《星際爭霸2》成 AI 研究環境；軟體開發薪酬調查報告：Go、Scala最賺錢；Linux 子系統登陸 Windows

編輯｜小智

審校｜陳思

本周要聞：暴雪和 DeepMind 將《星際爭霸 2》 轉變成 AI 研究環境；AWS 宣布正式加入 CNCF；中國雲計算服務走向國外；谷歌工程師稱編程女性天生不如男性引起公憤；2017 軟體開發薪酬調查：Go 和 Scala 是最賺錢的語言。

暴雪和 DeepMind 將《星際爭霸 2》 轉變成 AI 研究環境

去年 11 月，Google 的人工智慧子公司 DeepMind 宣布與暴雪合作，將在 2017 年向 AI 和機器學習研究員發布一個用於 AI 研究的《星際爭霸 2》。現在，雙方正式發布了一系列工具，包括一個機器學習 API、匿名化的遊戲對戰回放數據集、DeepMind 開源工具集 PySC2，允許研究人員測試特定任務 AI 表現的簡化 RL 遊戲，一篇論文等，將《星際爭霸 2》 轉變成一個 AI 研究環境。這些工具都發布在 GitHub 上，採用 Apache 或暴雪許可協議。

AWS 宣布正式加入 CNCF

就在微軟上周剛剛宣布加入 CNCF 基金會不久，還未完全塵埃落定之時，AWS 即日宣布以鉑金身份加入雲原生計算基金會（CNCF），這也就意味著在容器編排方面 ，AWS 選擇了擁抱開源的方式。這不由的讓人想起了 AWS EMR 產品。有了這個強有力的雲計算巨頭的加入，相信 AWS 會為開源社區帶來不一樣的貢獻。

AWS 加入 CNCF，也就意味著要解決 AWS 和 Kubernetes 之間的融合問題。Kubernetes 是一款開源項目，最初由 Google 開發，旨在利用 Google 過去十多年的容器使用經驗，來解決容器編排問題，自發布以來發展迅猛，短短兩年已經成為容器編排領域的勁旅。

CNCF 基金會則是用於管理和統籌 Kubernetes 項目的，AWS 成為 CNCF 的一份子之後，會花精力和時間來幫助 Kubernetes 項目茁壯成長，而且也會貢獻一些小型的項目，比如如何讓 Kubernetes 更加的易用。

中國雲計算服務走向國外

中國高科技公司正在把他們的雲計算業務推向全球。騰訊、阿里巴巴和華為都在 2017 年上半年宣布對境外雲計算基礎設施作出大筆投資。中國科技集團正在積極布局，爭取獲益於其他中資企業蓬勃發展的國際業務，這些企業在 2016 年的對外投資總額達到創紀錄的 1096 億美元，促使北京方面介入，採取行動防範資本外逃。騰訊在香港、新加坡和多倫多已有 3 個數據中心，它從今年 4 月起在矽谷、法蘭克福、孟買、首爾和莫斯科新啟用 5 個數據中心。阿里巴巴宣布今年在亞洲啟用四個新的數據中心，其中兩個在孟買，一個在雅加達，另一個位於馬來西亞，將該公司的數據中心總數增至 17 個。華為也於今年初在紐西蘭推出一個新的數據中心。

谷歌工程師稱編程女性天生不如男性 引起公憤

據《財富》網站報道，谷歌一名高級工程師撰寫的一份文件稱，男女在生物學上的差異決定了在編程上女性的效率要低於男性，並認為公司不應該積極地去提高員工的多樣性。對這樣一份文件，谷歌許多員工表示憤怒。據報道，該文件僅僅是一份個人聲明，沒有得到公司任何形式的認可，但在谷歌內部得到廣泛流傳。

美國電子行業媒體《Motherboard》根據對已閱讀該文件的谷歌員工的採訪，對此進行了報道。一些谷歌員工也在推特上對這份文件做出了反應，毫不意外他們均表達了憤怒之情。一位名叫 Jaana B. Dogan 的谷歌員工在推特上寫道：「仍然因憤怒而顫抖。」

到目前為止，谷歌尚未對該文件做出公開回應。沒有證據表明在編程技能上女性天生就不如男性，而計算機領域的先驅者也不乏女性。根據一項令人信服的理論，從上世紀 80 年代中期開始，女性就較少去攻讀工程專業學位，當時個人電腦一開始就被宣傳為面向小男孩的玩具。

