今日必看

5月8日

机器学习+深度学习+数据分析+计算机视觉，覆盖3大主流框架，10大企业级项目和面试技能！

 

5月7日

挑战王者荣耀“绝悟” AI，我输了！

腾讯 AI Lab 与王者荣耀联合研发的策略协作型AI，“绝悟”首次开放大规模开放：5月1日至4日，玩家从王者荣耀大厅入口，进入“挑战绝悟”测试，“绝悟”在六个关卡中的能力将不断提升，用户可组队挑战“绝悟”。这不是腾讯 AI Lab首次大展伸手了，例如去年“中信证券怀”世界智能围棋公开赛的冠军就是来自于腾讯AI Lab的“绝艺”。

 

5月6日
饿了么交易系统5年演化史

这篇文章希望通过一些发展的故事和思考来给读者呈现整个历程，大家可以看到非常多野蛮生长的痕迹，并会附带一些思考和总结，但不会像快餐式的总结很多大道理。

 

5月5日

 

无需训练RNN或生成模型，我写了一个AI来讲故事

这段日子里，我们都被隔离了，就特别想听故事。然而，我们并非对所有故事都感兴趣，有些人喜欢浪漫的故事，他们肯定不喜欢悬疑小说，而喜欢推理小说的人肯定对浪漫的爱情故事没兴趣。看看周围，还有谁比AI更擅长讲我们喜欢的故事呢？

在本文中，我将向你演示如何编写一个AI，根据我们的个人喜好来给我们讲故事，为沉闷的隔离生活增添一份乐趣。

 

5月4日

GitHub标星10,000+，Apache项目ShardingSphere的开源之路

几天前，当 GitHub 全球产品技术生态总经理 Michael Francisco 谈到中国开发者已经成为 GitHub 上最活跃的群体时，有开发者提出数量之后质量也要跟上。的确，过去十数年间，中国开源一直呈现企业热使用热社区冷开发冷的景象，不过现在正在显著发生变化，从 Apache ShardingSphere 的成长历程就可以一窥。

历经 4 年，从第一行代码到今天，ShardingSphere 正式成为 Apache 顶级开源项目，GitHub 开发者关系主管 Martin Woodward 如此评价道：“我们很高兴看到这个社区在过去两年里发展得非常好，现在有 120 多个直接贡献者。”在本文中，其核心初创人员为我们分享了它的开源之路，相信会对所有热爱开源希望有所建树的开发者们大有裨益。

 

5月3日

八年，腾讯优图攒了多厚的技术“家底”？

「AI 技术生态论」 人物访谈栏目是 CSDN 发起的百万人学 AI 倡议下的重要组成部分。通过对 AI 生态顶级大咖、创业者、行业 KOL 的访谈，反映其对于行业的思考、未来趋势的判断、技术的实践，以及成长的经历。

本文为 「AI 技术生态论」系列访谈的第二十二期，对话国内一流计算机视觉实验室——腾讯优图总监黄飞跃，回顾优图实验室成长历程，畅谈计算机视觉技术进展和未来发展趋势。

 

5月2日

紧急更新下降难度，《王者荣耀》绝悟 AI 难倒一片玩家

在 5 月 1 日~ 5 月 4 日期间，玩家通过《王者荣耀》最新版本客户端进入游戏，即可与绝悟 AI 对战。一时间哀鸿遍野，普通玩家、游戏主播、职业选手，纷纷表示被绝悟 AI 虐到体无完肤。

《王者荣耀》的游戏主播们最近有些自闭了，因为被最新上线的游戏 AI 绝悟虐得太狠。

 

5月1日

中国开启开源新纪元

距离“中国 Linux 第一人”宫敏博士用手提肩背的方式，将 20 盒装有 80G 容量的自由软件磁带背回中国转瞬已过 20 载，在宫敏博士的推动下，中国组建起国内第一个自由软件库，由此开源在第一代开发者心中的火种迅速传播。

20 多年间，从一星半点到全面拥抱，中国开源之火，已然燎原。

 

