行 业 要 闻
Industry News
▲▲▲
01
复制粘贴UI之父Larry Tesler去世：享年74岁
据外媒报道，复制粘贴UI设计之父、计算机科学家拉里·特斯勒（Larry Tesler）于本月17日去世，享年74岁。拉里·特斯勒出生于1945年，并于斯坦福大学学习计算机科学，随后在1973年加入施乐的Palo Alto研究中心（PARC）。在为施乐Xerox电脑的文字处理软件Gypsy设计程序时，拉里·特斯勒大胆的加入了鼠标操作和GUI图形界面，并且更进一步结合鼠标和GUI界面，发明了复制、粘贴功能键。这些概念随后成为了文本编辑与计算机操作系统用户界面的基石之一。
0
2
首个中央银行数字货币或将出现
瑞典央行（Riksbank）周三表示，已开始测试电子克朗（e-krona），使该国更接近创建世界上首个中央银行数字货币（CBDC）。瑞典央行表示，如果该电子货币最终进入市场，将被用于模拟日常银行业务，例如通过数字钱包（如手机应用程序）进行的付款、存款和取款。
瑞典电子克朗，或成首个中央银行数字货币。
0
3
中国手机应用下载量因疫情影响而激增
根据数据分析提供商 AppAnnie 向英国《金融时报》提供的数据，从 2 月 2 日开始的一周内，中国地区在苹果商店的应用下载量超过了 2.22 亿次。今年 2 月前两周，平均每周的应用下载量较 2019 年全年的平均下载量增长了 40% ，与新冠疫情加速发展的时间相吻合。
0
4
Facebook与索尼因疫情退出游戏开发人员大会
2月20日Facebook与索尼两家公司宣布，由于对冠状病毒的担忧，他们将不会参加下月在旧金山举行的游戏开发人员大会。过往Facebook每年都会参加这个大会，并且在这个活动上宣传其Oculus虚拟现实部门的成果，以及其他与游戏相关的信息。
该公司发言人表示，Facebook将会继续向外界公布最新的成果，但是他们将以数字的方式进行这项工作。该公司还表示，他们计划2021年再继续参加游戏开发人员大会。PlayStation游戏机制造商索尼也在本周四发表了一份类似的声明，该公司表示他们将不会参加2020年的游戏开发人员大会。
0
5
微软宣布 2020 年将推出 Android 和 iOS 杀毒软件 Defender
微软近日宣布，今年晚些时候将为运行谷歌 Android 和苹果 iOS 移动操作系统的手机和其他设备推出 Defender 杀毒软件。
微软此举也是向使用其他公司移动产品的消费者销售产品的最新努力。近年来，微软将 Office 引入了 Android 和 iOS 平台，收购了广受欢迎的移动键盘应用 SwiftKey，并基于 2014 年收购的《我的世界》游戏推出了新的手机游戏。去年，微软还推出了自己的双屏 Android 手机。
0
6
登顶 GitHub 趋势榜：200行JS代码让画面人物瞬间消失！
近日，一个名为 Real-Time-Person-Removal（实时人物去除）项目在GitHub上火了，登上近日GitHub Trending第一，目前已经获得1.8k star。这个项目的神奇之处在于，只需要在网络浏览器中使用JavaScript，用200多行TensorFlow.js代码，就可以实时让视频画面中的人物对象从复杂的背景中凭空消失！
这虽然不能让你在现实生活中像哈利·波特一样隐身的梦想成真，但至少在视频、动画里可以体验一把隐身的快感！
???? 项目地址：
https://github.com/jasonmayes/Real-Time-Person-Removal
学 术 前 沿
Academic News
▲▲▲
0
7
人类首次完全利用AI发现「迄今最强抗生素」，登上《细胞》杂志封面
自青霉素出现以来，抗生素已经成为现代医学的基石。然而，随着时间的推移，细菌会逐渐产生对抗生素的耐药性，这就需要药物研发工作者不断开发新的抗生素。
但现实情况是，由于缺乏经济激励，私营药企在新抗生素的发现上收效甚微，使得抗生素的问题越发严重。曾有研究预测，如果不立即采取措施开发新的抗生素，到 2050 年，因耐药感染而死亡的人数将达到每年 1000 万人。
在过去的几十年里，研发人员使用多种传统方法挖掘新的抗生素，但很多时候，他们会一次又一次地发现相同的分子，因此新抗生素的发现步履维艰。在此背景下，生物医学界亟需新的方法来帮助发现新抗生素。
MIT 科学家用深度学习模型发现的「halicin」抗生素分子展示了前所未有的广谱抗菌能力，这是人类首次完全使用人工智能的方法发现新抗生素。研究人员表示，halicin 可以消灭一些世界上最危险的细菌。他们的这一研究登上了生命科学顶级期刊《Cell》。
???? 论文链接：https://www.cell.com/cell/fulltext/S0092-8674(20)30102
0
8
纯贝叶斯神经网络没有意义？OpenAI科学家何出此言？
Carles Gelada 和 Jacob Buckman 认为推文下面的大部分回复忽略了他们对 BNN 批评的重点，于是撰写博客，更加全面地阐述其观点。
以下是标题为《Bayesian Neural Networks Need Not Concentrate》的最新版博客内容（原版博客标题为《A Sober Look at Bayesian Neural Networks》）：
贝叶斯神经网络的支持者经常称，训练得到的 BNN 输出分布能够捕捉认知不确定性（epistemic uncertainty）。认知不确定性对大量应用具备宝贵价值，我们认同使用贝叶斯方法的做法。但是，我们认为 BNN 需要信息丰富的先验才能处理不确定性。我们证明，如果先验不能区分可泛化和不可泛化的函数，则贝叶斯推断无法提供有用的不确定性。这就对标准论点提出了质疑，标准论点即：当真实先验分布未知时，「信息不足的先验」是合适的。
???? 原文链接：https://jacobbuckman.com/2020-01-22-bayesian-neural-networks-need-not-concentrate/
*以上信息来源于网络，由“京东云开发者社区”公众号编辑整理，
不代表京东云立场*
125
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
