分享

科技一周~魔幻现实主义

2014/10/25

在文学界风行了近百年的“魔幻现实主义”，也终于要被科技狂人们带到每一个人的眼睛里了。随着可穿戴技术和虚拟现实技术的发展，越来越多的初创企业试图发展出融合了两种技术的新产品，以期达到一种“超越现实”的目的。最著名的例子，就是前不久被Facebook收购的Oculus Rift。本期科技一周的主题，也正与“魔幻的现实”相关。当然，在谈及令人兴奋的“魔幻”之前，我们先来看一则受困于“现实之无奈”的新闻。

本周，IBM宣布把自己的芯片生产线（Fab）全部“卖”给GlobalFoundries，并且还倒贴对方15亿美金。硬科技时代的启幕者，IBM，正在渐渐地远离硬科技。这其实也没什么可指责，毕竟它已经103岁，相对于那些正击水弄潮的互联网新贵们，太老了，是该退下来，到海边的别墅里数一数自己的退休金了。让我们来看看，这些年IBM都变卖了多少硬科技家产[1]：2002年，硬盘业务；2004年，个人电脑业务；2007年，打印机业务；2014年，X86服务器业务；2014年，芯片制造业务。无怪乎，科技界人士说：IBM不再是科技公司，确切地说，它已经是个金融服务公司了。也许，这就是现实的无奈：在互联网这幢金光闪闪的大厦里，硬件只是地基里那几块儿灰色的砖头。

另一则倍受关注的科技新闻是，Magic Leap获得了5亿4千万美元的B轮投资，由Google领投，Qualcomm跟投[2]。Magic Leap，这家位于Florida的初创公司，在此之前，一直默默无闻，几乎找不到任何相关的报道，此番获得巨额投资，可谓：一朝成名天下知。昨天刚刚接过Google大权的Sundar Pichai（掌管除YouTube之外Google的所有产品线），和Qualcomm董事长Paul Jacobs将加入Magic Leap的董事会。这两位科技界重量人物的参与，显然说明Google和Qualcomm对Magic Leap的技术有着极大兴趣。那么，问题来了，Magic Leap到底在开发什么产品呢？

虽然，Magic Leap的CEO，Rony，在接受媒体采访时，对自己的产品尽量保密，但我们还是可以大概猜测出来：Magic Leap一定是一款可穿戴的虚拟现实设备，不，确切地说，应该是“魔幻现实”设备。Rony在谈到Oculus Rift（几个月前被Facebook收购）时，显然认为自己的产品比之格调高出许多。他认为，Oculus Rift仅仅是虚拟现实，也就是说，用计算技术构造出一个完全虚假的场景，并通过头盔展示给人们，而Magic Leap将会把人脑“想象中”的场景与真实的世界完全融合起来，达到一种魔幻的超现实的（Magic Realism）境界。其实，通俗点，Magic Leap就是一种“三维实时的自动PS”技术：）

举个例子来说，当你在海滨游乐场日光浴的时候，突发奇想，如果有一只巨大的虎鲸窜出来，将会是怎样的情景呢？好的，你现在可以戴上Magic Leap的设备，来欣赏一下你脑海里的想象与现实相结合的情景：一只虎鲸从海水里飞跃而出，震撼了整个海滨游乐场！这个场面，我们曾在《少年Pi的奇幻漂流》里见到过，但如果有了Magic Leap，我们可以随时随地沉浸在自己创造的“魔幻现实”里。

从图像处理的角度来说，Magic Leap是一种图像合成技术，与虚拟演播室，或者电影里看到的特效合成技术类似。当然，Magic Leap与它们还是有一定区别的，在电影特效里，大多通过前景传感器定位技术，把前景目标与背景合成起来，而Magic Leap因为受限于设备的穿戴性和处理的实时性，不可能给虚拟前景加装传感器。至于Magic Leap将采用什么样的定位技术，把前景与背景“完美”的合成起来？我也只有等到它发布之后，再做深入研究了。
[1]. http://en.wikipedia.org/wiki/List_of_mergers_and_acquisitions_by_IBM

[2]. http://techcrunch.com/2014/10/21/magic-leap-tech/

图1. http://www.deshow.net/cartoon/michael-parkes-magic-realism-paintings-720.html#pic

图2. http://media.economist.com/sites/default/files/cf_images/20070407/D1407SB1.gif

图3. www.magicleap.com

分享

分享

灵魂的星空

2014/10/18

站在十月的夜色里，抬眼是迷离的星空，漫天光点，流明虚度。我，似醒非醒，若梦非梦，足下所立，不知是恒河的浅湾，还是灵魂的虚谷？想起了，梵高的星夜（The Starry Night），和那漩澓的湍流，正像是一个个创业者的灵魂，在卑微与束缚里追逐着星空与梦想的极限。

