现在AI这么厉害，连李世石都击败了，将来它会不会自己学会编程，取代程序员的位置呢？
这个是 Quora 上提出的一个问题。随着 AI 在近年来成为热门话题，并且在 AlphaGo 自学围棋击败了人类近 10年 最好的围棋选手之后，有人开始提出这个问题。具体来说这个问题有三层意思：
- 到 2025年 程序员还有没有用，到那个时候所谓的 “程序员” 是指什么？
- 代码本身还有没有用，到那时候代码会变成什么样子？
- 机器智能会不会取代（目前意义的）代码或程序员两者的其中一个或者全部？
大家基本上倾向于认为，到 2025年 时编程仍然有意义，但有人说 2025年 以后情况可能就不是这样了。
而那些认为编码将死、程序员将失业的人的理由是机器智能会像今天的程序员一样具备自学编程的能力。比如说 AlphaGo 击败李世石就是一个机器学习能力的证据。
我们摘编了一些人的回答，也希望听听你们的看法。
Code.org CEO Hadi Partovi：
绝对的。编程不仅在 10年 内还有意义，而且还会比今天更重要。不过编程语言的语法会变得越来越简单。刚开始的时候，编程是在纸板上面打孔（可编程打孔机）。然后形式变成了这个样子：00101010101。而现在看起来更像英语。随着编程语言变得越来越像英语，这种东西学习起来会越来越容易，越来越不神秘，所以也会越来越流行。同时，随着计算机渗透到我们的日常生活里面，告诉这些设备我们想做什么，发明新的用例也会变得越来越流行。
但是在可以用自然语言跟机器进行对话并且让它们完美理解并执行从未训练过的复杂任务这些事情上我们还有很长的路要走（好几十年）。当然，一些简单的、预编程好的任务是没问题的，比如 “告诉我去加油站最近的方向。”
但是要想教计算机做从来没做过的事情，还是需要对如何跟这种特殊的计算机程序员进行沟通有特殊的理解，以及要有描述算法的计算思维。如何设计循环或条件供计算机执行任务或进行决策的语法也许会变，但底层的基础概念估计很久都不会消失。
自 1999年 开始就一直开发 web 门户的 Christoph Richter：
Fred Brooks 1975年 的一篇文章说软件开发永远都是复杂的。虽然有一些东西可能会变容易，但核心的东西永远都不会容易。《人月神话》这本书说的就是软件工程这项核心挑战一直都难以克服—没有银弹，40年 过去了，至今情况依然如此。
Fred Brooks 1975年 的一篇文章说软件开发永远都是复杂的。虽然有一些东西可能会变容易，但核心的东西永远都是很难的。《人月神话》这本书被誉为 “软件工程的圣经”，40年 过去了，那部书里面的观点仍然经得起考验。
有 30年 技术从业经验，曾当过工程师、产品主管、CTO、CEO 的 Greg Kostello 认为：
10年 内编程还是有意义的，但是 20年 内还有可能性，但 30年 内可能性也许没有了。
在机器学习的推动下我们现在进入了软件开发的新时代。IBM 的 Watson 和 Google 的 AlphaGo 已经证明数据>算法。或者更精确地说，数据就是算法。但是现在你需要非常特殊的技能才能开发出机器学习解决方案。工程师和数据科学家仍然需要对机器学习算法进行编程，但最终同样的系统会教它们学会如何通过分析自己的代码来改进自己。
未来 10年 对软件工程师的需求还会更强劲，因为初创企业和大公司都把精力聚焦在把算法驱动应用转为数据驱动应用上。通过固定算法来处理信息安全已经太复杂了，需要机器学习即时学习并挫败新的攻击。当然，像无人车这样的计划已经在尝试这方面的努力。Google 无人车到处转悠是因为它们需要收集数据来帮助系统学习。但这需要软件工程师和数据科学家一起协作来设计收集数据的系统。他们是这种新办法的先驱。
所以在近期对懂机器学习、知道利用大数据、传感器数据以及视觉和语音的软件工程师的需求会非常旺盛。如果你能够及时调整自己的技能的话，你的职业生涯并无近忧。