4月30日

NLP带来的“科幻感”超乎你的想象 - ACL2020论文解读

近些年，人工智能无疑是信息技术领域最热门的技术之一。人工智能战胜世界围棋冠军、人工智能战胜游戏高手、人工智能医生看病会诊……不断进步的科技正推动着人工智能从一个无法实现的幻想，不断突破人类的想象，完成一个又一个挑战。

 

4月29日

推荐系统发展的六大影响因子 | 深度

随着科学技术的进步，移动互联网快速发展，手机越来越便宜，拥有智能手机不再是一件遥不可及的事情，互联网用户规模已接近增长的顶点。摄像头和信息处理软件(各种滤镜、剪辑等工具)技术的进步让每一个人都可以轻松地生产高质量的内容，信息的产生以指数级增长，我们的生活中充斥着海量的信息。

 

4月28日

用 Python 实现手机自动答题，这下百万答题游戏谁也玩不过我！

如果谈到这几年手机上各平台最常见的引流福利，必然是答题赢大奖系列小游戏了。像什么头号英雄，百万玩家之类的，充斥在我们生活中，同时也成为了我们生活中常见的娱乐方式。

但是有时候就会想，能不能实现手机自动答题呢，毕竟网络上是充斥着很多问题的答案，自己手动搜题速度显然来不及。答案是当然可以，今天我们就来用手机连接电脑，让电脑自动搜索答案，省时省力省心。
 

4月27日

360金融首席科学家张家兴：只靠AI Lab做不好AI中台 | 独家专访

如今，传统的互联网金融公司转型金融科技公司已成大势，纷纷为自己打下以技术为中心的标签。然而，以业务为主导，追求技术架构快速迭代的传统方式，不足以支撑金融科技公司继续壮大发展。

在属于大数据和AI的时代，技术应该拥有更重要的地位。

 

4月26日

商汤提基于贪心超网络的One-Shot NAS，达到最新SOTA | CVPR 2020

导读：在CVPR 2020上，商汤移动智能事业群-3DAR-身份认证与视频感知组提出了基于贪心超网络的One-Shot NAS方法，显著提升了超网络直接在大规模数据集上的搜索训练效率，并在标准ImageNet数据集上取得了300M FLOPs量级的SOTA。GreedyNAS论文通过提出一种贪心的超网络结构采样训练方法，改善了训练得到的超网络对结构的评估能力，进而帮助搜索算法得到精度更高的结构。

 

4月25日

如何通过深度学习，完成计算机视觉中的所有工作？

你想做计算机视觉吗？

如今，深度学习是必经之路。大规模数据集以及深层卷积神经网络（CNN）的表征能力可提供超准确和强大的模型。但目前仍然只有一个挑战：如何设计模型？

 

4月24日

腾讯第100个开源项目：微信开源推理加速工具TurboTransformers

4月24日，腾讯正式宣布开源Transformer推理加速工具TurboTransformers。该工具面向自然语言处理领域中Transformers相关模型丰富的线上预测场景，在微信、腾讯云、QQ看点等产品的线上服务中已经广泛应用，这也是腾讯通过Github对外开源的第100个项目。

 

4月23日

“我想玩游戏！” 大佬：玩啥游戏，教你做一个智能贪吃蛇游戏！

如果说这几年网络上最为常见的词语，其中必然会提到的便是人工智能。

人工智能的发展已经影响到了我们的日常生活，像我们生活中的刷脸支付是用的是计算机视觉中的人脸识别；网购时商品的推荐和阅读新闻时话题的推荐也是基于用户使用记录进行搜索智能优化；以及包括电脑代替游戏玩家进行游戏等等。

 

4月22日

那个分分钟处理10亿节点图计算的Plato，现在怎么样了？

「AI 技术生态论」 人物访谈栏目是 CSDN 发起的百万人学 AI 倡议下的重要组成部分。通过对 AI 生态顶级大咖、创业者、行业 KOL 的访谈，反映其对于行业的思考、未来趋势的判断、技术的实践，以及成长的经历。