本期的科技一周，重点介绍创业公司。

• 上周末，我在Atherton见了一个90后的创业团队：RavenTech（渡鸦科技）[1]。他们正在试图打造一个应用程序（App）的平台，或者说是“App的入口”，以“信息流”（Project Flow）的形式完成人与人在手机上的互动。当下，人与人在手机上的交互方式是“多层应用模式”，举例来说，假如A要约B一起去吃午饭，那么将会涉及这样一套繁琐的交互流程：

1. A打开微信向B发邀请；

2. B回应OK；

3. A切换到大众点评，找餐馆信息，并发给B；

4. B回应OK；

5. A切换到Phone App，向餐馆打电话预约餐位；

6. 最后，A切换到地图应用，去餐馆。

在这一流程里，A先后打开了四个应用：微信、大众点评、Phone App、地图应用，在其中频繁切换。倘若使用RavenTech的ProjectFlow平台，那么这些应用都会被“链接”在一起，共同使用ProjectFlow统一的“信息流”界面，整个交互过程如下：

1. A打开ProjectFlow，向B发邀请（ProjectFlow自动调用微信）；

2. B在ProjectFlow里，回应OK；

3. A在ProjectFlow里查找餐馆信息，发给B（ProjectFlow自动调用大众点评）；

4. B在ProjectFlow里，回应OK；

5. A在ProjectFlow里，打电话预约餐位（ProjectFlow自动调用Phone App）；

6. A开车去餐馆（ProjectFlow自动调用地图应用）。

我们看到，新的流程里，A不需要在应用之间频繁切换了，所有的信息都会以“流”形式展现在A和B的手机上，就像是两个人在自然的对话。也就是说，ProjectFlow在后台自动完成了之前需要A手动切换应用的工作。这种交互方式，更加简单，人性化。除了Project Flow之外，RavenTech正在把类似的技术应用到手机的音乐播放器上，这被他们称之为“MusicFlow”。感兴趣的读者，可以在这里下载：[2].

• 近日，Linkedin发布了2014年度湾区10大最吸引人的创业公司[3]：

1. Lytro（图像，高端照相机）

2. Theranos（医疗，验血机）

3. Fitbit（穿戴式设备，手环）

4. Coursera（在线教育）

5. Minted（O2O装饰）

6. Wealthfront（互联网金融，自动化财务投资）

7. Bromium（企业数据安全）

8. Twilio（云通讯）

9. Engyte（企业级云存储方案）

10. Leap Motion（新型人机交互设备）

Lytro，这家排名榜首的高端照相机公司，刚刚融资了四千万美元，给员工的待遇也最为优厚，工程师的薪水约在$125000~$147000。排名第四的Coursera，在创始人Andrew Ng被百度强力“挖走”之后，聘请了耶鲁大学的前校长，Rick Levin，担当CEO。自此之后，Coursera被戏称为“常青藤校长们的最佳下一站”。排名第六的Wealthfront，是一家集结了花街金融精英和硅谷软件精英的互联网金融公司，主要为高科技中产人群提供自动财务投资服务。Wealthfront这两年的发展速度十分惊人，从不到1亿美元的基金增加到了10亿美元。

下面，让我们来总览一下这份榜单。可以说，这是一个相当“杂乱”的榜单。从榜单上，我们几乎看不出什么趋势来，或者什么技术最火爆，什么市场是VC投资的重点，因为，十个热门的初创公司几乎分散于十个不同的细分领域。然而，我个人认为，这种“杂乱无章”，才更应当是创业的特点。创业公司应该基于创业者的灵魂而生，不应靠模仿“抄袭”他人而生。如果创业者都追逐自己内心的创意灵魂，又怎会出现在同一个领域里有几十家公司的局面？

创业的天空上，繁星无数，每一颗都独一无二，与其说那是他们的光芒，不如说那是他们的灵魂。

[1]. https://www.youtube.com/watch?v=lKf9pCDc9tk&feature=youtu.be

[2]. https://play.google.com/store/apps/details?id=cn.raventech.musicflow&hl=en

[3]. Cromwell Schubarth, These 10 Bay Area startups are tops among tech job hunters, http://www.bizjournals.com/sanjose/news/2014/10/01/these-10-bay-area-startups-are-tops-among-tech-job.html?page=all , Oct 2014.

图1. Vincent van Gogh, The Starry Night.

图2. [1].

