分享

科技一周~看看美丽的世界

2014/08/31

有一年，我们全家去太浩湖（Lake Tahoe）旅行，却遭逢一场暴雪，娱乐场所自然全部关闭了。当我们被困在旅馆里，无聊已极的时候，我三岁的孩子突然说道：“请打开窗帘，让我看看美丽的世界。”那一瞬间，我被这稚嫩直白的语言所触动，旋起了窗帘：眼前是一番究极的冰冷，玉树琼枝，凌花飞雪，掩埋了整个世界的俗气！这些精致渺小的雪花，竟勾勒出了无穷无尽的美丽。那一刻，我，比一粒雪花还渺小的存在，只是站在这世界之外，静静地欣赏着。

本周的科技新闻就带大家来看看我们美丽的世界。

• 首先为我们掀起“窗帘”的是一款旅行照片分享工具，Tripcast。这个App是由Cluster（一个隐私照片分享App）团队发布[1]。然而，与大而全的Cluster不同，Tripcast具有更强的针对性。可以说，在理念上，Tripcast是一个“垂直”照片分享工具，专门面向旅行者。Tripcast更加强调地图与照片、视频、文字的结合，以及更加直接有效的信息流。举例来说，如果在Cluster或Facebook上，你的好友分享了某个景点的图片，那么几乎可以肯定的是，这些图片会被更多其它杂乱无章的图片所淹没，因为Facebook上的信息量过于庞大。但在Tripcast上，由于限定了景点与图片的结合，所以你看到的全部都与旅行相关。Tripcast的理念，或许会带来一波“垂直”信息流的浪潮。
• 下面这则科技新闻，可以让我们在灾难发生的时候，有更大的几率重新回到美丽的世界。上周日凌晨，一场6.1级地震袭击了硅谷北部的酒乡小镇，Napa。然而，在距离Napa 40英里的伯克利大学里，一个地震预警系统（EES：Earthquake Early Warning）却在地震发生前的10秒钟，就已经捕获了地震波[2]。在2030年之前，硅谷发生一场6.7级以上地震的概率超过70%[3]，而整个加州，则会有更大的概率发生强震。因此，去年，加州州长签署了一项法令，将耗资八千万美元，在2016年之前建成一个覆盖全州的地震预警系统。可以肯定的是，预警系统与移动互联网的连接，将会在抗震时发挥重要作用。一旦地震来袭，随身的智能设备将会给我们争取到宝贵的10秒钟，这足以挽救无数生命。
• 与伯克利专业级的地震预警系统相比，斯坦福大学的Quake-Catcher Network（QCN）则显得更加顺应当代“开源/众筹的精神”[4]。Quake-Catcher Network是一个世界性的公益协作项目，其目的是在全球建立起一套最大的，最廉价的，地震监测网络。只要你有一台接入互联网的笔记本电脑，你就可以免费向斯坦福大学申请一个地震传感器，当把这个传感器连接到笔记本上时，你就开始为我们美丽的世界做出贡献了。QCN，已经把自己的源代码在GitHub上公开[5]，有Windows和Mac两个版本，希望所有感兴趣的geek来献计献策。

其实，建造美丽的世界，又何尝不是一个众筹项目？确切地说，应该是一个参与者最多，跨越时间最长的众筹项目。我们每一人贡献一粒小小的“雪花”，便会创造出这个美轮美奂的世界。

（本期科技新闻与地震学有关，本人知识实在有限，无法给大家做科普了：）

[1]. Sarah Perez,  http://techcrunch.com/2014/08/29/tripcast-is-a-beautiful-travel-journal-for-iphone/ , Aug 2014.

[2]. University of California, Berkeley, http://seismo.berkeley.edu/research/early_warning.html , Aug 2014.

[3]. U.S. Geological Survey, U.S. Department of Interior, 70 percent odds for large earthquake by 2030, http://www.usgs.gov/newsroom/article.asp?ID=1216#.VANkSbywLfs , Oct 1999.

[4]. Stanford University, Quake-Catcher Network, http://qcn.stanford.edu/ .

[5]. GitHub.com, https://github.com/carlgt1/qcn .

