中國航天科技集團公司五院502所飛船工程組--飛船大腦設計者: 操控飛船“萬里穿針”
'人民網北京10月21日電（趙竹青）“如果沒有GNC，飛船隻能停留在科學幻想的階段。”什麼是GNC？它為何如此重要？帶着這個問題，記者走進了中國航天科技集團公司五院502所飛船工程組。'
他們是我國11艘神舟飛船、1艘貨運飛船GNC系統的締造者，從成千上萬的信息流和代碼中“抽絲剝繭”，讓太空漫步、太空之吻一步步變成現實。
從無到有，確保飛船安全回家
GNC，是制導導航與控制的英文縮寫，相當於飛船的“眼睛”和“大腦”。它負責飛船飛行全過程的姿態和軌道控制以及在軌太陽帆板控制。也就是説，飛船如何運動、如何返回是由GNC決定的。
1994年，飛船工程組初成立時，只有美國和俄羅斯掌握飛船GNC技術。
“可以説，從無到有是靠人和時間堆砌起來的。”據參與了11艘神舟飛船GNC系統研製的班組產品保證經理李婷介紹，當時的計算機落後，大部分計算和數據判讀需要人工完成，當時已50多歲的原班組長王南華帶領十幾個組員不分晝夜地做設計、計算、測試。“已經到了痴迷的程度。他們曾經半年時間吃住在單位，即便後來到了發射場，還在編寫控制軟件。”
終於，在繼承我國返回式衞星控制系統成熟技術的基礎上，該班組拿出了我國第一個具有制導、導航和控制全部功能的GNC系統，並且能夠做到“一重故障正常，兩重故障安全”，確保航天員的安全。
為了讓航天員從太空“回家”時能夠更有方向感，飛船落點更精準，在型號領導及專家的帶領下，班組成員在飛船的姿態確定與返回再入控制技術上下了大功夫，先後突破了多項新技術，如在軌姿態對準技術、返回再入自適應制導技術等，保證了飛船具備多種條件下安全準確返回的能力。同時，班組還從技術總體角度突破了高可靠三級容錯控制計算機、大規模嵌入式GNC 軟件、具有消隱功能的新型紅外地球敏感器等關鍵產品和技術，設計並開發了全面的地面驗證系統。最終，神舟五號落地時“打靶中了十環”。
從有到強，操控飛船“萬里穿針”
倘若説攻克返回控制技術是神舟飛船第一代GNC系統，那麼攻克交會對接技術當屬第二代GNC系統。
2011 年11 月3 日，天宮一號和神舟八號上使用的光學成像敏感器上演了首次“太空之吻”，對接精度比設計要求高近10倍，性能指標達到世界前列，標誌着我國首次掌握了空間交會對接GNC技術。
那一刻，北京指揮控制中心的飛船工程組團隊激動地抱在了一起。“起初心裏很沒底，當看到交會對接精度時，非常激動，五六年的辛苦付出值了，後續工作的信心也更足了。”班組長劉宗玉回憶起來，仍然難掩激動。
相比第一代的“刀耕火種”，現在的他們有了更加強大的工具：快速仿真技術、虛擬測試平台等現代信息技術的支持。“通過仿真設計，提出指標和要求，形成任務書，然後把任務書變成一個個產品，通過充分細緻的測試、試驗驗證使設計‘迭代’。”班組成員郝慧如此描述他們的工作。
在神舟八號飛船GNC分系統研製中，交會對接敏感器是最關鍵也是最難啃的硬骨頭。為了在地面驗證其性能，2007年-2011年，飛船工程組專門模擬交會對接軌跡和環境，先後奔赴阿拉善等地開展試驗。
據副組長馮燁回憶，阿拉善的冬天特別冷，白天他們冒着嚴寒測試，晚上就幾個人擠在臨時搭建的帳篷裏互相取暖。而在掛飛試驗中，他們更是隻能坐在夾板上判讀測試數據，顛簸得頭暈噁心。“我記得，在酒泉做試驗時，氣温達到40攝氏度，大巴車裏開着空調，可温度始終降不下來。”組員劉增波説。
正是因為這些嚴絲合縫的試驗與測試驗證，才有了神舟八號和天宮一號精準漂亮的“萬里穿針”。
有趣的是，為了幫助航天員訓練，他們在地面上設計了一整套模擬座艙系統，航天員在這裏可以真實模擬太空手控交會對接操作。“於是，這裏成了全國首個‘太空駕校’，航天員每一次過來模擬操作時都非常認真，有時還會要求多操作幾遍。”班組成員李志宇説。
從神舟到天舟，交會時長縮至1/8
2017年9月12日，我國首艘貨運飛船天舟一號與天宮二號實現了首次快速交會對接，從入軌到交會對接的全過程，由以往的2天縮短至6.5個小時。
其實早在2012年，當人們還沉浸於交會對接任務圓滿成功的喜悦中時，飛船工程組就瞄準了快速交會對接這項新技術。2015年末，天舟一號GNC系統正樣硬件和軟件產品研製已經完成，開始出廠前最後階段的測試，而這時有專家試探性地提出能否在天舟一號上實現快速交會對接，飛船工程組興奮地答應了，他們着實為自己的先見之明高興了一番。
飛船工程組需要在不打亂既定研發計劃的基礎上，用最短的時間、做最少的改動來滿足新任務要求。為此，他們1年內升級了10個軟件版本，有效提高了在工程約束下的GNC系統的精度和可靠性，也讓飛船變得更聰明，更自主，把原來需要地面干預的工作交給天舟一號計算機自主進行……
負責貨運飛船GNC分系統測試的組員李明明説，飛船的初樣測試是一個痛苦的迭代過程，因為總會發現問題，然後進行設計改進、再測試……“從2012年8月~2014年5月，我們大都是晚上九十點下班。”
工作中，班組成員“每個人心中都有一根關於‘細緻’的‘弦’”。例如，加電測試階段，他們負責的數據參數表有600多頁，需要關注的參數有3000多個。“每個參數的變化都有可能反映系統的特徵表現，即便暫時沒有表現出問題也要找出原因，防止一切可能出現的問題。”組員高偉告訴記者。
新老搭配，“雁陣”團隊平均33歲
記者在採訪中瞭解到，在飛船工程組內部，不同專業領域人員就如同七巧板，任何一塊都不能缺。如何讓這些人才發揮出1+1＞2的效果，將型號研製與人才梯隊建設有機融合，是幾代班組長一直在踐行的課題。
他們想到，自然界中，“人”型雁陣是大雁飛得最快最省力的構型，雁陣飛行速度是單隻大雁的1.71倍。因此，飛船工程組借鑑這一理念,首創了“雁陣”人才培育模式——正、副組長為領頭雁，負責領飛；技術平台負責人為中堅雁，負責帶飛；組員為前行雁，負責跟飛。
據瞭解，第一任“領頭雁”王南華是將“嚴慎細實”作風詮釋到極致的人。她習慣隨身攜帶筆記本，把問題和要點隨時記錄在冊。對於每一個設計接口，他都堅持測試到位、眼見為實。當時已是50多歲的她，每次測試都陪年輕人工作到深夜兩三點。“搞航天走的是一條攀登路，任務重，風險大，只能盡一切可能做好！”王南華説。她這種嚴慎細實的作風被“陣裏的雁子們”很好地傳承了下來。