图3. www.lytro.com

分享

分享

科技一周~天与海的落差

2014/09/07

“中秋，天涯风冷，沧海月明，潮起又潮息，花开复花灭，一万年的牵挂，却隔着天与海的落差。”这落差，若放在上古神话里，那是在说嫦娥与后羿的凄美；若放在科技圈里，则是指“天上”的Apple正藐视着一大群掉在“海里”的追随者。

明天，Apple将会发布重量级产品，几乎所有人都笃定了iPhone 6和iWatch。这着实令许多厂商“牵挂”万分，深恐iWatch一出，独霸头条，自己的产品难免落到汪峰之地步。于是，几大厂商赶集似地，一起抢在Apple之前推出了智能手表：

• 本周三，德国柏林，Sony推出了第三代智能手表SmartWatch 3和腕带SmartBand Talk。就在同一天，三星推出其本年度的第六款智能手表：Gear S。此前5代分别是：Galaxy Gear，Gear 2，Gear Fit，Gear Neo，Gear Live。我只能用“疯狂”两个字来形容了。一年之内，能连甩六代产品的公司，当世之上，除三星外，再无它。本周四，LG推出G Watch R，主要的宣传亮点是“第一款圆面智能手表”。同一天，摩托也推出圆面的Moto 360 SmartWatch，但由于时差的关系，晚了LG半天。这四大厂商的智能手表，在功能上，大同小异；在外观上，按照Engadget上[1]的说法，它们最大的共同点就是：Ugly。我们只需再多等一天，就可以看到Apple与这四家公司那“天与海”的落差。一言概之，智能腕表，更应该注重的是时尚性，而不是纷繁复杂的功能。
• 除了上面的终端厂商争先恐后玩起穿戴式设备之外，作为芯片业老大的Intel也挤了进来。本周，Intel不仅自己推出了一款智能手环[2]，还宣布与Fossil结盟，共同开发穿戴式设备[3]。自2007年以来，Intel彻底输掉了移动芯片的世界，但它不想再输掉下一个千亿级的世界：物联网（IoT，Internet of Things）。于是在今年初的CES上，Intel隆重推出了其IoT平台：Edison（以著名发明家爱迪生的姓氏命名）。穿戴式设备自然是IoT里一个重要的分支。此番，Intel想借力Fossil的时尚特点，来发力IoT，从思路上来说是非常正确的，但唯一的问题是，Intel品牌自身的“反时尚性”。这种“反时尚性”，其实也是整个半导体行业的“原罪”。因为，半导体芯片距离终端消费者太过遥远，所以芯片企业几乎不可能像互联网企业或终端企业那样，直接给消费者以时尚视觉的冲击。如果Intel不能重塑自身形象，与其大张旗鼓地推出刻有自身品牌烙印的终端设备，还不如像MTK那样，默默地做其它品牌商的供应商。

既然谈到了IoT，那么今天，我就来为大家简单介绍一下当前比较流行的IoT方案。总的来说，当前的主流IoT方案是由四家芯片厂商在推动，其中Intel推出了两套方案。这些方案分别是：Intel Edison，Intel Gateway，Qualcomm IoE（Internet of Everything），Broadcom WICED，Marvell Wifi-MCU。它们的特点见下表。当然，由于IoT还在快速的发展当中，这些平台的变动也非常大，每隔一年就会有许多新的特性被增加进来。

分享

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

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

科技一周~我们生活的痕迹

2014/08/17

每一秒钟的停顿，都记录了生活的痕迹，我用自己的记忆把这些瞬间刻录下来，存在脑海里。当回思的时候，有些旧日的情景重现出来，像是在夕阳里拾起的朝花，虽然已成过往，但犹可触及。然而，有些情景，却散如烟花，任我如何寻思，终无法获得。每当这时，我总是希望，倘若自己所有的过往都能被机器拍摄成图像，并存于网络，便再不会有此遗憾了。我终究会老，并失去记忆，如流萤一样死去，然，机器并不会死，网络是永恒的。

这一周的新闻与我们生活的图像有关。

• 本周，Google收购了一家叫做Jetpac的图像应用公司[1]。Google并没有透露具体的收购金额，这更让人们认为，所谓的“acquire”只不过是硅谷里常用的客套词汇，而实质上是对人才的“acqui-hire”。Jetpac创立于2011年，目前约有10名员工，主要的产品是基于社交图片的旅行App。一开始，Jetpac是利用Facebook上的图片来做社交旅行，但在2012年，Facebook收购Instagram之后，Jetpac也把精力集中到Instagram上来，利用Instagram上的海量图片来做旅游推荐。Jetpac的CEO曾这样向TechCrunch描述自己的产品：“人们可以通过图片来可视化搜索自己要去的地方，这种方式与查看设施条件或阅读评论相比，显得更加自然”。值得一提的是，为Jetpac提供背后技术支持的公司，叫做Orbeus，这是一家由几个年轻中国人建立的初创企业，提供基于云计算的图像识别技术。
• 来自伯克利大学计算机系的一篇论文，提供了一个分析你常态表情的算法[2]。简单说来，这个算法利用你的一系列图片，计算出你的“平均”表情，这个“平均”表情就是常态表情。这有什么用呢？举个假设的例子来，如果你超速，在路上被警察叫停，当警察看到你一脸愤怒的表情时，警察除了会给一张超速的罚单外，还会在上面加注说“你有威胁警察的表情”，那么你的罚款额度可能会比仅仅超速要高。现在好了，如果你本来就长了一个“愤怒”样，那么根本不用多交罚款。你可以用这套算法分析出自己的常态表情，拿到法官那里说：“I wasn’t making an angry face. That’s how I always look. See, I’ve an algorithm to prove it!”当然，这个算法不仅可以用在呈堂证供上，它其实还可以用在训练那些基于特征的目标识别器（object detector）上。这篇论文里宣称，经过该算法“平均”之后的图像，再输入给目标识别器，会加速识别器的训练过程，因为这些“平均”之后的图像拥有更加稳定的特征点。