图1. Link

图2. [1].

图3. [4].

分享

分享

目前在公开发行市场上，出现了一些由于市场分歧导致的投资机会，尽量列出来大家一起讨论。

1. Imperva(NYSE:IMPV)

Imperva由于之前业绩不佳，大幅下跌至20元区间，市值5亿美元，近期有所反弹，市值回到7亿美金。个人认为仍然有较大空间，原因主要在于其收购了Incapsula，一家做数据中心安全方案的公司。

与Incapsula类似的企业Cloudflare，目前估值已经达到20亿美金，预计2015年上市时市值可达到30亿美金，相比Imperva现在的市值，仍然有较大空间。

2.  FireEye(NASDAQ:FEYE)

FireEye是APT行业的领军企业，从96元跌至27元的40亿美金市值。主要是由于市场炒作，业绩未达预期所致，其产品和科技实力有无容置疑，目前看起来只有Palo Alto和QIHU的APT产品对其有竞争力，未来市场空间巨大，如何降低销售费用是未来发展的主要问题。

3. 绿盟科技(SZ:300369）

在国家重点推进网络安全和信息化的今天，绿盟科技虽然内部的动能有点偏弱，但成长的空间仍然巨大，，目前停牌中，等待新的消息，未来被巨头并购的可能性极大。

4. QIHU (NYSE: QIHU)

奇虎虽然在很多人眼中不算纯安全公司，但是其企业安全方向的发力不可小视，资本市场也在观望其企业安全市场的发力和进展，据传其APT产品线人员之投入和豪华程度，比FireEye有过之而不及，期待。

5. Qualys(NASDAQ:QLYS)

Qualys是一家做漏洞管理的SaaS公司，其坚持SaaS模式已经有10年之久，在行业内属于起了大早，赶了晚集的，太专注于模式缺乏技术创新，目前市值8亿美金，看好原因是有收购传闻和预期，短期内价格不算便宜。

分享

分享

谷歌近年买下的各种公司：List of mergers and acquisitions by Google

原文链接：http://www.theguardian.com

Google is buying Jetpac, a “city guides” company with a twist which used image recognition and neural network technology to recommend places it deemed the happiest, most popular or with the best views and scenic hikes.

Jetpac offered special “City Guides” for more than 6,000 destinations, using neural network technology developed by Pete Warden, the company’s co-founder and chief technology officer.

“We can spot lipstick, blue sky views, hipster moustaches and more, through advanced image processing on billions of photos,” Jetpac’s home page explains. The app worked by analysing public photos with location data shared on Flickr, Instagram and other photo networks for particular elements, and then extracting key elements about them.

The current Jetpac apps will be removed from the Apple App store within days, and support will end on 15 September, Jetpac says on its web page. It did not yet have an app for Android.

The purchase, for an undisclosed sum, points to Google’s growing interest in artificial intelligence applications as it seeks to grow offerings such as its Google Now personal assistant. This year it acquired the British AI company DeepMind for $400m.

Jetpac, with its neural network systems, seems to fit into that area. Warden wrote two demonstrator apps, currently still available on Apple’s App Store: “Spotter” which attempts to identify objects, and Deep Belief, which can be “trained” to recognise objects. Both use neural network systems for their processing.

Neural networks are collections of algorithms which in effect mimic the functioning of brain systems: they can be “trained” to recognise particular elements in pictures, or in text, and flag their occurrence or absence.

The system relies for its accuracy on feedback rather than explicit programming – so that in training a neural network to recognise a moustache, one would give it a huge number of photos to work on, and keep telling it when it was correct and incorrect. The neural network dynamically adjusts the weighting of various algorithms until it the answers are more and more correct.

Earlier this year Jetpac said it had identified the “UK’s happiest city” – which it identified as Belfast, based on public Instagram photos.

At the time Warden said that 5m photos per day were being uploaded which included geotagging and were public – the raw “data exhaust” that Jetpac needed to produce its analysis.

In August 2012 Google bought the printed travel guide company Frommer’s, but then sold it back to the founder Arthur Frommer in April 2013.

