧零售”的概念。腾讯COO任宇昕对此解释称：腾讯希望的是通过’去中心化’的方式，把平台能力开放给广大品牌商、零售商以及商业地产等合作伙伴。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-b69f48a479c9edaee8669_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&641& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&https://pic2.zhimg.com/v2-b69f48a479c9edaee8669_r.jpg&&&/figure&&p&腾讯表示将提供场景、大数据、AI技术支持，以及腾讯全产品线，帮助商家量身定做解决方案，帮助线下门店实现数据化和智能化，让消费者与商品之间，实现跨场景的智慧连接。&/p&&p&现在已经有一些案例出现了。例如在深圳、广州的一些服饰连锁零售店里，腾讯的AI技术提供了人脸识别、客户画像、精准推荐等技术支持。其他方向还包括餐饮连锁、快消等等。&/p&&p&零售更不是百度擅长的方向，不过百度在这方面也有所行动，正在寻找合适的合作伙伴准备赋能。有意思的是，已经离职的前任百度研究院长林元庆，创业服务的第一个大客户，就来自零售领域。&/p&&h2&&b&One More Thing&/b&&/h2&&p&文中的BAT时局图，我们还准备了一份高清版，请在量子位(QbitAI)公众号对话界面回复“&b&BAT时局&/b&”获取。&/p&&p&— &b&完&/b& —&/p&&p&欢迎大家关注我们的专栏：&a href=&https://zhuanlan.zhihu.com/qbitai& class=&internal&&量子位 - 知乎专栏&/a&&/p&&p&诚挚招聘&/p&&p&量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。&/p&&p&&a href=&https://zhuanlan.zhihu.com/qbitai& class=&internal&&量子位 QbitAI&/a& · 头条号签约作者&/p&&p&?'?' ? 追踪AI技术和产品新动态&/p&&p&&/p&
夏乙 允中 发自 凹非寺 量子位 出品 | 公众号 QbitAI人工智能正在最关键的路口。所谓的第四次工业革命，一定要结出实际的革命成果。广阔天地，谁能大有作为？很多AI创业公司在各自的领域取得了突破，但具备强大的AI技术储备，并且有能力渗透到几乎所有领域…
&figure&&img src=&https://pic3.zhimg.com/v2-efb9bc6f02db4b_b.jpg& data-rawwidth=&638& data-rawheight=&421& class=&origin_image zh-lightbox-thumb& width=&638& data-original=&https://pic3.zhimg.com/v2-efb9bc6f02db4b_r.jpg&&&/figure&&p&人工智能和机器学习技术在2017年风靡全球。看看微软在牛津的项目，IBM的沃森，谷歌的Deep Mind和百度的超级计算机Minwa，你就会明白现在的趋势。&/p&&p&2015年，Gartner引入了机器学习（ML）的概念，当时，他预测ML将在2 ~ 5年内达到高峰。现在，Facebook和亚马逊这些大公司正在越来越多地利用机器学习，从大量的数据中提取有价值的信息。&/p&&p&研究预测，到2025年，人工智能市场将增长到约370亿美元，而在2015年，它仅有约6.45亿美元！&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4caca2bdecfdd1e1aa423b6_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&575& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&575& data-original=&https://pic3.zhimg.com/v2-4caca2bdecfdd1e1aa423b6_r.jpg&&&/figure&&p&“机器学习是一个核心，是转变的方式，让我们重新思考我们正在做的一切。”——Sundar Pichai，谷歌首席执行官&/p&&p&机器学习或人工智能广泛商业化的成功是无处不在的，从亚马逊推荐你可能喜欢看的电影到能够区分行人和树的谷歌自驾车。数据驱动的AI / ML已经帮助商业领袖做出决定，衡量业务，研究人类行为和进行预测分析。如果你的组织想要涉足这个非凡的领域，你需要考虑清楚。&/p&&p&&b&随着并行计算的成本降低，大数据的改进和算法的突破，应用型人工智能是当今世界发展的方向。&/b&处理大量数据需求以及物联网连接设备数量的增加都大大增加了机器学习的重要性。&/p&&p&AI / ML具有很大潜力，对于工程师或数据挖掘、模式识别的爱好者来说，这是一个不错的职业选择。此外，机器学习是数据科学不可分割的一部分，被哈佛商业评论评为21世纪最性感的工作