2017 軟體開發薪酬調查：Go 和 Scala 是最賺錢的語言

每年 O』Reilly 都會發布其年度開發者的調查結果。這項調查涵蓋了來自世界 110 個國家的近 7000 名程序員。這裡有幾個亮點：

42% 開發者薪資超過 10 萬美金，但這大部分都是基於美國的開發者的調查。

在美國賺得最多，東歐、非洲和加拿大賺得最少。

男人仍比女性多賺（6K 以上）

做得多，賺得多

Go & Scala 是最賺錢的語言

deeplearn.js：瀏覽器端機器智能框架

deeplearn.js 最初由 Google Brain PAIR 開發，是一款基於硬體加速的開源 JavaScript 庫，可被用在機器智能領域。該庫將高性能的機器學習構建模塊引入到 web 開發領域。PAIR 是 People Plus AI Research 的簡稱，意為「人 + 人工智慧研究」，目標在於「使 AI 更加註重人性」。通過 deeplearn.js，可以實現在瀏覽器中訓練神經網路模型，也可在推理階段運行預訓練模型。

deeplearn.js 目前已經開源，地址是：

https://github.com/PAIR-code/deeplearnjs

Android 8.0 的流系統更新在手機沒空間時仍然能工作

設備空間耗光時安裝系統更新可能會讓你備受折磨，猶豫著不知道應該刪除哪些文件或應用。現在，Android 8.0 引入的流操作系統更新將能在手機沒空間的情況下繼續更新工作。自 Android 7.0 起， Google 就引入了名叫無縫更新的新功能，一種雙系統分區方案——分別叫系統 A 分區和系統 B 分區。在安裝更新時，你的手機正在使用的是在線的系統 A 分區，更新將在後台應用於離線的系統 B 分區，然後快速重啟應用更新，此時設備將從系統 A 分區切換到更新過的系統 B 分區。Android 8.0 的流系統更新簡化了這個過程，更新數據將直接從互聯網下載到離線系統分區，逐塊的寫入。系統不再需要 1GB 的可用空間，只需要 100KB 左右的空間用於元數據。

Linux 子系統登陸 Windows 伺服器

Windows、Linux 看似死敵一對，但其實微軟對於開源實業還是相當支持的，Windows 10 系統內就首次內置了一個 Linux 子系統 (Windows Subsystem for Linux/WSL)，允許開發者模擬 Linux 環境，而且有需要的可以直接從 Windows 應用商店下載 SUSE、Ubuntu。

日前，微軟又首次推出了用於 Windows Server 伺服器系統的 Linux 子系統，並且已經向 Windows Insider 內測用戶開放。如果你安裝了 Build 16237 或者更新預覽版的 Windows Server 2016，就可以打開這扇通往 Linux 的大門了，本質上就是個 Linux 虛擬機，可以執行一般任務，比如 SSHD、MySQL 等等，但不能持續運行 Linux 後台服務。

JetBrains 宣布官方支持 Rust 插件

7 月 31 號，Rust 社區就已非正式聲稱 JetBrains 開始官方支持 Rust 插件，不過不再支持 2016.3 版本的 IDEA，受支持的 IDEA 最小版本為 2017.1。8 月 4 號，JetBrains 官方博客正式宣布開始官方支持 Rust 插件，包括 IDEA、CLion 等 IntelliJ 平台 IDE。

目前，Rust 插件的主要特性如下。

導航特性：Go to Class、Go to Symbol、Go to Super Module、Structure、Go to Definition。

編輯器特性：代碼自動完成、格式化（計劃支持 rustfmt）、合併行、智能按鍵（如自動插入匹配的符號）、自動填充後綴、基本的 Intention 和重構（如引入變數、重命名等）。

支持 Cargo，提供了一個 UI 用於運行測試用例和應用程序，不過這要求在 Cargo 端進行一些配置。

Google 使用 3 億張圖片大幅度改進圖像識別演算法

Google 和 CMU 的研究員使用 3 億張圖片，在圖像識別演算法的幾個指標上取得了長足改進，而往常的訓練一般只使用一百萬張圖片。

很多開發者在訓練物體檢測演算法時會使用包含一百萬張圖片的 ImageNet 數據集。這個數據集從 2011 年起就沒有新圖片加入了。然而，在該數據集上訓練的神經網路中的參數數量與日俱增，訓練模型的 GPU 算力也在增加。卡內基梅隆大學（CMU）中 Google 的研究人員和科學家提出：如果增加訓練數據量會如何？

