人工智能

12月30日，腾讯宣布其人工智能球队摘得首届谷歌足球Kaggle竞赛冠军。该冠军球队来自腾讯AI Lab研发的绝悟WeKick版本，凭借1785.8的总分在与全球顶级技术团队的竞技中以显著优势胜出。 今年11月底，腾讯AI Lab与王者荣耀联合研发的策略协作型AI绝悟升级为完全体，首次让AI精通了所有英雄的所有技能。此次绝悟WeKick版本的整体设计正是基于绝悟完全体迁移得到，并针对足球任务进行了一些针对性的调整，展现了绝悟AI背后深度强化学习方法的通用能力。 Kaggle 竞赛 google-football 排行榜前十名， 来自 https://www.kaggle.com/c/google-football/leaderboard Kaggle创立于2010年，是全球最大的数据科学社区和数据科学竞赛平台。此次足球AI比赛由Google Research与英超曼城俱乐部在Kaggle平台上联合举办。 一直以来，足球运动团队策略以其复杂性、多样性和高难度，成为长期困扰世界顶尖AI研究团队的难题，更加稀疏的游戏激励也使得其成为比MOBA游戏更难攻克的目标。今年Kaggle首次针对足球AI领域发布赛题，为深度强化学习多智能体技术竞技和基准评测提供了一个全新舞台。深度强化学习多智能体技术竞技和基准评测提供了一个全新舞台。 比赛使用Google Research

前言 在场景需求的推动下，以及背后算法、算力、数据的支撑下，AI 已经慢慢走出实验室，开始拥抱产业，这其中也包括 RTC 行业。在实时视频、实时音频、实时传输、视频内容检索与推荐、实时交互等层面，都已经出现了与 AI 结合的落地应用。 视频在各个领域的应用甚是广泛，作为一种信息的信息载体视频+AI技术的应用，可以服务于金融、教育、医疗、监控、安防、广告等行业。国内也诞生了一批优秀的人工智能初创企业，例如：将AI广泛应用于物联网的旷视科技；将AI技术和多个垂直领域高度结合的商汤科技；深耕视频广告、视频互娱、视频电商的极链科技等。 AI技术对生产力的影响 提升生产效率 AI和采集生产环节结合，是能够有效提高视频生产制作的效率的。传统的编辑是人来做的，当AI和视频采集生产环节结合，我们可以引入智能编辑技术，快速生产视频。天下武功，唯快不破，应用在视频领域也是一样的。设想我们很快的生产视频，第一时间发布到网上，就有机会获得更多的流量。视频平台通常会面临视频大量重复的情况，所以在整个视频AI的应用中，怎样去辨别视频的唯一性，以及根据内容分析来追溯视频来源是关键所在，而AI可以帮助平台高效地判定对视频的剪拼改编行为。 规避监管风险 在视频中引入人工智能审核技术，可以缩短视频发布周期，减少了人工审核的干预，并且可以更高效、准确的规避监管风险。视频在去重后会进入审核阶段

1、背景介绍 近几年中台的兴起，团队围绕业务中台化这个场景，将我们已有的诸多能力进行解构、重组、积木化，希望能将拆解后的积木进行体系化地串联，从而达到降本增效的目的。 对于电商平台来说，每年都需要面临大量的大促活动页面需求，对于如何提高页面产出效率，大家都不约而同采用「页面可视化搭建」解决方案。对应的，我们也构建了「羚珑可视化页面搭建平台」。但近两年大促活动定制化需求井喷，平台有限的组件模块已无法满足产品运营需求，前端工程师也无法再用「复用」的思想简单地解决问题。当业务发展到一定程度，有限的人力以及冗长的开发流程更是无法满足蓬勃发展的业务需求。 我们需要「求变」，传统的人力密集型研发无法解决的问题，是否能用智能化的思想来解决呢？顺着这个方向，我们把目标瞄准了「前端智能化」，希望借助 AI 和机器学习的能力拓展前端能力圈，打通设计与研发的工作流程，实现规模化生产。 2、项目介绍 Deco 智能代码项目是团队在「前端智能化」方向上的探索，我们尝试从设计稿生成代码（DesignToCode）这个切入点入手，对现有的设计到研发这一环节进行能力补全，进而提升产研效率。 在一个日常需求开发流程中，往往需要遵循固定的一套工作流程，产品提交需求 PRD，交互设计师根据 PRD 输出交互稿，再由视觉设计师输出产品视觉稿，接着再进入前端开发工作流。对于前端工程师来说，输入源是视觉稿 + PRD