中期的情况略为模糊一点。从汇编语言、编译语言到脚本语言，软件每阶段的重新调整都会导致对程序员需求的增加。有点脑子懂基本编程技能的人都能找到工作。但新的工作需要不同的技能集。如果你在设计 AI 系统，高等数学是必要条件之一。如果你用 AI 系统，理解如何有效利用数据就很重要。像 IBM、微软和 Google 这样的公司都在设法让这些系统对并不掌握那些技能的程序员来说更容易使用，这就导致了近期内变成工作岗位的爆发。而且由于现在产品设计师可以从更高的层次解决问题，制定智能解决方案，可以完成的事情的范围将会扩大。但是，那些技能不是入门级的。如果你对抽象思维和跟数据打交道不熟，那你的工作就跟无人车变得无所不在之后的 Uber 司机岗位一样岌岌可危。
从长期来看，应用会自己写自己。问题是，应用设计是由可最大发挥 AI 系统效能（因为理解问题解决机制）的程序员来做还是由不编程但擅长描述待解决问题的产品设计师来做，还是会涉及到其他技能？这个我还看不清楚。
John Brothers，有 20年 以上经验的软件开发者和架构师：
到 2025年 我们不仅还需要软件开发者，而且我觉得到时候软件开发可能还会成为地球上面最后一项 “有用” 的工作。当然，“开发驱动机器人的软件” 是未来这种工作的一部分。
随着时间的推移，我们发现可以有越来越多的方式来用软件替代过去的脑力劳动。认为这种现象未来会停止出现是没有理由的。
反对者可能会说：“你怎么能设计一个程序来替代脑外科医生呢？” 我的回答是：“不知道。但你知道什么事情比脑外科手术更难吗？创建一套可捕捉脑科手术涉及的所有关键决策、启发试探法以及算法的逻辑模型。” 换句话说，很多任务都很难，但是在软件中捕捉那些任务更难。只要想想你就会发现只要有难度的任务要进行自动化，就会有软件开发者去进行尝试。比方说，地球上最后一项工作的自动化（注：这可真是程序员的自杀式工作啊）。
有人可能会说：“未来只要有合适的工具，编程应该是很容易的事情。” 知道我怎么想吗？我想为你祈祷。
以为编程可以做得很简单的看法实际上非常目光短浅。他们的依据大概是这样的：“X 类问题很容易建模。因为，任何人只要有合适的指导，都能利用软件对该问题建模。”
对于特定类型的问题来说也许是可以的。但是软件开发有趣的地方在于我们在不断制造新的问题类型，我们制造问题的速度跟找到老问题的自动化解决方案的速度一样快（如果说不是更快的话）。
深度学习和量子计算机都是我们推进软件潜力的例子，这些东西在 20年 前我们还只能想象。而那只是其中两个而已—我们今天教计算机做的各种事情在过去都只能靠想象。没有理由认为这种情况会很快停止出现。我们在扩大用软件可以做的事情的领域，这种扩张的速度要比我们自动化现有流程的速度要快。这种情况还将持续几十年。
自 1978年 就开始编程的 Steve Traugott：
2025年 编程当然还有用，而且作用可能还更大。
我的观点可能会孤立无援，这里我补充一些事情希望能有助于说明观点。至少有一门语言到 2025年 会发挥更大作用，到了 2050年 这门语言可能还会被重度使用，甚至到 2100年 还会存在。鉴于其部署方式，Javascript 本身几乎已经成为了互联网协议，web 浏览器对它的支持不但是必须而且看起来是没有限期的。只要它还有浏览器支持，web 网站就会继续使用它，导致了对兼容性期望无休止的循环。唯一有可能打破这一循环的是 web 不用了。这样的事情是不大可能会发生的。
不管你喜不喜欢，事实上 Javascript 已经成为了 web 的汇编语言。
剩下的唯一问题是开发者什么时候从编写原生 Javascript 转到写其他可编译为 javascript 的语言？怎么转？（类似于过去几十年从机器语言转为汇编语言最后再转为 C 的趋势）
