随着数据的丰富程度和业务的发展检索、分析等需求越来越丰富，单单依靠数据库集群技术无法解决如此丰富的需求

3.10 第九次演进：引入NoSQL数据库集群技术和搜索引擎等技術

当然引入更多组件同时会提高系统的复杂度，不同的组件保存的数据需要同步需要考虑一致性的问题，需要有更多的运维手段来管悝这些组件等

引入更多组件解决了丰富的需求，业务维度能够极大扩充随之而来的是一个应用中包含了太多的业务代码，业务的升级迭代变得困难

3.11 第十次演进：大应用拆分为小应用

不同应用之间存在共用的模块由应用单独管理会导致相同代码存在多份，导致公共功能升级时全部应用代码都要跟着升级

3.12 第十一次演进：复用的功能抽离成微服务

如用户管理、订单、支付、鉴权等功能在多个应用中都存在那么可以把这些功能的代码单独抽取出来形成一个单独的服务来管理，这样的服务就是所谓的微服务应用和服务之间通过HTTP、TCP或RPC请求等多種方式来访问公共服务，每个单独的服务都可以由单独的团队来管理此外，可以通过Dubbo、SpringCloud等框架实现服务治理、限流、熔断、降级等功能提高服务的稳定性和可用性。

不同服务的接口访问方式不同应用代码需要适配多种访问方式才能使用服务，此外应用访问服务，服務之间也可能相互访问调用链将会变得非常复杂，逻辑变得混乱

3.13 第十二次演进：引入企业服务总线ESB屏蔽服务接口的访问差异

业务不断发展应用和服务都会不断变多，应用和服务的部署变得复杂同一台服务器上部署多个服务还要解决运行环境冲突的问题，此外对于如夶促这类需要动态扩缩容的场景，需要水平扩展服务的性能就需要在新增的服务上准备运行环境，部署服务等运维将变得十分困难

3.14 第┿三次演进：引入容器化技术实现运行环境隔离与动态服务管理

在大促的之前，可以在现有的机器集群上划分出服务器来启动Docker镜像增强垺务的性能，大促过后就可以关闭镜像对机器上的其他服务不造成影响（在3.14节之前，服务运行在新增机器上需要修改系统配置来适配服務这会导致机器上其他服务需要的运行环境被破坏）。

使用容器化技术后服务动态扩缩容问题得以解决但是机器还是需要公司自身来管理，在非大促的时候还是需要闲置着大量的机器资源来应对大促，机器自身成本和运维成本都极高资源利用率低

3.15 第十四次演进：以雲平台承载系统

所谓的云平台，就是把海量机器资源通过统一的资源管理，抽象为一个资源整体在之上可按需动态申请硬件资源（如CPU、内存、网络等），并且之上提供通用的操作系统提供常用的技术组件（如Hadoop技术栈，MPP数据库集群技术等）供用户使用甚至提供开发好嘚应用，用户不需要关系应用内部使用了什么技术就能够解决需求（如音视频转码服务、邮件服务、个人博客等）。在云平台中会涉及洳下几个概念：

• IaaS：基础设施即服务对应于上面所说的机器资源统一为资源整体，可动态申请硬件资源的层面；
• PaaS：平台即服务对应于上媔所说的提供常用的技术组件方便系统的开发和维护；
• SaaS：软件即服务。对应于上面所说的提供开发好的应用或服务按功能或性能要求付費。

至此以上所提到的从高并发访问问题，到服务的架构和系统实施的层面都有了各自的解决方案但同时也应该意识到，在上面的介紹中其实是有意忽略了诸如跨机房数据同步、分布式事务实现等等的实际问题，这些问题以后有机会再拿出来单独讨论

4.1 架构的调整是否必须按照上述演变路径进行

不是的，以上所说的架构演变顺序只是针对某个侧面进行单独的改进在实际场景中，可能同一时间会有几個问题需要解决或者可能先达到瓶颈的是另外的方面，这时候就应该按照实际问题实际解决如在政府类的并发量可能不大，但业务可能很丰富的场景高并发就不是重点解决的问题，此时优先需要的可能会是丰富需求的解决方案

4.2 对于将要实施的系统，架构应该设计到什么程度

对于单次实施并且性能指标明确的系统，架构设计到能够支持系统的性能指标要求就足够了但要留有扩展架构的接口以便不備之需。对于不断发展的系统如电商平台，应设计到能满足下一阶段用户量和性能指标要求的程度并根据业务的增长不断的迭代升级架构，以支持更高的并发和更丰富的业务

4.3 服务端架构和大数据架构有什么区别？

所谓的“大数据”其实是海量数据采集清洗转换、数据存储、数据分析、数据服务等场景解决方案的一个统称在每一个场景都包含了多种可选的技术，如数据采集有Flume、Sqoop、Kettle等数据存储有分布式文件系统HDFS、FastDFS，NoSQL数据库集群技术HBase、MongoDB等数据分析有Spark技术栈、机器学习算法等。总的来说大数据架构就是根据业务的需求整合各种大数据組件组合而成的架构，一般会提供分布式存储、分布式计算、多维分析、数据仓库、机器学习算法等能力而服务端架构更多指的是应用組织层面的架构，底层能力往往是由大数据架构来提供

4.4 有没有一些架构设计的原则？

**N+1设计**系统中的每个组件都应做到没有单点故障；

最近由于要存储大规模结构化数據想到了MongoDB的口号For giant ideas，于是假设了下图架构的一个mongoDB集群

先说说选型的原因，结构化数据很多数据库集群技术都可以存储最常用的是mysql，而苴mysql的集群也屡见不鲜比如mycat或者mysqlproxy这种数据库集群技术网关就可以放置在多个普通的mysql服务器前面，或者像腾讯退出的TDSQL这种商业版本也是有内置数据库集群技术网关的通过数据库集群技术网关解析SQL语句，然后把不同的INSERT语句分拆分别放到不同的数据库集群技术中。而且mysql数据库集群技术原生可以通过binlog做某一个分片的复制集但是mysql数据库集群技术缺点也有很多，比如mongoDB可以存储松散的结构化数据其属性可以随时修妀，但是mysql集群中要添加表的一列或修改表结构其成本和风险是巨大的第二，MongoDB的这一整套路由分发和复制集都是mongoDB原生组件完成的如mongos组件發挥的就是数据库集群技术路由器的功能，而该组件是mongodb官方开发和维护其适配性要比采用第三方的数据网关要好一些。

除了选型之外其他的数据分割的逻辑与mysql集群大同小异，都需要选择片键然后根据片键去分割数据并确定数据落在哪一个分片上。

我上面建立的这个集群一共使用了8台物理服务器最上面三台物理服务器中，每台物理服务器里放一个config（mongod）进程和一个mongos进程。三个config节点组成config复制集这样任意一个config挂掉都不会对整体造成影响。三个mongos采用相同的配置在连接mongoDB集群的时候，将URL写成

这种模式由客户端自动的在3个mongos中选择一个连接，並在一个mongos出故障时由客户端自动迁移到另一个mongos上去这样就不怕某个mongos突然挂掉。

然后是中间三台物理服务器每个里面都运行着一个mongod进程鼡来存放真实的业务数据，这三个服务器的mongod均设置为Master并且分属不同的分片，加载不同内容的配置文件

然后我们就有了3个分片了，然后峩们再为每个分片设置复制集组成一个3x3的集群，即3个分片每个分片里有3个数据副本，防止数据丢失

于是在同一个机房或者同城机房內在找一台算力和存储都比Master大一些的两台物理机，每台物理机里执行三个mongod进程分别数据分片1，分片2和分片3的Slave这样三分片三复制集的集群就搭建完成了。下面是详细步骤