既然谈的都是图像，那么本周的科普也是与图像相关：人脸识别。

人脸识别（face recognition）归属于目标识别（object recognition）技术，但在整个目标识别技术中，人脸识别技术被研究的最多最深，这大概是因为这项技术在现实社会里更有用吧，尤其对于社会安全来说，能够让计算机快速而准确的识别出罪犯，关乎到每一个公民的切身利益。当然，人脸识别中用到的许多算法也是可以扩展到其它识别里去的，所不同的只是如何建立模型（比如，房子和人脸有着不同的特征点；如果使用隐马尔可夫模型，那么内部的状态设定也是不同的）。

从应用上来说，人脸识别主要分为两类：1. 验证（face verification）；2. 匹配（face matching）。人脸验证是个一对一的过程，也就是说，目标库里只有一个人脸，需要校验现在输入的人脸是否与目标脸一致。而人脸匹配则是个一对多的过程，目标库里或许有海量的图片，需要从其中找到与输入人脸一致的所有图片。

最初的人脸识别技术，主要集中于局部特征提取上，也就是说，通过把输入图像中人脸的特征点（鼻子、嘴、额头、眼睛）提取出来，形成特征向量，然后与库里的图像进行特征向量匹配，输出匹配度最高的人脸做为识别结果。这种方法效果并不好，于是又发展出了全局特征提取算法。最著名的要数，主成分分析（PCA，Principal Component Analysis）法。简单说来，这种算法是基于数学分析，计算出“更底层的人脸特征”，这些“更底层的特征”并非人们所能感受，只是在数学范畴内才有意义（例如，傅里叶分析里的系数），然而，这种“更底层的特征”却比人眼看到的表层特征，更能识别出准确的结果。

除了上述两种算法之外，还有一类识别算法是基于模型（model-based）。基于模型的算法是当前最流行的技术，无论从算法效率，还是识别度上来说，都比前两种要好。相关的模型有很多：Probabilistic Elastic Part Model，Hidden Markov Model，等等，有兴趣的同学可以参考综述[3].

[1]. David Murphy,  URL, Aug 2014.

[2]. Derrick Harris, https://gigaom.com/2014/08/15/new-algorithm-takes-the-average-of-photos-perhaps-proving-that-is-how-you-always-look/ , Aug 2014.

[3]. Rabia Jafri and Hamid R. Arabnia, A Survey of Face Recognition Techniques,  Journal of Information Processing Systems, Vol.5, No.2, pp.41-68, June 2009.

图1. http://www.tourism-review.com/temp/article_zoom_2284_2.jpg

图2. http://cdn1.tnwcdn.com/wp-content/blogs.dir/1/files/2012/11/face-520×362.jpg

分享

分享

科技一周~Smart Shopping Mall and More…

2014/08/10

这世上，倘若有个地方是女人之钟爱，那一定非Shopping Mall莫属。无论你是下里之凤姐，还是华贵之奶茶，总还是要找个地方去逛街购物，总还是要给你背后的男人一个打开钱包的机会。然而，现行的这种逛街体验存在了数十年，对于女人的消费刺激渐趋日衰之势。如何能改善体验并进一步刺激女人们的消费，则成了许多商店的新课题。于是，高科技公司的机会来了：打造Smart Shopping Mall，让女人的消费更迅捷更有效更庞大！让她们背后的男人永远刷爆！

