雷锋网按：百度收购渡鸦科技，并将度秘团队升级为度秘事业部，陆奇的这一步棋有何深意？无人驾驶方面发生了几笔重大的收购交易，几乎都是车企收购了自动驾驶的初创企业，这背后的逻辑又是什么？有中国版AlphaGo之称的腾讯AI“绝艺”被人类玩家连赢数局，不得不下线调整，深度卷积网络遭遇BUG？
一周深度解读，尽在专栏精选……
2017年2月16日，有两条关于百度的消息很有意思：一条是收购渡鸦团队，一条是把度秘团队升级为度秘事业部，两边都向陆奇汇报工作。这种软硬融合的战略选择是极其正确的，这并不是马后炮。
我在2016年10月发的《虽然很投入，但李彦宏可能正在错过人工智能》里核心观点之一就是：百度是国内对人工智能投入力度最大的公司，但其不碰硬件的战略很可能导致它最终错过人工智能里对它最关键的部分。虽然大方向正确，但如果互联网公司真想学亚马逊，就还差了那么一点东西。
【作者】李智勇，十年栈道程序员，有一个好玩的公号：zuomoshi（琢磨事）。
2、如何利用深度学习技术训练聊天机器人语言模型？（系列）
本文为系列文章：聊天机器人的发展状况与分类（一）
目前机器学习，尤其是深度学习，已经成功的解决了图像识别的问题。从IMAGENET大赛的近几年成绩看，识别类问题准确度已经接近100%。
与此同时，机器学习在解决“语音到文字”(Speech to Text)以及“文字到语音”(Text to Speech)方面也有了飞跃。而一群更加疯狂的人在尝试用机器学习解决自然语音理解，甚至在自然语言理解的基础上，开发聊天机器人。
【作者】王海良，呤呤英语开发总监，北京JavaScript／Node.js开发者社区的运营者，曾就职IBM创新中心。
在2014年互联网思维最热的时候，雷军的七字诀：专注、极致、口碑、快引起了无数的解读。那时候大家是把它当做成功的无上妙法来研究的，随着手机行业的见顶以及小米手机销量的不给力，对此持怀疑态度的人则越来越多了。个人则觉得这七字诀的荣耀与黯淡其实折射了整个行业的本质特征，可以往深谈一谈。
我们可以这样讲：凡是需要硬科技提升来改善用户体验的新品类上都不适合专注、极致、口碑、快。比如：Echo、AR、无人驾驶等。那样只可能导致在体验上差那么一点点，而对于这些产品而言，差的这么一点点其实是致命的。
【作者】李智勇，十年栈道程序员，有一个好玩的公号：zuomoshi（琢磨事）。
4、插画师自述：类似PaintsChainer 这样的人工智能上色网站，未来会取代我们吗？
每次工具的革新，实际上都可能是一次解放，让我们可以更好的表达自我。
未来，画面构成可以自动化吗？大部分人画画用的设计套路一定会被计算机学会的，它会学的更好，目前已经有对摄影的构图和色彩的例子了，所以不说完全的自动设计画面，半自动肯定是会来到的。至于全自动呢？GAN相关的研究也有看图说话的例子。不过，基于设计需要理解和交流的情况，我认为全自动的用处并不是很大。
【作者】李睿，程序辅助作画的美术内容生产者。
5、汽车资深工程师浅谈：车企收购自动驾驶创业公司，背后打着什么算盘？
去年和王同学聊，在自动驾驶这个领域，在交叉领域竞争中，原有专注于主动安全的汽车工程师会不会给IT、机器人（ artificial intelligence and robotics）的工程师给系统性的融合掉。现在看美国的情况，风险是不小的。总的来看，美国基因属性的三大汽车企业，都开始注重往外的效应：
GM 6亿美金收购Cruise Automation，继续保持其独立运行
Ford收购ARGO AI，需要花10亿美金继续保持其独立运行
Chrysler第一家与Google/Waymo合作，提供自动驾驶车辆的载体
再加上Uber做为一个打车企业直接花6.8亿把OTTO买下来，直接引发类似技术的军备竞赛的场景。我们也可以把整个事情考虑为一种应激的反应。
【作者】朱玉龙，汽车行业工程师。
面对区块链技术本身存在的局限性，我们需要打破常规思维推动区块链的改进与创新。
早期使用到的跨链技术如比特币中的双向锚定和以太链中的跨链智能合约，在现有项目中仍然有被使用到。而当下跨链技术除了沿用早期类质押的思想外，还丰富了区块链里节点角色的分工、状态通道、信任传递等新的思想。
对于区块链通信的孤岛状态，目前已经出现了一些大胆的概念验证并取得了实质性的进展。
早期跨链技术包括以Blockstream为代表的侧链技术（Sidechain）和以BTC-Relay为代表的中继技术（Relay）。早期的跨链技术更多关注的是资产转移，现有项目更多关注的是链状态的转移。
【作者】众安科技安链云团队，雷锋网独家约稿。
7、深度卷积网络的BUG一例：腾讯AI“绝艺”最近被人类棋手找到了一个有趣的缺陷
前段时间腾讯的AI “绝艺” 在野狐围棋越杀越勇，胜率接近90%，战绩一片红色，充分展示了强化学习自我进化的威力。但就在2月10日画风突变，被几位棋手连杀几局，随后就下线调整去了。
细看棋谱，职业棋手很有想法，确实找到了电脑的一个比较本质的缺陷。这几回输了的棋局均是以电脑大龙被杀告终。
这是深度卷积网络的一个 BUG：电脑对于局部的死活很敏感，但是对于大龙的死活不一定看得清。最近我在训练网络时也发现，深度卷积网络在此有一个"信息传递困难症"。
【作者】彭博，Blink·禀临科技联合创始人。
正在生成分享图...
刘伊伦