。&/p&&p&埃文斯数据公司的一项研究发现，接受调查的500名开发人员中，有36％在其大数据或其他分析项目中使用ML元素。首席执行官Janel Garvin表示：“机器学习与许多目前正在迅速采用的AI技术，已经使大数据和高级分析方面的开发人员处于领先地位。”&/p&&p&她补充说：“我们看到越来越多的开发人员对各种形式的认知计算产生兴趣，包括模式识别、自然语言识别和神经网络，我们充分期待明天的计划将基于今天这些新兴的技术。”&/p&&figure&&img src=&https://pic2.zhimg.com/v2-fe1502f9cedb44b600c99801_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&427& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/v2-fe1502f9cedb44b600c99801_r.jpg&&&/figure&&p&因此，对于拥有计算机科学、机器学习、运筹学或统计学学位的人来说，在未来的一段时间内，世界可能就是他们的囊中之物。&/p&&p&&b&本文整理了一些免费的顶级ML和AI课程，这些课程将帮助你成为下一个ML专家。&/b&当然，这是一项艰苦的工作，但是如果你在该领域有所追求，你会发现通过这种方式，可以取得成功。&/p&&p&&br&&/p&&p&&b&1.吴恩达：机器学习&/b&&/p&&p&Coursera联合创始人吴恩达的为期11周的课程。作为一个偏应用的机器学习课程，它讲述了最好的机器学习和统计模式识别技术，并教你如何实现学习的算法。&/p&&p&广泛地讲，它包括有监督和无监督学习，线性和逻辑回归，正则化和朴素贝叶斯。他使用Octave和MatLab。该课程还有丰富的案例研究和一些实际应用。要求学生了解概率、线性代数和计算机科学的基础知识。该课程广受用户好评。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/learn/machine-learning& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/learn/mach&/span&&span class=&invisible&&ine-learning&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&2. Udacity：机器学习介绍&/b&&/p&&p&作为Udacity数据分析师纳米学位的一部分，这个大约为期10周的课程教授了使用机器学习处理数据集所需的所有知识，以提取有用的见解。&b&教师Sebastian Thrun和Katie Malone要求初学者了解Python和基本的统计概念。&/b&&/p&&p&本课程教授从聚类到决策树，从Adaboost到SVM等ML算法。此外，许多用户还建议参加数据科学基础课程，包括数据操作、数据分析、信息可视化、数据通信以及大规模数据处理等内容。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.udacity.com/course/intro-to-machine-learning--ud120& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&udacity.com/course/intr&/span&&span class=&invisible&&o-to-machine-learning--ud120&/span&&span class=&ellipsis&&&/span&&/a& &/p&&p&&br&&/p&&p&&b&3. 加州理工：从数据中学习（介绍性机器学习）&/b&&/p&&p&加州理工大学电子工程与计算机科学教授Yaser S. Abu-Mostafa将向你介绍机器学习的基本理论原理、算法和应用。&/p&&p&课程需要每周花费10到20小时，持续10周。他们还有5周的课程，基于数据科学和分析的机器学习，新手可以学习更多的算法。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.edx.org/course/learning-data-introductory-machine-caltechx-cs& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&edx.org/course/learning&/span&&span class=&invisible&&-data-introductory-machine-caltechx-cs1156x#!&/span&&span class=&ellipsis&&&/span&&/a&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-6ec795bccca861bcf230bbd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic2.zhimg.com/v2-6ec795bccca861bcf230bbd_r.jpg&&&/figure&&p&&b&4.卡内基梅隆：统计机器学习&/b&&/p&&p&这是YouTube上一个高级机器学习视频系列讲座，教师Larry Wasserman是卡内基梅隆大学统计系和机器学习系教授。&/p&&p&&b&本课程是他为博士生准备的中级统计和机器学习讲座。&/b&如果你想理解这些课程，需要确保自己有一定的数学、计算机科学和统计基础。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/watch%3Flist%3DPLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE%26v%3DzcMnu-3wkWo& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&youtube.com/watch?&/span&&span class=&invisible&&list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE&v=zcMnu-3wkWo&/span&&span class=&ellipsis&&&/span&&/a& &/p&&p&&br&&/p&&p&&b&5. Hinton：机器学习神经网络&/b&&/p&&p&多伦多大学名誉教授Gregory Hinton也在谷歌山景城工作，他教这个由Coursera提供的为期16周的高级课程。