从 JavaScript 转到其他编译语言的运动实际上已经在进行当中，但是更高级的代码还是要靠手工编写（注：所谓由 AI 编写代码所以不需要人写其实是个伪命题，其实人向 AI 引擎描述问题还是通过编码来完成的，比方说类似 prolog、lisp 或别的特定领域语言），仍然需要编译为 JavaScript 才能在浏览器执行。同时鉴于 JavaScript 引擎还需要保留，所以我认为在几十年内我们还会看到可怕的、嵌套的、手工编码的匿名 JavaScript 函数一直存在。JavaScript 已经变成了另一个 COBOL，只是可读性更差但部署范围更广。
我们可以拿 B-52 轰炸机来对比一下。这款 90年 前设计的轰炸机预计还将服役到 2040年。C 语言的历史也有 45年 了。
绝对如此！我只能想象编程会变得越来越重要。关于编程的本质 Edsgar Dijkstra 有一条名言：
（软件危机的）主要原因在于机器已经强大了好几个量级！坦率地说，只要没有机器，编程根本不成问题；当我们只有比较弱的计算机时，编程的问题不大，现在我们有了庞大的计算机，编程的问题也变得一样大了。从这个意义上来说电子业一个问题都没有解决，反而是制造了如何使用其产品的问题。
对此我的思考是人类文明对代码的依赖程度有多大。我们的世界已经有那么多的东西是由编程驱动的（软件蚕食世界）。从这个意义上来说，我们已经制造了维护软件的问题，这意味着我们永远都需要更多的程序员。但随着计算变得越来越强大，我们写的软件也会变得越来越强大，从而形成一个需求的良性循环。只要我们需要软件，我们就会需要程序员。所以 2025年 是编码不仅还有用，而且还会更加重要。我认为所有对未来 10年 程序员的需求数量的估算都是小了。软件蚕食世界，所有能生存的公司都将是技术公司。我们还看到程序员类型的多样化，从数据科学到虚拟现实，全新的编程领域正在不断涌现，这种趋势为什么会停止呢？
此外，我还认为代码是一种媒介而不仅仅是一项工作，它是人类这个物种的一种沟通的新方式。我们对这个世界的问题和现象用代码来建模。从这个意义来说，编码跟表达关系更大。而我们永远都不会停止用这种方式表达自己。所以我认为我们使用代码的方式会越来越丰富—会超出软件这个行当进入到学习的每一个领域。我想在 25年 内我们教数学、化学、生物、物理、几何以及大部分的 STEM 课程都将通过代码来完成。那时候我们学编程未必是为了写应用，而是为了在软件领域以外表达想法。代码是信息时代的通用语，我看这一点近期内不会有任何改变。
研发软件工程师 Lakshmi Narasimhan Ramakrishnan：
简答：是的！但不是今天的样子。
从机器语言、到面向对象语言，编程的演进历史就是不断地抽象。这一路上我们还在操作系统的作用下得以开发出更好的基础设施。大家很快意识到自己可以在这些基础设施之上编写出更复杂的程序，然后继续开发出更复杂的软件架构。
然后有了互联网（也是基于软件协议开发的），这个东西使得对地球另一端的计算机进行编程 / 沟通成为了可能。互联网起到了一个强大的基础设施的作用，围绕着它开发出了许多的软件，在今天，我们把云视为一台庞大的计算机（接入互联网运行分布式操作系统的计算机子集）。
过去几年机器学习和人工智能成为了一个热门话题。其中的出现的一个误解是 AI 会发展到不需要人来编程的地步。这是不对的。我的观点是 AI 能发展到做出比人更好的决策（尤其在问题搜索空间庞大的情况下）。比如 Google 的 AlphaGo 就是证据之一。我会吧 AI 看做建设更复杂基础设施的工具。而这反过来又会帮助我们开发出更好的软件。
我的意思是说，这是一个恶性循环。软件演进然偶帮助我们创建出更强大的基础设施进而引领我们走向更高层次的抽象，反过来又让我们做出比今天更复杂的软件，如此周而复始。所以编程始终都是有重要意义的，但是抽象和你试图用代码解决的问题会不断发生快速演变。（注：这个观点跟英国量子物理学家戴维·多伊奇的《无穷的开始：世界进步的本源》有些类似，尽管现象亘古不变，但我们始终都在寻找好的解释）
