微信小程序不一定是你的灵丹妙药 | 本周专栏精选

雷锋网按：本周科技圈的大新闻除了我们的专栏精选强势回归以外，当属微信小程序的推出了，用了一周，大家的体验如何呢？不妨评论吐槽。下面是小编精心挑选的7篇深度好文，来不及解释了，快上车。

1、小程序不一定是你的灵丹妙药（点我阅读全文）

微信小程序终于发布了，一直对这个东西很有兴趣，不是为了获得什么“流量红利”，而是从技术上看，它做了一些有意思的尝试。

做为开发者，无论你看好什么都无所谓，但现在应该考虑到足够的弹性，做好抽象，设计好后端API和前端展现分离的结构。这样无论是继续做APP或者等BAT中另外两家推广PWA，或者跟上微信的小程序，以及未来通过聊天机器人接入什么新的系统，你都有足够的灵活性。

这些接入方式都是表现层，重要的部分是后端的数据和数据处理能力，或者提供信息的能力。所以只要设计好架构，表现层可以用非常低的成本叠加上去。我想，现在最值钱的工种不应该是开发小程序或者开发APP的程序员，而是资深的架构师。他们才能帮你立于不败之地。

【作者介绍】霍炬：一切关于未来的故事在实现之前都是“歪理邪说”。

2、解析 | 前车碰撞预警FCW及前车检测的相关技术（点我阅读全文）

最近，很多关注智能驾驶的同学们都在讨论“特斯拉准确预测到一起碰撞事故”的视频。该视频的大致意思是：在车内乘客还未意识到车祸发生之前，特斯拉就已经发出声音提醒，预警几秒后前面两车就撞上了。

普通驾驶人和乘客看到视频会惊叹它预测结果的准确，并不关心技术上如何实现：鸡蛋好吃就行了，何必非要见到下蛋的鸡？可行业人士可能就想问了：视频里的特斯拉为什么会预警？

仔细观看视频后发现，红色轿车在变道前有一个减速，所以业内人士分析后，普遍认为特斯拉发出的预警可能只是“前车碰撞预警（Forward Collision Warning）”

让我们跟随作者的思路，了解一下那些关于前车检测和预警的相关技术吧。

【作者介绍】程建伟：武汉极目智能技术有限公司CEO；武汉市“光谷3551人才计划“专家； 2011年起从事视觉ADAS开发。

3、专家解读：熵、区块链和人工智能之间有什么关系？（点我阅读全文）

顾学雍教授在清华课程《超越学科的认知基础》中说：“一个范式成功的标志是拥有了自洽的语言系统”。

如今将人工智能和区块链这两个炙手可热的话题相提并论，很难想象如何自洽的描述它们之间的关系。

本文中，作者巧用“熵”这个成熟的语言系统解释了“什么是麦克斯韦妖”以及“比特币和区块链为什么具有麦克斯韦妖的智能”的问题。如果你对未来全球金融的实现手段和区块链的运作方式感兴趣，不妨跟随作者的思路，跨学科的思考一番。

【作者介绍】韩锋：清华大学博士，比特币基金会终生会员，曾任清华大学十五规划重点课题“基于网络（大数据）的创新人才评价和选拔”项目负责人，美国甲骨文教育基金会中国合伙人。

4、利用深度学习开发老板探测器，再也不担心刷着微博一回头突然看到老板了（点我阅读全文）

如果上班的时候想放松一下，或者直说想偷偷懒，看点和工作无关的网页，这时候万一老板突然出现在背后，会不会感到很难堪呢？

有的浏览器设置了boss按键，手快的人还可以切换屏幕，不过总会显得不自然，而且经常搞的手忙脚乱的。所以一个日本程序员决定自己动手，编写一个一劳永逸的办法，我们来看看他是怎么实现的吧~

【作者介绍】51CTO的熊小妹：weixin51CTO

5、特斯拉超级充电站开始收费，附最强超级充电站使用技巧（点我阅读全文）

特斯拉近日公布了超级充电站开始收费的部分细节。这次公布主要是北美洲大部分地区的价格，暂时还没有看到中国区的价格组成。从价格上看，超级充电肯定会比汽油便宜很多，甚至比某些公共充电站还要便宜一点，因为tesla强调并不计划用超级充电站盈利。整体计算一下，从洛杉矶开车到纽约差不多100美金就够了。

更多特斯拉车主关心的关于超级充电的问题解答请猛戳标题旁边阅读全文。

【作者介绍】Michael Pu：前Tesla销售总监，先后供职于LVMH，Apple等企业。

6、深度学习实践：如何使用Tensorflow实现快速风格迁移？（点我阅读全文）

风格迁移（Style Transfer）是深度学习众多应用中非常有趣的一种，我们可以使用这种方法把一张图片的风格“迁移”到另一张图片上。

原始的风格迁移（点击查看论文）的速度是非常慢的。在GPU上，生成一张图片都需要10分钟左右，而如果只使用CPU而不使用GPU运行程序，甚至需要几个小时。这个时间还会随着图片尺寸的增大而迅速增大。

有没有一种方法，可以不把生成图片当做一个“训练”的过程，而当成一个“执行”的过程呢？答案是肯定的。快来跟随作者get这个技能吧~

【作者介绍】何之源：复旦大学计算机科学硕士在读，研究人工智能计算机视觉方向。

7、机器人抓取？真没想的那么简单！（点我阅读全文）

手对人类是如此重要，我们当然希望赋予机器人同样的功能，于是抓取就成为机器人走进真实世界必不可少的功能。抓取对我们而言是如此简单，所以我们很有可能认为对机器人也很简单，但实际上是相当难的。

机器人抓取的底线比你想象的肯定要低。但是很多paper中的数据都是在制定的非常不真实的条件下，给人一种很高的成功率的感觉。记得我在我博士论文里面给了个３０％左右的成功率，有个答辩委员问我为什么这么低，这不符合常理。但是这就是现实。

【作者介绍】李淼：武汉库柏特科技创始人，瑞士洛桑联邦理工博士，研究方向为机器人学习和人机协调交互。