本文为 「AI 技术生态论」系列访谈的第十八期，将对腾讯大规模开源图计算框架Plato进行详细解读，并预测图计算框架未来发展趋势。

 

4月21日
《评人工智能如何走向新阶段》后记（再续24）

394，基于Loihi计算架构的神经拟态计算

2020年4月9日英特尔中国研究院院长宋继强接受记者采访，谈到英特尔对未来计算的研究和布局问题时，他说量子计算和神经拟态计算是非常重要的新兴计算方式。他在谈到神经拟态计算时说，面向神经拟态计算，英特尔发布了Loihi新型计算架构，可以模拟人脑神经元连接构建的连接方式，将计算和存储融合，并考虑到时间序列，采用“异步脉冲”方式进行计算。
 

4月20日

推荐系统的价值观

推荐系统作为满足人类不确定性需求的一种有效工具，是具有极大价值的，这种价值既体现在提升用户体验上，又体现在获取商业利润上。对绝大多数公司来说，提升用户体验的最终目标也是为了获取商业价值。

 

4月19日

20万个法人、百万条银行账户信息，正在暗网兜售

推特用户爆料，暗网上正在出售大量中国数个银行的账号信息，经记者调查，本次打包售价 3999 美金中包含 90 万条中国农业银行账号信息，另外一账号还宣称出售二十个数据包，其中包括百万条银行账号数据、1200 百万个创业公司名录、 20 万个中国 CEO 个人信息等等。

如何在高精度下求解亿级变量背包问题？

国际顶级会议WWW2020将于4月20日至24日举行。始于1994年的WWW会议，主要讨论有关Web的发展，其相关技术的标准化以及这些技术对社会和文化的影响，每年有大批的学者、研究人员、技术专家、政策制定者等参与。以下是蚂蚁金服的技术专家对入选论文《Solving Billion-Scale Knapsack Problems》做出的解读。

 

4月18日
当莎士比亚遇见Google Flax：教你用​字符级语言模型和归递神经网络写“莎士比亚”式句子

在几个月前，谷歌的研究人员介绍了机器学习领域的一颗新星——Flax。从那以后发生了很多事情，预发行版有了巨大的改进。作者自己在Flax上进行的CNNs实验已经取得了成果，与Tensorflow相比，它的灵活性仍然非常好。

今天作者将展示递归神经网络（RNNs）在Flax中的一个应用：字符级语言模型。

小白也能看懂：一文学会入门推荐算法库 surprise

surprise 支持的每个算法本身思路并不复杂，代码也不晦涩难懂，我们主要的目的是理解它的架构，学习框架各个部分的交互。

这篇文章是想从一个整体的视角，以作者最初的思路为主线进行介绍，观察并思考如何一步一步的让模型 run 起来。

 

4月17日
破解非完美信息场景应用，微软公布专业十段麻将AI技术细节

去年8月，在世界人工智能大会上，微软宣布由微软亚洲研究院研发的麻将AI系统Suphx成为首个在国际知名专业麻将平台“天凤”上荣升十段的AI系统，其实力超越该平台公开房间顶级人类选手的平均水平。

近日，微软公布了Suphx相关论文，并向媒体解读了Suphx的创新技术和相关领域应用进展。

从人脸识别到对抗样本攻击，旷视16篇最新收录论文都在这里 | CVPR 2020

IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 大会官方论文结果公布，旷视研究院 16 篇论文被收录（其中含 6篇 Oral 论文），研究领域涵盖物体检测与行人再识别（尤其是遮挡场景）、人脸识别、文字检测与识别、实时视频感知与推理、小样本学习、迁移学习、3D感知、GAN与图像生成、计算机图形学、语义分割、细粒度图像、对抗样本攻击等众多领域，取得多项领先的技术研究成果。本文把 16 篇论文汇在一起，逐篇做了亮点集锦式的抢先解读。

 

