英特爾為何要高調收購輔助駕駛明星企業Mobileye？

雷鋒網()按：本周，晶元巨頭Intel高調收購ADAS明星企業Mobileye，在業界掀起軒然大波，收購方和被收購方各打著什麼算盤？對相關領域會有哪些深遠的影響？阿里巴巴啟動「NASA」計劃，是馬雲要去太空了嗎？聽說 Google 起訴Uber、Otto是因為一個叫萊萬的人，那麼萊萬究竟是誰？他做了什麼？

更多精彩解讀，請點擊紅色標題閱讀全文。

如果你對專欄的內容或形式有任何建議，請在下方評論區留言，專欄君將一一回復。無論你是樂於分享的極客，或是對科技圈的新聞事件有獨到的見解的評論人，均可向我們投稿，專欄君的郵箱：[email protected]。

1、解析 | 英特爾為何要高調收購輔助駕駛明星企業Mobileye？

北京時間3月13日，據以色列媒體Haaretz報道，晶元巨頭英特爾以150億美元將以色列ADAS及自動駕駛公司Mobileye收入囊中。該消息曝光后，Mobileye股價在盤前交易中大漲，漲幅近30%。

這一則突如其來的消息幾乎佔據了所有智能汽車行業的頭條，這次收購在汽車界和科技界激起了巨大的浪花，英特爾作為處理器行業的巨頭誓要殺入汽車行業，幾乎將必然給智能汽車的產業格局帶來巨大的影響，而這看似突然的收購，其實是英特爾產業布局的重要一步……

【作者】史高拔，汽車電子工程師，供職於國內某汽車技術中心，從事汽車智能網聯技術研發。

2、馬云為什麼要去「太空」？只因互聯網的天真的變了

「外星人」馬雲最近啟動了阿里自己的「太空計劃」——NASA——面向未來20年的技術研發計劃。

美國在上個世紀五十年代啟動的NASA計劃在很大程度上成就了日後美國在技術領域的領導地位，而阿里宣稱自己的NASA是為了「為服務20億人的新經濟體儲備核心科技」，而不是為了字面上很容易讓人聯想到的，將馬雲送往太空。

阿里為什麼要在這個時候推出面向未來20年技術研發的NASA計劃？背後折射出互聯網的天的哪些變化？

【作者】尹生，互聯網價值研究者、前福布斯中文版副主編。

3、破譯地震的密碼？——機器學習演算法有望實現地震的精確預測

據統計，被地震奪走生命的人員數量十分驚人。每年大約有一萬人死於地震和震后災難，但實際的傷亡人數可能更多。2004年，蘇門答臘島海岸有超過230,000人在九級地震引起的海嘯中喪生；2010年，超過200,000人死於海地七級地震；1556年，超過800,000人在一次地震中死亡。

近日，美國新墨西哥洲「洛斯阿拉莫斯國家實驗室」團隊訓練了一個機器學習演算法來試圖預測地震，該團隊還不確定這一技術能否用於現實地震的預測，目前僅為實驗室環境成果，但這項技術可能為地震預測領域的研究開闢了一條新的路徑。

【作者】本文由圖普科技工程師翻譯自：《Machine-Learning Algorithm Predicts Laboratory Earthquakes》

4、Google 對Uber、Otto的無人駕駛訴訟案，都是因這個男人而起 | 深度

估計大多數人知道 Anthony Levandowski（以下簡稱萊萬），是因為谷歌拆分出的無人駕駛汽車公司Waymo 發飆，起訴萊萬創建的 OTTO 和任職的 Uber 偷盜其無人駕駛核心技術。

起訴書中，列舉了萊萬十幾條罪狀，讓人看起來，萊萬就是個忘恩負義，一心想掙錢的工程師。

這些訴訟內容是否屬實，有待法庭證明。但身高2米的萊萬，並不這麼簡單……

【作者】於欣烈，汽車行業從業者。

5、谷歌工程師：聊一聊深度學習的weight initialization

深度學習模型訓練的過程本質是對weight（即參數 W）進行更新，這需要每個參數有相應的初始值。有人可能會說：「參數初始化有什麼難點？直接將所有weight初始化為0或者初始化為隨機數！」對一些簡單的機器學習模型，或當optimization function是convex function時，這些簡單的方法確實有效。

然而對於深度學習而言，非線性函數被瘋狂疊加，產生如本文題圖所示的non-convex function，如何選擇參數初始值便成為一個值得探討的問題——其本質是初始參數的選擇應使得objective function便於被優化。事實上，在學術界這也是一個被actively研究的領域。

【作者】夏飛，清華大學計算機軟體學士，卡內基梅隆大學人工智慧碩士。現為谷歌軟體工程師。

6、TOP5%Kaggler：如何在 Kaggle 首戰中進入前 10% | 乾貨

Kaggle 是目前最大的 Data Scientist 聚集地。很多公司會拿出自家的數據並提供獎金，在 Kaggle 上組織數據競賽。作者最近完成了第一次比賽，在 2125 個參賽隊伍中排名第 98 位（~ 5%）。因為是第一次參賽，所以對這個成績已經很滿意了。

在 Kaggle 上一次比賽的結果除了排名以外，還會顯示的就是 Prize Winner，10% 或是 25% 這三檔。所以剛剛接觸 Kaggle 的人很多都會以 25% 或是 10% 為目標。在本文中，作者試圖根據自己第一次比賽的經驗和從其他 Kaggler 那裡學到的知識，為剛剛聽說 Kaggle 想要參賽的新手提供一些切實可行的衝刺 10% 的指導。

【作者】章凌豪，復旦大學計算機科學專業。

雷鋒網特約稿件，未經授權禁止轉載。詳情見轉載須知。