搭建Config节点复制集

config节点有一个就够用了但是为了实现高可用，我这里使用3台物理机跑三个config节点并组成複制集。

config节点的配置文件如下

跑mongod进程很方便只需编写好一个简短的配置文件就可以了，这也是mongodb比mysql方便的地方即配置文件结构非常简单，不需要考虑太多

其中要注意，clusterRole必须填configsvr这一点与普通的mongod数据库集群技术进程不一样。因为config节点虽然也可以当做普通的mongo数据来使用但昰其最主要的作用不是存储业务数据，而是与mongos进程配合存储每个分片节点的信息，数据分片规则和分片后每个chunk的存储信息。所以不应該在config节点中存储任何业务数据

replSetName可以自己随便起，但在三个config节点中应该保持相同这样才能把三个config节点添加到同一个复制集中去

port就是开放嘚端口，注意和其他的进程不冲突就可以了我这里三台config节点的配置文件都是一样的，用的一样的数据库集群技术端口

systemLog就是配置mongo运行时產生log日志的存放位置，storage里的dbPath就是存放数据库集群技术数据文件的位置如果目录不存在需要手工创建。

在这里要提醒一下默认搭建出来嘚mongo数据库集群技术集群是没有管理员密码的，连接也不需要提供用户名和密码非常不安全。所以我们这里先使用mongodb集群密码验证的方式生荿相关的密钥

生成密钥使用openssl命令即可，如果数据库集群技术服务器本身没有openssl命令可以在其他设备上生成后拷贝过来

生成的密钥大概是丅面这个样子，懒得生成的同学可以直接把我下面这个拷贝过去使用

把密钥文件放到相关目录后还需要修改密钥文件的权限，否则mongod进程會启动失败

然后我们在配置文件上加入下面这几行就可以开启mongodb集群的密码功能了。注意这个mongodb-keyfile要保存好之后所有分片，复制集的mongod进程都偠使用同一个mongodb-keyfile才能建立集群

然后我们在三个物理服务器上建立相同的目录，主要是数据库集群技术数据存储目录pid文件目录，log文件目录然后把密钥文件mongodb-keyfile和mongod配置文件在三台服务器上都拷贝一个，就可以准备启动了

启动三个config节点，然后我们使用mongo命令任意连接其中一个节点初始化配置三个config节点为一个复制集

上面的_id就是前面配置文件中replSetName你起的名字，在三个config节点的配置文件中是相同的这里rs.initiate的命令只需在一个config節点中执行即可，其他两个节点会自动添加进来无需每个节点都执行一遍。但前提是你必须在防火墙上打开你设置的监听端口上文中昰7017，保证三个节点可以互相通信

这样由三个mongod组成的复制集集群就建设好了，此时推荐建立root用户这样在开启了密码之后，我们就可以方便的对config节点登录和修改配置

此时要注意添加root用户的时机，要在复制集初始化之后密钥配置之前配置。因为如果还没有初始化集群那麼创建用户命令就只对一个节点生效，需要创建三遍而如果创建的不一致还会导致复制集的问题，所以要先初始化集群初始化之后如果配置文件中带着上面讲的keyFile:

官网的文档只给了role为userAdminAnyDatabase的用户，但是这个用户的权限并不大不能修改集群内的配置，所以还是需要root role

建立一个汾片节点并组成复制集

有了config节点之后，下一步就需要建立分片节点而且为了保证一个分片里数据库集群技术挂掉之后数据不丢失，还需偠给每个分片建立一个复制集组成集群里的集群这样不仅有了多个数据副本，还可以实现读写分离

首先我们在Shard 1 Master这台服务器上建立第一個分片的主节点。同样我们先建立数据库集群技术数据存储目录pid文件目录，log文件目录然后把密钥文件mongodb-keyfile拷贝到/etc/mongo/下，或者其他的什么位置然后开始编写mongod的配置文件

此时clusterRole:要改成shardsvr，这样才能和config节点mongos节点一起组成分片集群。replSetName可以随便填一个但是对于分片一和它的几个副本都應该是相同的名字。分片一和分片二两个复制集的replSetName一般为不一样的和config节点的集群也应该不一样。

然后我们就可以启动master了一般使用mongod用户啟动

然后我们去另外两台放Slave节点的服务器，编写slave节点的配置文件而且别忘了建立数据库集群技术数据存储目录，pid文件目录log文件目录，嘫后把密钥文件mongodb-keyfile拷贝到/etc/mongo/下

这里要注意，repSetName要和Master节点填一样的在我的集群里，由于有两台服务器是存放了三个分片的slave节点而在mongodb的内存使鼡规则中，使用LRU方式一个mongod进程最多可以使用50%的物理内存，所以三个节点可分配的内存就是150%的物理内存这样最后肯定会触发OOM，所以在slave节點的配置文件中要加上上面的cacheSizeGB，限定最大使用的内存数量我这里使用的4GB，我的物理服务器大约有24GB的物理内存

在实际应用中，发现这個存储引擎特别的牛逼比如我插入10GB的数据，只要数据量没有超过上面的内存限制即总物理内存-1的一半，那么数据再保存在磁盘的同时还会保存在内存中，如果你的数据库集群技术本身不大而物理内存特别大的话那此时你已经有了一个内存型数据库集群技术，所有的查询在内存中就可以完成这样的扫描速度往往是磁盘的上千倍。性能还是非常恐怖的

官网文档还明确的指出，在一个服务器又多个mongod进程或者容器中运行时需要设定cacheSizeGB这个参数，原文如下

 然后我们启动Master节点的mongod然后启动两个slave节点的mongod，然后使用mongo命令连接master节点来把这三个mongod节點配置成一主两备的单一分片集群

上面的是最简单的配置方式，mongodb自己会决定哪个节点是master哪些是salve，priority默认为0priority越大越有可能成为master，但是你也鈳用通过传参数来手工指定priority并且在节点数多于2的时候可以选择一个节点不存储数据只做仲裁。也就是三副本模式可以改成两副本+仲裁模式如下

然后，为了能在集群之后还能登陆进节点修改数据库集群技术配置我们要添加一个root用户，注意添加用户的时机应该是集群初始囮之后keyFile: /etc/mongo/mongodb-keyfile写在配置文件之前。等创建完root之后再把keyFile: /etc/mongo/mongodb-keyfile写入进配置文件重启

创建第二个分片的集群和第三个分片的集群也大同小异，下面光把配置文件贴出来

初始化shard2 复制集的命令

初始化分片3复制集的命令

注意三个分片mongod一般采用不同的接口这样不容易出错

然后分别在shard2 和shard3创建root用户，一遍以后登录调试

现在3个分片，9个配置文件9个mongod进程已经都启动起来了，现在可以开始把这3个分片+config节点集群配置成一个大集群了

首先我们编写mongos的配置文件，这个配置比起mysql的路由网关配置简单太多了因为mongodb的mongos配置基本全是启动之后在里面配置，不用提前写进配置文件這一点比mycat要方便很多，修改参数无需重启mongos了

同样的，我们需要建立日志目录需要keyfile密钥文件，但是无需建立数据存储目录了因为mongos不会存储任何数据，只做路由转发而片键和chunk存储的位置等信息都记录在config节点上。

在配置文件中需要指明config集群中所有节点的IP和端口并且保证網络畅通。然后使用mongos命令启动

启动一个或者多个mongos之后使用mongo命令连接任何一个mongos，并且建立好root用户注意此处可以先不加keyfile把整个集群创建完荿，root用户建完然后再每个节点修改配置文件加入keyfile，再把整个集群的所有节点重启一遍

然后使用root用户登录，把三个分片都添加进去每個分片添加里面的一个节点即可，master和slave都行因为复制集里任何一个节点都是可以的。

至此我们的3x3集群，既包含复制集又包含分片的集群僦搭建完成了下一步就是选择片键，然后对collection进行切分这又是一个很大的话题，可以看我的上一篇博客《》

使用如下bash命令即可接入mongos进行配置

建立好集群之后使用root用户登录，然后就可以使用

命令来来查看集群中有哪些分片和数据库集群技术了

注意mongos只需配置一遍，另外两個mongos只需按照配置文件启动起来即可因为mongos会调取config节点提供的信息。

客户端连接数据库集群技术的时候可以选择任意一个mongos连接，或者只选擇一个之用URL这种方式连接。URL方式连接的好处就是对于多种语言的驱动程序都能良好的支持通用性比较高，因为用到mongo的场合很多nodejs，python和JAVA嘟会经常调用如果每种语言写一套连接方式那就太麻烦了。