• 在打造新一代智能购物商场的方案里，类Apple iBeacon系统起着至关重要的作用。近日，商业地产集团，Simon Property Group，宣布将联合Mobiquity Technology公司，在自己旗下近200个购物中心里，架设Mobi-Beacon网络，以期为顾客打造新型的购物体验[1]。此次，Mobiquity所提供的Mobi-Beacon网络，基于BLE（Bluetooth Low Energy）技术，并且全兼容Apple 的iBeacon，可以使得iOS设备无缝接入Mobi-Beacon网络。Simon是美国最大的商业地产集团，旗下拥有约400个购物中心，其中最著名的要数遍布全美的Premium Outlets。Simon希望凭借Mobi-Beacon网络，为门店与顾客提供一个实时互动的消费体验，例如，基于顾客的位置信息，提供店内导航服务；基于顾客的消费历史，提供实时的打折点卡；更吸引人的是，顾客甚至不需要拿出信用卡，便可以完成对商品的购买。可以说，自从Apple在自己的门店内架设iBeacon以来，美国的购物中心纷纷效仿，一波“Smart Shopping Mall”的浪潮正在袭来，这自然是女人们最希望看到的。
• iBeacon的核心技术是BLE，但BLE却不仅仅可以用在提升购物体验上，例如，现在越来越火的穿戴式设备里，便有相当一部分也采用了BLE技术。今天要介绍的穿戴式设备会令男士们相当的性奋。最近，英国成人用品零售商Bondara展示了一款新设备~性爱计数环，SexFit[2]。SexFit采集性爱数据，并通过BLE技术，与智能手机通讯，从而可以告诉用户，in-n-out的频率，消耗了多少热量，甚至可以把自己强大无比的性爱数据分享到Twitter和Facebook上。试想一下，当你发送了一条这样的微博：“人生不过深深浅浅，起起伏伏，幸运的是，我们的记录永不磨灭…恭喜你们，击败了世上99%的情侣！恩爱等级：当时一见已销魂~sent from SexFit”，你的朋友们会是何等的震惊！！

本周科普，谈一下关键的BLE技术，俗称“智能蓝牙”（Bluetooth Smart）。在谈论BLE之前，我想先说一件其它的事情：最近，诺基亚北京分部被裁撤，有中国某公司员工对诺基亚以及被裁的员工极尽嘲讽之能事。这其实并非是一种好的态度，殊不知，每一个公司都会有兴盛与衰落[3]，我们不应当只看到一个公司的失败，还应当看到它曾经为人类历史做出的贡献。一个公司，倘若可以在自己的墓志上铭刻下许多推动世界进步的技术，那么在我眼里，这远比那些跟风发财的公司值得尊敬。

诺基亚正是这样一个值得我尊敬的公司。智能蓝牙技术便是由诺基亚在2006年研发出来（当时叫做Wibree），并于2010年成为一项蓝牙标准，现在已被几乎所有的智能手机支持。BLE的出现，使得移动支付在NFC技术之外，又多了一种选择，并且与NFC相比，BLE拥有很多优势。BLE采用2.4GHz的射频频率，这与传统蓝牙频段兼容，可以覆盖100米的通讯距离，而NFC则只能完成4厘米以内的通讯。这种技术上的差别，使得BLE非常适合用来进行室内导航，与门店实时交互，以及移动支付。与另外一项普及的通讯技术，Wi-Fi，相比，BLE的功耗低得惊人，只有0.01~0.5 watts，而Wi-Fi虽然通讯距离更远，但其功耗则是BLE的30倍以上。在移动设备受限于电池容量的前提下，用Wi-Fi来进行移动支付并不是一个明智的选择。

虽然，NFC技术在功耗和价格上更有优势（因为NFC技术是无源的），但BLE在通讯距离、安全性、交互性、以及易用性上来说则比NFC更优秀。所以，综合来说，BLE是现在备选的几个移动支付技术里，最有希望的一个。下面所附之图给出了BLE与NFC的详尽对比。

[1]. The Wall Street Journal, http://online.wsj.com/article/PR-CO-20140804-906174.html , Aug 2014.

[2]. Daniel Cooper, SexFit is a pedometer for your penis,  http://www.engadget.com/2014/08/07/bondara-sexfit-i-used-to-be-a-serious-journalist/ , Aug 2014.

[3]. 硅谷寒, 科技一周~没有梦幻的公司, http://www.valleytalk.org/2014/01/26/23253/ , Jan 2014.

图1. http://cdn1.appleinsider.com/ibeacon-131206.jpg

图2. [2]

图3. http://www.retailcustomerexperience.com/images/BLE-vs-NFC-infographic.png

分享

分享

科技一周~The Age of AI

2014/08/02

下一个时代是什么？我想，那不会是最好的时代，也不是最坏的时代，只是个平凡的，历史早已注定的时代：人工智能。

2011年初春，午后阳光暂时偷走了硅谷里的料峭寒意，在山景城（Mountain View）的临街转角处，渐渐多起了行人，以及她们的低眉细语。我正坐在一间叫做Red Rock的咖啡馆里，却忽然看到一个机器人进来，径直走到前台，点了一块蛋糕。当咖啡师（Barista）故意询问它，“是在店内吃呢，还是带走？”，全屋子的人们都笑了出来。毫无疑问，机器人自然是要把蛋糕带回去给主人吃的。

这是一个令人轻松的场景，然而，其背后所蕴含的技术却并不轻松，其中涉及无线通信、实时视频的压缩与传输、自动控制，等一系列现代计算机技术。更进一步，如果，这个机器人能够完全自主行走，并自动问答，那么则需要图像识别、语音识别、自然语言处理、目标跟踪等一系列更有“深度”的技术来支撑。这些智能技术，在历史上也都曾陷入过停滞不前的境地，然而今天，随着底层硬件技术的成熟，它们又重新兴盛起来，再次成为科学家的研究热点。本周的新闻也正由此而来：