近年來，飛船組型號任務出現井噴式發展，班組又衍生出了動態化的“微雁陣”。“從生物學角度考慮，大雁在飛的過程中是會交替換位的，以達到省力的效果。”副組長馮燁介紹説，“我們把不同的飛船型號作為不同的平台，每個平台有一個成熟的技術骨幹擔任負責人，帶領幾名技術人員開展設計或測試工作。當這幾個人逐漸成熟後，再把他們分到其他平台的不同位置上去。”
這種新老搭配、交替換位的模式，不僅提高了工作效率，也加速了人才的成長。目前，飛船工程組全部成員僅有19人，平均年齡還不到33歲。“小團隊”做出了“大成績”。未來，他們將用自己的雙手，續寫中國人的太空傳奇，將越來越多的夢想變成現實。
科學界在對未知領域的探索中，還有一個研究方向足以和宇宙探索的重要性相提並論，你知道是關於什麼的嗎？
當然是對大腦的探索了，雖然大腦是我們人類最重要的器官，但一直以來，我們對它卻知之甚少，沒有辦法充分發揮大腦的潛力。隨着科學的進步，現在已經有了很多訓練大腦的方法，在硅谷，非常多的新鋭企業家開始重視用科學的方法，重塑自己的大腦，使其更加敏鋭、更加高效，幫助他們抓住更多的商機。
國內有一檔熱度非常高的節目叫做《最強大腦》，你看過吧？王石、劉強東、李彥宏等知名企業家都曾作為節目嘉賓，共同探索大腦的奧秘，説明國內的企業家們也開始越來越關注大腦這個話題了。今天我們就從生活中離不開的“吃、住、行”三個方面來為大家分享一些方法，幫助我們的大腦永葆活力，高速運行。
先來説説“吃”對我們大腦的影響。在澳大利亞的一項針對250人，為期四年的研究中，實驗人員將參與者分為兩組，一組為精簡飲食，食物包括新鮮蔬菜、沙拉、水果、烤魚；另一組為正常飲食，食物包括烤肉、臘腸牛排、啤酒、炸薯片以及飲料。四年後對兩組參與者的大腦進行掃描，發現精簡飲食組的參與者大腦海馬體擴大了45立方毫米，而正常飲食組的海馬體縮小了52毫米。海馬體的一個重要作用就是負責我們人類的記憶，也就是説海馬體越大，記憶力越強。
大家可能沒想到平時的飲食習慣對大腦會有這麼大的影響吧，有哪些小竅門，能幫我們吃出一個健康的大腦呢？
從結構上看，我們的大腦60%是由脂肪構成的，但這並不意味着只要攝取脂肪，就都會對我們的大腦產生幫助，大腦對脂肪的要求非常高，比較好的營養來源是乾果和魚類。所以最簡單的方法就是在工作的間隙，吃一些乾果，不但可以補充大腦的能量，還會提升大腦記憶力。
從“住”的角度上看，對我們大腦最重要的就是睡眠了，睡眠的質量是至關重要。當大腦在活動的時候，大量的神經元會同步放電，產生腦電波。如果我們在熬夜加班之後馬上就去睡覺了，腦電波沒有辦法從高赫茲一下子降到低赫茲，睡眠質量就會大打折扣。所以，我們可以在睡前聽一段輕緩的歌曲，或者深呼吸5分鐘，讓腦電波的頻率降下來，這樣在入睡時，我們的大腦狀態就更接近與理想的睡眠狀態，更容易進入深度睡眠，睡眠的質量也會更高。
説完了吃，住之後，還有“行”呢，人類可是一種越運動越聰明的生物。最新的腦科學研究顯示，當我們運動時，會有更多的血液流向大腦，為大腦帶來豐富的葡萄糖作為能量，同時還能帶來的氧氣還會吸附大腦中的有害電子，將垃圾輸送代謝。
對於很多沒有時間運動的朋友們，賓夕法尼亞大學有一個這樣的實驗，相信會對大家產生啓發。實驗人員將被試分為三組，第一組的人有長久的運動習慣，但是測試當天並未運動，第二組從來沒有運動的習慣，第三組是在當天早晨剛剛運動20分鐘。結果發現，從來沒有運動的一組人在記憶力測試中表現最差，而第一組和第三組人相比，第三組測試結果最好。
對於大腦而言，重要的不是運動多長時間，或者運動的強度有多大，關鍵要動起來，找到自己喜歡的運動，嘗試步行而不是坐車，嘗試爬樓而不是坐電梯，堅持每天多運動20分鐘，大腦的狀態就會產生顯著的優化。
最強大腦和吃住行息息相關，看看你都做對了嗎？歡迎留言互動~
(2017-10-13)
李飛飛、吳恩達、張潼、馬維英、Pieter Abbeel、Oussama Khatib……；騰訊、阿里、今日頭條、滴滴、科大訊飛、唯品會、斯坦福、UC伯克利、清華……集齊全球頂尖的AI領域領軍人物，踏訪中美兩國科學研究及應用探索前沿的科技公司/大學的AI實驗室，濃縮在飛越太平洋的9天內密集拜訪和交流，這是一種什麼感受？
一句話：大腦的“CPU”、“存儲空間”和“接口”都已不夠用。
9月14日-22日，紅杉中國攜手真格基金，定向邀請三十餘位成員企業的創始人和高管，一起享受了一場智能超感的“北京-硅谷AI雙城記”之旅。這是一次名副其實的大腦體操，對於在各個垂直領域已經取得初戰勝果的創業者們，這更像是一趟尋找AI+商業“終極算法”的解惑之旅。紅杉資本全球執行合夥人沈南鵬和真格基金創始人徐小平也參與了“AI雙城記”硅谷段的部分活動環節，兩位都非常關心AI產業將對教育領域帶來哪些改變。
紅杉資本全球執行合夥人沈南鵬：
人工智能是信息科技高速發展的重要產物，如果企業家能夠把握好未來5-10年市場研發方向與機會，應當可以獲得前所未有的長足進步，獲得跨越式發展。
真格基金創始人徐小平：
工業時代是把流水線上的人變成機器，而AI時代則是把機器變成人。AI的廣泛應用，如果能夠極大提高生產力、極大地解放人類，將是非常了不起的事情。
在為期9天如此密集的知識大爆炸中，紅杉資本和“AI雙城記”的團員們一起，不僅和“機器之心”同頻共振，還與如此之多的“最強大腦”超距連接，大家都收穫到了什麼？
01
未來競爭的壁壘不再是算法，而是數據擁有的量和質。
從1950年代中期人工智能概念的第一次被提出，及至今天出現的三次人工智能浪潮，各類算法已趨近成型。而從應用層來看，監督學習、遷移學習、非監督學習、強化學習這四類算法所創造的經濟效益是遞減的，就目前而言，AI技術做出的經濟貢獻幾乎都來自第一種：監督學習，也就是讓機器學會從A到B，從輸入到輸出的映射。它依靠結構化數據，確實比非結構化數據創造了更多的經濟效益，並且已經擴展到在線廣告、消費金融、語音交互、機器翻譯等應用場景中。
此次拜訪的多位AI大牛都談到，當算法模型的優劣已不再是關鍵差異（就像所有安卓手機都系出安卓平台），未來科技公司在AI應用上的較量更多取決於誰擁有更多、更好的數據。以及，怎麼策略性地持續獲取更多數據。
如此圖所示，處於金字塔頂端的結構化數據，將是任何一家公司的寶藏。
02
建立數據獲取和訓練的飛輪，對手就很難追趕你。
在此行“AI雙城記”中，創業者向谷歌雲機器學習與人工智能首席科學家李飛飛教授提出了這樣一個問題：大公司毫無疑問擁有巨大的數據獲取優勢，那麼創業公司還有機會嗎？