【文/36氪 boxi】
·氧分子网（http://www.yangfenzi.com）延伸阅读：
来源：linkedin blog 作者：Andrew McAfee & Erik Brynjolfsson 译者：刘小芹
【新智元导读】有关“AI将取代人类的工作”的讨论很多，本文作者认为与其试图为未来的失业做好准备，立足当下，解决现在的问题更加重要。作者分析了美国的经济现状和建议措施。
过去几年里，我们已经开发出能够做许多事情的人工智能机器，这些事情过去被认为需要人类的思想，例如：理解语言，诊断疾病，检查合同条款，从零开始设计一个机械零件，甚至提出后续研究支持的新的科学假设。这些新软件可以嵌入在硬件中，我们能够得到自动驾驶汽车、卡车和收割机；送货无人机和检测无人机；各种各样的机器人，等等。
这些技术的发展速度甚至比它们的创造者10年前预测的还要快，在传统的围棋游戏和一对一无限注德州扑克中AI系统打败人类最好的玩家的事实，显示出它们正在如何深深地入侵人类的领域。
那么，我们是否应该为AI大规模使用引起的技术性失业做好准备呢？牛津大学的卡尔·弗雷（Carl Frey）和迈克尔·奥斯本（Michael Osborne）在2013年发表了一项被广为引用的研究，发现美国有47%的职位易受计算机化（computerization）的影响。其中一些职业的自动化趋势看起来已经非常成熟。随着自动驾驶技术的发展，美国大约350万卡车司机可能将失去工作。
不过，尽管有这些可怕的统计数据和情境，但是并不需要恐慌。一方面，以前的有关某一职业随时间变化的得失的预测几乎总是错得离谱，没有理由说现在的预测就会更好。另一方面，牛津大学的这个研究只看到了毁灭，而没有看到创造。它没有预测未来的技术进步将创造出多少新的工作和职业类别。肯定会有很多，从“机器人饲养员”（robot wrangler）到AI转译员（AI interpreter）。最后，350万的失业者听起来很多，但美国两个月的裁员数字就有这么多，另外还有600多万人自愿离职。一个既庞大又充满活力的经济体，总是同时有大量的失业，同时也有更多的职业被创造出来。
实际上，近期的经济数据就很清晰地显示，即使AI和其他高科技技术在不断进步，劳动力市场对受过良好训练的人类劳动力的需求仍是不断增长的。在美国，劳动力总人数连续80个月增长，总工作时间数现在是历史最高记录，比经济大萧条结束时增长了14.5%。美国现在的失业率是4.3%，低于本世纪其他任何时期。
但这些积极的趋势并不意味着我们什么也不需要担心。目前劳动力面临两大挑战，而这两个挑战都部分地源自技术的进步。第一个挑战是尽管创造就业的机制仍在运行，但速度已经减慢。这个机制曾经创造了大量坚实的中产阶级工作，这些工作随着时间的推移而收入增加。现在，中产阶级的工作机会在减少，收入也停滞不前。
这些变化有很多原因。我们麻省理工大学的同事大卫·奥诺德（David Autor）和他的合作者提出了最主要的一个原因：美国中产阶级是建立在日常工作（包括体力工作，例如在工厂的装配流水线工作，以及知识性的，例如处理工厂的财务工作）之上的，而这类工作在过去几十年里已经快速地被自动化了。就业率一直在持续增长，是由于服务行业的体力工作，例如家庭护理或短期厨师的需求在快速增加。这些体力工作都很难自动化——因为我们人类仍然比机器人灵活敏捷——但是由于生产率地下，所以也是低收入的。