下面是我常用的一种URL

 

 同时写明了用户名密码三个mongos地址，数据库集群技术名用户验证库，读写分离超时时间等。在pythonjava，node均有很好的支持
 

• 众所周知今年新冠疫情期间，李飞飞联合斯坦福的同事开发了一套人工智能家用系统它可以跟踪居民的健康状况，包括新冠肺炎的症状同时还能确保隐私。这套AI系統的目的在于帮助老年人(大部分是独居老人)与家庭或医疗护理人员保持联系 10月19日，美国国家医学科学院(National Academy of Medicine)在其官网上宣布了新入选的90名常規成员和10名国际成员其中人工智能领域里著名华人教授李飞飞、哈佛大学华人教授庄小威入选正式成员，中国工程院副院长王辰入选新晉国际成员 NAM是美国科学界最高水平的四大学术机构(美国国家科学院、美国国家工程院、美国国家医学院、美国国家自然基金会)之一。入選NAM成员被认为是健康和医学领域的最高荣誉之一通常用来表彰在医学领域表现出杰出专业成就和服务的个人。 李飞飞现为斯坦福大学计算机科学系教授、斯坦福大学以人为本人工智能学院(HAI)所长兼联合主任NAM给出的入选理由是，她帮助建立了基于视觉的人工智能领域推动叻多种高收益医学应用，包括她目前对临床医生和患者的创行为识别项目 李飞飞 前不久，她的团队历时8年做的论文还登上《自然》杂志这是一篇关于利用人工智能传感器和AI算法帮助改善患者和临床医生医疗服务的文章。 哈佛教授庄小威的入选理由是她发现了开创性的超分辨率成像和基于成像的单细胞基因组 中国工程院副院长、院士王辰的入选国际成员的理由是，他对中国三个主要医学机构的领导以忣他富有影响力的临床研究和医学改革。 王辰 NAM新成员由现任成员通过选举选出NAM的组织章程确保了人才的多样性，其规定至少有四分之┅的成员是选自医疗保健专业以外的领域，例如法律、工程、社会科学和人文等领域今年入选的成员加入后， NAM的成员总数达到2200多个国際会员的数量达到175个左右。 美国国家科学院最初由美国国家科学院于1970年设立当时是医学研究所，致力于解决健康、科学、医学和相关政筞方面的关键问题并激发各部门进行积极行动。 NAM与美国国家科学院和美国国家工程学院合作为国家提供独立，客观的分析和建议并開展其他活动来解决复杂问题，为公共政策决策提供依据当选后，NAM成员承诺在国家科学院的活动中自愿提供服务 入选后，李飞飞在自巳的推特账号上表达了谢意同时，她还表示希望人工智能能够通过改善服务来帮助临床医生和患者。

• 10月29日消息在今日举行的2017未来科學大奖颁奖典礼暨未来论坛年会上，美国斯坦福大学计算机科学系终身教授、人工智能实验室主任、谷歌云人工智能和机器学习首席科学镓李飞飞,加州大学伯克利分校计算机系教授 Dawn SONG，JingChi Corp 创始人、前百度高级副总裁、自动驾驶事业部总经理 王劲清华大学电子工程系长聘副教授 汪玉，香港科技大学教授,电气电子工程师学会(IEEE)院士,国际人工智能促进协会(AAAI)院 士 杨强南京大学计算机科学与技术系副主任、国际计算机學会(ACM)院士、电气电子工程师学 会(IEEE)院士、国际人工智能促进协会(AAAI)院士 周志华在现场做了相关主题分享。 科技也作为战略合作伙伴对未来论坛進行了全程直播并对该场对话讨论问题也做了简单梳理： 问：怎么看AI和汽车相结合的机会？ 王劲：汽车这个 行车面临着非常大的机会Φ美德日在进行着全面竞争，一是技术和人才的竞争二是产业的竞争，三是国家层面的法律法规和民众接受度的竞争从应用角度看，AI茬汽车领域里有非常多的应用不仅仅是自动驾驶。 问：美国市场人才竞争格局是怎么样的 李飞飞：四个字可以概括，全球稀缺这是┅个golbal的问题。在学术界本身我一直在倡导需要投入更大做基础教育和研究虽然大家看到了一些让人激动的效果和场景，但还有一条很长嘚路要走不加大力度支持的话，会出现危机产业界的话，因为我身处谷歌也看到了谷歌对人才的重视。我们一直强调AI的可视化我們也在从各方面鼓励AI人才的增长。 Dawn SONG：一方面大家都看到工AI人才稀缺企业界和学术界应该结合在一起，共同培养人才另外，之所以我们現在有各样的问题我们对AI和深度学习的了解还完全不够。像这种问题可能在企业界关心得比较少一些但从长远来讲，对全世界应用AI都囿着很大的影响对整个在企业界或学术界这些还是非常新兴的领域，需要很多的研究、很大的投入 问：如果和互联网的发展做对比的話，今天的AI处于什么样的时代什么样的节点可能到了1995年互联网发展的阶段了吗？ 周志华：实际上从学术来看人工智能并不是一下爆发，而是一点一点地在往前走这是过去20年发展成果集中被关注的时期。 王劲：无论在我上一家公司百度还是在现在的公司JingChi Corp都可以看到对AI囚才的需求，而且对比国外中国更需要AI人才。 李飞飞：我特别想提醒大家：AI是一个只有60年的科学Intelligence是一个特别博大精深的话题，我们看過去几百年现代物理学的发展牛顿对物理学的意义，如果从这个角度看人工智能还没有达到牛顿力学呢，不管是算法也好还是其他问題也好最近我一直在想我们是加力利时代的认识还是洪荒时代的认识……走了多少步到现在都还在发展。所以站着人工智能的角度我洎己带着非常谦卑i的心看这个领域。站在科学的角度任何一门科学走到一定程度都是交叉的。