李飛飛的回答是，大公司在獲取跟自己產品相關的數據方面，這一優勢肯定是無法匹及的。但是，AI應用的場景是多種多樣的，在許多領域還有待開掘。對於初創公司來説，怎麼通過產品來撬動數據獲取才是最重要的。
吳恩達也持同樣觀點。他在白板上一邊畫圖一邊解釋：一家新公司需要特地設計一個循環：先為算法收集足夠的數據，這樣就能推出產品；然後通過這個產品來獲取用户，而用户會提供更多的數據……啓動了這一飛輪後，對手就很難追趕你。
以今日頭條為例。今日頭條副總裁、人工智能實驗室負責人馬維英在分享中亦提到，用户使用今日頭條越多，會發現它越智能。原因就是，用户會在使用時不斷餵給機器第二輪大數據：他的偏好、點擊次數、停留時長、負向反饋……從而讓頭條更懂用户。
就如同互聯網時代已經發生過的故事那樣：大平台之外，還有諸多垂直細分的數據領域有待挖礦。
03
大數據不追求因果性，更追求相關性。
原因是，只依據統計數據是不足以得出變量之間的因果性的。想要得出因果性，必須從理論上證明兩個變量之間確實有邏輯上的因果性，並且要排除掉第三個隱含變量同時影響這兩個變量的可能性。就像著名的啤酒尿布的故事，它只是説明這兩項商品的購買人羣中存在較大概率的重合度。
正如“AI雙城記”團員、唯品會美國研發中心總經理、AI負責人謝楠在分享中提到AI技術有幾大趨勢：算法“開源化”，計算“雲服務化”，數據“私有化”。因此，就算法、數據和運算能力這三大AI要素來説，企業最需要建立起壁壘的是數據。AI的商業應用與學術論文研究有所不同，算法模型的準確率不必是唯一的研發目標。在有限的時間與資源的情況下，也許有商業ROI更高的研發目標，譬如算法對某業務場景的覆蓋範圍。在特定的應用場景中，80%的算法模型準確率可能就可以做很多過去做不到的事情。如何在不完美準確率的情況下構建一個可行的商用場景是真正挑戰商業AI實踐者的地方，需要對業務及客户需求有深刻的洞察與理解。
04
傳統科技公司+機器學習/神經網絡≠AI公司。
吳恩達分享的主題就是：當AI成為新的電力，它將怎樣改變世界？
AI的崛起正在改變公司間競爭的基礎，那麼，到底什麼才是真正的AI公司？吳恩達首先談到了互聯網時代，究竟如何定義什麼是互聯網公司這件事——商場+網站≠互聯網公司。
“我認識一家大型零售公司的CIO，有一次CEO對他説：我們在網上賣東西，亞馬遜也在網上賣東西，我們是一樣的。”但其實不是的，互聯網公司應該如何定義呢？不是看你有沒有網站，而是看做不做A/B測試、能不能快速迭代、是否由工程師和產品經理來做決策。這才是互聯網公司的精髓。
同樣地，現在經常聽人説“AI公司”。在AI時代，我們同樣要知道：傳統科技公司+機器學習/神經網絡≠AI公司。吳提出三個衡量維度——
第一，AI公司傾向於策略性地獲取數據。
第二，AI公司通常有統一的數據倉庫。
第三，普遍的自動化以及對人工智能產品經理的新定位（從哪兒獲取數據，如何獲取數據，對數據精準度的要求）。
05
機器學習就是，讓機器學習怎樣學習。
OpenAI研究員、加州大學伯克利分校教授Pieter Abbeel，和OpenAI創始人、YC總裁Sam Altman在與“AI雙城記”團員的分享中，均提到了他們的最新研究方向——在小數據的前提下發展AI：讓機器學會“學習”，在自訓練（self-play）中訓練智能體。
Pieter Abbeel更為具體地提到了一個有效的方法——元學習（Meta Learning）：給系統很多訓練數據，最後得到的是一個自學習的系統，它會隨着獲得的數據進行更新和快速的學習。
這顛覆了傳統的深度學習模式必定需要大量數據集的情況，意味着其實深度學習也可以在少量數據的情況下，得到不錯的結果。
其中一個應用領域就是醫療診斷。對於一些發病率並不那麼高的腫瘤類疾病，無法獲得大量CT數據來訓練機器學會識別腫瘤，就可以使用類似的相關聯數據進行初步訓練。紅杉中國Family成員企業推想科技正是這麼做的。其本質就是，教會神經網絡怎樣從模仿人類行為，到自主學習，猶如嬰兒的成長。
06
AI應用需要從進化力、執行力上升到理解力。
阿里巴巴的技術專家們這樣談到他們對AI應用的理解：
進化力是互聯網公司的看家本領，在網絡時代，可以比傳統企業更快速地迭代、試錯、響應用户需求，而這正是開發AI應用的一大優勢。
而上升到第二階段就是執行力——你能夠連接服務的數量、被新的交互手段所賦能的執行力，就變得非常重要。也就是怎樣讓AI真正在實際場景中應用起來。
再往前推演，就是理解力。怎樣讓AI自我學習、自我進化，理解環境、人的需求甚至具有自我意識。從計算、算法到數據，都對機器的理解力提出更高的要求。
由此看來，進化力體現在AI在商業上的淺層次應用上；而執行力則會考慮企業是否能夠用AI改造自我基因，轉變為真正的AI公司；在理解力層面，則意味着，AI不僅是機器處理流程的自動化，單純替代人力的機械性勞動，而是具有創新創造的能力。
07
沒有改變的用户需求仍然是這兩個字：“愛”和“怕”。
在萬紫千紅的移動互聯網時代，從用户需求的角度來説，幾乎所有服務應用其實都可以歸為這兩類：“愛”，讓用户享受到便利、折扣、好處、愉悦，於是越來越沉迷其中、愛不釋手，社交、電商、遊戲、文娛、資訊、工具類APP均可以歸為這一類；“怕”，則是讓用户擁有免於某種恐懼的自由，比如殺毒、隱私、醫療、安全類應用。
在不同時期，解決這兩類需求的新方式，總會帶來新的商業機會。AI時代亦會如是。
滴滴信息安全戰略副總裁、滴滴研究院副院長、Didi Labs負責人弓峯敏博士是硅谷資深的信息安全專家，他談到了AI時代將會面臨的各種可能的技術安全問題，可一窺硬幣的另一面。
在他看來，機器學習本身的確增加了方法和模型的複雜度，和軟件時代一樣，複雜程度本身就是一個可能引起更多漏洞和威脅的弱點。但在今天來説，AI應用引發黑客攻擊的可能性實際上已經不是新鮮的事情，越來複雜的機器學習，已經有對抗的味道在裏面了。這意味着，機器需要做更多自適應的學習，不斷更新，去應對可能出現的安全風險。
從另一方面説，給機器喂的訓練所需的數據時就要考慮到，其應用場景是什麼樣的，對於噪音、干擾、信息污染的承受程度是怎樣的，如果預見性差，很可能致使這一學習系統被誤導，其學習結果也相對不會理想。
也因此，解決AI未來應用的安全性問題，也會是一個蓬勃興起的新領域。
08
AI時代，人類將真正第一次在最本質意義上覆原成“智人”。
