【工业革命】第四次工业革命:自主经济的崛起

640?wx_fmt=jpeg

来源:产业智能官

摘要:数据是新的资源,数据的处理和应用将带动第四次工业革命。


随着大数据、云计算、物联网、人工智能、区块链等技术的崛起,很多人都说第四次工业革命即将到来。第四次工业革命到底指的是什么?应该如何预测它的发展趋势?我们又应该作何准备?The Crypto Oracle在Medium发表了一篇题为《The Fourth Industrial Revolution: The Rise Of The Autonomous Economy》的文章,36氪进行了编译,供各位参考。解读工业革命,识别关键资源与资源利用的技术突破是关键。


要想理解现在,必须以史为鉴。要想洞见未来,必须感受现在积蓄的势头。


回顾过去,显然技术的进展无疑是人类文明进步的主要推动力。就像车轮和指南针变革了先人一样,智能手机和互联网的发展也彻底改变了当今的社会,现在的人已经很难想象一个没有它们的世界。现在来回顾历史认出其中关键突破当然很容易,但在它们完全嵌入到日常生活之前大多数人是很难预见到未来的技术创新的。实际上,大多数新技术在开始阶段都是被嘲笑的,“专家”会宣称这些东西无法实现或者没有必要。


然而,尽管疑云密布,很多人仍然相信当前的技术趋势已经濒临引发第四次工业革命的边缘;而这一次的点火者将是大规模自动化。尽管人类主导的经济可能永远也不会消失,但一个完全由机器运营的平行经济正在开始形成。跟过去的工业革命类似,当今的这场正在对若干技术突破进行整合,其中包括物联网(IoT)、人工智能(AI)以及分布式账本技术(DLT)。

640?wx_fmt=png


“互联网的发展将大幅放缓,梅特卡夫定律的瑕疵将变得很明显:大多数人对彼此将无话可说。到2005年,互联网对经济的影响将不会超过传真机。”诺贝尔经济奖得主保罗·克鲁格曼对互联网将对社会产生的影响的看法显然错了。


尽管普通人对将发生的事情一无所知或者知之甚少,但是现代技术对众人绝非无迹可寻。以提出收益递增现代理论著称的经济学家布赖恩·阿瑟(Brian Arthur)曾提出了一个论点来描述这种现象,并称之为“自主经济(the autonomy economy)”。这一点引起了世界经济论坛创始人兼执行主席克劳斯·施瓦布的共鸣,甚至还为此写了一本书,名字叫做《第四次工业革命》。


在深入考察当前的技术趋势之前,研究一下前3次工业革命对社会的影响是很有好处的。以史为鉴对我们设想第四次工业革命对未来的影响大有裨益。


过去的工业革命


前3次工业革命都受到了一系列独立但互有联系的技术创新的推动,从而极大地提高了人类生产产出的能力,同时又大大减少了为了获得它所需的输入,无论是人力、时间还是材料。这些进步不仅在经济意义上再造了社会,而且重塑了人类如何感知日常生活的整个概念。


第一次工业革命:


大概在1750到1850这段时间里,发生了第一次工业革命,这主要是人类利用两种关键能源——蒸汽和煤炭的能力的结果。第一次工业革命的主要推动力是蒸汽机的一系列工程突破,加上更廉价更丰富的能源——煤的发现。二者结合最终导致了燃煤外燃机的崛起,从而能够以比之前便宜得多的价格生产多得多的能源。这一新输入导致了制造的重大变革,并被用来促进了若干行业的彻底改变,包括纺织金属厂(尤其是钢厂)以及交通。

640?wx_fmt=png


第一次工业革命的一些重要发明,这都是因为蒸汽机的创新才成为可能。


历史上一些最著名的发明都是在这段时间内形成的,比如用来分离棉纤维的轧棉机,还有用来织衣服的力织机。其他一些知名的突破包括机床的发展,水泥的重新发现,玻璃片的引入,燃煤生产煤气灯等。


在第一次工业革命之前,大多数商品都是在本地由个体手工业者制造的,但是在燃煤蒸汽机的商品化带动下,出现了能够为广泛消费者群体生产产品的大型工业。社会出现了从农耕文化到以大型制造业工厂为核心的工业化城市发展的根本性转变。占主导的不再是个体劳动力,而是慢慢被资本家把持的、雇佣劳动阶层的行业所取代。城市开始成为整个国家的经济动力。这股趋势不会放缓,而且距离第二次工业革命的发生也不会太久,后者所产生的影响甚至比上一次还要大。


第二次工业革命:


第二次工业革命又叫技术革命,大概从1870持续到1914年(一战前),最恰当的描述是这是掌握了第一次工业革命所引入技术,以及自身两大突破——也就是利用了电与石油这两种新能源的结果。


得益于钢铁制造的进步,机器部件开始批量化生产并在不同行业间实现了标准化,比如螺丝和金属杆的标准尺寸。复杂的铁路基础设施以及变革了舰艇的汽轮机开始在若干先进国家出现。基本上社会已经形成了非常出色的交通路网来运输大规模制造出来的工厂产品。因为运输速度提高以及机器驱动生产带来的价格下降,这个时期市场开始真正开放。

