微信号:infoqchina

介绍:有内容的技术社区媒体

Q新闻丨《星际争霸2》成 AI 研究环境;软件开发薪酬调查报告:Go、Scala最赚钱;Linux&nbsp

2017-08-12 09:00 为你播报的

编辑|小智
审校|陈思
本周要闻: 暴雪和 DeepMind 将《星际争霸 2》 转变成 AI 研究环境;AWS 宣布正式加入 CNCF;中国云计算服务走向国外;谷歌工程师称编程女性天生不如男性引起公愤;2017 软件开发薪酬调查:Go 和 Scala 是最赚钱的语言。
暴雪和 DeepMind 将《星际争霸 2》 转变成 AI 研究环境

去年 11 月,Google 的人工智能子公司 DeepMind 宣布与暴雪合作,将在 2017 年向 AI 和机器学习研究员发布一个用于 AI 研究的《星际争霸 2》。现在,双方正式发布了一系列工具,包括一个机器学习 API、匿名化的游戏对战回放数据集、DeepMind 开源工具集 PySC2,允许研究人员测试特定任务 AI 表现的简化 RL 游戏,一篇论文等,将《星际争霸 2》 转变成一个 AI 研究环境。这些工具都发布在 GitHub 上,采用 Apache 或暴雪许可协议。

AWS 宣布正式加入 CNCF

就在微软上周刚刚宣布加入 CNCF 基金会不久,还未完全尘埃落定之时,AWS 即日宣布以铂金身份加入云原生计算基金会(CNCF),这也就意味着在容器编排方面 ,AWS 选择了拥抱开源的方式。这不由的让人想起了 AWS EMR 产品。有了这个强有力的云计算巨头的加入,相信 AWS 会为开源社区带来不一样的贡献。

AWS 加入 CNCF,也就意味着要解决 AWS 和 Kubernetes 之间的融合问题。Kubernetes 是一款开源项目,最初由 Google 开发,旨在利用 Google 过去十多年的容器使用经验,来解决容器编排问题,自发布以来发展迅猛,短短两年已经成为容器编排领域的劲旅。

CNCF 基金会则是用于管理和统筹 Kubernetes 项目的,AWS 成为 CNCF 的一份子之后,会花精力和时间来帮助 Kubernetes 项目茁壮成长,而且也会贡献一些小型的项目,比如如何让 Kubernetes 更加的易用。

中国云计算服务走向国外

中国高科技公司正在把他们的云计算业务推向全球。腾讯、阿里巴巴和华为都在 2017 年上半年宣布对境外云计算基础设施作出大笔投资。中国科技集团正在积极布局,争取获益于其他中资企业蓬勃发展的国际业务,这些企业在 2016 年的对外投资总额达到创纪录的 1096 亿美元,促使北京方面介入,采取行动防范资本外逃。腾讯在香港、新加坡和多伦多已有 3 个数据中心,它从今年 4 月起在硅谷、法兰克福、孟买、首尔和莫斯科新启用 5 个数据中心。阿里巴巴宣布今年在亚洲启用四个新的数据中心,其中两个在孟买,一个在雅加达,另一个位于马来西亚,将该公司的数据中心总数增至 17 个。华为也于今年初在新西兰推出一个新的数据中心。

谷歌工程师称编程女性天生不如男性 引起公愤

据《财富》网站报道,谷歌一名高级工程师撰写的一份文件称,男女在生物学上的差异决定了在编程上女性的效率要低于男性,并认为公司不应该积极地去提高员工的多样性。对这样一份文件,谷歌许多员工表示愤怒。据报道,该文件仅仅是一份个人声明,没有得到公司任何形式的认可,但在谷歌内部得到广泛流传。

美国电子行业媒体《Motherboard》根据对已阅读该文件的谷歌员工的采访,对此进行了报道。一些谷歌员工也在推特上对这份文件做出了反应,毫不意外他们均表达了愤怒之情。一位名叫 Jaana B. Dogan 的谷歌员工在推特上写道:“仍然因愤怒而颤抖。”

到目前为止,谷歌尚未对该文件做出公开回应。没有证据表明在编程技能上女性天生就不如男性,而计算机领域的先驱者也不乏女性。根据一项令人信服的理论,从上世纪 80 年代中期开始,女性就较少去攻读工程专业学位,当时个人电脑一开始就被宣传为面向小男孩的玩具。