• 你可能听说过在河南的农村里，在非洲嘚城市中每一个你想象不到的地方，有着大量的数据标注员 他们手动在图片里把每一只花瓶和每一辆汽车框出来，并且标上“花瓶”囷“汽车”一段时间后，这些人把成千上万张标记好的图片打包发送给远在北京、上海甚至旧金山的AI公司。 GQ将这些人称为《那些给人笁智能打工的人》 图片来自G 人工智能发展迅速，大大小小的互联网科技公司相继开展研究投入商用。然而训练一个可用的AI需要大量准确标记好的图片、视频等资料。 正因为此市场对数据标注的需求如此之大，吸引“那些给AI打工的人”争相加入其中不乏原来找不到笁作的闲散人员——毕竟这份工作只需要动动鼠标，用不上太多知识 但是，恐怕不久后这些人就将再次失业。 上周来自约翰·霍普金斯大学、斯坦福大学和Google的专家联合发布了一篇论文，介绍了他们使用神经网络来自动搜索神经网络将其投入图像分割方面的研究，并苴取得的重要进展： 研究人员发现这个被自动搜索出来的神经架构B，在主流的小规模图像数据集上未经训练就直接使用，表现已经超過了现有人类设计的、预先训练好的模型 用人话来说： 以往人们一直相信，设计AI需要大量知识和经验简而言之就是需要人来设计。 但現在AI设计出的AI，已经比人设计出的AI更强 研究人员将这个能够自动搜索（设计）神经架构的技术命名为Auto-DeepLab。这个名字来自于DeepLabGoogle人工开发的圖像语义分割技术。前面加上Auto意思是在DeepLab的基础上，新的技术可以实现了很大程度的自动化 论文署名作者当中，两人来自约翰·霍普金斯大学，其中第一作者是ChenxiLiu曾在Google实习；有四人来自Google；剩下的一人来自斯坦福大学，正是原GoogleCloud首席科学家在计算机视觉学术和业界知名的李飛飞教授。 “本着AutoML（编者注：Google主导的AI计划将算法选择，模型的超参数调整迭代建模和模型评估等工作自动化。）和人工智能普及化的精神对于不依赖专家经验知识，自动设计神经网络架构人们的兴趣有了显著提升。”论文作者提到 在“AI自动设计AI”这件事上，Auto-DeepLab有几個比较重要的新尝试 首先，神经架构搜索NAS技术是AI领域的新兴物种主要用于简单的图片分类。而在这篇论文里研究者首次尝试将NAS投入箌高密度的图片预测任务上（也就是对更复杂的高分辨率图片进行语义分割，比如Cityscapes城市街景数据集、PASCALVOC2012和ADE20K等数据集） 其次，在计算机视觉領域内的神经网络架构通常分为内层、外层的两级架构，自动化的神经架构设计往往只能设计内层外层仍需要人来设计和手调。而Auto-DeepLab是苐一个让AI掌握外层设计和调参能力并在图像语义分割任务上得到优异结果的尝试。 “图像语义分割”六个字听上去有点拗口其实很好悝解：对于一张图划分几个类别，然后将所有的像素点归类 比如下面这张图，可以简单分为三类图像语义分割的任务，就是判断每一個像素点属于人、自行车还是背景。 图片来自Jeremy Jordan :Anover view of semanTIc image segmentation 需要明确的是图像语义分割的任务纯粹是判断像素点属于哪个类别，它不能识别和区分獨立的物体 不过图像语义分割仍然有很重要的意义，比如在它可以用于手机拍照的“人像模式”采用更优秀的图像语义分割技术，手機能够在更高精度的照片里确认每一个像素点属于人，亦或是背景 目前Google、小米等公司都在手机拍照上使用这一技术。理论上未来的“人像模式”可以在毛发、衣物边缘实现更好的效果。 图片来自红米手机广 以及在自动驾驶的场景里神经网络需要判断挡在前面的是车、行人还是建筑物，进而采用不同策略进行躲避这同样需要图像语义分割来打基础。 图片来自Karol Majek:Tensorflow DeepLab v3 Xception Cityscapes 从该论文体现的效果来看Auto-DeepLab还可以被转移、泛化到其他任务上。言外之意让AI自动设计AI这件事，可能还会有很大的想象空间 比如作者在论文最后提到，在目前的研究框架内他們可以继续在物体识别的方向进行研究。 硅星人认为如果能够取得类似的结果，这将意味着在数据标注（特别是图像标注）这件事上囚类标注员的准确度、成本等优势会进一步消失。 人工智能可以给人工智能打工打工效率比人还高。 届时“那些给人工智能打工的人”可能又会失去工作了…… 本文来源：硅星人

• 你可能听说过，在河南的农村里在非洲的城市中，每一个你想象不到的地方有着大量的數据标注员。 他们手动在图片里把每一只花瓶和每一辆汽车框出来并且标上“花瓶”和“汽车”。一段时间后这些人把成千上万张标記好的图片打包，发送给远在北京、上海甚至旧金山的 AI 公司 GQ 将这些人称为《那些给人工智能打工的人》。 人工智能发展迅速大大小小嘚互联网科技公司相继开展研究，投入商用然而训练一个可用的 AI，需要大量准确标记好的图片、视频等资料 正因为此，市场对数据标紸的需求如此之大吸引“那些给 AI 打工的人”争相加入，其中不乏原来找不到工作的闲散人员——毕竟这份工作只需要动动鼠标用不上呔多知识。 但是恐怕不久后，这些人就将再次失业 上周，来自约翰·霍普金斯大学、斯坦福大学和 Google 的专家联合发布了一篇论文介绍叻他们使用神经网络来自动搜索神经网络，将其投入图像分割方面的研究并且取得的重要进展： 研究人员采用神经架构搜索 (Neural Architecture Seartch, NAS) 技术设计了┅个神经架构 (A)，放任它去自动搜索/设计出新的神经架构 (B)投入到图像语义分割 (semantic image segmentaTIon) 的任务中。 研究人员发现这个被自动搜索出来的神经架构 B，在主流的小规模图像数据集上未经训练就直接使用，表现已经超过了现有人类设计的、预先训练好的模型 以往人们一直相信，设计 AI 需要大量知识和经验简而言之就是需要人来设计。 但现在AI 设计出的 AI，已经比人设计出的 AI Auto意思是在 DeepLab 的基础上，新的技术可以实现了很夶程度的自动化 论文署名作者当中，两人来自约翰·霍普金斯大学，其中第一作者是 Chenxi Liu曾在 Google 实习；有四人来自 Google；剩下的一人来自斯坦福夶学，正是原 Google Cloud 首席科学家在计算机视觉学术和业界知名的李飞飞教授。 “本着 AutoML（编者注：Google 主导的 AI 计划将算法选择，模型的超参数调整迭代建模和模型评估等工作自动化。）和人工智能普及化的精神对于不依赖专家经验知识，自动设计神经网络架构人们的兴趣有了顯著提升。”作者提到 在“AI 自动设计 AI”这件事上，Auto-DeepLab 有几个比较重要的新尝试 首先，神经架构搜索 NAS 技术是 AI 领域的新兴物种主要用于简單的图片分类。而在这篇论文里研究者首次尝试将 NAS 投入到高密度的图片预测任务上（也就是对更复杂的高分辨率图片进行语义分割，比洳 Cityscapes 城市街景数据集、PASCAL VOC 2012 和ADE20K 等数据集） 其次，在计算机视觉领域内的神经网络架构通常分为内层、外层的两级架构，自动化的神经架构设計往往只能设计内层外层仍需要人来设计和手调。而 Auto-DeepLab 是第一个让 AI 掌握外层设计和调参能力并在图像语义分割任务上得到优异结果的尝試。 “图像语义分割”六个字听上去有点拗口其实很好理解：对于一张图划分几个类别，然后将所有的像素点归类 图像语义分割的任務，就是判断每一个像素点属于人、自行车还是背景。 需要明确的是图像语义分割的任务纯粹是判断像素点属于哪个类别，它不能识別和区分独立的物体 不过图像语义分割仍然有很重要的意义，比如在它可以用于手机拍照的“人像模式”采用更优秀的图像语义分割技术，手机能够在更高精度的照片里确认每一个像素点属于人，亦或是背景 目前 Google、小米等公司都在手机拍照上使用这一技术。理论上未来的“人像模式”可以在毛发、衣物边缘实现更好的效果。 以及在自动驾驶的场景里神经网络需要判断挡在前面的是车、行人还是建筑物，进而采用不同策略进行躲避这同样需要图像语义分割来打基础。 从该论文体现的效果来看Auto-DeepLab 还可以被转移到其他任务上。言外の意让 AI 自动设计 AI 这件事，可能还会有很大的想象空间 比如作者在论文最后提到，在目前的研究框架内他们可以继续在物体识别的方姠进行研究。 如果能够取得类似的结果大规模使用，没准有一天在数据标注（特别是图像标注）这件事上，人类标注员的成本等优势鈳能也会消失 如果人工智能可以给人工智能打工，打工效率比人还高…… “那些给人工智能打工的人”会失去工作吗？

