超级计算机，简单来说就是一种能够以比普通计算机快得多的速度进行运算的机器。这种机器最早出现在1960年代，但自那以后其性能已经被大大增强了

<center><img src="http://intel.eetrend.com/files/2017-03/博客/100005548-17457-1.jpg&quot; alt=""></center>

计算机视觉与机器视觉，<strong>首先是应用场景不一样，就像@Vinjn张静 回答的那样：你把摄像头对着人就是CV，对着车间就是MV。</strong>

计算机视觉和机器视觉应用场景不同，就像拉货车和载客车是的，侧重点不同而已，一个侧重人工智能分支，一个侧重工业应用！简单说起来的话，计算机视觉偏重于深度学习并且偏向软件，机器视觉偏重于特征识别同时对硬件方面要求也比较高，不过随着对智能识别要求越来越高的发展，这两个方向毕竟会互相渗透互相融合，区别也仅仅限于应用领域不同而已。

<strong>其次，我感觉最大的区别，在于技术要求的侧重点不一样，甚至差别很大。</strong>

毫无疑问，关于自动驾驶和无人驾驶这些曾经只属于未来的概念，现在已经逐渐走到了我们的身边。虽然现在越来越多的汽车厂商更关注全自动驾驶汽车，但是对于驾驶员本身来说，也同样值得关注。

目前汽车想要实现完全的无人驾驶，还需要许多年的时间，但是半自动驾驶已经成为了很多高端汽车的标配功能，而半自动驾驶也必须要学会更好的理解驾驶员的习惯，并且通过机器学习和计算机视觉系统，来提高驾驶安全性。

而对于半自动驾驶和辅助驾驶来说，其实还有三个方面需要进一步的改进，才能提高驾驶员的驾驶体验和行车安全。

<strong>1、驾驶员识别</strong>

目前，智能服饰开始出现在我们的生活中。而若要使服装既能像真正的电子产品一样科技化，又要让它们的电路不会像树枝一样僵硬而束缚我们的行动，那就要让电路变得既灵敏又有韧性才行。现在这种电路材料貌似已经被找到了， 近日美国斯坦福大学华人教授鲍哲南领导的研究团队在新一期美国《科学进展》杂志上发表报告称，他们开发出了一种导电性和拉伸性极佳的高分子材料，可用于可拉伸塑料电极。这种柔性电极也可作为可穿戴电子器件。

【网易智能讯消息】谷歌一直都希望机器翻译出的话会听起来比较自然，符合各个地方人们的说话方式。因此，去年，谷歌不再专注于短语的机器翻译，而是创建了一个名为“谷歌神经机器翻译”(GNMT)的人工智能翻译系统。现在，该公司表示正在将GNMT可翻译的语言扩大到印度语、俄语和越南语。

GNMT的翻译质量比基于短语的同类翻译产品要高，因为它考虑的是整个句子语境，而不是将句子分解后直译。它需要把每个词组与前后文联系起来。对于汉语普通话这样的语言来说，联系上下文很重要，因为在这些语言中，单词的含义是不同的，它们的含义取决于它们与哪个词组搭配。

特约撰稿 王斌

VR初入市场便遭到了冷漠对待，这个被预言为将会改变未来世界的科技在当下似乎并没有获得大众较高的接受度。然而，这好像也并没有太影响到VR的发展。市场研究公司SuperData刚刚发布的一份消费者VR报告显示，全球VR硬件营收预计在2017年将达到36亿美元，同比增长142％。

但Super Data的数据还揭示，在去年一整年内，VR设备的出货量仅仅为630万台，实现18亿美元的营收。虽然这个数字并不小，这样的成绩也没有让VR受到沉重的打击，但是不得不承认的是，这确实是远远低于各方期待的目标。

<strong>VR硬件营收走高，仍不受消费者拥戴</strong>

转载于：PingWest品玩微信公众号

很多人可能都听说人工智能已经可以写文章了，但是你可能不知道编辑机器人早就已经是维基百科最重要的贡献群体之一。

2001 年，维基百科引入了机器人编辑者的概念，任何用户可以为自己研发的机器人单独建立一个维基百科帐号，只要根据维基百科社区官方的规定对帐号进行标注，即可让机器人参与维基百科的编辑。

2014 年，机器人在维基百科的所有语言中完成了 15% 的编辑动作，他们识别、撤销破坏行为，锁定遭到频繁篡改的页面、识别错别字和病句、创建不同语言之间的链接、自动导入站外内容、进行数据挖掘、识别侵权的内容并为新手编辑者提供引导等等。

据悉，在2018年韩国平昌冬奥会将会率先采用5G技术，2020年东京夏季奥运会器件会采用增强版5G技术。然而目前就有很多运营商在积极进行5G网络的测试了，甚至有的运营商设定的目标是在2017年推出商业性应用。是的，我们即将迈入一个精彩的5G世界。

<strong>5G：全面性的通信网络</strong>

关于5G，直观上的理解就是带来速度/数据传输速率的提升，当然最初确实是这样的。5G标准属于一站式网络，兼容市场上所有的应用领域，从低带宽到低功耗的IoT节点以及超高清身临其境体验。为了满足这些要求，5G采用更宽的频谱，sub-GHz面向于IoT应用需求，1到6GHz面向于宽带设备，6GHz/mm以上面向超高带宽应用的需求。

量子位 | 李林 整理编译

提到深度学习，你可能会想到认猫、认脸，或者下围棋、翻译……其实，这项技术还能用在很多你意想不到的地方。

那么，“深度学习的最新进展能带来哪些产品上的突破？”

Quora上就有这样一个问题，而Google Brain的研究工程师Eric Jiang也给出一个最高赞的答案。下面就是Jiang的回答，大周末的，让我们一起来涨涨姿势：

Deep Learning是指包含以下特征的一类机器学习技术：

▪ 大规模神经网络（包含百万级的自由变量）；

▪ 高性能计算（上千个并行处理器）；

▪ 大数据（例如百万级的彩色图像、棋谱等）

研究人员已经研发出一种太赫兹发射器，该发射器的数据传输速度要比5G至少快10倍，而该技术有望在2020年实现应用。为期五天的2017国际固态电路会议 ( ISSCC) 于2月5号到9号在加利福尼亚州的旧金山举行，根据安排，太赫兹发射器将会在这次电路会议上被展示，这种传送机能够将一个DVD上的全部内容瞬间发送完毕。

Minoru Fujishima 是日本广岛大学的教授，也是太赫兹研究者之一。他说：“太赫兹也能与卫星进行超高速连接，而与卫星的连接，只能通过无线。这也有好处，比如，它极大地促进了动态网络连接的发展。其它可能的应用包括快速将资源下载到移动设备，基站之间实现超快速无线连接。”