於是，Google 建立了一個內部數據集，含有 3 億張圖片，標記為 18291 個類別。圖片標註的來源包括原始網路信號，網頁之間的聯繫，以及用戶的反饋。因為不是由人標註的，所以含有 20% 的噪音。結論是：增大數據量果然有益。雖然圖片標記含有噪音，演算法的準確率還是提高了 3 個百分點。很明顯，數據量的增加克服了標記的噪音。研究人員發現演算法的表現和數據量呈對數關係上升。論文作者認為，現有的模型是基於一百萬張圖片建立的：如果對模型進行調整，準確率還有上升空間。

中國科學家開發「Repression Network 」精確識別車輛

北京大學電機工程和計算機科學學院的三名研究人員在預印本網站 arXiv.org 上發表了一篇論文，標題是《Learning a Repression Network for Precise Vehicle Search》（PDF），描述了根據汽車表面特徵而不是車牌號去精確識別不同攝像頭拍攝的車輛的新技術，他們將自己提出的多任務學習框架命名為「Repression Network (RepNet)」，稱它也能用於區分人臉臉部和人類。研究人員稱，公安系統監控探頭的大規模使用，創造了一個龐大的圖像和視頻資料庫，從資料庫搜索車輛日益具有重要性。雖然車牌是汽車的一個重要身份特徵，但許多監控探頭並非是為掃描車牌設計的，此外車牌識別系統在識別混淆字元時的表現非常糟糕，比如區分 8 和 B，O、D 或 0，因此他們提出根據汽車表面的定製圖案、裝飾甚至刮痕等特徵去從圖像庫中檢索出相同的汽車。

企業讓僱員自願植入晶元

美國威斯康星州科技公司 Three Square Market 與瑞典的 Biohax International 合作，為僱員提供自願的晶元植入。內置射頻識別技術的晶元可用於開啟門禁和食堂付款。該公司總部的 80 名員工中已有 50 餘人自願報名。此事引發了隱私和健康方面的爭議。公司 CEO Todd Westby 強調，晶元的功能是有限的。「它只不過是射頻識別閱讀器晶元，而非 GPS 追蹤設備。它是被動型設備，只有在收到數據索取請求時才會提供數據。」健康方面的擔憂難以評估。FDA 的信息顯示，在極少數情況下，植入位置或許會發生感染，晶元還有可能會遷移到身體的其他部位。

TensorFire：利用 GPU 加速的瀏覽器端深度學習框架

深度學習與人工智慧技術正在逐步地改變人們的生活，以 TensoFlow 為代表的一系列深度學習與神經網路框架也是如日中天，迅猛發展。TensorFire 則是基於 WebGL 的，運行在瀏覽器中的神經網路框架；使用 TensorFire 編寫的應用能夠在實現前沿深度學習演算法的同時，不需要任何的安裝或者配置就直接運行在現代瀏覽器中。與之前某些瀏覽器內的神經網路框架相比，TensorFire 有著近百倍的速度提升，甚至於能夠與那些運行在本地 CPU 上的代碼性能相媲美。

參考線索

http://www.solidot.org/story?sid=53413

http://www.infoq.com/cn/news/2017/08/AWS-pulish-join-CNCF

http://www.solidot.org/story?sid=53398

https://www.oschina.net/news/87498/programming-women-are-less-natural-than-men

https://www.oschina.net/news/87499/go-scala-are-the-most-lucrative-languages

http://www.infoq.com/cn/news/2017/08/deeplearn-js-Browser-machine-int

http://www.solidot.org/story?sid=53385

https://www.oschina.net/news/87605/linux-and-windows

http://www.infoq.com/cn/news/2017/08/JetBrains-publish-rust

http://www.infoq.com/cn/news/2017/08/image-recognition-big-data

http://www.solidot.org/story?sid=53431

http://www.solidot.org/story?sid=53241

http://www.infoq.com/cn/news/2017/08/TensorFire-use-GPU-fast-study

今日薦文

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！