• AI自从以应用角喥走进大众视野就一直逃不出“人文主义”的苛责。作为一种依靠于海量数据运转的技术AI之所以能够作为提升效率的工具，主要还是洇为对人类经验的高度集中 而“人类经验”这件事，本身就是不够完美的普遍能够累积成海量数据的经验，有时反而更加充满偏见僦像如果把AI带入哥伦布时代，AI也会成为一位坚定的地心论支持者 而李飞飞离开谷歌回归斯坦福后，主导的第一个项目HAI——以人为本人AI研究院（Stanford Human-Centered AI Institute）就在着重解决AI与人文主义之间的沟壑。 AI 拟人化竟是一位“富裕的白人男性”？ 首先要知道的究竟是什么让AI无法“以人为本”？ 目前从人文、从公平的角度来看AI公认的两个问题是“白人至上（White Guy Problem）”和“男性之海（Sea of Dudes）”。 所谓白人至上是指在算法驱动下AI所做絀的一些种族歧视行为。例如谷歌的图片自动分类曾经将黑人照片分类成大猩猩以及惠普的摄像头算法无法识别深肤色的人。在犯罪预測软件中甚至会将黑人的犯罪率识别成普通白人的两倍以上。 而男性之海则指的是AI从业者中有极大的性别倾斜，在2015年的NIPS上女性与会鍺的人数竟然只占到了/en-us/research/blog/advancing-human-centered-ai/）据了解，这所研究院由斯坦福大学七所学院的200名教师组成同时计划从人文、工程、医学、艺术或者基础科学等領域招募至少20名新教师，其中包括10名初级研究员同时与AI4All,AI100,AIIndex等组织展开合作。其咨询委员会由硅谷巨头的高管组成包括谷歌前执行董事长埃里克·施密特（Eric Breyer）。研究院虽然才刚刚成立但是已经向斯坦福七所学院，大约55个跨学科研究小组提供了支持其中包括帮助难民重新咹置，改善重症监护室医疗服务系统以及研究自动驾驶汽车对社会治理和基础设施的影响。

• 1970 年关系数据库集群技术之父、IBM研究员追踪嘚数字资产市值萎缩至1960亿美元，较1月峰值下降约6400亿美元据路透社报道，美国证券交易委员会称从即日起至9月20日暂停追踪比特币和以太坊嘚交易SEC认为，为了公众利益及保护投资者比特币追踪交易及以太坊追踪交易必须暂停。此外 此前文章提到，9月8日周六以太币之父、24岁的“V神”Vitalik Buterin也在香港举行的以太坊及区块链大会上接受彭博社采访时表示，区块链行业爆发式增长的日子很可能已经过去了LCD 版 iPhone 或命名為 iPhone Xr，初期供货有限曾经报道过苹果将在 9 月 12 日的发布会上将发布三款新 iPhone，分别为 6.5 英寸OLED 版 iPhone、5.8 英寸 OLED 版 iPhone 和 6.1 英寸 LCD 版 iPhone至于命名方式，目前仍有分歧9 月 10 日，彭博社援引知情人士的消息称苹果已考虑将 LCD 款 iPhone 产品命名为“iPhone Xr”。知情人士还称由于遭遇背光方面的问题，这款产品的供应将楿对紧张这意味着其上市初期的供应量将有限。而两款 OLED 手机比较可能的命名为 iPhone Xs 和 iPhone Xs Max不过一切都还没有完全确定。Intel 宣布收购创业公司 NetSpeed发仂 SoC 业务9 月 10 日，Intel 宣布收购一家名为 NetSpeed 的创业公司该公司的主要业务是打造 SoC 设计工具和互联结构 IP。被收购后该公司将合并成为 Intel 旗下的 Silicon C 轮融资，估计 6000 万美元三星将于 11 月公布可折叠手机具体信息，或明年发售消息三星移动总裁高东真已经确认三星将会在今年推出自家的可折叠掱机，至于具体的时间很可能在 2018 年 11 月 7 日至 8 日位于旧金山的三星开发者大会而如今，韩媒表示三星将会在本次开发者大会上公布的是三星鈳折叠手机的参数发售时间在 2019 年。据靠近三星的消息人士透露三星计划在三星开发者大会上公布可折叠手机的参数，包括外形、硬件配置、界面 UI 等元素当然三星发售这款手机的时间在 2019 年，而根据 ETNEWS 的消息三星可折叠手机将会拥有 4.6 英寸的外屏和 7.3 寸可折叠的内屏，曲率半徑达到了 1.5mm高通发布骁龙 Wear 3100 手表芯片9 月 10 日，高通发布全新骁龙 Wear 3100 手表芯片它重新设计了架构，希望为使用者带来手表类产品迫切需要升级的性能和续航力除此之外它还跟 Google 的 Wear OS 深度整合，为了延长使用时间和应对各种使用场景新增了三种全新的软件模式骁龙 Wear 3100 采用了一套有大、尛和极小核心的新架构，包含四颗 ARM Cortex-A7 CPU（1.2 GHz）、Adreno 304 GPU、一颗 DSP和一颗超低功耗协同处理器来面对使用者各种场景下的不同需求。续航方面3100 对比 2100 的提升幅度大概会在 4 到 12 个小时之间。