分享

分享

朋友你好,

2014开源开发工具大会（原HelloGCC技术讨论会）将于2014年9月13日（周六）在中科院软件所5号楼4层大会议厅举办。
如果有兴趣，请到 http://www.hellogcc.org/?p=33910 进行注册（网站较慢，请耐心等待），所有注册参会的网友均有机会领取午餐卷、CHINAPUB礼卷，并可以参加抽奖活动，抽奖礼品包括小米盒子增强版和CHINAPUB图书。

此致敬礼,
HelloGCC小组 (www.hellogcc.org)

【大会简介】
2014开源开发工具大会（原HelloGCC技术讨论会）是由HelloGCC（www.hellogcc.org）工作组举办的年度开源技术大会。我们希望通过自由，开放，共享的方式来增进大家相互的交流。目前话题主要涉及开源工具链，开源开发工具方面。感谢演讲者为我们贡献精彩的话题 ，感谢各单位和朋友对我们的赞助和支持，欢迎大家免费报名参加。
往年活动：
*) HelloGCC Workshop 2013: http://www.hellogcc.org/?p=33518
*) HelloGCC Workshop 2012: http://linux.chinaunix.net/hellogcc2012
*) HelloGCC Workshop 2011: http://linux.chinaunix.net/hellogcc2011
*) HelloGCC Workshop 2010: http://linux.chinaunix.net/hellogcc2010
*) HelloGCC Workshop 2009: https://sites.google.com/site/hellogccworkshop/hui-yi-ri-cheng

【日程安排】

题目：Performance Testing for GDB
演讲者：齐尧
简介：
GDB development process has no standard mechanism to show the performance of GDB snapshot or release is improved or worsened. Performance regressions do show up periodically.
We recently add a new performance testing framework in GDB. In this session, we introduce this performance testing framework and show how do we use it to track GDB performance during development. Then, we show writing performance test cases on top of this framework and performance problems exposed by these cases.
Finally, we discuss about adding more test cases and fixing other performance problems in the future.

题目：pyOCD — gdbserver for ARM CMSIS-DAP
演讲者：王哲宇
简介：pyOCD是目前mbed社区为M系列MCU所提供的调试服务工具。该工具主要基于CMSIS DAP接口，为不同的M系列厂商提供了统一的调试接口。pyOCD和目前的GNU Tools for ARM Embedded Toolchain相互结合，为用户提供一个完整的M系列MCU的开发工具。此次主题从嵌入式调试技术的现状展开，介绍一些比较新颖的调试技术例如在MCU上的本地gdb stub，以及嵌入式gdb server和PC上的remote stub的一些异同。详细介绍pyOCD的内部实现和各模块的功能，同时也会简要介绍一下pyOCD目前在Launchpad上的发布情况，并鼓励开源爱好者们参与到pyOCD的贡献中来.

题目：Design and Implementation of GCC Register Allocation
演讲者：Kito Cheng
晶心科技(Andestech)工程師，目前專注於 nds32 CPU 的 GCC，進行效能及程式大小的調校。
简介：Register Allocation 在編譯器後端是個相當重要的階段，其結果將直接影響最終程式的效能以及大小，而 Register Allocation 在 GCC 中一直是個難以對付的東西，所幸近年來有 Red Hat 的高手將其改善，於 GCC 4.4 時將原本的Local/Global 兩階段 RA，轉換為 IRA，並且在 GCC 4.8 時LRA 正式上路，預計將慢慢取代 GCC 中數一數二複雜的Reload，而本報告中從基礎的 Graph Coloring-based Register Allocation 的理論介紹，並將其對應回目前GCC IRA/LRA 的實作，一探其運作原理。

题目：Xposed for ART on Android
演讲者：唐文力(Luba Tang)
简介：本次 talk 會介紹 Xposed 移植到 ART 平台上所會遇到的問題與對應的解法。
Xposed 提供 Android 上一個可以跨 framework 的平台，大大縮減了 Android 系統維護的成本。
然而目前 Xposed 尚無法再最新的 Androdi ART 平台上運作。
本次 talk 會介紹 Xposed 在 Dalvik 上運作的原理，以及移植到 ART
平台上所會遇到的問題與對應的解決方案。如果時間允許的話，也會順便 demo 目前的成果。
相關資料 http://repo.xposed.info/module-overview