&/p&&p&作为深度学习领域的先驱，Hinton在YouTube上的演讲视频讲述了神经网络在图像分割、人体运动、建模语言、语音和物体识别等方面的应用。&b&本课程希望学生熟练掌握微积分，并具有Python编程经验。&/b&&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/watch%3Flist%3DPLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9%26v%3DcbeTc-Urqak& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&youtube.com/watch?&/span&&span class=&invisible&&list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&v=cbeTc-Urqak&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&6. Google：深度学习&/b&&/p&&p&Udacity提供了这个让机器学习更上一层楼的免费课程。Google的3个月课程不适合初学者。它讨论了深度学习的动机，深度神经网络，卷积网络以及文本和序列的深层模型。&/p&&p&课程负责人Vincent Vanhoucke和Arpan Chakraborty希望学习者具有Python编程经验和一些GitHub经验，并了解机器学习、统计学、线性代数和微积分的基本概念。其中TensorFlow（谷歌自己的深度学习库）课程还有一个额外的优势，那就是可以自己掌握进度。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.udacity.com/course/deep-learning--ud730& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&udacity.com/course/deep&/span&&span class=&invisible&&-learning--ud730&/span&&span class=&ellipsis&&&/span&&/a&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d7fa95ab0ce_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&455& data-rawheight=&274& class=&origin_image zh-lightbox-thumb& width=&455& data-original=&https://pic2.zhimg.com/v2-d7fa95ab0ce_r.jpg&&&/figure&&p&&b&7. DataCamp：基于 R的机器学习教程&/b&&/p&&p&DataCamp提供这种交互式的学习体验，将帮助你在Kaggle竞赛中获得高分。他们还有免费的介绍R的课程。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.kaggle.com/c/titanic/details/new-getting-started-with-r& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&kaggle.com/c/titanic/de&/span&&span class=&invisible&&tails/new-getting-started-with-r&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&8. 微软：机器学习原理&/b&&/p&&p&微软数据科学专业计划证书的一部分，这是一个为期6周的中级课程。它教你如何使用Python、R和Azure云平台来构建和使用机器学习模型。&/p&&p&教师Steve Elston和Cynthia Rudin博士在课程中介绍了机器学习中的分类、回归、监督模型、非线性建模、聚类和推荐系统。如果想要获得认证证书，就需要付款了。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.edx.org/course/principles-machine-learning-microsoft-dat203-2x-2& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&edx.org/course/principl&/span&&span class=&invisible&&es-machine-learning-microsoft-dat203-2x-2&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&9. 亚马逊：机器学习专业化&/b&&/p&&p&华盛顿大学已经创建了五门课程，通过实际案例研究，介绍机器学习的基础知识。这个为期6周的课程，每周需要5到8小时的学习时间，包括ML基础、分类、聚类、回归、推荐系统、降维以及介绍一些使用深度学习的项目。&/p&&p&亚马逊的Emily Fox和Carlos Guestrin是指导老师，&b&他们要求学习者掌握基本的数学和编程技巧，并掌握Python的相关知识。&/b&课程学习是免费的，获得有效的证书需要付费。