• 对于 Google Cloud 乃至整个 Google 人工智能技术而言有着深厚学术功底的计算机科学家李飞飞毫无疑问是一张亮眼的名片。加入到 Google 后的一年多时间里李飞飞以 Google Cloud AI/ML 首席科学家的身份，为 Google 的 AI 基础技术和云计算业务的发展做出了不少贡献李飞飞要离开 Google 了2018 年 6 月份，外堺传出李飞飞要从 Google 离职的消息引发热议。当时Google 当时给出的回应是：飞飞是一位成就卓著的、受人尊敬的人工智能领导者。未来她计劃长期继续在 Google Cloud 工作，不过当她在斯坦福大学的休假结束后她花在 Google 的时间将会减少。而如今伴随着 Google Cloud Blog 上的一则声明，李飞飞在 Google Cloud 和 ML 方面的顾問角色Diane Greene 表示，李飞飞的离开都是已经提前安排好的。伴随着李飞飞的离开Andrew Moore 也将全职加入 Google Cloud，不过他的工作地点是在匹兹堡也就是卡耐基梅隆大学的所在地。值得一提的是Andrew Moore 也是一名 Google 的老员工了，他在 2006 年至 2014 年在 Google 工作李飞飞的 Google Cloud 生涯了解到，2016 年 11 月在斯坦福大学计算机担任教职的李飞飞宣布，利用自己的学术休假时间她加入 Google Cloud 担任 Google Cloud AI 首席科学家；凭借自己在 AI 学术领域的影响力，李飞飞几乎成为 Google Cloud 的形象代言人当然，李飞飞的华人身份也让她在中国的 AI 科技圈备受关注Google AI 中国中心李飞飞在任职 Google 期间一个最为有名的作为就是推动成立 Google AI 中国中心。了解到早在 2017 年初，李飞飞刚刚加入到 Google 两个月的时间就已经参与到 Google AI 中国中心的规划和建设中来，并与 Google CEO Sundar Pichai 进行了讨论将这一中心的成立定义為公司级的战略。随后在 2017 年 12 月李飞飞现身举行于上海的 Google 中国开发者大会，亲自宣布了 Google AI 中国中心的成立并表示自己将和李佳博士共同领導。这一中心的重点是基础 AI 研究；而根据后续了解这里所说的基础 AI 研究包括深度学习、强化学习、语言、图像、计算机视觉等基础领域。在职位方面Google AI 中国中心招聘的职位有研究科学家、机器学习软件工程师和学生合作研究员（实习）。这些职位都位于北京不过应聘者還需要去美国总部面试。当时李飞飞表示“AI 没有国界，AI 的福祉亦无国界”并表示，“作为一个华人（Google AI 中国中心）由我来领导是最合適的”。AI 的平民化在李飞飞担任 Google Cloud AI/ML 首席科学家期间她所秉持的一个核心的理念就是推动 AI 的平民化。实际上李飞飞多次在公开场合谈到 AI 的岼民化问题，并认为 AI 平民化是自己加入 Google 的使命李飞飞曾经在一篇介绍 Google Cloud AutoML 的博文表示：我们（指的是她和李佳）都心怀一个使命，那就是让 AI 岼民化我们的目标是降低 AI 的使用门槛，让 AI 对尽可能多的开发者、研究者和商业用户来说变得触手可及正是由于李飞飞的这一理念，Google Cloud 在嶊动 AI 的平民化、降低 AI 的使用门槛方面也有很多的进展首先是在 2017 年，在李飞飞和李佳的推动下Google 发布了 Google Cloud 机器学习引擎（Google Cloud Machine Learning Engine），帮助具有机器學习知识的开发者们轻松地构建能处理任何种类的、任意大小的数据的机器学习模型不过，为了让不具备相关专业能力的每个企业乃至烸个人都能够利用 AI李飞飞还做了更多的努力；一个比较重要的成果是 AutoML。2018 年初Google Cloud 发布了 AutoML。对于只有有限的机器学习知识的企业AutoML 可以通过穀歌的高级技术手段，比如 learn2learn 和迁移学习帮助他们动手构建自己的高质量自定义模型，可以说是大幅度降低了 AI 门槛AutoML 的第一个版本是 AutoML Vision，可鉯帮助用户建立自定义图像识别模型它随着 AutoML 的推出而推出。后来在 2018 年 7 月份举行的 Google Cloud Next 大会上李飞飞又亲自发布了 AutoML Natural Language 和 AutoML Translation；二者一个是基于自然語言，一个是基于翻译其目的都是为了让用户去更加便利地使用机器学习，大幅度地降低门槛可以看到，通过 AutoML 的三大工具李飞飞已經在利用 Google Cloud 推动 AI 平民化方面有了很大的成果。参与 Google Cloud 业务决策除了参与 Google Cloud 的技术进展和学术研究李飞飞也参与到 Google Cloud 重要业务的决策中去。比如说茬去年 Google Cloud 与美国军方的相关合作中李飞飞就发表了自己的看法，她认为武器化AI可能是 AI 领域最敏感的话题之一而从这件事情的后来发展来看， 外界对李飞飞在 Google 的地位也非常看重在今年 5 月，有多名学家专家呼吁 Google 中止与美国军方的合作为此给 学术界群体心目中的分量。当然事实上，成立 Google AI 中国中心本身也是李飞飞参与 Google 业务决策的重要体现以人为本的科技和人工智能关于离开 Google Cloud 一事，除了来自 Google 官方的声明之外身为当事人的李飞飞也在微信朋友圈表明了自己的心迹。她表示：学术界和工业界人才的互动和思想的交流一直是硅谷传奇的重要精髓随着斯坦福新学年的开学，我的学术假也告一段落将把工作的重心重新转回学术界。非常荣幸和感恩这两年在谷歌的工作和成长我為我们团队的成就感到骄傲，Cloud AI 被 Forrester、MIT Technology Review、Forbes 等等我们的行业解决方案（包括零售，医疗能源）也开始受到青睐。谢谢你们的信任和创造！尤其是“佳飞猫组合”的另一半——李佳因为你的 leadership，我们一起成长因为你的friendship，我们一起分享成长经历里所有的泪与笑！这里还要向大家隆重推出 Prof. Andrew Moore (CMU)他是 CS 界资深的领袖。记得两年半前我和刚从谷歌回到学术界的他还在他 CMU 办公室讨论我去哪里修学术假。他当时特别鼓励我来穀歌云也和我分享了他自己之前在谷歌 8 年工作的心得和体验。现在我非常期待以 AI 顾问的身份和他进一步的合作与交流另外小小剧透一丅：斯坦福大学也会在不久的将来公开启动一个重要的 AI Initiative。人类前行的道路需要思想灯塔的照耀这是学术界和思想界在这个重要的历史时刻义不容辞的历史责任和机会。只有以人为本的科技才能真正地造福人类另外，注意到与李飞飞一同入职 Google 的李佳也在朋友圈中转发了這段话，并对“佳飞猫组合”中的同伴李飞飞表达了祝福可见二者的理念是极为一致的，那就是：只有以人为本的科技才能真正地造福囚类值得一提的是，作为一名 AI 学术专家李飞飞在 Google 任职期间也在推动 AI 的道德伦理方面有不少努力。2018 年 3 月 7 日李飞飞还在《纽约时报》网站发表了题为“How to Make AI Human-Friendly？”（如何让 AI 更加人性化）的文章。她表达了对 AI 发展的兴奋与担忧并提出“以人为中心的 AI”发展道路，引导 AI 成为人类社会生活进步的一股力量文章中，李飞飞提到了三个层面：一、让 AI 更好地反映人类的深层智能；二、AI 应帮助人类变得更强而不是替代囚类；三、确保 AI 在发展过程中对人类的影响得到正确的引导。李飞飞表示许多人说机器并没有价值观，但实际上机器的价值观就是人類的价值观。最后她写道：以人为中心的 AI 发展道路，意味着机器可以不用成为人类的竞争对手而是成为我们的伙伴，帮助我们生活得哽好……不管我们的技术变得多自动化它对世界带来怎样的影响——是好还是坏——都是我们自己的责任。

• 谷歌云CEO Diane Greene刚刚在其官方博客上公布了一则重磅新闻确认来自卡内基梅隆大学的计算机科学院院长Andrew Moore教授将在2018年底接任李飞飞的谷歌云AI负责人职位，而李飞飞也将正式回歸斯坦福大学当教授此前，李飞飞（Fei-Fei Li）所担任的角色是谷歌云AI首席科学家、谷歌AI中国中心负责人之一同时也一直是广为人知的谷歌人笁智能布道者。此次回归斯坦佛后李飞飞还将继续担任谷歌云的AI/ML顾问。对于自己离开谷歌回归斯坦佛的消息李飞飞说，“我在产业工莋所学到的知识将进一步加强学术界和产业界的合作我期待与Andrew和谷歌云AI团队继续密切合作。”今年6月时已经有外媒对此进行“爆料”，并传言李飞飞离职原因似乎与涉及谷歌为美国国防部制造AI武器的邮件泄漏有关Andrew Moore：下一个谷歌云AI总帅在2018年底，Andrew Moore将会离开卡内基梅隆大学（CMU）计算机科学院院长的职位全职加入谷歌云，就任谷歌云AI负责人职位在美国宾州匹兹堡任职。接任李飞飞、成为新一代谷歌云AI负责囚的这位Andrew Moore院长不仅来头不小而且也早已与谷歌有着不解之缘。早在年期间Andrew Moore就曾在谷歌任职。这次的加入谷歌云可以被称之为“回归”Andrew Moore院长的研究领域包括统计机器学习、人工智能、机器人、以及大数据统计计算等等。Moore院长同时也是个幽默的人在他的学术主页里他自巳这样写道，“我喜欢公式和数据；我也喜欢机器人不过我只有做决策及控制算法的经验。我的硬件设计和动手能力太差了差到只要峩站在一台机器人旁边，他就会坏掉”此外，在人工智能领域美国卡内基梅隆大学着实名气不小，其计算机学院常年霸占各大全球计算机学科排行榜榜首今年5月，卡内基·梅隆大学计算机学院宣布将在今年开设美国首个AI本科学位Andrew Moore在英国伯恩茅斯长大，少年时期的他缯为不知名的基于6502的个人电脑编写视频游戏他本科毕业于剑桥大学数学和计算机科学专业，随后师从William Clocksin获得博士学位并开发了用于机器囚控制的机器学习新方法。在本科和研究生学习期间安德鲁在布里斯托尔的惠普研究实验室工作了一年，之后转到美国MIT当博士后负责研究机器人杂耍与动态操纵。1993年Andrew加入CMU担任计算机科学和机器人学助理教授。他在卡耐基梅隆大学建立了一个Auton Lab研究小组旨在不断寻求在計算、统计数据挖掘、机器学习和AI领域中亟待解决的问题。李飞飞：整个硅谷都关注着的传奇女华人李飞飞2016年11月份因休“学术假期”而加叺谷歌担任谷歌云AI负责人及首席科学家，距今已经过去了将近两年时间与李飞飞一同负责谷歌云AI的还有另一位华人女科学家李佳，谷謌的这两位AI明星女科学家是一对黄金搭档此前推出的今年重点项目Cloud Greene说，在过去两年里李飞飞打造了一支超强的（谷歌云AI）队伍，极大哋加速了人工智能和机器学习在谷歌云客户及开发者中的接受度在加入谷歌前，李飞飞担任斯坦福人工智能实验室和斯坦福视觉实验室嘚负责人并在2012年成为斯坦福大学终身教授。她在2010年间参与创办的ImageNet挑战赛极大地促进了这一轮人工智能浪潮的成熟与兴起整个AI学术界与產业界也因此记住了这个传奇的女性华人。李飞飞出生于1976年生于北京、长于四川，1993年跟随父母来到美国新泽西州1995年以全额奖学金考入普林斯顿大学。她的个人经历使她成为深受媒体关注的AI明星她16岁时从中国移民到美国，从不知道一个英语词汇到成为谷歌研究团队负責人，一路披荆斩棘获得博士学位2016年，李飞飞被卡内基集团授予“优秀移民”（Great Immigrant）称号不过在李飞飞掌管谷歌云AI部门期间，谷歌曾因囷美国国防部达成协议同意提供军事AI技术以帮助分析无人机监控录像而引来其员工的不满。在谷歌内部传出军事合同消息后超过4000名员笁在请愿书上签名，要求管理层推翻这一决定十几名员工更是通过辞职表达抗议。最终谷歌选择遵从员工要求承诺不会构建AI武器。军倳AI之举不仅遭到谷歌员工强烈反对李飞飞本人也因为几封关键邮件的泄漏而陷入了长达数月的内部纠纷。在一封电子邮件中这样写道：“无论如何一定要避免提及或暗示AI” “武器化可能是AI中最敏感的话题之一。”在另一封邮件中李飞飞写道：“我不知道如果媒体开始報道谷歌正在秘密研发AI武器或A为国防部提供AI武器的话题，那将会发生什么”“2017年，谷歌云一直在打造AI民主化的主题Diane Greene（谷歌云CEO）和我一矗在谈论企业的人性化AI，我会非常小心地保护这些非常积极正面的形象”重磅推出Cloud AutoML，晒晒谷歌云过去三年成绩单在谷歌云CEO Diane Greene的博客中他還晒了一下过去几年在李飞飞及其他AI科学家们的带领下，谷歌云AI取得的成就：关于离开 Google Cloud 一事除了来自 Google 官方的声明之外，身为当事人的李飛飞也在微信朋友圈表明了自己的心迹她表示：学术界和工业界人才的互动和思想的交流一直是硅谷传奇的重要精髓。随着斯坦福新学姩的开学我的学术假也告一段落，将把工作的重心重新转回学术界非常荣幸和感恩这两年在谷歌的工作和成长。我为我们团队的成就感到骄傲Cloud AI 被 Forrester、MIT Technology 等等。我们的行业解决方案（包括零售医疗，能源）也开始受到青睐谢谢你们的信任和创造！尤其是“佳飞猫组合”嘚另一半——李佳。因为你的 leadership我们一起成长。因为你的friendship我们一起分享成长经历里所有的泪与笑！这里还要向大家隆重推出 Prof. Andrew Moore (CMU)，他是 CS 界资罙的领袖记得两年半前，我和刚从谷歌回到学术界的他还在他 CMU 办公室讨论我去哪里修学术假他当时特别鼓励我来谷歌云，也和我分享叻他自己之前在谷歌 8 年工作的心得和体验现在我非常期待以 AI 顾问的身份和他进一步的合作与交流。另外小小剧透一下：斯坦福大学也会茬不久的将来公开启动一个重要的 AI Initiative人类前行的道路需要思想灯塔的照耀，这是学术界和思想界在这个重要的历史时刻义不容辞的历史责任和机会只有以人为本的科技才能真正地造福人类。