• MIT媒体实验室的美女教授，Cynthia Breazeal，在众筹平台Indiegogo的项目，JIBO，在短短二十天里，就筹得近$140万资金，远远超过最初的$10万目标[1]。JIBO是世界上第一个家用机器人，它拥有呆萌肥圆的外型，像个小小多啦爱梦。目前，JIBO的主要功能是充当家庭的娱乐天使，提醒管家，和推荐助手，比如，在大家聚餐时，它可以担任摄像者；在小孩子睡觉前，它可以讲故事；当你今天有约会的时候，它可以提醒你；当你想吃饭的时候，它可以推荐你所喜欢的餐馆，并下单。JIBO的售价为$499，预计在2015年十二月推出。（我可以做个预测，JIBO迟早会成为Apple和Google竞逐的对象）
• 如果说，JIBO是以卖萌带给人们欢乐，那么另一个有趣的机器人，hitchBot（搭车机器人）[2]，则是以博同情来巧取人们的帮助。hitchBot像是一个其貌不扬、无家可归的孩子，站在公路旁边，伸出拇指，希望路过的人们可以开车载它一程。如果司机把它捡起来，放在车上，那么它会立刻与司机互动聊天，侃大山，讲笑话，当然也会告诉司机自己希望去的下一个地点。hitchBot是由加拿大的两名研究人员（David H. Smith and Frauke Zeller）设计的小机器人，他们希望hitchBot通过搭顺风车而独自走遍整个加拿大，目前这个小机器人已经行程近4000英里。

本周来聊一下在机器人设计中几乎必备的一项技术：目标跟踪（Object Tracking）。在上文中提到的两个机器人，都离不开这项技术，比如，JIBO通过内嵌的可以360度旋转的摄像头来捕捉并跟踪家庭成员的面容，然后根据脸部分析，拍下一张最好的全家福照片。那么JIBO是如何做到跟踪人脸呢？当然，第一步是要先识别出来人脸，关于识别的技术有待以后再讲。今天要讲的是识别出来之后的跟踪技术。

相对于识别技术，跟踪技术并不是在单一图像上实现的，而是利用了连续的多帧图像。可以说，如果图像识别是个二维技术，那么目标跟踪则是个三维（多了个时间上的维度）技术。当机器人在当前帧上识别出来某个物体后，那么它需要在下一帧里快速的“跟踪”上这个物体，并不需要重新分析整个下一帧图像（因为如果重新分析的话，那么速度就太慢了，达不到实时的效果）。在目标跟踪技术里，一个很关键的算法是运动估计（Motion Estimation），越快速地估计出下一帧里的运动方向，则可以越快速的跟踪上目标。

运动估计的算法有很多种，其本质上是一种搜索算法。在当前的硬件设计里，最常用的是基于块匹配的递归搜索算法:3D recursive search block matching[3]。这个算法是利用当前帧的运动向量值，在下一帧的几个备选向量里，搜索出来最匹配的像素块，从而确定下一帧的运动向量。这种算法在最初的几帧里，并不能找到真正的运动向量，但由于它的递归迭代性，当经过十几帧之后，估计的运动向量就会收敛到真正的向量值。通常，摄像头采集的频率在30~60Hz，也就是说，该算法可以在0.25秒~0.5秒的时间里跟踪上目标物体。这样的跟踪速度，基本上可以满足家庭的需要了。

[1]. JIBO, the world’s first family robot,  https://www.indiegogo.com/projects/jibo-the-world-s-first-family-robot , July 2014.

[2]. Brandon Griggs, Hitchhiking robot is halfway across Canada, http://www.cnn.com/2014/08/01/tech/social-media/hitchhiking-robot-hitchbot/, July 2014.

[3]. G. de Haan, P. W. A. C. Biezen, H. Huijgen, and O. A.Ojo, “True-motion estimation with 3-D recursive search block matching,” IEEE Trans. Circuits Syst. Video Tech., vol. 3, no. 5, pp. 368-379, Oct. 1993.

图2. [1].