640?wx_fmt=png


(1860年的铁铁路基础设施要比仅仅30年前先进得多,当时美国还几乎没有铁路)


第二次工业革命的最高成必须是电力和石油。甚至直到今天现代世界也仍然完全要依赖电力和石油。电气化通常被视为20世纪的最大进步,因为它给了社会一种廉价而丰富的能源,可随时为工厂和家庭提供电力,但是也为后来的所有设备打下了基础。电虽然至关重要,但石油却是上世纪商品化后的最大追求。石油成为大多数交通车辆的主导性能源,无论是汽车、飞机还是农机设备。它还导致了大量消费者产品(塑料)、肥料/化工品以及医药的崛起。


这一时期还有其他一些重大进展,比如通信方面发明了电报、电话以及无线电。造纸机也在20世纪初呈现出良好的发展势头,带来了新的跨大陆传播知识、新闻和通识的能力。最后,橡胶生产的发展导致了轮胎的大规模生产从而促进了自行车、汽车与飞机的发明。

640?wx_fmt=png

(第一次和第二次工业革命关键差别的分解,按生产方式、规模生产的东西、动力源、新引擎、发明、工人生活水平比较)


第一次工业革命是开启现代工业经济的技术爆炸,第二次工业革命是精通了技术从而让摩天大楼林立的现代城市崛起,知道这些很重要。随着国家得以用前所未有的方式进行贸易和沟通,全球进入到全球化的开始阶段。这股始于20世纪下半叶的趋势只会继续,最终会达到空前的程度。社会将经历一场全新的技术大爆炸:数字化革命。


第三次工业革命:


从1950年代末开始直到今天,第三次工业革命,也就是所谓的数字化革命,已经在社会生根发芽,是从机械和模拟电子技术向数字化电子转变的顶点。这次革命的两大结果是数字化计算和通信技术。高速计算机,在互联网与卫星广播的互联下,创建了一个数字化的架构令信息可通过处理速度远高于人类的设备在全球即时共享。所以大家将这一时期称为信息时代并不奇怪。

640?wx_fmt=png

(2000年以来从模拟到数字的转换相当快)


数字信息的充裕是掌握了电力与精密工艺的结果,两者结合导致了不断改进的微处理器,也即是计算机芯片的诞生。从智能手机、高清电视到高端相机设备与无人机,计算机芯片是所有先进电子的骨干。有趣的是,所有这些技术在很短时间内都不断地被更好的版本取代。手机就是一个很好的例子,从付费电话,到固网电话,再到智能手机,接下来可能还会出现生物技术。


就像第1和第2次工业革命的制造创新引领了使用一切生产的材料来建设工业化城市一样。第3、4次工业革命的电子创新正在引领利用了一切产生的数据的智能应用的构建。


第四次工业革命


要想弄清楚第四次工业革命,很重要的一点是要理解智能的概念。领会智能的最好办法是思考智能是如何得到的,这通常要经过4个步骤。

1)收集数据

2)利用前面的数据作为参考来处理数据

3)基于提炼的数据采取行动

4)接收反馈数据,从结果中学习,然后全部保存进记忆中。

640?wx_fmt=png

(智能的一个简单的循环)


这个过程是一个持续收集数据、处理数据、采取行动然后接收反馈的循环。某人经历这一过程越多就会变得越智能——假设他们能够从行动中学习的话。两个关键的基础要素是尽可能多地接触到数据,以及形成无懈可击的模式识别技能。


模式不仅指出了哪些有效哪些无效,哪些是优势哪些是劣势,哪些是趋势哪些是异常,而且还帮助大家对信息进行分类以方便将来使用时记得。出色的模式识别可到了心理和身体能力上的改善,而这正是利用智能的关键。正如爱因斯坦所说那样:“衡量智力的标准是改变的能力。”某人会做出改变的唯一办法接触到一个负面的模式让其退缩,或者看到一个更好的模式引导其前进。最后一步是通过意志力和行动实现的。


如果技术要复制智能并将其开发成数字化商品卖给开放市场的话,那就得采用相同的模式。尽管大多数人并未意识到最近的发展,当前技术正在这一方面打开新的可能性,尤其是鉴于物联网业、AI、DLT以及其他若干宏观趋势的进展。利用硬件、软件以及数据的发展,技术正濒临制造智能的边缘。自主经济离我们比大多数人所想的都要更接近。


物联网(IoT):


数据的大规模制造是数字时代的主要衍生品。这已经成为一种普遍认知以至于大家开始谈“数据是新的石油”。数据其实分为两类:公共数据与私有数据。互联网是最大的公共数据油田,而且是独一无二的,因为它是一个不断增长的资源。私有数据大部分集中在私有服务器上,尤其是在云端,里面包含有大家不想免费分享或者不希望被看到的敏感信息。许多全球最大型公司,如Google、Facebook、Amazon和百度等拥有最多的数据,这一点应该不会令任何人感到惊奇。

640?wx_fmt=png

(有趣的是需注意大部分全球最大型公司均以教育与数据为中心,这跟10年前以资源为中心极为不同)