2017 软件开发薪酬调查:Go 和 Scala 是最赚钱的语言

每年 O’Reilly 都会发布其年度开发者的调查结果。这项调查涵盖了来自世界 110 个国家的近 7000 名程序员。这里有几个亮点:

  • 42% 开发者薪资超过 10 万美金,但这大部分都是基于美国的开发者的调查。

  • 在美国赚得最多,东欧、非洲和加拿大赚得最少。

  • 男人仍比女性多赚(6K 以上)

  • 做得多,赚得多

  • Go & Scala 是最赚钱的语言

deeplearn.js:浏览器端机器智能框架

deeplearn.js 最初由 Google Brain PAIR 开发,是一款基于硬件加速的开源 JavaScript 库,可被用在机器智能领域。该库将高性能的机器学习构建模块引入到 web 开发领域。PAIR 是 People Plus AI Research 的简称,意为“人 + 人工智能研究”,目标在于“使 AI 更加注重人性”。通过 deeplearn.js,可以实现在浏览器中训练神经网络模型,也可在推理阶段运行预训练模型。

deeplearn.js 目前已经开源,地址是:

https://github.com/PAIR-code/deeplearnjs

Android 8.0 的流系统更新在手机没空间时仍然能工作

设备空间耗光时安装系统更新可能会让你备受折磨,犹豫着不知道应该删除哪些文件或应用。现在,Android 8.0 引入的流操作系统更新将能在手机没空间的情况下继续更新工作。自 Android 7.0 起, Google 就引入了名叫无缝更新的新功能,一种双系统分区方案——分别叫系统 A 分区和系统 B 分区。在安装更新时,你的手机正在使用的是在线的系统 A 分区,更新将在后台应用于离线的系统 B 分区,然后快速重启应用更新,此时设备将从系统 A 分区切换到更新过的系统 B 分区。Android 8.0 的流系统更新简化了这个过程,更新数据将直接从互联网下载到离线系统分区,逐块的写入。系统不再需要 1GB 的可用空间,只需要 100KB 左右的空间用于元数据。

Linux 子系统登陆 Windows 服务器

Windows、Linux 看似死敌一对,但其实微软对于开源实业还是相当支持的,Windows 10 系统内就首次内置了一个 Linux 子系统 (Windows Subsystem for Linux/WSL),允许开发者模拟 Linux 环境,而且有需要的可以直接从 Windows 应用商店下载 SUSE、Ubuntu。

日前,微软又首次推出了用于 Windows Server 服务器系统的 Linux 子系统,并且已经向 Windows Insider 内测用户开放。如果你安装了 Build 16237 或者更新预览版的 Windows Server 2016,就可以打开这扇通往 Linux 的大门了,本质上就是个 Linux 虚拟机,可以执行一般任务,比如 SSHD、MySQL 等等,但不能持续运行 Linux 后台服务。

JetBrains 宣布官方支持 Rust 插件

7 月 31 号,Rust 社区就已非正式声称 JetBrains 开始官方支持 Rust 插件,不过不再支持 2016.3 版本的 IDEA,受支持的 IDEA 最小版本为 2017.1。8 月 4 号,JetBrains 官方博客正式宣布开始官方支持 Rust 插件,包括 IDEA、CLion 等 IntelliJ 平台 IDE。

目前,Rust 插件的主要特性如下。

  • 导航特性:Go to Class、Go to Symbol、Go to Super Module、Structure、Go to Definition。

  • 编辑器特性:代码自动完成、格式化(计划支持 rustfmt)、合并行、智能按键(如自动插入匹配的符号)、自动填充后缀、基本的 Intention 和重构(如引入变量、重命名等)。

  • 支持 Cargo,提供了一个 UI 用于运行测试用例和应用程序,不过这要求在 Cargo 端进行一些配置。

Google 使用 3 亿张图片大幅度改进图像识别算法

Google 和 CMU 的研究员使用 3 亿张图片,在图像识别算法的几个指标上取得了长足改进,而往常的训练一般只使用一百万张图片。

很多开发者在训练物体检测算法时会使用包含一百万张图片的 ImageNet 数据集。这个数据集从 2011 年起就没有新图片加入了。然而,在该数据集上训练的神经网络中的参数数量与日俱增,训练模型的 GPU 算力也在增加。卡内基梅隆大学(CMU)中 Google 的研究人员和科学家提出:如果增加训练数据量会如何?