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/specializations/machine-learning& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&coursera.org/specializa&/span&&span class=&invisible&&tions/machine-learning&/span&&span class=&ellipsis&&&/span&&/a&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-03e34d14aa8dd6b08ac9_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&635& data-rawheight=&318& class=&origin_image zh-lightbox-thumb& width=&635& data-original=&https://pic2.zhimg.com/v2-03e34d14aa8dd6b08ac9_r.jpg&&&/figure&&p&&b&10. EdX的人工智能&/b&&/p&&p&EdX的这个激动人心的课程讲述了AI应用，例如机器人学和NLP，机器学习（AI分支）算法，数据结构，游戏和约束满足问题。它持续12周，是哥伦比亚大学的高级教程。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&edx.org/course/artifici&/span&&span class=&invisible&&al-intelligence-ai-columbiax-csmm-101x&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&11. Udacity：人工智能介绍&/b&&/p&&p&该课程介绍AI的“代表性应用程序”。它是“机器学习工程师纳米学位计划”的一部分。教师Sebastian Thrun和Peter Norvig带你了解AI的基础知识，包括贝叶斯网络，统计数据和机器学习以及AI应用，如NLP、机器人技术和图像处理的应用。课程要求学生知道线性代数和概率论。&/p&&p&课程链接：&/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.udacity.com/course/intro-to-artificial-intelligence--cs271& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&udacity.com/course/intr&/span&&span class=&invisible&&o-to-artificial-intelligence--cs271&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&12.斯坦福：人工智能（原理和技术）&/b&&/p&&p&这个斯坦福大学的课程讲述了AI如何使用数学工具来处理机器翻译、语音、人脸识别以及自动驾驶等方面的复杂问题。课程大纲包括：机器学习概念，树搜索、动态规划、启发式，AI玩游戏，马尔可夫决策过程，约束满足问题，贝叶斯网络，逻辑和任务。&/p&&p&课程链接： &/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//web.stanford.edu/class/cs221/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&web.stanford.edu/class/&/span&&span class=&invisible&&cs221/&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&&b&13.佐治亚理工学院：机器人与人工智能&/b&&/p&&p&这个课程由Udacity提供，讲述了如何模仿斯坦福和谷歌的做法来编程一个机器人汽车。它是深度学习纳米学位基础课程的一部分。Sebastian Thrun将教授定位，卡尔曼和粒子滤波器，PID控制和SLAM等内容。&b&课程要求学生对线性代数和概率等数学概念，Python知识以及编程经验有一定的掌握。&/b&&/p&&p&课程链接： &/p&&p&&a href=&http://link.zhihu.com/?target=https%3A//www.udacity.com/course/artificial-intelligence-for-robotics--cs373& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&udacity.com/course/arti&/span&&span class=&invisible&&ficial-intelligence-for-robotics--cs373&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&p&本文列出的一些课程旨在帮助你快速进入机器学习和人工智能这个令人兴奋和快速发展的领域。这些专注于特定学习领域的世界级课程，是你在机器学习、数据科学等领域获得璀璨职业生涯的极好基石。&/p&&p&所以一旦你确定了自己的学习目标，并具备一定的技术能力，那么，请制定一份学习计划，给自己设定一个时间限制，然后，请自律，并按时完成计划；尝试与他人有效地合作，最重要的是找到方法，并始终保持动力。