越過奇點後，人類的工作越來越多被機器替代，人還何以為人？關於這個問題，已經讓社會學家、未來學家和經濟學家爭論許久。真格基金聯合創始人王強老師在此次“AI雙城記”的一次分享中，談到了他的理解：
“這一場AI越來越凸顯特色的智能化革命，實際上就是兩個方向。一是不斷釋放人的大腦所承載了千百年的所有功能，這是繼工業革命之後，釋放人腦潛力、釋放人力資源的又一次革命。用越來越用智能化、高效率的方式，來替代人腦不應該承載的任務。
“另一方面，當人腦的部分工作被人工智能所解放，它必定在呼喚着新的東西。就像人作為靈長類高等動物，古生物學家給人類的祖先命名為‘智人’，隨着AI的不斷演進，可能人將真正第一次在最本質意義上覆原成為‘智人’。”
不僅是AI在學習人類，人類也在和機器的互動中學習。就像圍棋高手們也從AlphaGo的很多新穎的走法中獲得啓發。相信在未來世界，這樣的交互會越來越頻繁的發生，對教育來説，AI將帶來一些重要的改變，從教育產品到教育本身都會有，它會讓人類變得更聰明。
(2017-10-09)
繼三年前推出的《最強大腦》颳起勢不可擋的“腦力風暴”之後，江蘇衞視本週推出的《超凡魔術師》則是又一個全新領域內容創新的綜藝節目。與常見的音樂綜藝、户外真人秀等傳統內容相比，定位於“魔術競技類”的《超凡魔術師》無論是節目新意還是內容觀賞性上都具備相當大的差異化優勢。從節目首播的情況來看，無論是舞娘奚齊月將超凡出塵的舞蹈與“穿牆術”的結合，還是長相酷似胡歌的林翊，以一襲古裝扮相在中國風佈景之中上演“大變活魚”的表演，都具有極度華美的視覺效果和不可思議的體驗。而從節目首播的情況來看，台網數據和觀眾口碑都給出了積極的反饋。
為了增加節目的觀賞性和戲劇衝突性，《超凡魔術師》這檔節目最基本的邏輯便是加入了競技元素——由國內頂級的魔術師們同台PK，選拔出“超凡魔術師”組成中國戰隊與國際高手過招。這樣的節目邏輯與《最強大腦》基本一致，優勢是能夠增加節目的可看性，並且吸引觀眾保持對節目觀賞的連續性，需要解決的問題是對於不同類型、不同難度的魔術表演如何評判與選拔。
從第一期播出的情況來看，《超凡魔術師》採用的是最為簡潔有效的1V1對戰後，經觀眾以及由范冰冰、魏坤琳、陳智玲、惠若琪、曾舜晞組成的“魔喚師”五人組投票決議勝者，最終獲得加入中國戰隊與世界高手較量的機會。根據規則，每期節目亮相五位魔術師，五位競演魔術師將通過搶擂決定競演順序；搶擂成功的競演魔術師表演後，可以選擇任意一位魔術師成為對手，二人中的勝者暫時安全；兩組搶擂結束，未被選擇的一位競演魔術師自動輪空，進行個人單獨表演，並與前兩組獲勝者爭奪進入中國戰隊的席位。但從規則邏輯上來説，五位魔術師都是一輪表演，只有最具有觀賞性的表演才有可能獲得晉級的機會，並不會存在對手的挑選順序而可能產生偶發性的結果。所以從這個角度而言，個人感覺捉對PK的意義並不是很大，或許考慮單循環守擂戰的模式更具有刺激性和觀賞性。
對於“魔喚師”的成員組成，個人也是有些不同的看法。最常見的評判模式要麼是專業評委投票佔主導，要麼是普羅大眾投票佔主導，或者是以媒體等第三方投票為主導，甚至可以兩方、三方互成犄角互相角力，也能形成節目的看點。《超凡魔術師》既然作為是專業表演藝術的競技比賽，自然應該要多考慮專業意見。從第一期“魔喚師”五人組裏，陳智玲作為當之無愧的魔術皇后，在“魔喚師”評委團裏無疑是代表專業意見；其他四位包括范冰冰、魏坤琳、惠若琪、曾舜晞雖然類型迥異，各自側重點也不同，但從根本上而言這四位都是非專業代表。
當然，從節目觀賞性的角度可以理解節目組邀請這四位“魔喚師”的初衷：范冰冰是一線藝人代表，是推動這檔魔術節目傳播廣度的關鍵人；曾舜晞是如今人氣小鮮肉的代表，重點照顧年輕觀眾羣體，惠若琪作為體育屆代表，意喻着這檔競技節目同樣呼喚不服輸的競技體育精神；魏坤琳是科學技術的代表，承擔理性分析的功能。
但就以魏坤琳Dr.魏為例，在第一期中其實已經多次出現他和陳智玲就魔術表演和科學原理邊界爭論的場景，Dr.魏的科學分析方向稍有差池，就容易成為魔術揭秘和破梗，這對於魔術表演是種大忌。聯想起每當各大晚會表演完魔術之後網上就會出現鋪天蓋地地魔術揭秘，這種對魔術不友好的態度其實也是對這門藝術的不尊重，劉謙也專門發文駁斥過“魔術要揭秘才會進步”的説法。
所以從這個邏輯上來説，魏坤琳的加入就顯得有些尷尬。至於在藝人的邀請上，完全可以考慮像周杰倫這樣愛好魔術表演的，或者像餘少羣、蘇有朋這些曾經出演過魔術題材影視劇的藝人，或許效果會更好。但總體而言，魔喚師的構成應該是專業高於非專業部分，畢竟節目本身也設有了觀眾投票的環節。如此，魔術專業評委負責技術問題，藝人嘉賓負責表演效果問題，現場觀眾反饋市場接受度的問題，三者之間相互均衡平衡，應該會更加和諧。
(2017-10-15)
10月11日，2017年雲棲大會正式拉開帷幕，阿里巴巴董事局主席馬雲出席開幕儀式。國內最大的職場實名社交平台脈脈作為阿里雲的合作伙伴受邀參加2017雲棲大會，脈脈創始人兼CEO林凡也將與全球AI、大數據領域“頂級大腦”同台論道，並在10月14日會議現場發表《精準智能人脈——大數據下的關係升級》的主題演講。
本次會議於10月11日-14日在雲棲小鎮舉行，參會者不僅能夠在主論壇與馬雲等大佬“零距離”接觸，還能享受20場峯會、120餘場分論壇的“科技盛筵”。大會彙集了最熱點的行業話題和最前沿的潮流趨勢，促進國內外科學技術廠商、專業人士、科研機構和企業用户進行前沿技術交流，堪稱史上最大規模的一次雲棲大會。
清華大學交叉信息研究院院長、中國科學院院士姚期智，中國科學院院士、中國科學技術大學常務副校長潘建偉，香港中文大學信息工程系教授、中科院深圳先進技研院副院長湯曉鷗，哥倫比亞大學計算機系教授、大數據科學研究中心主任周以真等知名科學家、學者、研發團隊和傳統行業巨頭、新興行業獨角獸企業也將齊聚一堂，分享創業經驗，挖掘人工智能、大數據、雲計算產業發展新機遇。
據悉，作為2017年雲棲大會的重要嘉賓，脈脈創始人兼CEO林凡將與百合網集團副總裁曾浩峯、阿里雲社交&企業服務業務總監曾凡鋼、知乎機器學習團隊負責人張瑞等眾多社交領域的嘉賓大咖一道，在10月14日上午09:00至12:00，為大眾帶來“找到合適的人，找到滿意的答案”——互聯網+社交論壇，重新定義中國社交發展新趨勢。