题目：开源工具构建ARM JTAG调试环境
演讲者：翟京(Orson Zhai)
简介：
采用全栈开源的方式（软硬件都开源）搭建 ARM处理器的JTAG调试环境。
开源软件 – OpenOCD， GDB，KiCAD
开源硬件 – Openboard

题目：Android的全系统符号执行工具-Android_S2E
演讲者：康烁
简介：
1、符号执行的介绍和应用领域
2、全系统符号执行S2E
3、移植全系统符号子执行平台S2E到安卓的过程和方法
4、演示一个在Android_S2E上符号执行Android的本地程序的例子

【大会地址】
北京市海淀区中关村南四街4号中国科学院软件研究所5号楼4层大会议厅

【赞助单位】

钻石赞助商
白金赞助商
媒体支持
合作单位

【餐饮、礼品】

分享

分享

科技一周~简约以至无穷

2014/08/24

平静的天空，精简已极，未曾缱绻，何来纷繁？上苍只设计了这简单的蓝色，无有丝毫之点缀，却不晓得凝固了多少作家的情节，多少画家的色彩，以及多少诗人的叹息？简约，是一种无穷的美，她藏在时空的箭矢里，可以临于前，可以至远方。若果有一日，你在蓝天下封起一笺白纸，那定然也是份简约的情书。

本周的新闻评论，便是集中在简约而美的设计上。

• Google收购了一家叫做Gecko Design的工业设计公司[1]，但没有透漏收购金额。我们也无从知晓，Gecko Design具体有多少员工，只知道在收购之后，Gecko Design会有5名员工（包括其总裁）被划归Google X Research Lab。这家公司成立于1996年，在设计领域提供多种服务，包括公司logo，品牌视觉形象，以及网站形象的设计。随着消费类电子越来越重视设计，Gecko Design也把自己的服务拓展至此。近些年，Gecko Design以简约的风格，主导设计了惠普的“One Laptop per Child”，Jawbone手环，以及Fitbit手环。我想，Google之所以收购Gecko Design，也是考虑到了自己在工业设计方面的不足。与竞争对手Apple成熟且领先的设计能力相比，Google在这方面才算刚刚起步。举例来说，虽然Google Glass是个不错的idea，但其设计却遭到媒体的嘲笑，被形容为“笨拙且不时尚”。此番收购，是继挖来时尚设计大师Ivy Ross之后，对底层设计人员的强有力补充。
• 本周五，一款叫做，Sense，的睡眠监控器，在众筹平台Kickstarter上结束了一个月的募集期，有近两万人参与订购，总额度240万美元，远超其预期的10万美元[2]。Sense是由Hello公司开发，而Hello公司的创始人正是著名的“辍学生”企业家，James Proud。James，今年虽只22岁，但已有过两次成功的创业经历了。他在18岁的时候，决定辍学，并获得10万美元的“Theil Fellow”辍学奖。两年之后，James成为第一个卖出自己公司的“Theil Fellow”，当时，他把自己创办的音乐聚合网站Giglocator成功卖给Peter Shapiro公司。按下James的传奇不谈，下面，我们来重点看一下他这个化繁为简的产品：Sense。

 首先，从外观上来说，Sense的设计堪称简约中蕴含时尚，以云白色或碳黑色为主，搭配简单线条，给人一种细致透明的宁静感。这种宁静感，对于智能家居类的产品非常重要，唯有如此，方可在不经意间为人们提供无缝的智能服务。智能家居产品，尤其要尽量避免与人体的接触。我曾经用过一段时间的Jawbone手环，来监控自己的睡眠，但最终还是把它从手腕上取下，因为带上Jawbone之后，非但不能促进睡眠，更会对睡眠质量有反向的不良影响。而使用Sense，当然不会有上述问题，因为你几乎不会觉察到它的存在。