图3. http://media2.s-nbcnews.com/j/newscms/2014_25/512356/140616-hitchbot-robot-1649_de262663d0cbc7ca1f7902450c8e9ee9.nbcnews-ux-760-800.jpg

分享

分享

科技一周~那时未必花开，只有曾经的年少

2014/07/27

小时候，我家附近有一些樱花树，听祖母说，是当年日本人栽的，曾经盛开过，整树整树都是白色的花瓣，但不知出于何种原因，自八十年代以来，这些樱花树便再也不曾绽放过。那时，我经常一个人偷跑出去，给樱花树浇水，梦想着某天之后，会有无数的樱花在我面前盛开。二十年过去了，我的梦想并没能变成现实，樱花树依然瘦骨嶙峋地立在原地，直到有天被市政厅的人将它们一一拔去。

如今我已长大，虽不再奔跑呼喊，却从未失去梦想，心中仍有一株“樱花”，正自生根发芽，静静地在那里，等着我来看它美丽的绽放。当然，偶有彩云飘过，我也会回想往事：那时未必花开，只有曾经的年少。

本周的科技新闻，等来的正是Amazon，这株没有盛开的“樱花树”：

• 本周是科技巨头密集发布财报的一周，Facebook、Google、Apple都交出了靓丽的财报，唯有Amazon令人大失所望，不仅仅本季度财报未达预期，下季展望更是预亏4亿~8亿美元，随后，Amazon的股价重挫10%。相对于另外三个巨头赚得盆满钵满而言，Amazon算是个不折不扣的另类，它曾连续十数年亏损，但股价却一直上扬。之所以如此，大概是因为Bezos（Amazon CEO）的个人魅力所致。在此之前，媒体和投资人几乎都把Bezos看作一个Visionary Leader，甚至将其与乔布斯并列。Bezos所做的一切，包括建设物流网络、云服务中心、在线视频、布局各种生态系统，都无可辩驳，令投资人相信，即使现在亏钱，前景也必然美好。然而这一次，当看到Amazon“几乎”布局完毕，却依然亏损的时候，很多人失去了耐心，选择退出投资。虽不能说，Bezos之前的愿景都是“花言巧语”，但现在，的确到了需要Amazon把“樱花”秀出来看的时候了。
• Amazon的财报不好，但它的竞争对手却不会有丝毫怜悯。Apple在本周五，以一千万到一千五百万美元的价格，把BookLamp买下[1]。BookLamp是一家基于大数据和机器学习技术，为读者提供书籍推荐/搜索的初创公司，约有10名员工，此前曾融资90万美元。Apple凭借BookLamp的技术，再结合自己的iBooks平台，势必会与Amazon的GoodReader进行一场惨烈的竞争。BookLamp的核心服务是通过机器学习算法来理解一本书的类型，并把与该书类似的书籍推荐给读者。例如，某读者看了《达芬奇密码》这部书，算法首先根据类型相关度的高低把《达芬奇密码》分解为“宗教信仰类”（18.6%）、“推理小说类”（9.4%）、“艺术类”（8.2%），“秘密社团类”（6.7%），然后算法会把“相关度向量”与《达芬奇密码》最相近的书籍推荐给读者。

本期科普将围绕着樱花树的“存活性”来聊一聊：）试想，倘若我在事先就知道那些樱花树早已死亡，根本不会开花，我便不会再浪费时间去浇灌它们。那么，我该如何去判断樱花树是否能盛开呢？我不是植物学家，自然无法判断，但我的目的是，把这一概念类比到机器学习里来。在机器学习理论里，有一个很重要的判断，就是“某一个待学习的概念是不是可学习的”？类比我的樱花树，就是“这一株待浇灌的樱花树是不是可存活的”？只有事先判定了概念的“可学习性”，我们再去设计相应的算法来学习它，才会有意义。

哈佛大学教授Leslie Valiant[2]给出了一种概率意义下的“可学习性”判断：PAC Learnability。简单说来：如果在某种算法下，某个待学习的“真实概念”与逼近它的“假设概念”可以在概率意义下达到误差为零，那么这个“真实概念”就是PAC可学习的。对照计算理论里的时间复杂度和空间复杂度，Leslie定义了机器学习算法中的样本复杂度，并给出了PAC可学习概念的样本量下限值。这个“样本复杂度”可以类比为，我浇灌樱花树的难度，简而言之，就是“我们需要多少样本才可以学习好一个概念”vs“我需要浇灌多少水才能看到樱花盛开”。其实，在前述BookLamp的新闻里，其推荐算法中要学习的“书籍类型”就是一个PAC可学习的概念，有兴趣的同学不妨参考[3]中Conjunction of Boolean Literals的例子。当然，真正实现起来，要比[3]里例子复杂一些。Leslie Valiant也凭此奠基性的理论，获得了2010年度的ACM图灵奖。

[1]. Josh Constine, Ingrid Lunden, http://techcrunch.com/2014/07/25/apple-booklamp/, July 2014.

[2]. http://amturing.acm.org/award_winners/valiant_2612174.cfm, 2010.

[3]. Mehryar Mohri, “Foundations of Machine Learning”, ISBN-13: 978-0262018258, The MIT Press, August 2012, pp. 18-19.

图1. http://timedotcom.files.wordpress.com/2014/07/amazon-q2-2014-earnings-report.jpg?w=1100

图2. [1].