第二个挑战是，尽管表面的失业率很低，但在一些群体中其实是很严重的失业问题。为什么这么说？这是因为在统计总失业率时，并没有包含那些不再找工作的人。而这一类人中受教育程度低的青壮年比例惊人的高。根据白宫2016年的报告，2014年美国25至54岁，高中或以下学历的男性中，有16%以上完全没有工作。这种现象也有很多原因。原因之一就是那些曾经做过装配线工人或煤矿工人的人，或只想做这类工作的人，不愿意在医疗保健、养老、教育等不断增长的行业参加服务型工作。随着自动化接管卡车驾驶等类似的工作，这种期望工作和可得工作之间的不匹配可能会更严重，失业率将升高，随之而来的社会问题也将增加。
此外，较少技术技能的工人就算找到工作，薪资也往往停滞不前。在收入分布最少的50%的职业中，实际薪资基本没有变过，即使社会总体收入在上升，尤其是受过高等教育的高收入群体。这反应出日益加剧的收入不平等现象，也反应了在自杀、酒精中毒、药物滥用等指标中的更大差距。正如 Anne Case 和 Angus Deaton 的研究所发现的，过去20年来，美国白人蓝领阶层“绝望死亡”的比例在急剧上升。
好消息是，面对这些挑战，我们远非无助。实际上，有一套强有力的政策措施可以帮助收入停滞和集中性失业。显然，我们可以做，而且应该做的事情之一是升级我们落后的基础设施。将高速公路，港口，桥梁，机场等提高到世界一流的标准将是对未来经济的巨大投资，也将创造出许多目前边缘人希望得到的蓝领工作。
支持加速可再生能源，例如风能和太阳能的部署也是一样。这些都迅速地成为了获得竞争力的成本，对地球环境友好，并且创造了大量的工作机会。再次，AI驱动的机器人还不能自己安装涡轮机。太阳能行业雇佣的员工已经比煤炭行业更多，而在风力发电行业工作的人已经大概是煤矿业的2倍。目前政府对煤矿的关注就好比看着后视镜驾车。我们需要看着前路的政策。
我们认为，这样的政策之一是扩大所得税抵免（EITC），这是目前向低收入人士提供的薪资补助形式。大量研究表明，EITC是有效的：它不仅提供了经济上的增长，而且直接鼓励人们进入就业市场。后者对于普遍基本收入（universal basic income，UBI）群体来说是不可行的，通常他们会得到现金补助，无论他们是否工作。因此，UBI既不具有针对性，也比EITC成本更高，但真正的问题是UBI并没有给予人们任何明确的理由，帮助他们脱离经济边缘。事实上，我们采访的所有社会学家，以及我们阅读的所有相关研究都认为，有意义的工作对于个人和社会都至关重要。
我们最迫切的政策优先事项之一是弄清楚为什么近年来美国的创业精神一直在下降。硅谷是例外，而不是规则：我们经济中的商业活力实际上在下降。大多数行业和地区的新兴企业正在减少，年轻企业就业人数减少，换工作的人数减少，等等。创造更多就业机会的最佳方法是支持初创公司，它们需要雇佣人以求增长。
技术的进步使我们的经济在过去一代中发生了很大的变化，并将在未来几年更加迅速地变化。但是，尽管AI如此令人震撼和强大，它们不会很快接管所有的人类工作。与其试图为未来的失业做好准备，我们更应该增强现在已经拥有的：创造就业机会的引擎已经减速，而有大量的人倾向于呆在边缘，而不是为经济增长贡献自己的技能。
这些是很严重的问题，但并不是不可解决。我们认为，正确的政策可以为我们带来最好的世界：今天和未来的AI突破所带来的好处，以及有尊严的薪资的工作。这些工作和政策不会像过去那样，但是那又怎样呢？在我们的整个历史中，美国人一直是拥抱未来，直面巨大挑战。我们现在不要停下来。
本文作者 Andrew McAfee 和 Erik Brynjolfsson 是《第二次机器革命:数字化技术将如何改变我们的经济与社会》一书的作者
原文：www.linkedin.com/pulse/why-how-many-jobs-killed-ai-wrong-question-andrew-mcafee
编辑｜陈思
AI 热闻盘点，一周热闻尽收眼底，快来看看这周又有哪些热点消息吧！
内容导读：
苹果发布 iPhone X，首推面部识别功能 FaceID
吴恩达 deeplearning.ai 招人，流利中文是加分项