&/p&&p&&br&&/p&&p&原文链接：&a href=&http://link.zhihu.com/?target=https%3A//techyhealth.com/artificial-intelligence/free-training-courses-machine-learning-artificial-intelligence/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&techyhealth.com/artific&/span&&span class=&invisible&&ial-intelligence/free-training-courses-machine-learning-artificial-intelligence/&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&&br&&/p&&blockquote&来源：TechyHealth&br&作者：Kate Bolduan&br&智能观 编译&/blockquote&&p&—完—&/p&&blockquote&想知道AI加教育领域有哪些最新研究成果？&br&想要AI领域更多的干货？&br&想了解更多专家的“智能观”？&br&请在对话界面点击“找找看”，去获取你想要的内容吧。&/blockquote&&figure&&img src=&https://pic2.zhimg.com/v2-9db59cb2a3bfc934f1ffcfe_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&362& data-rawheight=&357& class=&content_image& width=&362&&&/figure&&p&&/p&
人工智能和机器学习技术在2017年风靡全球。看看微软在牛津的项目，IBM的沃森，谷歌的Deep Mind和百度的超级计算机Minwa，你就会明白现在的趋势。2015年，Gartner引入了机器学习（ML）的概念，当时，他预测ML将在2 ~ 5年内达到高峰。现在，Facebook和亚马逊…
&figure&&img src=&https://pic2.zhimg.com/v2-810e9dbcdda6bb5ef29e7_b.jpg& data-rawwidth=&1000& data-rawheight=&1000& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic2.zhimg.com/v2-810e9dbcdda6bb5ef29e7_r.jpg&&&/figure&&p&刚涉足计算机领域时，很多朋友的知识都是从书本上学来的。那个时候还没有在线课程，培训班虽然林林总总有一些，但大多流于表面，无法满足我深入理解知识的要求。 &/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-6807abf696b8ea15f96aa6e791aa720a_b.jpg& data-caption=&& data-rawwidth=&540& data-rawheight=&403& class=&origin_image zh-lightbox-thumb& width=&540& data-original=&https://pic4.zhimg.com/v2-6807abf696b8ea15f96aa6e791aa720a_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&即便现在网络发达，在线教育崛起，但是技术类的书本仍旧是很多人的进步阶梯，它们的价值，不会随着时间流逝而褪色。好的工程师，不仅能在代码上大放光彩，而且还能随口就推荐出一些让人进步的好书。&/p&&p&&br&&/p&&p&&b&今天优达菌精选了10本豆瓣上评分高达8.5以上的技术类书籍，不仅有书本的简单介绍，还有来自网友的评论，而且都能在图灵社区买的到，希望对大家的自我提升带来帮助。&/b&&/p&&p&&br&&/p&&p&&i&1.《第一行代码——Android（第2版）》&/i&&/p&&p&&br&&/p&&p&豆瓣评分8.5，CSDN超人气博主、Android开发者郭霖力作！涵盖了四大组件、UI、碎片、数据存储、多媒体、网络、定位服务等方方面面的知识。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-6db61e373a1e2acf873be68cadb3c484_b.jpg& data-caption=&& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic1.zhimg.com/v2-6db61e373a1e2acf873be68cadb3c484_r.jpg&&&/figure&&p&&b&《第一行代码——Android（第2版）》，&/b&最受欢迎的入门书全新升级，将所有知识点都在最新的Android系统上进行了重新适配，使用全新的Android Studio开发工具代替之前的Eclipse，并添加了对Material Design、运行时权限、Gradle、RecyclerView、百分比布局、OkHttp、Lambda表达式等全新知识点的详细讲解。最后还会带你一起开发一个天气预报程序，并教会你如何将程序发布到应用商店，以及如何在程序中嵌入广告盈利。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@一期一会:语言朴实 内容实用 很照顾新手学习时的状态 好书&/p&&p&@Lincoln Zhou:看完了。实打实的干货。我从第一版、Angular过来又看了一遍。新版真是带劲啊。项目接触多了，很多地方都贯穿起来了。&/p&&p&&br&&/p&&p&&i&2.《算法（第4版）》&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.4，作为算法领域经典的参考书，涵盖程序员需要掌握的50种算法，与高德纳TAOCP一脉相承。