屆時，林凡將在現場分享脈脈如何以高頻需求作為流量入口，為用户建立信任體系，並連接高附加值服務，成為高活躍度、關係鏈緊密的智能化商業人脈生態圈。此外，林凡還將介紹脈脈基於profile的商業關係鏈整體解決方案、理念和案例。
據國內知名第三方研究機構艾瑞諮詢數據顯示，今年以來，脈脈沉澱的數千萬職場用户和UGC優質內容，讓脈脈連續數月在國內職場社交APP榜單中拔得頭籌。目前，基於用户的大數據和龐大的職場用户積累，脈脈能提供諸如招聘、採購、商務、銷售等企業級應用，為企業級用户提供求職者歷史職業動態、上游供應商身份信息及外部評價、潛在商務夥伴信息、潛在銷售對象職業資料等商業資料。
作為中國最大的職場實名社交平台，脈脈利用“人脈算法”為職場人拓展人脈，降低商務社交門檻，實現各行各業交流合作。如今的脈脈用户體量已經超過了當初設想中“小而美”的垂直社交，逐漸成為了一個連接人與人、人與服務的現象級平台產品。
脈脈公關總監劉晨表示，脈脈在服務客户的過程中深入理解行業需求，成功打造了信息連接、情感連接、利益連接三大解決方案。成立四年以來，脈脈服務過阿里巴巴、騰訊、微軟、百度、CCTV、今日頭條、宜信、甲骨文、IBM、人民網等全球500強及國內眾多知名客户。
(2017-10-11)
由童娛傳媒聯合快約星娛樂出品的全國首檔少兒成長體驗真人秀《萌師駕到》今天中午12點在芒果TV精彩繼續。上期節目中，在“萌師小秘書”張含韻和新進飛行嘉賓魏大勳的帶領下，6位萌娃與女巫鬥智鬥勇，闖過了追豬大戰、帳篷尋人等一系列不可思議的關卡，然而，公主的莊園依然被邪惡的女巫霸佔，那麼，這次萌娃們又將迎來怎樣全新的挑戰？
經過前一天的惡戰，萌娃和小萌師們終於得到了片刻的喘息機會。剝玉米、捏餈粑，剛剛享受完萌娃們清晨換回的美味早餐，惡魔便“從天而降”，擄走了正在收拾碗筷的張含韻，速度之快當場嚇懵“女漢子”能姐，“小公主”毛毛也在一旁不知所措，聽聞動靜，魏大勳帶着一羣萌娃衝出屋外，卻發現為時已晚，反應過來的能姐當即抄起凳子就要追回小花姐姐。為了順利救出小花姐姐，魏大勳帶着6個萌娃按照惡魔留下的線索，一路追到耕讀書院。惡魔見狀提出吹墨寫“萌”字的不合理要求，儘管如此，萌娃小分隊們依舊使出渾身解數，魏大勳更是親自臨陣上演吹墨十八技，面對如此刁鑽的任務，萌娃小分隊能否順利解救出小花姐姐？
隨着關卡的層層推進，萌娃和小萌師們也迎來了與邪惡女巫的最後一戰。經過兩天的相處，萌娃們與這位新進飛行嘉賓之間的情感更深一步，齊齊稱呼他為“大兄哥哥“，“混血兒”可陽更是與“大兄哥哥”形影不離，為了和“大兄哥哥”、小花姐姐順利打敗邪惡女巫，奪回公主的莊園，萌娃小分隊也因此被安排了緊急特訓，PVC管小球接力和找不同。在此之前，萌娃和兩位萌師們從未有過這樣的通力合作，剛開始的不合拍讓小分隊亂了陣腳，好在有萌師們細心指導，萌娃們逐漸有了默契。而在之後的“找不同”環節，魏大勳更是憑藉驚人的記憶力，只大體查看了兩輛轎車，便能一口氣報出了6處不同，過目不忘的本領連張含韻都驚呼連連，萌娃們更是滿眼崇拜，魏大勳也因此被贊“最強大腦”。
《萌師駕到》以妙趣橫生的節目構思，純真可愛的展現方式收穫了大批觀眾的青睞和支持，節目不僅展示了萌娃們天真稚氣的一面，也教會了萌娃勇往直前、不畏險惡的處世之道，讓觀眾和萌娃們有了雙向啓發，這也正是《萌師駕到》所要表達的精髓，更多精彩內容請準時鎖定今天中午12點的節目。
(2017-10-11)
北京時間17日晚，第12屆世界數獨錦標賽在印度班加羅爾閉幕，中國數獨隊力壓日本、美國、捷克、法國等強隊獲得團體冠軍，這是中國數獨隊首次在境外獲得世錦賽冠軍。10月20日，中國數獨隊回國。據本屆世錦賽中國隊領隊徐豔介紹，中國數獨隊平均年齡僅17歲，系所有參賽隊伍中最小。
重案組37號發現，曾參加《最強大腦》節目引起關注的中國數獨隊13歲“明星隊員”胡宇軒，獲得個人賽第八名，創下個人國際大賽最好成績。
全文1937字，閲讀約需3.5分鐘。
中國數獨隊拿下境外世錦賽首冠
數獨是一種運用數學演算的邏輯遊戲。玩家需要根據9×9盤面上的已知數字，推理出所有剩餘空格的數字，並滿足每一行、每一列、每一個粗線宮(3*3)內的數字均含1-9，不重複。 90年代國內就有部分的益智類書籍出現，如今已經發展成為一項競速類運動，每年都有多場國際賽事。
中國數獨隊領隊徐豔告訴重案組37號，中國從2007年開始選拔優秀數獨選手參加世界錦標賽，並於2013年在中國拿下世錦賽首冠。
本屆世錦賽從10月16日開始歷時兩天，共有35個國家和地區的212名選手參賽。與往屆不同的是，本屆世錦賽賽制改革，不設總決賽，個人賽、團體賽都以最後總成績排名確定獎項。
“這就使得參賽選手各輪賽事都要分分必爭，要求也更高。”徐豔介紹，參賽選手經過18輪近300道題目的比拼最終完成比賽，本次比賽團體賽成績中國與日本分值接近，直到最後一輪才確定中國獲得冠軍。徐豔告訴重案組37號探員，這是中國數獨隊參加境外世錦賽拿下的第一個冠軍，取得歷史性突破，也創造了個人和團體的境外參賽最好成績。
“明星隊員”胡宇軒創個人最佳
值得一提的是，中國數獨隊平均年齡僅17歲，系所有參賽隊伍中最小的。中國選手全部來自中國數獨錦標賽選拔賽，世智聯中國代表機構--北京市數獨運動協會在組隊上大膽起用新人，隊員胡宇軒、明樂天都只有13歲。
據徐豔介紹，個人賽方面，中國隊有三名選手成績位列前十，其中清華大學學生邱言哲獲得季軍、人大附中戴潭潭獲得第五、北京八中胡宇軒獲得第八，戴潭潭、胡宇軒、明樂天還獲得U18前三名。
胡宇軒是中國參賽選手中年齡最小的一位，今年3月，他曾在《最強大腦》節目中對陣世界級日本選手並贏下比賽，他也憑藉實力被網友關注，稱其為“數獨少年”。
10月20日下午，胡宇軒隨團隊抵京。他告訴重案組37號，自己從2013年開始參加國際比賽，本次已經是第三次參加國際賽事，“我的比賽成績也從以前的195名上升到這次的第8名，下一次的目標是前7名。”
作為年少成名的國家級選手，胡宇軒並沒有因為數獨耽誤日常學習，相反13歲的他如今已經連跳兩級就讀高二，而且數學課常常考滿分。父親胡光榮對此感到自豪，他告訴重案組37號探員，兒子從6歲起就喜歡上數獨，家人也很支持，希望他能越走越遠。
對話
胡宇軒：享受與高手過招的感覺
昨天下午，參賽回京的胡宇軒抵達首都機場，身形瘦小、滿臉笑容的他胸前掛着一枚金牌，和重案組37號探員聊起本次參賽和以往的經歷。
重案組37號：對這次參賽經歷有什麼感觸?