百度硅谷 AI 实验室主任离职，曾是吴恩达博士生
Google 推出 TensorBoard API 来增强机器学习的可视化
AI 仅凭观看像素画面也能重建出《超级马里奥兄弟》
伦敦警察测试了人脸识别治安系统 但却频繁抓错人
通用汽车和科鲁兹宣布首批大规模生产自动驾驶汽车
三星成立 3 亿美元基金投资自动驾驶技术
苹果发布 iPhone X，首推面部识别功能：FaceID
北京时间 2017 年 9 月 13 日，一年一度的苹果手机发布会如期而至。整场大会最抢风头的莫过于苹果手机 iPhone X 以及它搭载的 FaceID 面部识别功能。
FaceID 面部识别功能需要四种独立组件，其彼此合作以共同实现识别效果。Secure Enclave 技术为其提供安全保护，且 FaceID 会在用户面部投射总计 3 万个红外点。这四种组件分别为 点阵投影器（结构化光线发射器）、红外摄像头（结构化光线接收器）、泛光照明器（环境传感器） 以及 距离传感器。
最后，iPhone X 的前置摄像头会收集与用户面部相关的 2D 数据。其中点阵投影器通过产生红外线开始运行循环流程。红外线摄像头捕捉这些光线，而后将结果传输至智能手机的处理器处。泛光照明器则确保色彩还原与色温效果同周边光线环境相匹配。
然而关于 FaceID 的安全性，也是众说纷纭，我们也对其原理解析进行了相关报道，详见：
苹果发布会推出 FaceID，人脸识别功能你敢用吗？
而大会上另一大亮点：A11 智能芯片，由于官方没有披露过多消息，我们并没有做过多报道。我们会保持关注，随时为各位读者带来最新最快的讯息，敬请期待！
吴恩达 deeplearning.ai 招人，流利中文是加分项
是的，你没有看错，吴恩达的深度学习创业公司：deeplearning.ai 开始招人了，我们先来看看要求是什么吧：
我们很贴心的为各位想要试试看的读者做了翻译（其实也许并不需要）：
这是我们希望你拥有的背景：
计算机科学学士学位或相关领域同等学位，具有 3 年以上机器学习相关工作经验 ; 或计算机科学博士学位或相关领域同等学位
强大的计算机科学基础。算法的调试技巧和知识都很重要。您应该能够深入了解重要的代码库并能够制作精心设计的软件。您应该能够学习和了解新的文库和框架，并将其整合到您的工作中。
编码能力强。虽然理解了算法的知识，但同样重要的是，您可以在 Linux 平台上使用 C ++（使用模板，STL 和 OOP）或 Python（重点是可测试性和使用 OOP）编写干净，高效的代码。
强大的软件工程技能。您应该对如何将应用程序需求提炼到清洁可测试的 API 中有很强的感觉，并享受编写好的软件的工具。大规模部署软件的经验是一个加分项。
机器学习经验，如完成 Coursera 机器学习和 / 或 deeplearning.ai MOOCs 的经验。熟悉基本的机器学习算法（如线性回归，神经网络）和相关的数学知识（线性代数，概率 / 统计）。
普通话（中文）流利是一个加分项。
尤其注意看最后一点哟，普通话是加分项，各位中国的机器学习工程师们，你们的机会来了！
更多具体信息请在电脑上打开下面的链接（小编亲测可用）：
https://www.deeplearning.ai/machinelearningsoftwareengjobdescri
百度硅谷 AI 实验室主任离职，曾是吴恩达博士生
百度硅谷 AI 实验室主任 Adam Coates 离开了百度。该消息来源已得到证实，Coates 更新了他的 LinkedIn，证明了消息属实。Coates 于 2014 年 5 月加入中国搜索巨头百度，在加州领导一个由 50 名机器学习开发人员组成的团队。