4月16日

百度重磅发布"云手机"：低配置也可玩大型游戏 21

又一个科技巨头发力云游戏。4月15日，百度举行"云手机"线上直播会，发布基于自主研发的ARM服务器的百度"云手机"产品，让用户摆脱硬件的制约，中低端设备也能流畅运行大型游戏和应用。百度"云手机"可以覆盖云游戏、云应用、云VR和云办公等四大场景。百度副总裁马杰表示，"5G时代的到来将加速云游戏发展，百度'云手机'将为整个行业提供一个安全、可靠、高效的技术基石，为广泛的、运算能力有限的AIoT设备提供无限的可能性。"
 

深挖谷歌 DeepMind 和它背后的技术

人工智能(AI)的子集已经成倍增长，并完成了只有人类才能完成的各种任务。像机器学习这样的技术可以执行管理任务、人脸识别、下棋，甚至翻译语言。 毫无疑问，人工智能到来的十年带来了许多发展。此外，深度学习从非结构化数据中学习来编写分析报告或执行无人监督的任务。

所有这些发展都为不同的公司发挥作用并证明他们的价值奠定了基础。因此，很多像DeepMind这样的公司成立了，来继续发展这一领域。你对其有哪些了解？今天就来看一下有关Google DeepMind的一切吧！
 

4月15日

AI新基建如何构建？浪潮给出了一个答案

伴随生产力升级，社会基础设施也正在发生变化。而智慧时代的新型基础设施，要能够对外提供各种算力服务、数据服务和AI服务。浪潮认为，其核心是计算力的生产中心。因此，浪潮提出了“智算中心”的概念：智算中心是智慧时代最主要的计算力生产中心和供应中心，它以融合架构计算系统为平台，以数据为资源，能够以强大算力驱动AI模型来对数据进行深度加工，源源不断产生各种智慧计算服务，并通过网络以云服务形式向组织及个人进行供应。它正在成为经济社会运行的重要基础设施。

“手把手撕LeetCode题目，扒各种算法套路的裤子”

刷LeetCode刷到懵还是一头雾水？莫慌，这里有一个标星27000+的算法详解教程。从项目命名来看，作者labuladong就有着要干翻算法的精气神。当然，这个教程不只是为了机械刷题。

作者说，最重要的是一定做到举一反三，通俗易懂，绝不是简单的代码堆砌。

目前，这个仓库总共有6章，共 60 多篇原创文章，基本上都是基于 LeetCode 题目，涵盖所有题型和技巧。

 

4月14日

通过 Python 代码实现时间序列数据的统计学预测模型

在本篇中，我们将展示使用 Python 统计学模型进行时间序列数据分析。 目标是：根据两年以上的每日广告支出历史数据，提前预测两个月的广告支出金额。

什么？神经网络还能求解高级数学方程？

Facebook AI建立了第一个可以使用符号推理解决高级数学方程的AI系统。通过开发一种将复杂数学表达式表示为一种语言的新方法，然后将解决方案视为序列到序列的神经网络的翻译问题，我们构建了一个在解决积分问题以及一阶和二阶微分方程方面都优于传统计算系统的系统。

 

4月13日

一群阿里人如何用 10 年自研洛神云网络平台？技术架构演进全揭秘

遥子曾说，对阿里人来说「打仗是最好的团建，参加过双 11 的叫战友」，同样，参加过多次双 11 考验的系统技术都会成为真正意义上的基础设施，阿里云飞天系统的云网络平台洛神就是如此。本文作者 —— 阿里云智能事业群研究员、网络产品线负责人祝顺民（花名江鹤）就是洛神背后的核心铸造者。在「CSDN 在线峰会 —— 阿里云核心技术竞争力」上，江鹤为详细分享洛神网络的 10 年演进之路。

前百度主任架构师创业，两年融资千万美元，他说AI新药研发将迎来黄金十年...