&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-2548cfd54f888a2191d3d_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&https://pic4.zhimg.com/v2-2548cfd54f888a2191d3d_r.jpg&&&/figure&&p&&br&&/p&&p&本书作为算法领域经典的参考书，全面介绍了关于算法和数据结构的必备知识，并特别针对排序、搜索、图处理和字符串处理进行了论述。第4版具体给出了每位程序员应知应会的50个算法，提供了实际代码，而且这些Java代码实现采用了模块化的编程风格，读者可以方便地加以改造。本书配套网站提供了书中内容的摘要及更多的代码实现、测试数据、练习、教学课件等资源。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@Michael:什么叫态度，什么叫好书，这就是最好的范例。&/p&&p&@大懒兔:这本书也非常牛，用java实现，我觉得这本书是最适合用来算法入门的，说它适合入门不是说它太浅，而是讲的深入浅出，非常容易理解，里面那些小彩图呀，啧啧，美极了！建议中英对照着读。&/p&&p&&br&&/p&&p&&i&&b&3.《Python编程：从入门到实践》&/b&&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.0，Amazon编程入门类榜首图书，年度备受关注的Python入门书。&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-f5fba012bfed924af6aa02b_b.jpg& data-caption=&& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic3.zhimg.com/v2-f5fba012bfed924af6aa02b_r.jpg&&&/figure&&p&&br&&/p&&p&全书分两部分：第一部分介绍用Python编程所必须了解的基本概念，包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍，以及列表、字典、if语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D游戏开发，如何利用数据生成交互式的信息图，以及创建和定制简单的Web应用，并帮读者解决常见编程问题和困惑。&/p&&p&&br&&/p&&p&&b&读者评论： &/b&&/p&&p&@西西西: 从编程小白的角度看，入门极佳。手把手教的感觉，却绝不啰嗦。什么叫入门书？一本书读下来，行文上不卡壳，逻辑上不跳跃，读者如爬楼梯，一步一步即可登楼。&/p&&p&@胖狐狸: 基础部分讲解恰到好处，不多不少，实践部分，以项目为模块，很好的练习了常用的模块&/p&&p&@Clark :非常好的入门书，还有具体的实践例子，作为一个使用python 十几年的工程师，强烈推荐初学者阅读&/p&&p&&br&&/p&&p&&i&&b&4.《流畅的Python》&/b&&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.2，兼顾Python3和Python 2，是Python程序员的进阶利器。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-810e9dbcdda6bb5ef29e7_b.jpg& data-caption=&& data-rawwidth=&1000& data-rawheight=&1000& class=&origin_image zh-lightbox-thumb& width=&1000& data-original=&https://pic2.zhimg.com/v2-810e9dbcdda6bb5ef29e7_r.jpg&&&/figure&&p&&br&&/p&&p&本书致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性，写出简洁、流畅、易读、易维护的代码。特别是深入探讨了针对数据库处理时生成器的具体应用、特性描述符（ORM的关键），以及Python式的对象：协议与接口、抽象基类及多重继承。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@雨停就走:因为工作了经常要用到Python，才开始真正学习起来，可以说是目前市面上最好的Python技术书。&/p&&p&@zxygentoo: Greatbook at just the right time. Time to brush the old Python.&/p&&p&@ jiraiyame: 刚拿到书的当晚就通读了关于并发流程控制部分，比较喜欢章节末的杂谈，会有比较多的扩展和思考&/p&&p&&br&&/p&&p&&b&&i&5.《Head FirstJavaScript 程序设计》&/i&&/b&&/p&&p&&br&&/p&&p&&b&HeadFirst系列经典书籍。&/b&让你轻松入门JavaScript。通过玩游戏、解谜题，与 JavaScript 另类交互，快速上手前端开发。&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-4bbcca25d2c_b.jpg& data-caption=&& data-rawwidth=&640& data-rawheight=&640& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-4bbcca25d2c_r.jpg&&&/figure&&p&&br&&/p&&p&本书从JavaScript的基础知识逐渐深入到高阶话题，包括对象、函数、浏览器的文档对象模型、类型、数组、原型、闭包等。