Adam Coates 毕业于斯坦福大学，攻读计算机科学博士学位，Coates 以在神经网络和优化分布式 GPU 集群的成就为人所熟知。很重要的一点是，而在斯坦福大学，Adam Coates 是吴恩达的博士生。而在此前，吴恩达曾担任百度首席科学家，但在 2017 年三月份离开百度。
关于离职原因，双方都没有过多言论发布，而在 Adam 俩开之后，百度在硅谷的 AI 实验室将由谁领头，对于百度来说是一个比较重要的问题，我们也将持续关注和报道。
新闻来源
https://techcrunch.com/2017/09/13/the-director-of-baidus-silicon-valley-ai-lab-has-departed/
Google 推出 TensorBoard API 来增强机器学习的可视化
前不久，谷歌官方技术博客：Google Reasarch Blog 上发表了一篇文章，关于 TensorFlow 环境下，构建新型实用的可视化方案。
在 2015 年谷歌对 TensorFlow 进行开源时，其中即包含有 TensorBoard——一款用于对 TensorFlow 模型及运行进行检查与理解的可视化套件。TensorBoard 包含一套小型预设可视化功能集，且几乎适用于一切深度学习应用——例如观察随时间推移的损失变化或者探索集群在高维空间内的表现。然而，由于缺少可复用的 API，向 TensorBoard 中添加新可视化方案对于 TensorFlow 团队之外的人士而言往往相当困难——意味着研究社区难以打造出充满创意、美观且实用的可视化成果。
为了实现新型、实用可视化方案的创建能力，谷歌近日公布了一套统一 API 集，允许开发者们面向 TensorBoard 添加各类可视化插件。希望大家能够利用该 API 扩展 TensorBoard 并确保其能够涵盖更为广泛的用例类型。
具体使用请参看：
TensorFlow 环境下，如何构建新型实用可视化方案？
新闻来源
https://research.googleblog.com/2017/09/build-your-own-machine-learning.html
AI 仅凭观看像素画面也能重建出《超级马里奥兄弟》
据外媒报道，近日，美国乔治亚理工学院的研究人员发表了一篇题为《从视频中学习游戏引擎 (Game Engine Learning from Video)》的文章。文章提到了一套仅凭观看游戏重建诸如《超级马里奥兄弟》等游戏的游戏引擎。这套系统无需访问代码，而只是简单地看着游戏像素画面即可学会游戏的运行方式。
据了解，这套系统并不需要从头开始学习游戏，它只需要两个重要的信息即可打造游戏：首先是包含了游戏中所有子图形的视觉字典；然后是基本概念，比如像物体的位置以及它们移动的速度等。游戏了这些工具，AI 就能将游戏、标签一帧一帧地分解出来然后找出展示操作的规则。
随着时间的积累，系统会开始建立起一些规则并将它们记录成逻辑语句，这些规则可以导出并转换成能用于重建游戏本身的编程语言。目前，该套系统还只能在 2D 平台上工作，因为它还需要人类帮它决定特定游戏中发生的内容。想要支持 3D 不仅需要花费更长的时间而且需要使用更加先进的机器视觉工具。乔治亚理工学院的研究团队认为，这样的技术将不仅仅只局限于视频游戏，未来它还将能够运用到现实生活中。
新闻来源
http://hot.cnbeta.com/articles/game/650355.htm
https://www.technologyreview.com/the-download/608842/ai-can-re-create-video-games-just-by-watching-them/
伦敦警察测试了人脸识别治安系统 但却频繁抓错人
利用人脸识别来维护治安，听起来是一件又酷又高科技的故事，已经有政府机构开始利用人工智能在社会治安方面协助办案，比如伦敦大都会区警察局。在 8 月底的英国伦敦传统民俗活动诺丁山狂欢节期间，伦敦大都会警署上线的实时人脸识别系统就派上了用场。