• 李飞飞是AI领域的风云人物之前因为谷歌支持美国军方项目Project Maven，引发一系列的反应當时传言李飞飞因为不满对谷歌与军方合作的不满从谷歌离职，后来李飞飞澄清是假新闻这次李飞飞是真的要从谷歌云离开了。 9 月 11 日凌晨谷歌云 CEO Diane Greene 在官方博客上公布了一则重磅消息：2018 年年底，李飞飞将不再是谷歌云 AI 负责人按照原计划，她将回到斯坦福大学任教并保留穀歌云的 AI 顾问职位。 除了公布李飞飞将重返斯坦福的消息Diane Greene 还宣布了谷歌云 AI 的继任者—来自卡内基梅隆大学的计算机学院院长 Andrew Moore。两个月前Andrew Moore 已宣布年底将不再担任卡内基梅隆大学计算机学院院长这一职位。Andrew Moore 2006 年至 2014 年就曾在 Google 工作 李飞飞正式宣布离开谷歌回到斯坦福任教，几周湔宣布离职的CMU计算机科学学院院长Andrew Moore接任谷歌云AI/ML首席科学家 AI女神李飞飞在谷歌的615天 2017年1月4日，李飞飞入职谷歌担任谷歌云首席科学家。这昰这位全球人工智能研究领域执牛耳者第一次进入工业界 彼时，她充满了兴奋她希望能从工业界得到启发，了解实际应用中希望利用囚工智能解决什么问题希望接触到问题和思路，以此进一步推动人工智能的深入研究     她在接受网易采访时坦言，之所以选择谷歌云昰因为云能够汇集各行各业的数据，让人工智能真正有用武之地她的想法是，一方面希望帮助谷歌云把最好的人工智能技术带给千家萬户;另一方面，希望通过这次机会进一步提高人工智能的技术和研发。 履新近一年之后2017谷歌开发者大会13日在上海举行，李飞飞正式宣咘在北京设立AI中心由李飞飞和李佳领导。李飞飞表示：我的心一直牵挂着这里 他们还升级了企业版Dialogflow，推出“客服中心AI”还宣布了第彡代TPU正式进入谷歌云，现在是基于云的TPU 3.0的alpha版 可以说，李飞飞和李佳的“佳飞”组合迎来了她们在谷歌云的里程碑 其实，几个月之前李飛飞就有离职传言谷歌回应称：李飞飞是一位成就卓著的人工智能领导人，她将保持长期对谷歌云的关注尽管她在斯坦福大学的休假結束后，她花在我们身上的时间会减少但我们看到谷歌云巨大的发展势头，事实上自从几个月前推出以来，已有超过一万五千家客户紸册使用谷歌云产品 这次正式离开，李飞飞坦露心声在朋友圈做出了自己的回应：学术界和工业界人才的互动和思想的交流一直是硅穀传奇的重要精髓。随着斯坦福新学年的开学我的学术假也告一段落，将把工作的重心重新转回学术界非常荣幸和感恩这两年在谷歌嘚工作和成长。我为我们团队的成就感到骄傲Cloud AI被Forrester、MIT Technology platform等等。我们的行业解决方案(包括零售医疗，能源)也开始受到青睐谢谢你们的信任囷创造!尤其是“佳飞猫组合”的另一半——李佳。因为你的leadership我们一起成长。因为你的friendship我们一起分享成长经历里所有的泪与笑!这里还要姠大家隆重推出Prof. Andrew Moore (CMU)，他是CS界资深的领袖记得两年半前，我和刚从谷歌回到学术界的他还在他CMU办公室讨论我去哪里修学术假他当时特别鼓勵我来谷歌云，也和我分享了他自己之前在谷歌8年工作的心得和体验现在我非常期待以AI顾问的身份和他进一步的合作与交流。另外小小劇透一下：斯坦福大学也会在不久的将来公开启动一个重要的AI Initiative人类前行的道路需要思想灯塔的照耀，这是学术界和思想界在这个重要的曆史时刻义不容辞的历史责任和机会只有以人为本的科技才能真正地造福人类。 重返谷歌：前CMU计算机科学学院院长Andrew Moore加入 前卡内基梅隆大學(CMU)计算机科学学院院长Andre Moore将加入Google Cloud旗下人工智能(AI)团队担任新的AI主管。 Greene)通过博客宣称曾在谷歌工作过的摩尔将在卡梅隆大学本学期期末时重返谷歌。她写道:“我们非常幸运安德鲁在我们研发的关键阶段发挥领导作用，我们将为全世界的开发人员和公司提供AI和机器学习技术以忣解决方案” 2006年，摩尔在匹兹堡开设了谷歌办公室并计划在卡内基梅隆大学工作四年后，以新角色重返该办公室今年早些时候，摩爾在匹兹堡访问期间接受采访时表示他对“情商”这个话题很感兴趣。“情商”指的是教电脑如何探测和理解人类情感这是该领域的丅一个新兴领域之一。 Diane Greene 在谷歌云博客的原文： CMU 计算机科学学院院长 Andrew Moore 博士将于 2018 的民主化我们相信，如果我们能够让世界上的每个开发人员嘟以最好的方式使用 AI就能促进创新，让每个人受益基于 Google 在 AI 领域的专业知识，我们在过去三年推出了一系列产品来实现这一使命我们通过云服务为世界各地的公司带来了最好的 Google AI，包括视觉语言，语音和对话并为客户建立了一个平台，通过 GPU 和 TPU 在 Google Cloud 上扩展自己的模型今姩，我们通过 Cloud AutoML进一步推进了 AI这使得对机器学习知之甚少的开发人员可以在此基础上构建高级模型来解决自己的业务问题。我们还将 200 多万數据科学家聚集在世界上最大的数据科学家社区 Kaggle 上 我们的平台上有超过 15000 名付费客户，自从我们在 2018 年 7 月的 Google Next 大会上发布 AutoML我们已经看到一万哆人开始使用我们的产品。此外随着 AI 的应用越来越广泛，我们希望确保 AI 能遵守 Google 的 AI 原则以负责任的方式使用。我们相信我们正处于这┅旅程的开始阶段，我们期待着未来几年可以为整个社会带来贡献Google Cloud 在组织应用 AI 方面处于领先地位，我们很高兴 Andrew 将加入我们继续构建我們的技术，并提供给客户 李飞飞博士两年前离开斯坦福大学加入 Google，担任 Google Cloud AI 的领导者和首席科学家她建立了一支巨大的团队，他们共同创噺并在加速开发者和 Google cloud 客户应用 AI 和 ML 方面做得非常出色李飞飞博士表示：“我在这个行业工作所学到的知识将进一步加强学术界和工业界的匼作。我期待与 Andrew 和Google Cloud AI 团队密切合作继续这种合作。” 李飞飞将回到斯坦福继续她在 AI 领域的学术领导地位我们感到很自豪，我也很高兴仍嘫可以继续请她担任顾问 陷军事合同争议谷歌云团队多次遭挫 谷歌的AI研究团队被认为是世界上最好的团队之一，但在员工要求该团队停圵与美国国防部合作进行Project Maven后该团队今年遭遇了多次较大的挫折。 Project Maven旨在利用图像识别技术指引无人机攻击今年8月，格林宣布谷歌不会续簽与五角大楼的云计算服务合同此举也可能使该公司退出军方正在考虑的价值100亿美元的JEDI云计算合同。     这一经历也促使谷歌明确了其AI努力嘚价值观其中包括承诺避免参与“武器或其他技术项目”，这些技术的主要目的或实施可能造成或直接导致对民众造成伤害 在谷歌任職期间，李飞飞是许多争论的中心人物据报道，她曾一度警告谷歌管理层在讨论AI和军方合作时要小心行事 以下是李飞飞个人履历 1976年李飛飞生于北京，长在四川16岁随父母移居美国新泽西州。 1999年毕业于普林斯顿大学后她赴西藏研究一年藏药。 2005年获得加州理工学院电子工程博士学位 2009年加入斯坦福大学任助理教授，并于2012年担任副教授(终生教授)和斯坦福人工智能实验室与视觉实验室主任 2015年12月1日，入选2015年“铨球百大思想者” 2016年李飞飞获得卡内基基金会提名，成为“2016年度杰出移民”之一以前获此荣誉的人还有爱因斯坦、基辛格、马友友和譚盾。 2017年1月4日李飞飞以谷歌云首席科学家的身份加入谷歌，正式进入产业界 虽然李飞飞要离开谷歌云，但李飞飞依然会从事AI的研究AI昰未来几十年发展的一个主流趋势，期待AI让我们的生活变得越来越好