读者会在阅读的过程中玩游戏、解谜题，并且以你想象不到的方式与JavaScript交互。此外，读者还会写大量的代码，以便构建自己的Web应用。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@ s***:不愧是豆瓣评分9分的书，大致浏览了一遍，书中有较强的实践也有细节的提示，用来入门JS非常合适&/p&&p&@ 破碎辰心：书的质量很好，内容也很完善，阅读起来也很方便！图形结合，通俗易懂，方便记忆的！很喜欢&/p&&p&&br&&/p&&p&&i&6.《&b&JavaScript高级程序设计（第3版）&/b&》&/i&&/p&&p&&br&&/p&&p&豆瓣评分9.3，全能前端人员必读之经典，全面知识更新必备之佳作。&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-63f1ab175a3_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&https://pic1.zhimg.com/v2-63f1ab175a3_r.jpg&&&/figure&&p&&br&&/p&&p&全书从JavaScript语言实现的各个组成部分——语言核心、DOM、BOM、事件模型讲起，深入浅出地探讨了面向对象编程、Ajax 与Comet服务器端通信，HTML5表单、媒体、Canvas（包括WebGL）及WebWorkers、地理定位、跨文档传递消息、客户端存储（包括IndexedDB）等新API，还介绍了离线应用和与维护、性能、部署相关的最佳开发实践。本书附录展望了未来的API和ECMAScript Harmony规范。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@景庄: JavaScript学习必读，详细解释了JavaScript的工作原理。&/p&&p&@阿坚: 看完目录发现上次阿里的面试一小半问题出自此书.......&/p&&p&@ Lua: 非常系统，紧跟潮流，新手老手都值得好好读一读。&/p&&p&&br&&/p&&h2&&i&7.《Linux命令行与shell脚本编程大全（第3版）》&/i&&/h2&&p&&br&&/p&&h2&豆瓣评分9.3分，让你轻松掌握Linux命令行和shell脚本编程细节，实现Linux系统任务自动化。&/h2&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d3fc409f5afa_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&https://pic2.zhimg.com/v2-d3fc409f5afa_r.jpg&&&/figure&&p&&br&&/p&&h2&和所有“大全”系列图书一样，这本书涵盖了详尽的动手教程和实践信息，还提供了与所学内容相关的参考信息和背景资料。它是关于Linux命令行和shell命令的相当全面的资源。读完之后，你将可以轻松写出自己的shell脚本来实现Linux系统任务自动化处理。&/h2&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&h2&@BeginMan: 终于看完了这本大部头，很棒的一本书，从第一层从Linux shell涉及的相关命令开始讲，到第二层完完整整讲解shell编程，最后到第三层配合sed,awk,正则更加高级的主题去讲解。&/h2&&p&@轩辕拾銉:不输鸟哥，语言更加简洁明了，而且内容更新。如果要买，我推荐这本。一周目，粗读了sed进阶之前的章节，很不错，之后可以细看，或者当工具书。&/p&&h2&&i&8.《SQL基础教程（第2版）》&/i&&/h2&&p&&br&&/p&&p&107张图表+209段代码+88个法则，菜鸟进阶的实用指南！&/p&&figure&&img src=&https://pic1.zhimg.com/v2-0d4a336d1ab7fab311d5a_b.jpg& data-caption=&& data-rawwidth=&690& data-rawheight=&690& class=&origin_image zh-lightbox-thumb& width=&690& data-original=&https://pic1.zhimg.com/v2-0d4a336d1ab7fab311d5a_r.jpg&&&/figure&&p&&br&&/p&&p&本书是畅销书《SQL基础教程》第2版，介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@hisheng: mick的其它书籍有时间再看一下，写的好外加配图，特别容易理解。&/p&&p&@rainbow树袋: 这本书是日本MICK所写，非常适合初学者。论述的角度是读者的角度，会换位思考到读者在看到这一段时候会发出怎样的疑问，非常难得；原始数据的例题只有一道，但是可以反复从不同角度提出不同的问题进行处理，避免了眼花缭乱之感；习题也比较有趣，有的问题反而是属于问题本身其实是个陷阱的，考验初学者。&/p&&p&&br&&/p&&h2&&i&9.《数据挖掘与分析：概念与算法》&/i&&/h2&&p&&i&专注于数据挖掘与分析的基本算法的入门图书，融合机器学习、统计学等相关知识，涵盖频繁模式挖掘、聚类和分类等经典算法。