然而，这套系统的表现却似乎不太尽如人意。
在伦敦街头，警察在路边使用伪装成民用汽车的警用车辆监控狂欢节人群，试图使用这个系统找到人群中混迹的被通缉人员。
8 月 24 日周一，诺丁山狂欢节的第二天，伦敦警察的监控车里发现了两例非常明显的错误：系统识别了两个名单上的人，但这两个人显然连性别都对不上。在前一天，也就是 8 月 23 日周日的监控是不是也出过类似的错误，伦敦警察表示前一天有 35 例，其中 5 例由值班人员发现了错误，没有实施逮捕。
这个系统在运行期间也确实“正确”抓到了人。伦敦警察表示，有一个人因为骚乱案件被通缉的嫌疑人出现在狂欢节现场，他们逮捕了他。但随后的审问中发现，这个人的案子已经和解了，他现在没有罪名。而且在狂欢节之前、案子和解之后，这个人已经被错误逮捕过一次。换句话说，这套人脸识别系统的数据库非常陈旧。
伦敦警察的这次试验暴露了人工智能目前的一些问题，比如识别准确率和数据库匹配。公开媒体报道显示，中国的政府部门也越来越多的开始将人脸识别用在警务处理上，比如监控过马路闯红灯的人。据人民网报道，沈阳交通警察在街头启用了一套人脸识别系统，系统自动抓拍闯红灯的人，将他们的照片放在大屏幕上供值班交警识别、劝阻和教育。这只是公开场所使用的案例，从供应商们提供的技术来看，人脸识别系统在政府事务中能做的事情要多得多。在未来，它犯的错恐怕也会越来越多。
http://www.cnbeta.com/articles/tech/649667.htm
通用汽车和克鲁斯宣布首批大规模生产自动驾驶汽车
是的，又是自动驾驶的消息，而这回带来这个消息的真的是汽车制造商。
克鲁斯自动化的 CEO，同时也是创始人的 Kyle Vogt 表示，旗下最新版的自动驾驶雪佛兰 Bolt 电动车为“首款真正可自动驾驶的汽车”。
Kyle Vogt 在新闻稿中写到：“这不是一个概念车，车上设计有安全气囊、撞击缓冲区和舒适的座椅，产量每年可以达到 100,000 辆。”
通用 9 月前开始在底特律郊区的 Orion 装配工厂生产了 130 辆第二代自动驾驶掀背车，而第三代现阶段也相继推出。通用目前已经生产了 50 辆第三代汽车，但通用发言人拒绝透露公司计划生产多少辆。两代车型与量产版 Bolt 造型相似，然而 Volt 表示第三代车型采用了全新且具有故障容限的电子、通讯和驱动系统，这对于自动驾驶汽车来说都是独一无二的。此外还包括部分公司自主研发的传感器和控制器。
https://techcrunch.com/2017/09/11/gm-and-cruise-announce-first-mass-production-self-driving-car/
三星成立 3 亿美元基金投资自动驾驶技术
为了不在自动驾驶上落后，全球最大的智能手机制造商三星宣布了两大消息。
一是成立三星汽车创新基金（Samsung Automotive Innovation Fund）。基金规模 3 亿美元，用于支持汽车市场上的创业公司和其他项目。作为该基金的第一笔投资，三星已经向 TTTech 投资了近 9000 万美元，后者是一家奥地利公司，主要为网联汽车开发安全软件和平台。这家公司同时还获得了奥迪的投资。
除此之外，三星还宣布与哈曼进行战略合作，成立新的业务单元，开发网联汽车技术。哈曼是一家汽车及音响产品制造商，去年 11 月以 80 亿美元的价格被三星收购。传统的汽车行业已经由通用汽车、大众、丰田等巨头主导，但下一波的创新（比如自动驾驶）可能会让行业发生翻天覆地的变化，无论是汽车拥有方式，车载系统，还是车辆如何运营，都会被技术颠覆和更新。三星表示，其目标是将技术引入市场，让汽车变得更安全，同时创造更舒适和便利的移动体验。三星在韩国和美国加州都持有自动驾驶测试牌照，但该公司重申，不计划进入汽车制造领域。