引子 InnerSource 的介绍，我似乎陷入了一种不知该从何讲起的尴尬局面，也就是所谓的破局，理论？历史？案例？实践？文化？曾几何时，脑子灵光一闪，希望通过某个假想中的案例来阐述。从管理、文化、开发、协作、产品、生态、人才等多个角度来逐步细致将一个InnerSource贯彻到底。但是想法总归是想法，需要时间来慢慢的完善。难道是我的每周一篇文章时间定错了？还是应该将InnerSource单独拿出来，独立成系列？我陷入了思考和停滞状态。 于是有了此文，尝试将现有的InnerSource案例整理出来。 InnerSource 案例 在一个普遍推崇模仿、山寨的文化中，谈案例是最受欢迎的，我也顺着这个思路来写一篇试试水，以实际行动来验证下。 InnerSource 正如我在上一篇文章中所提到的，不是什么新的概念和实践，而是有很多学界和厂商都在研究、运行，下面笔者就列出一些业界公开的案例。 PayPal PayPal 是在2013年施行的InnerSource，主要是内部的开发效率遇到了严重的问题，由于PayPal是一家跨国公司，各个国家的清算情况又不尽相同，于是牵扯到沟通、协调、覆盖代码等问题，在施行InnerSource之前，PayPal施行过两种办法：自顶向下的强制和驻场。最终证明这都不可行。 PayPal从开放源代码软件中汲取了灵感，尤其是来自Apache软件基金会的实践

在过去的十年中，我们见证着商业世界的变迁；又在疫情肆虐的2020年，我们付出了极大代价的同时，也在改变着我们的思维和工作方式。 比如 远程办公、居家办公 成为了年度热词，提及的频率要比以往高出很多。同样 ，在不断变化的环境下， 人力资源管理 也同样面临着改变。 距离2021年仅剩不到10天， 我们汇总了一系列人力资源趋势，这些趋势将会影响企业运营，并为下一个十年铺平道路。 1.人力资源数字化管理 虽然数字化转型已经不再是一个新鲜概念，但实际上，大多数企业依旧停留在起步阶段。例如人力资源数据分析这项工作，虽然很多公司都已经开展，但最常见的就是用Excel进行管理，再高级一些就会有SaaS系统进行管理。 人力资源数字化管理会涉及多个层面： 数据发现 数据整理 数据分析 数据标记 数据分层 数据应用等等 当前的人力资源管理，鲜有将各个层面都打通的企业。 因此，在接下来的人力资源管理趋势中，数字化管理一定会是一个非常重要的趋势，我们应该降低对经验的依赖，而在管理中更多运用数据，来降低成本、提高人效。 2.提高员工敬业度 员工敬业度，将成为人力资源管理的新中心。敬业度的研究告诉我们，良好态度有助于提升员工行为效率，企业及其管理者以及个人可以采取行动，针对态度作出改善。 关于员工的态度始终不变的主题： 如明确的使命感、对于价值或重点的共识、心理安全感以及对未来的信心； 看到某个人

　　【本文内容技术含量极低】。但我的哲学是，与其在非技术区写有点技术的博客，何不在技术区写没什么技术的博客呢？ 　　回顾我记录下来的目标，可谓是天花乱坠，这就是我作为空想家（而不仅是自谦为“空想者”）的基本素质。我来整理一下（无序）：1.写一部小说（原因1是对人性论点的不满，原因2是希望情感可以被机械模拟，原因3是觉得因此自动生成情节是有可能的，原因4是想整合多年的碎片构思）；2.做一部动画（原因1同上几点，原因2是觉得与其建模，不如让机器脑补作画，理论上可以大幅减少运算步骤，并且不止是智能PS那么“简单”）；3.写一套编程教材（原因1：学的时候看不懂；原因2：希望找到快速学习方法；原因3：前一条原因引出了“知识是什么”，包括知识表示和分析，和专家系统沾边了；原因4：因此生成教程是可能的，直接由知识的结构生成书，虽然牵扯到接受知识的过程）；4.写一本哲学书（1：对常见哲学问题回答的不满；2.希望对零碎之物能有系统分析）；5.翻译文档（1.知识表示的范本；2.自然语言之特定领域的分析范本）；6.做一个pdf阅读器，加上弹幕和互动功能（1：注释立体化，2：分布式教育和学习，3：时间作品，能看到思维痕迹）；7.3d网络课堂（和游戏区别不大，但是我觉得有意义，至少和一般的网课相比）；8.ACG自动翻译软件（1：主流翻译器那个复杂啊，我又不怎么玩；2.可以改造成学外语软件）；9.开发一个游戏

深度学习框架如同智能时代的“发电机”，让人工智能技术更快速地普及到各行各业，推动融合创新，成为智能时代最重要的基础设施。PaddlePaddle作为目前国内唯一功能完备的深度学习框架，经过2018年的快速成长，初具模型领先、性能优越、易学易用的技术特色，以及工业场景下的领先优势。下面我们来盘点一下PaddlePaddle 2018年的成长之路。 一、核心发布 1、Paddle Fluid 1.0发布 —— 核心框架走向成熟 7月4日 Paddle Fluid V0.14.0发布——提供从数据预处理到模型部署在内的深度学习全流程的底层能力支持。官方首次开源CV/NLP/语音/强化学习等10个业界领先的模型。 10月12日 Paddle Fluid V1.0稳定版本发布——提供更稳定、向后兼容的API。易用性大幅提升。提供 Mac OS 下的多种安装方式，新增对Python3.5的支持。并开源8个CV、NLP 方向主流模型。 11月1日 Paddle Fluid V1.1发布——支持千亿规模稀疏参数大规模多机异步训练。移动端预测新增Mali GPU、Adreno GPU、FPGA等硬件支持。开源5个推荐领域模型，大幅优化CV、NLP模型的训练速度和显存占用。 12月8日 Paddle Fluid V1.2发布——CPU多机异步训练升级包括worker异步并发和IO、通信优化在内多项功能