分享

分享

科技一周~可以测知的世界才更残酷

2014/07/19

自古至今，人们对能够预测未来，并通晓过去的神，都有着敬畏之感。那么，这世上究竟有没有这种神？又或者，现下大行其道的机器学习技术有没有可能成为这种“神”？要回答这个深奥的问题，首先需要弄清楚另一个更深奥的问题，即：世界，究竟是不是一个可以观测（Observable）并可以控制的（Controllable）系统？“可观测”和“可控制”是两个计算机术语，通俗地讲，可控制性，意味着我们可以通过现有的信息预测未来的一切；而可观测性，意味着我们可以通过现有的信息，探知过去所发生的一切。也就是说，如果世界满足上述两个特性，那么它一定会被我们预测并探知。

然而，我却想再问一个略显“人文”气的问题：当我们真地面对一个可以测知的世界，我们人类是会快乐，还是痛苦？或许对于某些人来说，是快乐的，因为他们是这个世界的“成功”人士，当世界被测知出来，他们会看到自己那穷奢极欲享受无边的未来；然而，对于绝大多数人来说，这种可以测知的世界却是相当的残酷，因为在未来，他们依然是普普通通的屌丝，劳苦终日。这个论断是基于“富则愈富，穷则更穷”的大概率假设。

本周的科技新闻，也是从预测未来开始：

• 在上周日，随着世界杯的曲终人散，Google Cloud Platform的预测水平也盖棺定论[1]。对于淘汰赛阶段的16场比赛，Google预测对了其中的14场（错的两场是德国vs法国，荷兰vs巴西），这个结果虽不及百度的100%命中，但也算说得过去。除了Google、百度、微软这些科技公司外，世界最大的投行高盛，也给出了自己的预测。当然高盛的预测比较惨，错了四场[2]。随着大数据和机器学习技术的普及，各大公司都开始将该技术应用于对未来事件的预测，这已是一种成型的科技大趋势，渐渐地便会伸及我们生活的各个角落。
• 接下来的新闻，是件令人伤心的事情。2014年，7月17日，马来西亚航空公司的MH17航班，在乌克兰与俄罗斯的边境处被导弹击中，全员遇难。在仅仅几个小时之后，美国总统奥巴马便发言称，MH17是被乌克兰叛军区域所发射的导弹击中。奥巴马的这一结论，是美国军方分析了卫星所捕捉到的各种信息后才得出的。能够如此迅速锁定导弹发射区域，可以说，现代计算机技术功不可没。与前述预测世界杯相反，这一次，计算机技术被用来探知过去已经发生的事件，即，恢复已发生事件的历史状态。当然，无论是对未来的预测，还是对过去的探知，现代科技技术都还远未成熟，其所得出的，并非是确定性结论，而是统计意义下的概率性结论。所以，世界是否可以测知，现在还并不能给出准确性的答案。

本期的科普，来聊一聊Google预测世界杯的机器学习算法。

对于任何一种机器学习算法，第一步都是要获取训练样本。Google获得的球员和比赛数据来自于一个专业的体育数据网站，Opta Sports。Google通过自己的Cloud Dataflow平台把来自于Opta Sports的原始数据进行预处理，再将预处理之后的数据导入Google Bigquery。第二步，Google Bigquery建立一个多层感知机（MLP，Multilayer Perceptron），通过样本进行学习训练。第三步，便是将下一场比赛的球员信息输入学习好的MLP，由MLP预测出比赛的结果。所谓的“预测”，其实就是一种“分类”，把输入的向量（参赛球员的数据）划分到两个类别里：胜、负。

这次预测世界杯的机器学习算法，是一种在线学习算法（Online Learning）。第四步，也就是最后一步，当该场比赛的结果出来，MLP立刻获知自己的预测是否准确，并根据结果进行自适应更新。之后，循环执行第三、四步，进行迭代，预测模型也将会在概率意义上越来越准确。

以上便是对世界杯预测算法的简介。当然，对于球迷而言，还是不要预测准为好，如果每场比赛都被预测准确，那么比赛就会变得索然无味，预先知道自己要失利的一方将会行尸走肉一样地踢完整场比赛。更甚者，这很有可能导致整个足球运动走向消亡。所以，倘若我们真地身处一个可以测知的世界，那么对于绝大多数人或事而言，就像是上了一列自动行驶的火车，纵然行驶的方向是万丈深渊，我们也无力改变。因为，这残酷，早已“天”注定。

[1]. http://googleblog.blogspot.com/2014/07/google-cloud-platform-predicts-world.html, July 2014.

[2]. http://www.goldmansachs.com/our-thinking/outlook/world-cup-sections/world-cup-prediction-model-update-6-26-2014.html, June 2014.

图1. [2].

图2. http://www.usatoday.com/story/news/nation-now/2014/07/18/malaysian-airlines-mh17-crash/12825433/

分享