胡宇軒：參加比賽前，我就有自信，覺得這次的成績應該會在10-20名之間，這次算是創造了個人國際大賽最好成績。現在參加國際比賽不會緊張了，能跟其他國家的高手過招，覺得挺享受的。
重案組37號：成績越來越好，平時是怎麼訓練的?
胡宇軒：現在我的運算速度很快了，平時一天最多花一個小時去練。而且數獨比較費腦子，練多了也不好。
重案組37號：什麼時候喜歡上數獨的?
胡宇軒：第一次玩數獨，是我6歲的時候。有一次去參加同學的生日聚會，帶回來一本數獨，回家後就自己研究。但是過程很不順利，我算了4個小時都沒有填出來，後來我看了一本數獨説明書才把它完成。我很喜歡數學，感覺數獨挺有趣的，就不斷買了很多數獨書回來練習，慢慢地就把速度練上來了。
重案組37號：之後是怎麼成長為國家級選手的呢?
胡宇軒：我後來常常去參加數獨活動，也得到了國家級教練的指導，對我幫助很大。8歲的時候，就開始參加比賽了。
重案組37號：很多人對你參加《最強大腦》的印象很深刻。
胡宇軒：今年年初的時候，節目組找到我，那時候我已經參加過很多比賽了，不怯場，就去了。我是抱着必輸的心態去的，台上説“我是來打醬油的”，也是心裏話。沒想到觀眾會有那麼深印象。
重案組37號：節目中你逆轉戰勝了世界排名靠前的日本選手，是怎麼做到的?
胡宇軒：當時我跟他比賽時，以為自己一定會輸。開局連輸兩局的時候也覺得很正常。當時我還聳了聳肩，其實是很放鬆的。也可能是因為我心態好吧，後來才能比較好地發揮。
重案組37號：對數獨有下一步的目標嗎?
胡宇軒：比我強的選手還有很多，得繼續努力。我希望自己下一次參加國際比賽，能夠拿到前七名的成績。
新京報記者 李明
校對 王心
以下為網友評論：
網友“神獸星人吃貨1991號”：我還記得他説來打醬油的！
(2017-10-21)
李飛飛、吳恩達、張潼、馬維英、Pieter Abbeel、Oussama Khatib……;騰訊、阿里、今日頭條、滴滴、科大訊飛、唯品會、斯坦福、UC伯克利、清華……集齊全球頂尖的AI領域領軍人物，踏訪中美兩國科學研究及應用探索前沿的科技公司/大學的AI實驗室，濃縮在飛越太平洋的9天內密集拜訪和交流，這是一種什麼感受?
一句話：大腦的“CPU”、“存儲空間”和“接口”都已不夠用。
9月14日-22日，紅杉中國攜手真格基金，定向邀請三十餘位成員企業的創始人和高管，一起享受了一場智能超感的“北京-硅谷AI雙城記”之旅。這是一次名副其實的大腦體操，對於在各個垂直領域已經取得初戰勝果的創業者們，這更像是一趟尋找AI 商業“終極算法”的解惑之旅。紅杉資本全球執行合夥人沈南鵬和真格基金創始人徐小平也參與了“AI雙城記”硅谷段的部分活動環節，兩位都非常關心AI產業將對教育領域帶來哪些改變。
紅杉資本全球執行合夥人沈南鵬：人工智能是信息科技高速發展的重要產物，如果企業家能夠把握好未來5-10年市場研發方向與機會，應當可以獲得前所未有的長足進步，獲得跨越式發展。
真格基金創始人徐小平：工業時代是把流水線上的人變成機器，而AI時代則是把機器變成人。AI的廣泛應用，如果能夠極大提高生產力、極大地解放人類，將是非常了不起的事情。
紅杉中國為什麼要做這件事？
從計算時代、網絡時代到AI時代，是紅杉資本與全球技術創新浪潮並進的45年。即使你已熟悉車庫故事、多次到訪沙丘路，但你仍然可能對硅谷——這片長約25英里的狹長谷地有所不知。從早期的通訊技術研發基地，到半導體巨頭的搖籃;從斯坦福的工業園，到風險資本的初始之地;從軟件、互聯網的勃興，到今日AI之風勁吹，硅谷已成為全球技術變革的代名詞，並一次次挺立於創業創新的潮頭。
在計算時代，紅杉資本發掘了蘋果、投資了Oracle、思科……;在網絡時代，它投資了谷歌、雅虎、領英、YouTube、Airbnb、阿里巴巴、京東、滴滴、今日頭條……;現在，當科技世界叩響AI時代的大門，它再一次以超越科技躍進和市場波動的眼光，把握先機，提前佈局。
搭建中美AI前沿對話的平台，投資早期AI創新創業之新荷。紅杉中國致力於成為頂 級高成長企業最早、最重要的投資人，作為創業者背後的創業者，不僅是發掘和以資金資源支持創業新秀，更不一樣的是，給予創業者以成長幫助並陪伴長跑。怎樣為創業者打開世界觀?紅杉中國願意成為AI前沿對話的“搭橋者”、“造雨人”、“連接器”，為創業者提供有針對性的高端對話機會，搭建更廣闊的深度互動交流平台。
紅杉資本中國基金合夥人周逵帶隊參與了北京段的參訪行程。他説，組織這一場活動，初衷是給紅杉中國投資的AI領域成員企業提供實際有效的幫助，為此主辦方為每一站活動主題都儘量做了細化、聚焦，希望令所有參與人的興趣點更加集中，溝通更有效率。
紅杉中國今年已舉辦了近十場類似的投後服務活動，希望通過這些高質量的交流活動，幫助CEO瞭解到產業核心企業的動態和想法，認識行業最牛的人，做最準確的業務判斷。
在為期9天如此密集的知識大爆炸中， 我們和“AI雙城記”的團員們一起，不僅和“機器之心”同頻共振，還與如此之多的“最強大腦”超距連接，大家都收穫到了什麼?
敲黑板！敲黑板！以下是我們的隨行筆記，要劃重點了：
01
未來競爭的壁壘不再是算法，而是數據擁有的量和質。
從1950年代中期人工智能概念的第一次被提出，及至今天出現的三次人工智能浪潮，各類算法已趨近成型。而從應用層來看，監督學習、遷移學習、非監督學習、強化學習這四類算法所創造的經濟效益是遞減的，就目前而言，AI技術做出的經濟貢獻幾乎都來自第一種：監督學習，也就是讓機器學會從A到B，從輸入到輸出的映射。它依靠結構化數據，確實比非結構化數據創造了更多的經濟效益，並且已經擴展到在線廣告、消費金融、語音交互、機器翻譯等應用場景中。
此次拜訪的多位AI大牛都談到，當算法模型的優劣已不再是關鍵差異(就像所有安卓手機都系出安卓平台)，未來科技公司在AI應用上的較量更多取決於誰擁有更多、更好的數據。以及，怎麼策略性地持續獲取更多數據。
02
建立數據獲取和訓練的飛輪，對手就很難追趕你。
在此行“AI雙城記”中，創業者向谷歌雲機器學習與人工智能首席科學家李飛飛教授提出了這樣一個問題：大公司毫無疑問擁有巨大的數據獲取優勢，那麼創業公司還有機會嗎?
