T-Tech

Windows 10 在电源管理中默认隐藏了卓越性能模式，可以通过以下命令行命令开启： powercfg -duplicatescheme e9a42b02-d5df-448d-aa00-03f14749eb61 开启后在“控制面板”的“电源选项”中就可以看到“卓越性能”模式了。

人工智能是未来重要的科技趋势之一。近日国务院印发了《新一代人工智能发展规划》，为学习，特做思维导图以便梳理脉络架构。 国务院印发《新一代人工智能发展规划》思维导图 UUID:ZX20170815M00010257AI

Cygwin 是一个Windows下使用Linux环境的平台，安装简单、环境独立（也可以把Cygwin\bin目录增加到Windows系统的PATH环境中，在cmd中调用Linux命令），比微软提供的Linux环境都方便不少，因为是真机资源，性能也比虚拟机好很多。 卸载也很简单，把文件夹整个删除即可，但是因为权限配置问题，每次删除都会留下一些不能被删除的“尾巴”，还要通过一些辅助软件才能彻底清空。 在网上搜索之后，发现两个比较好的一次性清理干净的做法。如下： 第一个方法：在CMD下键入如下命令，其中D:\cygwin是Cygwin的安装目录 SET DIRECTORY_NAME=“D:\cygwin” C:\windows\system32\TAKEOWN /f %DIRECTORY_NAME% /r /d y C:\windows\system32\ICACLS %DIRECTORY_NAME% /grant administrators:F /t PAUSE 这段代码的作用是把Cygwin文件夹下的所有文件的所有权都赋予给管理员用户，去除了诸如SYSTEM用户等的权限，然后再直接删除目录即可 第二个方法：在Cygwin安装文件执行的时候，选中uninstall，如图，然后执行安装过程。 使用愉快！

眼下最热门的技术，绝对是人工智能。 人工智能的底层模型是 “神经网络” （neural network）。许多复杂的应用（比如模式识别、自动控制）和高级模型（比如深度学习）都基于它。学习人工智能，一定是从它开始。 什么是神经网络呢？网上似乎 缺乏 通俗的解释。 前两天，我读到 Michael Nielsen 的开源教材 《神经网络与深度学习》 （Neural Networks and Deep Learning），意外发现里面的解释非常好懂。下面，我就按照这本书，介绍什么是神经网络。 这里我要感谢 优达学城 的赞助，本文 结尾 有他们的 《前端开发（进阶）》 课程的消息，欢迎关注。 一、感知器 历史上，科学家一直希望模拟人的大脑，造出可以思考的机器。人为什么能够思考？科学家发现，原因在于人体的神经网络。 外部刺激通过神经末梢，转化为电信号，转导到神经细胞（又叫神经元）。 无数神经元构成神经中枢。 神经中枢综合各种信号，做出判断。 人体根据神经中枢的指令，对外部刺激做出反应。 既然思考的基础是神经元，如果能够"人造神经元"（artificial neuron），就能组成人工神经网络，模拟思考。上个世纪六十年代，提出了最早的"人造神经元"模型，叫做 “感知器” （perceptron），直到今天还在用。 上图的圆圈就代表一个感知器。它接受多个输入（x1，x2，x3…），产生一个输出（output），好比神经末梢感受各种外部环境的变化，最后产生电信号。 为了简化模型，我们约定每种输入只有两种可能：1 或 0。如果所有输入都是1，表示各种条件都成立，输出就是1；如果所有输入都是0，表示条件都不成立，输出就是0。 二、感知器的例子 下面来看一个例子。城里正在举办一年一度的游戏动漫展览，小明拿不定主意，周末要不要去参观。 他决定考虑三个因素。 天气：周末是否晴天？ 同伴：能否找到人一起去？ 价格：门票是否可承受？ 这就构成一个感知器。上面三个因素就是外部输入，最后的决定就是感知器的输出。如果三个因素都是 Yes（使用 1 表示），输出就是1（去参观）；如果都是 No（使用 0 表示），输出就是0（不去参观）。 三、权重和阈值 看到这里，你肯定会问：如果某些因素成立，另一些因素不成立，输出是什么？比如，周末是好天气，门票也不贵，但是小明找不到同伴，他还要不要去参观呢？ 现实中，各种因素很少具有同等重要性：某些因素是决定性因素，另一些因素是次要因素。因此，可以给这些因素指定权重（weight），代表它们不同的重要性。 天气：权重为8 同伴：权重为4 价格：权重为4 上面的权重表示，天气是决定性因素，同伴和价格都是次要因素。 如果三个因素都为1，它们乘以权重的总和就是 8 + 4 + 4 = 16。如果天气和价格因素为1，同伴因素为0，总和就变为 8 + 0 + 4 = 12。 ...