&/i&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-e1e64daf19e1a008ef3f0f_b.jpg& data-caption=&& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic4.zhimg.com/v2-e1e64daf19e1a008ef3f0f_r.jpg&&&/figure&&p&&br&&/p&&p&本书内容分为数据分析基础、频繁模式挖掘、聚类和分类四个部分，每一部分的各个章节兼顾基础知识和前沿话题，例如核方法、高维数据分析、复杂图和网络等。每一章最后均附有参考书目和习题。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&&b&@亚纯函数的奇点: 包括核方法、主成分分析、图模型等等，适合理论学习提高，书里每章节还给出了更多的参考书名。&/b&&/p&&p&&br&&/p&&p&&i&10.《&b&Python机器学习经典实例&/b&》&/i&&/p&&p&&br&&/p&&p&来自Kaggle的经典数据集和机器学习案例，用流行的Python库scikit-learn解决机器学习问题。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-c459e4dc27b329c888dde6ea7206f7fa_b.jpg& data-caption=&& data-rawwidth=&720& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&720& data-original=&https://pic2.zhimg.com/v2-c459e4dc27b329c888dde6ea7206f7fa_r.jpg&&&/figure&&p&&br&&/p&&p&本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。通过本书，你不仅可以学会如何做出合理的决策，为自己选择合适的算法类型，而且可以学会如何高效地实现算法以获得最佳学习效果。&/p&&p&&br&&/p&&p&&b&读者评论：&/b&&/p&&p&@ zhuceyong: 很多代码，但是重复的太多了。比如用逻辑回归写了个代码，预处理部分写了函数，然后从sklearn调用Logistic_regression，然后fit,predict，然后到svm部分呢，预处理部分写了个代码，然后又调用sklearn svm.fit ，predict，问题是预处理部分的代码都很类似。没必要每个例子都重复一遍的。不够简洁，也许这就是cookbook的特点吧&/p&&p&&br&&/p&&p&&b&本文所推荐的书籍，均能在图灵社区购买，大鱼大肉可以少，精神食粮不能少，如果觉得书单不错，那就转发给需要的朋友们也看看。祝大家周末愉快。&/b&&/p&&p&&br&&/p&&p&&b&本文首发于微信订阅号优达学城Udacity（id：youdaxue），关注订阅号，回复关键字“学习资料”，获取来自硅谷的包括“机器学习”、“深度学习”、“数据分析”和“前端开发”在内的独家学习资料。&/b&&a href=&https://link.zhihu.com/?target=https%3A//cn.udacity.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优达学城 (Udacity) - 传授硅谷的名企官方课程&/a&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-ad218a141abfe1a4133b3c_b.jpg& data-caption=&& data-rawwidth=&788& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&788& data-original=&https://pic1.zhimg.com/v2-ad218a141abfe1a4133b3c_r.jpg&&&/figure&&p&欢迎大家踊跃投稿~可以通过私信联系优达菌~&/p&
刚涉足计算机领域时，很多朋友的知识都是从书本上学来的。那个时候还没有在线课程，培训班虽然林林总总有一些，但大多流于表面，无法满足我深入理解知识的要求。 即便现在网络发达，在线教育崛起，但是技术类的书本仍旧是很多人的进步阶梯，它们的价值，不…
&figure&&img src=&https://pic1.zhimg.com/v2-cf6a91eade888f82a21966_b.jpg& data-rawwidth=&1600& data-rawheight=&800& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&https://pic1.zhimg.com/v2-cf6a91eade888f82a21966_r.jpg&&&/figure&&p&11月26日下午，朝阳区东四环某五星级酒店的宴会厅内，座椅从讲台一路排到门口，几乎座无虚席。活动开始后，掌声热烈而频繁。用活动嘉宾之一的清华附中校长王殿军先生的话说“今天来的，都是铁粉、钢粉了。”&/p&&p&这是吴军博士《大学之路》第二版的发布会。出席活动的嘉宾有前面提到的王殿军校长，人邮社社长，以及在教育领域创业的企业家等。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-51a7fb0f83fd66a18926_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&640& data-rawheight=&356& class=&origin_image zh-lightbox-thumb& width=&640& data-original=&https://pic3.zhimg.com/v2-51a7fb0f83fd66a18926_r.jpg&&&/figure&&p&现场的观众多是关注教育与科技，关注