李飛飛的回答是，大公司在獲取跟自己產品相關的數據方面，這一優勢肯定是無法匹及的。但是，AI應用的場景是多種多樣的，在許多領域還有待開掘。對於初創公司來説，怎麼通過產品來撬動數據獲取才是最重要的。
吳恩達也持同樣觀點。他在白板上一邊畫圖一邊解釋：一家新公司需要特地設計一個循環：先為算法收集足夠的數據，這樣就能推出產品;然後通過這個產品來獲取用户，而用户會提供更多的數據……啓動了這一飛輪後，對手就很難追趕你。
以今日頭條為例。今日頭條副總裁、人工智能實驗室負責人馬維英在分享中亦提到，用户使用今日頭條越多，會發現它越智能。原因就是，用户會在使用時不斷餵給機器第二輪大數據：他的偏好、點擊次數、停留時長、負向反饋……從而讓頭條更懂用户。
就如同互聯網時代已經發生過的故事那樣：大平台之外，還有諸多垂直細分的數據領域有待挖礦。
03
大數據不追求因果性，更追求相關性。
原因是，只依據統計數據是不足以得出變量之間的因果性的。想要得出因果性，必須從理論上證明兩個變量之間確實有邏輯上的因果性，並且要排除掉第三個隱含變量同時影響這兩個變量的可能性。就像著名的啤酒尿布的故事，它只是説明這兩項商品的購買人羣中存在較大概率的重合度。
正如“AI雙城記”團員、唯品會美國研發中心總經理、AI負責人謝楠在分享中提到AI 技術有幾大趨勢：算法“開源化”，計算“雲服務化”，數據“私有化”。因此，就算法、數據和運算能力這三大 AI 要素來説，企業最需要建立起壁壘的是數據。AI的商業應用與學術論文研究有所不同，算法模型的準確率不必是唯一的研發目標。在有限的時間與資源的情況下，也許有商業ROI 更高的研發目標，譬如算法對某業務場景的覆蓋範圍。在特定的應用場景中，80%的算法模型準確率可能就可以做很多過去做不到的事情。如何在不完美準確率的情況下構建一個可行的商用場景是真正挑戰商業AI實踐者的地方，需要對業務及客户需求有深刻的洞察與理解。
04
傳統科技公司 機器學習/神經網絡 ≠ AI公司。
吳恩達分享的主題就是：當AI成為新的電力，它將怎樣改變世界?
AI的崛起正在改變公司間競爭的基礎，那麼，到底什麼才是真正的AI公司?吳恩達首先談到了互聯網時代，究竟如何定義什麼是互聯網公司這件事——商場 網站 ≠ 互聯網公司。
“我認識一家大型零售公司的CIO，有一次CEO對他説：我們在網上賣東西，亞馬遜也在網上賣東西，我們是一樣的。”但其實不是的，互聯網公司應該如何定義呢?不是看你有沒有網站，而是看做不做A/B測試、能不能快速迭代、是否由工程師和產品經理來做決策。這才是互聯網公司的精髓。
同樣地，現在經常聽人説“AI公司”。在AI時代，我們同樣要知道：傳統科技公司 機器學習/神經網絡 ≠ AI公司。吳提出三個衡量維度——
第一，AI公司傾向於策略性地獲取數據。
第二，AI公司通常有統一的數據倉庫。
第三，普遍的自動化以及對人工智能產品經理的新定位(從哪兒獲取數據，如何獲取數據，對數據精準度的要求)。
05
機器學習就是，讓機器學習怎樣學習。
OpenAI研究員、加州大學伯克利分校教授Pieter Abbeel，和OpenAI創始人、YC總裁 Sam Altman在與“AI雙城記”團員的分享中，均提到了他們的最新研究方向——在小數據的前提下發展 AI：讓機器學會“學習”，在自訓練(self-play)中訓練智能體。
Pieter Abbeel更為具體地提到了一個有效的方法——元學習(Meta Learning)：給系統很多訓練數據，最後得到的是一個自學習的系統，它會隨着獲得的數據進行更新和快速的學習。
這顛覆了傳統的深度學習模式必定需要大量數據集的情況，意味着其實深度學習也可以在少量數據的情況下，得到不錯的結果。
其中一個應用領域就是醫療診斷。對於一些發病率並不那麼高的腫瘤類疾病，無法獲得大量CT數據來訓練機器學會識別腫瘤，就可以使用類似的相關聯數據進行初步訓練。紅杉中國Family成員企業推想科技正是這麼做的。其本質就是，教會神經網絡怎樣從模仿人類行為，到自主學習，猶如嬰兒的成長。
06
AI應用需要從進化力、執行力上升到理解力。
阿里巴巴的技術專家們這樣談到他們對AI應用的理解：
進化力是互聯網公司的看家本領，在網絡時代，可以比傳統企業更快速地迭代、試錯、響應用户需求，而這正是開發AI應用的一大優勢。
而上升到第二階段就是執行力——你能夠連接服務的數量、被新的交互手段所賦能的執行力，就變得非常重要。也就是怎樣讓AI真正在實際場景中應用起來。
再往前推演，就是理解力。怎樣讓AI自我學習、自我進化，理解環境、人的需求甚至具有自我意識。從計算、算法到數據，都對機器的理解力提出更高的要求。
由此看來，進化力體現在AI在商業上的淺層次應用上;而執行力則會考慮企業是否能夠用AI改造自我基因，轉變為真正的AI公司;在理解力層面，則意味着，AI不僅是機器處理流程的自動化，單純替代人力的機械性勞動，而是具有創新創造的能力。
07
沒有改變的用户需求仍然是這兩個字：“愛”和“怕”。
在萬紫千紅的移動互聯網時代，從用户需求的角度來説，幾乎所有服務應用其實都可以歸為這兩類：“愛”，讓用户享受到便利、折扣、好處、愉悦，於是越來越沉迷其中、愛不釋手，社交、電商、遊戲、文娛、資訊、工具類APP均可以歸為這一類;“怕”，則是讓用户擁有免於某種恐懼的自由，比如殺毒、隱私、醫療、安全類應用。
在不同時期，解決這兩類需求的新方式，總會帶來新的商業機會。AI時代亦會如是。
滴滴信息安全戰略副總裁、滴滴研究院副院長、Didi Labs負責人弓峯敏博士是硅谷資深的信息安全專家，他談到了AI時代將會面臨的各種可能的技術安全問題，可一窺硬幣的另一面。
在他看來，機器學習本身的確增加了方法和模型的複雜度，和軟件時代一樣，複雜程度本身就是一個可能引起更多漏洞和威脅的弱點。但在今天來説，AI應用引發黑客攻擊的可能性實際上已經不是新鮮的事情，越來複雜的機器學習，已經有對抗的味道在裏面了。這意味着，機器需要做更多自適應的學習，不斷更新，去應對可能出現的安全風險。