作为一名从互联网跨界到医药研发的创业者，他越来越发现做药物研发与搜索引擎的逻辑共性，一个非常基础的环节就是不断验证候选化合物与靶点的匹配过程，这类似于用户在搜素引擎中不断得到相匹配的搜索列表。“这些蛋白其实都是原子构成的，在成药的分子里常用的有机化学元素也就10种，你可以把它看成是10个字母，一个分子式是由10个字母所构成的一个句子，靶点是大分子，相当于很长的篇章，所以它像是句子跟篇章之间匹配的关系。”
 

4月9日

2020 年，AI 芯片内存哪家强？

目前多家公司都在开发网络边缘系统的AI芯片，本文作者详细分析AI边缘芯片遇到的问题和挑战，并给出一些新的内存技术解决方案。

4月8日

深度学习面试必备的25个问题

干货分享

斩获GitHub 2000+ Star，阿里云开源的Alink机器学习平台如何跑赢双11数据“博弈”？

作为业界同时支持批式算法、流式算法的机器学习平台之一，Alink基于Flink开发而来，提供了丰富的算法组件库和便捷的操作框架，且目前已被广泛运用在阿里内部的搜索、推荐、广告等多个核心实时在线业务中，以及支持Kafka、HDFS和HBase等一系列开源数据存储平台。在本文中，CSDN有幸采访到了Alink创始人杨旭，他将从一线开发的视角，带我们了解这个开源机器学习平台的技术路径、典型应用案例及发展规划等内容。

4月7日

半小时训练亿级规模知识图谱，亚马逊AI开源知识图谱嵌入表示框架DGL-KE

然而，随着社交网络、推荐系统等典型图数据场景的发展，知识图谱的规模也在不断地增长。在工业界真实的场景中，技术人员常常需要面对千万级，甚至是亿万级节点的大规模图数据。如何快速、高效地在大规模知识图谱上进行嵌入表示的训练是当前的一个挑战。

近日，亚马逊 AI 团队继 DGL 之后，又开源了一款专门针对大规模知识图谱嵌入表示的新训练框架 DGL-KE，旨在能让研究人员和工业界用户方便、快速地在大规模知识图谱数据集上进行机器学习训练任务。

首次揭秘！大麦如何应对超大规模高性能选座抢票？

随着现场娱乐行业的不断发展，各类演出层出不穷，越来越多的演出开启选座购票满足用 户的自主选座需求。大麦的选座不仅面向中小场馆类的剧院演出，还面向大型体育赛事、大型 演唱会等超大型场馆（如鸟巢近 10 万座）。

选座类型抢票的特点是“选”，由于“选”的可视化以 及超大场馆在数据量上对大麦是很大的挑战。本文通过服务端和前端上的一些解决方案来探讨 如何支撑超大规模场馆的高性能选座，通过本文的一些技术方案希望可以对读者在一些高并发 实践中提供帮助。

4月3日

京东商城背后的AI技术能力揭秘 - 基于关键词自动生成摘要

与传统的文本摘要任务相比，商品摘要任务更具挑战性。一方面，商品给顾客的第一印象来自该商品的外观，这对顾客的购买决策有着至关重要的影响。因此，商品摘要系统必须能够充分挖掘商品视觉信息，反映商品的外观特色。另一方面，不同的产品有不同的卖点。例如，紧凑型冰箱的优点是节省空间，而环保型冰箱的优点是节能。因此，商品摘要应该反映商品最独特的方面，从而最大限度地促成消费者的购买。

技术大佬的肺腑之言：“不要为了 AI 而 AI”！ | 刷新 CTO

CSDN 创始人&董事长、极客帮创投创始合伙人蒋涛，微软(中国) 首席技术官韦青，以及微软（中国） 首席架构师韩凯（Chris Han），共同探讨2020年人工智能发展与落地应用，为大家指引方向，期待大家更好地思考和探索AI新方向。