1、 AI驾驶： 其实自动驾驶只是过程，最多也就算CAD（Computer Assiscant Drive，计算机辅助驾驶）（对个体）或叫TCD（Traffic Centralized Dispatch，交通集约化调度）（对整体）。自动驾驶的自学习并不是仅仅建立在数据上，还包括人为设定了许多规则。这些规则目前都是各家自己的黑盒，有的还申请了专利。其实这类问题是有最优解的，也就是机器学习、即时演算等的综合应用，希望可以在未来看到交通集约化调度的协作，届时人类的日常交通应该会得到大幅度的提升。 2、 AI辅助诊疗： 通过大数据判断患者可能的疾病，并辅助提供治疗手段、开药方。这个是突破，提升了就诊和医生的工作效率，以后很可能自己在家把症状照片什么的一输，就知道自己得了什么病，买什么药，用不用去医院。另外，个人生物指标的时间线管理，从个体到群体，都有极大的研究价值。希望建立跨医疗机构的大数据图像库、算法库、解决方案库。 3、 AI炒股： 股票市场是个包罗万象的生态圈，在这里，各种学科流派都可以有用武之地，而且十分结果导向。AI炒股主要包括AI选行业选股、买卖规则的设定及反馈调整、仓位管理等。在这里，各种策略都可以应用其中，只要能赚钱就是好模型。我也正在研究，八仙过海。 当然，AI的应用不仅仅只是这几类。广义上 任何存在“可识别，可量化，可建模” 的行业，都将会有AI的市场空间。这的确是科技升级，prepare for it吧~

1.大数据和人工智能是通过算法实现 2.上述典范，在围棋上是alphago，它让人类的所谓“棋感”、“大局观”在某种程度上变成了纸老虎，就连聂卫平也不敢说自己前50手天下无敌了 3.算法是一种技术，也就是一种“术”，和术相对的是“道” 4.当“术”大行其道的时候，“道”将何去何从？ 5.由此推论，企业在强调和新的战术结合的时候，战略的位置放在哪里？ 6.当下可能需要一种更高维度的、新的“道”。

已经可以预见： 未来十年，计算能力将比现在高效100倍，电力成本将比现在便宜100倍，绝大多数农业、工业、服务业都云端化、ITOT化、AI化。 所以道路是非常清晰的。

听说谷歌推出了可拆卸手机的项目。 我不看好，通用化带来的必定是臃肿，无法量产就意味着成本的上升，最后只能是极客玩具。

1、图片编辑：终于强大一点了，之前要打马赛克还要启动美图秀秀，另外新增的贴纸功能应该会很有趣； 2、字体：我倒不觉得统一成处女座一定最好，但是小米的决心还是由此可见的； 3、录音机可以语音转文字，神器了，技术很简单，就是没人做，希望识别率能达到98%以上； 4、扫商品直接可以识别并线上购买：又是一个逆天的功能，但个人觉得技术还不成熟，希望不只是玩具（有机会扫一下天安门城楼）； 5、远程协助：太需要了，以后教爸妈发朋友圈不用点来点去，直接像QQ一样远程协助，技术很简单，可就是没人做； 6、应用分身：又是刚需，具体不解释，又是技术上很简单，不知道为什么就是没人做； 7、组织链式启动：方便小白用户，阿里系郁闷了； 8、防伪基站短信诈骗：人性，不过效果有待观察； 综述：还是值得更新，等到冬天再更新。

最近体验了一些VR技术，感觉几个问题： 1、浸入式体验非常棒，尤其是第一视角的各种分享，可以让不敢坐过山车的人体验到过山车的感觉，没上过战场的人体验战场的残酷，甚至我现在天天用nyt看美国游行[偷笑]，这方面的内容创作将大有可为。 2、而非浸入式的视频体验（比如一般的电影3D化），并没有预想的好，不如在家庭影院或者电影院，主要是播放设备的问题，而且已经有很好的解决方案了，所以没必要往这个方向开展研究。 3、这种体验对视频设计者，尤其是导演，要求高了不少。 4、这种体验的优势在于第一视角，但这是双刃剑，我看了街霸的第一视角demo，作为武者的第一视角，只能看到对方，而无法想象自己的动作，如果不是街霸的粉丝很难入戏。比如主角被对方击倒，这个动作在视觉里呈现的很牵强，需要联想，这样的设计是一个难度。 5、承上，但也开启了几门新的东西，比如，触觉反馈系统、味觉反馈系统等。听说nvidia刚刚设计了一款显卡，含有vr声音即时演算的技术，对设计者和使用者是一个福音。