從另一方面説，給機器喂的訓練所需的數據時就要考慮到，其應用場景是什麼樣的，對於噪音、干擾、信息污染的承受程度是怎樣的，如果預見性差，很可能致使這一學習系統被誤導，其學習結果也相對不會理想。
也因此，解決AI未來應用的安全性問題，也會是一個蓬勃興起的新領域。
08
AI時代，人類將真正第一次在最本質意義上覆原成“智人”。
越過奇點後，人類的工作越來越多被機器替代，人還何以為人?關於這個問題，已經讓社會學家、未來學家和經濟學家爭論許久。真格基金聯合創始人王強老師在此次“AI雙城記”的一次分享中，談到了他的理解：
“這一場AI越來越凸顯特色的智能化革命，實際上就是兩個方向。一是不斷釋放人的大腦所承載了千百年的所有功能，這是繼工業革命之後，釋放人腦潛力、釋放人力資源的又一次革命。用越來越用智能化、高效率的方式，來替代人腦不應該承載的任務。
“另一方面，當人腦的部分工作被人工智能所解放，它必定在呼喚着新的東西。就像人作為靈長類高等動物，古生物學家給人類的祖先命名為‘智人’，隨着AI的不斷演進，可能人將真正第一次在最本質意義上覆原成為‘智人’。”
不僅是AI在學習人類，人類也在和機器的互動中學習。就像圍棋高手們也從AlphaGo的很多新穎的走法中獲得啓發。相信在未來世界，這樣的交互會越來越頻繁的發生，對教育來説，AI將帶來一些重要的改變，從教育產品到教育本身都會有，它會讓人類變得更聰明。
(2017-10-10)
據悉，國內首檔魔術競技類節目《超凡魔術師》即將在江蘇衞視播出，該節目由范冰冰、魏坤琳、陳智玲等擔任“魔喚師”組成評審團，他們將組成《超凡魔術師》的固定班底，與觀眾共同見證奇蹟發生的時刻。
魏坤琳作為《最強大腦》的科學判官為觀眾熟知，又因為本人帥氣的外表贏得了更多的關注。今日，叨叨魏發博為節目造勢，當然，話語還是充滿科學性……
節目中，“魔喚師”將對競演魔術師進行嚴格的篩選，他們將結合觀眾意見選出實力強者進入“中國戰隊”，最後再向國際高手發起巔峯挑戰，聽起來和《最強大腦》的賽制有些相似。
《超凡魔術師》是一檔新類型節目，究竟能否在同質化的綜藝節目中脱穎而出，讓我們拭目以待吧！
(2017-10-14)
《最強大腦》節目當然是非常好看的，可是更好看的是每期請來的嘉賓，這麼炫酷的腦力節目加上熠熠生輝的明星大咖誰不喜歡啊！這次來自星星的金秀賢“老公”要來了，真的都不確定能不能好好看這期節目了，因為小心臟呯呯實在跳得厲害！真的好想“都教授”是比賽選手啊，這樣鏡頭面前全部都是那張百看不厭的臉了！
但是隨着節目的推進，居然意外被一個新男神吸引了眼球，他就是“魔方達人”賈立平，連來自星星的“都教授”都表示今後400年不再碰魔方了。“都教授”説話還是有份量的，在金秀賢的提醒下，我從花痴狀態醒來，忽然發現這場中國和西班牙對抗賽還蠻精彩的。金秀賢為什麼要説今後400年不再碰魔方了啊，因為自己有點會玩，可是在賈立平面前真是小巫見大巫的，男人都是有點自尊心的好不。但事實是“魔方達人”的表現實在是令人佩服得五體投地，但凡有一點欣賞水品的人能不獻上膝蓋嗎？何況來自星星的“都教授”曾經是外星人，有“超能力”的啊！他都委婉地説I服了U，賈立平。
親，暫時無法評論！
《最強大腦》為金秀賢而來卻迷上“魔方達人”賈立平
2017-10-16 04:42:31大腦時代
我要報錯
在這場中西對抗賽中，賈立平與西班牙選手阿萊克斯，在一個小時的時間內，要記住20個被擰亂的魔方，然後在10分鐘內，看誰盲擰復原的魔方最多。
兩位選手都是經過層層比賽篩選出來的，強大的心理素質不用説，公式熟悉程度相當的話，現場比的就是強大的記憶能力。西班牙選手阿萊克斯覺得自己無法記住20個魔方，於是他只選擇了10個進行記憶，他希望在正確率上有所勝算，在盲擰復原的10分鐘內，他準確復原了5個，但是他失算了，沒想到賈立平的記憶力這麼好，真是令人大跌眼鏡！
賈立平在盲擰復原的10分鐘內，總共復原了15個魔方，其中13個完全正確。想想10分鐘，我們平常人蒙着眼睛可能連一個魔方都搞不定，何況20個。在此之前，賈立平多次在《最強大腦》中所展現出的綜合素質，一直為Dr.魏所肯定，果然不出他所料，賈立平為他帶來了一絲驚喜，賈立平挑戰成功後，Dr.魏激動地説：“當初我頂着巨大的壓力讓你滿分晉級，就是看中了你強大的抗壓能力，今天你替自己爭氣，也替我爭了氣，我非常高興！”
時間回到《最強大腦》2014年1月24號那期，賈立平在水中成功盲擰兩個被完全打亂的魔方，只用了1分01秒，創下了世界紀錄。但當時評審梁冬只給了1分的預判分（這麼低的分數，賽場上的裁判有時真是令人費解），好在科學判官Dr.魏慧眼識珠，給了他滿分10分的難度分，令他成功晉級，這才有了今天的精彩表現。
想想10分鐘一次性復原15個魔方，平均一個魔方還不到一分鐘啊，而且還不能記得前面忘了後面，這個記憶量是非常大的，這裏為賈立平的出色記憶點個贊。
玩過魔方的人都知道，魔方復原雖然有一套公式口決，但是對於千變萬化的魔方來説，組合的情形也是非常多的，這需要花大量的時間進行枯燥的練習，而且光知道公式，不記得順序也是無法完成這個項目的，那麼賈立平到底是不是職業選手呢，練習了多長時間？
賈立平當時是中科大的理工科研究生，魔方是他的業餘愛好，他玩魔方總共4年，但是練習盲擰才1年多，只能説他真的特別刻苦，因為沒有付出常人更多的努力是無法在短時間內走上國際賽場的。阿萊克斯也不是等閒之輩，他平時看到一個建築就能推測出他的三維結構，空間想象能力非常強大，而且玩魔方已經不是用“手”了，都練到“腳”了……這次他期望在中國遇到更強的對手，沒想到心想事成，碰到了賈立平，我覺得兩人的記憶力相差還是蠻懸殊的。
為金秀賢而來卻迷上“魔方達人”賈立平，但是金秀賢依然是心中那個男神，因為他，沒有錯過這一期《最強大腦》，因為他而認識了“魔方達人”賈立平（以前幾期木有看呢）。比賽有輸有贏，不可能每場比賽都拿第一，但是每一個刻苦認真的人都值得欽佩，每一個專注執着的人都值得學習。
另外從《最強大腦》賽場上來看，大部份精彩絕倫的表現都跟記憶力有關，畢竟無法解釋的天賦遙不可及，但是提升記憶力還是有科學方法的，所以小編決定練習記憶力明天走起啦！（希望有生之年我也能10分鐘盲擰一個過把癮哈哈！）
(2017-10-16)