重点速览

• 如今数字化绝不能停留在“PPT”时代，不能做“面子工程”、“摆花架子”，必须来真的。我们需认真打基础的是数字能力，这种数字能力的表现是人工智能，但它的基础却不是人工智能，而是人工智能下的数据、数字、建模、采集、安全能力。
• 大家以为企业AI化是一个百搭的方案，但数字化转型、智能化转型是一个因人、因时、因事、因势的入手点，而不是统一的数字化。
• AI虽是基于统计学的基础，但在不同的场景要求不同，不要生搬硬套，不要为了AI而AI。
• 流程用IT能力+AI能力来构建的话，便是一个RPA，这是未来重要的发展方向。但它并不因为叫RPA就有未来，而是把AI的能力用到流程再造和流程优化上。
• 只有不超过10%的企业是需要真正的算法工程师，剩下的开发者都应该叫“算法应用工程师”。
• 如今绝大多数企业处在基建的过程，基建是当前主要任务。在基建基础之上，有一定进展的公司，其流程已经在建设中，才谈得上用RPA。
• AI从2016年的AlphaGo事件起很火热，到2018年达最高点。如今几年过去，它该如何落地？这需依靠应用工程师。
• 开发者可从自身特色出发，选择在数据算法或者在应用上深入研究，我们不要有“好像什么都会，又什么都不会”的心态。

4月2日

用于单图像超分辨率的对偶回归网络，达到最新SOTA | CVPR 2020

通过学习从低分辨率（LR）图像到高分辨率（HR）图像之间的非线性映射函数，深度神经网络在图像超分辨率（SR）任务上取得了较好的性能。但是，现有的SR方法存在两个缺点：第一，学习从LR到HR图像的映射函数通常是一个不适定问题，因为存在无限的HR图像可以降采样为同一LR图像，这使得很难找到一个好的解决方案。第二，成对的LR-HR数据在实际应用中可能并不适用，因为图像退化的方法通常是未知的。对于这种更一般的情况，现有的SR模型通常会产生较差的性能。为了解决上述问题，本文提出了一种对偶回归方法，它通过引入对LR数据的附加约束来减少函数的解空间。

深度残差收缩网络：借助注意力机制实现特征的软阈值化

本文解读了一种新的深度注意力算法，即深度残差收缩网络（Deep Residual Shrinkage Network）。从功能上讲，深度残差收缩网络是一种面向强噪声或者高度冗余数据的特征学习方法。本文首先回顾了相关基础知识，然后介绍了深度残差收缩网络的动机和具体实现。

“死扛”高并发大流量，大麦抢票的技术涅槃之路

大麦网主要的业务范围为演唱会、音乐会、体育赛事、话剧、展销会、亲子活动等现场类 的票务业务，其业务链条涵盖从 B 端生产、C 端销售、现场换验的全套流程。大麦网一类典型项目是稀缺的火爆 IP 项目，如演唱会、游戏体育赛事，这类票务隐含了时间、空间的特殊限制属性，是需要抢的。大麦抢票是演出行业的双 11，涉及场景复杂、系统较多、链路较长，抢票 保障尤为重要。

大麦抢票保障大致经历了几个阶段：第一阶段：“原始”阶段，保障不健全，设施不完善；第二阶段：“弹内化”阶段，部分大型抢票顺利完成；第三阶段：“体系化”阶段，能够承接所有大型抢票；第四阶段：“常态化”阶段，大抢体验优化升级。

4月1日

154 万 AI 开发者用数据告诉你，中国 AI 如何才能弯道超车？| 中国 AI 应用开发者报告...

为了更好地了解其背后技术趋势与人才走向，并帮助所有有志于 AI 的开发者成长及就业，CSDN 联合职场社交平台脉脉共同出品，重磅发布《中国 AI 应用开发者报告》，在此第一篇章中，特聚焦分析中国 AI 开发者画像特征、技术及行业增长、地域分布等，旨在帮助更多的开发者及相关行业深入了解 AI 技术及应用发展趋势。

数据库设计的10个最佳实践

数据库是应用及计算机的核心元素，负责存储运行软件应用所需的一切重要数据。为了保障应用正常运行，总有一个甚至多个数据库在默默运作。我们可以把数据库视为信息仓库，以结构化的方式存储了大量的相关信息，并合理分类，方便搜索及使用。