如何在有限的投入下，解决芯片设计在弹性算力、CAD环境构建、EDA工具投入上的几大耗钱耗时耗力的需求，云平台，成为一个不二之选。 “我们要做的不是一锤子买卖。” 4个月前，在2020世界半导体大会上，紫光云推出的芯片设计云解决方案一经亮相，迅速引来芯片设计产业高度关注。 短短2个月后，紫光芯片设计产业互联网平台揭牌并落户上海，成为上海唯一服务于芯片设计企业的公共算力创新平台。 当被问起推出芯片设计上云方案后为何还要打造一个产业互联网平台时， 紫光云公司CTO 办公室主任邓世友 如文章开头所坦言的那句，让业界意识到，紫光云的意图，不仅仅是让芯片设计企业把工作搬上云，更在于依托“朋友圈”的能量，把芯片设计上云这件事，做得更大。 紫光云公司CTO办公室主任 邓世友 01 把芯片设计搬上云，紫光云缘何成为领跑者？ 根据中国半导体行业协会最新数据发布，2020年国内专业从事芯片设计的国内企业已经超过2200家，而其中员工不足百人的创业型企业就占到了近九成。在芯片更新换代越来越快 的趋势下，如何在有限的投入下，解决芯片设计在弹性算力、CAD环境构建、EDA工具投入上的几大耗钱耗时耗力的需求，云平台，成为一个不二之选。 恰逢此时，芯片设计和云计算两大产业，各自经过了残酷的技术磨炼，熬过了激烈的产业竞争，开始走到一个交汇融合的结合点。 在欧美等地，芯片设计上云已是市场共识，国内外主流芯片设计厂商

12月29-30日，由中国电子技术标准化研究院主办的第十届中国云计算标准和应用大会在北京举行。本次大会以“标准聚力 开源共赢”为主题，邀请到政产学研用各界代表汇聚一堂，聚焦“云计算赋能新基建”和“开源群智化创新”两大话题，共享标准化、开源化、产业化重磅成果，推动产业转型升级和经济高质量发展。 在大会上，中国开源云联盟组织开展了“2020年中国优秀开源项目”奖项的评选活动，从技术发展潜力、团队健康度、项目活跃度、协作开发度和受关注程度等多个方面进行综合评选。其中，开源数据库openGauss荣获“中国优秀开源项目”奖项。 openGauss加速企业级数据库进程 2020年是“十三五”收官之年，在产业发展新机遇与国际发展新形势下，“新基建”国家战略明确了以云计算为代表的新一代信息技术正在加速演化为“新兴技术基础设施”，而开源已成为推动云计算核心技术创新、产业全球化应用、生态多元共治的关键手段和资源配置模式。因此，openGauss能获得“中国优秀开源项目”奖项，是行业对其技术发展潜力的认可，也是所有贡献、使用和关注openGauss的开发者的共同荣誉。 openGauss 开源数据库内核源自 PostgreSQL，深度融合华为在数据库领域多年的经验，提供面向多核的极致性能、全链路的业务和数据安全、基于 AI 的调优和高效运维的能力，采用木兰宽松许可证 v2 发行

受疫情影响，今年的就业形势基本上没跑了：“各行各业，大小企业，全面缩招！” 据国家统计局7月份的最新数据显示：20-24岁大专及以上人员（主要为新毕业大学生）失业率比去年同期高 3.3 个百分点。 失业率，其实只是今年就业的冰山一角。 之前都在说“ 20 届学生找工作太难了”，但没想到 21 届的毕业生需要面对的更多： 待业、想跳槽的职场人 没能赶上春招的 20 届毕业生 可以说是达到了千军万马过独木桥的状态， 这个时候，还没有实习经历、没拿到offer的同学，就彻底慌了…… 不得不说，越是逆境，越不能自乱阵脚，相反，更应该保持持续学习的状态，打造自己的稀缺性是很重要的。 而这篇文章，就包含了目前最火的 Python 、 Java 和 人工智能 模块，各模块的爆款课程合集， 完整的学习路径、仿佛在大厂实习般的课程设计、强大的讲师阵容，为你的秋招保驾护航！ 戳此了解详情???????? Python 一卡通 + 免费会员 每天有数十万人都在搜索 Python 相关的问题。 为了解决这些问题，帮助更多的人从零进阶 Python 工程师，CSDN 教育团队历经 6 个月的精心打磨，推出 《 Python 入门到实战-星选一卡通》 套餐课。 他们有来自阿里、网易、华为、 360 等企业的 Python 讲师，并且均有着 超 10 年以上的实战开发经验 。 在过去的半年内，已经有超