Sense系统分为三个部分：坐落在桌面上的室内监控球，别在枕头上的睡眠别针，以及一个iOS App。监控球设计成温馨的鸟巢形状，用以探测卧室内的环境光强、温度、湿度、以及空气中的悬浮颗粒浓度。睡眠别针的外观简单得与普通别针无异，但却内含一个非常灵敏的震动感应器，通过检测侧身、翻转等动作，来识别并分析人们的睡眠状态。一枚纽扣电池，就可以给睡眠别针提供一年的电力。最后，收集到的所有数据都被传送至App里，由软件进行分析，对人们的睡眠状况评分，并提出改进意见。值得一提的是，整套系统的配件并不是由工厂开发模具，制造出来，而是完全由3D打印机打印出来。的确，对于智能硬件类的初创企业而言，3D打印机是一个非常经济且有效的设备。我想，这很快就会成为智能硬件设计的趋势。
[1]. Zach Miners, http://www.pcworld.com/article/2598100/google-acquires-gecko-design-for-nextgeneration-products.html , Aug 2014.

[2]. kickstarter.com, https://www.kickstarter.com/projects/hello/sense-know-more-sleep-better , Aug 2014.

图1. [1].

图2. http://images.bidnessetc.com/img/82dbce7b4ff9f093aa7ff9c43ae70d8a-sense-a-new-sleep-tracker-from-22-year-old-thiel-fellow.jpg

图3. [2].

图4. [2].

分享

分享

原文链接：http://readwrite.com

Making Machine Learning Simple

ReadWrite: You call yourself the “MySQL of prediction.” What does that mean?

Simon Chan: Before the birth of MySQL, database management systems (think Oracle, DB2, etc.) were largely inaccessible to many developers and companies. Such systems are complex, expensive and proprietary. MySQL has rewritten the history of the relational database industry. It allows every website and application, regardless of the size, to be powered by a database server.

The current world of machine learning is similar to the old days of the database industry. Machine learning is still inaccessible to most companies and developers. The cost of development and maintenance of machine learning infrastructure is extremely high. Companies like Google, LinkedIn and Twitter spend huge amounts of money to recruit data scientists.

PredictionIO, as MySQL did to the database industry, can be the machine learning server behind every application. It is 100% open source, developer-friendly and production-ready.

RW: Machine learning sounds great, but historically hasn’t worked as advertised, or it’s required extensive engineering resources to pull off. What does PredictionIO do differently?

SC: We believe that every prediction problem is unique; therefore, most black box machine learning solutions don’t work as planned. PredictionIO makes the life of developers easier by handling a lot of heavy lifting, such as algorithm evaluation and distributed deployment.

It also comes with a number of built-in predictive engines for developers to use right away. But more importantly, PredictionIO is a customizable open-source product. This means that developers can optimize and improve the predictive engines whenever they need to.

Open-Sourcing The Machines

RW: You’re open source. How does this help? 

SC: We don’t believe in “black box” approaches to machine learning, as I noted. Open source allows developers and data scientists to contribute to the PredictionIO ecosystem.

PredictionIO is showcased by Github as one of the most popular open source machine learning projects in the world—thousands of developers are engaged in making it better. Currently contributions include SDKs (e.g., for iOS, .NET, Node.js) and plugins (e.g., for Magento and Drupal), but we’re also seeing new engines and algorithms run on top of our infrastructure.

RW: How many companies truly need machine learning in their apps? What are some examples of how companies incorporate machine learning today?

SC: As far as we know, hundreds of applications are powered by PredictionIO now. And it’s just the beginning.

Le Tote, which sends personalized clothing to its subscribers, is using PredictionIO to discover customers’ fashion preferences. PerkHub manages enterprises’ employee perks programs and is using PredictionIO to personalize product recommendations in their weekly emails.

We’re also working on some exciting projects yet to be announced in domains such as mobile health and gaming with applications that include churn analysis and trend detection.

As Easy As MySQL

RW: How hard is this? Can average developers really make use of this or do they need to be a PhD?

SC: If you can use MySQL, you can use PredictionIO.

RW: How do you plan to use your new funding?

SC: There are a lot of product features we want to develop. We are hiring. Developers and machine learning engineers who are passionate about building the industry-changing machine learning server should contact us.

分享