于是,Google 建立了一个内部数据集,含有 3 亿张图片,标记为 18291 个类别。图片标注的来源包括原始网络信号,网页之间的联系,以及用户的反馈。因为不是由人标注的,所以含有 20% 的噪音。结论是:增大数据量果然有益。虽然图片标记含有噪音,算法的准确率还是提高了 3 个百分点。很明显,数据量的增加克服了标记的噪音。研究人员发现算法的表现和数据量呈对数关系上升。论文作者认为,现有的模型是基于一百万张图片建立的:如果对模型进行调整,准确率还有上升空间。

中国科学家开发“Repression Network ”精确识别车辆

北京大学电机工程和计算机科学学院的三名研究人员在预印本网站 arXiv.org 上发表了一篇论文,标题是《Learning a Repression Network for Precise Vehicle Search》(PDF),描述了根据汽车表面特征而不是车牌号去精确识别不同摄像头拍摄的车辆的新技术,他们将自己提出的多任务学习框架命名为“Repression Network (RepNet)”,称它也能用于区分人脸脸部和人类。研究人员称,公安系统监控探头的大规模使用,创造了一个庞大的图像和视频数据库,从数据库搜索车辆日益具有重要性。虽然车牌是汽车的一个重要身份特征,但许多监控探头并非是为扫描车牌设计的,此外车牌识别系统在识别混淆字符时的表现非常糟糕,比如区分 8 和 B,O、D 或 0,因此他们提出根据汽车表面的定制图案、装饰甚至刮痕等特征去从图像库中检索出相同的汽车。

企业让雇员自愿植入芯片

美国威斯康星州科技公司 Three Square Market 与瑞典的 Biohax International 合作,为雇员提供自愿的芯片植入。内置射频识别技术的芯片可用于开启门禁和食堂付款。该公司总部的 80 名员工中已有 50 余人自愿报名。此事引发了隐私和健康方面的争议。公司 CEO Todd Westby 强调,芯片的功能是有限的。“它只不过是射频识别阅读器芯片,而非 GPS 追踪设备。它是被动型设备,只有在收到数据索取请求时才会提供数据。”健康方面的担忧难以评估。FDA 的信息显示,在极少数情况下,植入位置或许会发生感染,芯片还有可能会迁移到身体的其他部位。

TensorFire:利用 GPU 加速的浏览器端深度学习框架

深度学习与人工智能技术正在逐步地改变人们的生活,以 TensoFlow 为代表的一系列深度学习与神经网络框架也是如日中天,迅猛发展。TensorFire 则是基于 WebGL 的,运行在浏览器中的神经网络框架;使用 TensorFire 编写的应用能够在实现前沿深度学习算法的同时,不需要任何的安装或者配置就直接运行在现代浏览器中。与之前某些浏览器内的神经网络框架相比,TensorFire 有着近百倍的速度提升,甚至于能够与那些运行在本地 CPU 上的代码性能相媲美。

参考线索
  • http://www.solidot.org/story?sid=53413

  • http://www.infoq.com/cn/news/2017/08/AWS-pulish-join-CNCF

  • http://www.solidot.org/story?sid=53398

  • https://www.oschina.net/news/87498/programming-women-are-less-natural-than-men

  • https://www.oschina.net/news/87499/go-scala-are-the-most-lucrative-languages

  • http://www.infoq.com/cn/news/2017/08/deeplearn-js-Browser-machine-int

  • http://www.solidot.org/story?sid=53385

  • https://www.oschina.net/news/87605/linux-and-windows

  • http://www.infoq.com/cn/news/2017/08/JetBrains-publish-rust

  • http://www.infoq.com/cn/news/2017/08/image-recognition-big-data

  • http://www.solidot.org/story?sid=53431

  • http://www.solidot.org/story?sid=53241

  • http://www.infoq.com/cn/news/2017/08/TensorFire-use-GPU-fast-study

今日荐文

点击下方图片即可阅读

CTO 与工程 VP 的区别?


 
InfoQ 更多文章 CTO 与工程 VP 的区别? 微服务在微信的架构实践 解构盛名之下的人工智能:真正潜力在哪、实践意义如何、面临什么障碍? Apache Kafka:大数据的实时处理时代 股权、期权有哪些坑?从技术创业的角度说开去
猜您喜欢 Druid 单机环境 今晚公开课:LoadRunner手动关联介绍 2016 年 IT 行业的年终总结 大长腿的诱惑,晚上约么? 败了,不要找理由,要找原因