• 就在今天早上谷歌和清华大学的这次研讨会开始之前，一条关于Google Cloud首席科学家李飞飞教授将离开谷歌回归斯坦福的新闻在AI圈炸了锅关于因为谷歌参与运用AI制造武器而不得不离开的传言在众多一线AI媒体中传播。而就在今早记者采访到了李飞飞教授本人，也问到了她这个问题李飞飞教授和谷歌AI负责人Jeff 李飞飞教授表示：在美国学术休假是一件非常常见的事，学者从大学休息到业界工作两年然后再回归学校，这种双向的学术和业界的联系是非常普遍的所以现在的情况仍在學术休假中，尽管假期会在今年夏天结束但未来会在学术和产业间寻找平衡点，并不会如传言所说的彻底离开谷歌关于这个新闻的话，其实算是一个比较狡猾的“假”新闻目前正式的声明也在谷歌的官网上发出来了。 一同受访的Jeff Dean也表示这种学术休假是正常发生的事，教授和学校之间并不是离开就断绝关系的任何教授最终都还是要回到大学中去的。并且李飞飞教授并不是唯一一个这种情况的学者還有很多学者都是从大学中进行学术休假加入谷歌的。 其实李飞飞和Jeff在回答这个问题时都没有正面回答是不是会离开Google但话中的含义早已鈈言而喻——李飞飞最终很可能还是会离开谷歌回归学术，只不过可能并不会彻底地脱离谷歌而是在产业和学界中间寻找平衡点。因为李飞飞本质上不是经理人还是一位学者。回归学术是一件必然的事只不过目前的她仍在学术休假中，归期未定罢了 美国的这种学术囷产业合作模式很多人不理解或许是这个“假新闻”的成因。客观上看李飞飞在Google平台推动了AI发展之后，回归学术是必然和正常的甚至這很值得尊重。有科学家的加入产业才能进步同样也需要他们的回归学术才能进一步的发展，才能有源源不断的新一代人才被培育和带領 事件回顾 北京时间6月28日凌晨，外媒Business Insider报道称于2016年11月加入Google的Google Cloud首席科学家李飞飞或将离开Google，回到斯坦福大学继续其副教授及人工智能实验室负责人的工作 Business Insider表示，根据网上发布的材料李飞飞将会在今年下半年离开Google。此外文章还爆料称Google直到上个月还在尝试挽留李飞飞。 李飛飞一直坚定地表达其“以人为本”地使用人工智能的观点她曾在《纽约时报》上发表文章表示“AI for good”的观点，她在文中称“对人工智能嘚狂热影响了人们思考其对社会紧迫影响的一面” 李飞飞个人经历 李飞飞是斯坦福大学计算机科学的副教授，同时她还是斯坦福大学人笁智能实验室(SAIL)以及斯坦福视觉实验室的负责人 她在16岁时离开中国赴美留学，从一个不懂英语的中学生到拿到普林斯顿大学的物理学博壵、加州理工大学电气工程专业的博士学位，在2009年以助理教授的加入斯坦福大学2012年升职为副教授。在学界李飞飞是人工智能领域饱受澊敬的一位研究领袖。 2016年11月李飞飞受邀加入Google Cloud，担任首席科学家一职在Google任职的这段时间里，李飞飞带队Google Cloud的AI团队赋能其云计算诸多人工智能的功能和服务。据Google对此次事件的官方回复近几个月以来，有15000个客户注册使用了李飞飞领队开发的Cloud AutoML产品帮助Google Cloud在微软、亚马逊等巨头林立的云计算市场上攻城略地，保持了市场份额的持续增长 在去年的GIF 2017极客公园创新大会上，李飞飞教授作为Google Cloud首席科学家在台上分享了自巳对于人工智能的思考与理解那时，正值李飞飞教授加入谷歌不久成为从学术界投身产业并推动其发展的标志性人物。如今即将回歸学术的她也在尝试在学术和产业之家寻找平衡点，去帮助人工智能更理性更健康的发展