今天收集到的大部分数据都是通过应用获取的,如Google通过搜索结果收集数据,Facebook通过你的社交档案收集数据,甚至Amazon也基于大家的消费习惯来收集数据。公司基本上的套路是做应用出来给消费者使用然后基于他们的活动收集数据指标。也有一些开源应用任何人都可以用来从市场、体育或者开放病例中获取指标。


然而,要想掌握可与人类媲美的迅速决策能力,必须能接触到实时数据。直到最近,实时数据仍然很难获取,但现在,得益于传感器和致动器技术的一些重大创新,这已经成为了一个现实。所有类型的传感器活动已经成为可能,比如测量温度、位置、速度、加速、深度、压力、血液成分、空气质量、颜色、照片扫描、语音扫描、生物计量、电子以及磁场的传感器等。一般情况下,得由人去进行此类测量,但由于廉价但仍精确的传感器和致动器的大规模生产,这个正在迅速改变。它们不仅被放置到环境里,而且还在机器内,比如工业机械和机器人等,甚至在人体内/上也有,如Fit或者高科技计步器。

640?wx_fmt=jpeg(现有的各种类型的传感器和致动器)


如果自主经济出现的话,就必须有持续的实时信息不断流入。自动动作有效的唯一办法是可以迅速做出可信的判断。有能力实时监控设施、设备及其操作环境,甚至其工人(人或者机器人)的复杂细节,这在很多层面上都是变革性的,目前尚待大规模实现。基本上,随着数据进入到互联的web,无论是实体还是虚拟的一切都正在被搬到网上(物联网正因此而得名)。物联网其实是人类感官的数字形式。


然而,裸数据的价值要取决于分析它的过滤机制。没有合适的分析,应用就会像动物一样靠直觉行动,这正是人工智能是自动化的重要组成部分的原因所在。


人工智能(AI):


数据是智能的燃料,大脑则是吸收数据的引擎,将其与之前数据进行交叉引用,按照分类整理,做出判断,在现实世界触发行动,然后再放回存储。人类大脑强大得令人不可思议,至今对科学家仍然神秘。人之所以有别于地球的其他物种正因为这个器官,因为它的认知能力。因此,复制人类大脑作为一项技术会非常复杂,需要很长时间才能掌握。然而,人工智能领域的突破正在开始出现,让公司有能力运行软件以某种形式模仿人类智能。


按照Chainlink营销总监,AI界的主要发声者Adelyn Zhou的说法,人工智能有7种类型:

1)行动型—基于规则执行动作的系统,如烟雾报警器或者巡航控制

2)预测型—能分析数据并且基于该数据生成概率预测的系统,如定向广告或推荐内容。

3)学习型—基于预测做出判断的系统,如可根据进入的传感器数据采取行动的无人车。

4)创造型—可基于数据进行创造的系统,如设计艺术作品,建筑设计,或者作曲。

5)关联型—根据面部表情、文字、声音及身体语言分析解读情绪的系统,如语音转文字应用,面部扫描技术。

6)掌握型—转化跨领域智能的系统,如识别出4幅不同的图片表示的都是同一个思想/单词。

640?wx_fmt=png

(人类识别出所有表示老虎的图片很容易,但机器用AI软件来识别就比较困难。这需要接触到大量数据之后方能掌握。)


7)演进型—可以在软件或者硬件层面自我升级的系统,比如未来的人类可以像软件一样下载智能到大脑。


其基本想法是新软件能够接受新想法,然后利用庞大的存储信息数据库对其进行处理,做出判断指导现实世界的行动,再接收反馈用于从中学习。整个过程不过是一个可随着与数据互动增加而演进的软件算法。所以不奇怪AI会成为Google的主要关注点,考虑到他们拥有地球上最多的数据。


尽管大多数人未必认为从Pandora播放歌曲或者推荐YouTube视频是人工智能,但其实它们就是。YouTube服务器在平台上提供了各种各样的视频,用户点击自己想看的视频,然后提供对这些视频的反馈,比如点赞/踩或者以观看视频时长的形式留下元数据,然后反馈就被用于更新软件算法。AI软件还可以拿某人的活动与其他喜欢类似视频的用户的数据进行对照,然后推荐更好的选择。这基本上就是基于输入数据而自我演进的算法。这类AI被称为机器学习。


不过最近的进展来自用于深度学习的神经网络。神经网络是模仿人类大脑(尤其是通过比较已知信息进行模式识别及信息分类)的算法为核心的机器学习子集。深度学习是一种基于相关概念或者决策树分层的神经网络,某个问题的答案会导致更深层次的相关问题,直到数据被正确地识别出来。


其主要想法是设计能基于数据而不是人类干预做决策的软件。今天的软件基于输入执行简单的功能,但AI软件会跨行业采取行动,并且根据消化大得多的一组输入的能力对所采取的动作进行演进。AI软件是以数字形式提供给更广泛公众的一种智能技术。大多数人只认为机器人是AI,虽然那个领域也有一些有趣的突破,但软件才是关键,因为没有大脑的话躯壳有何用呢?

640?wx_fmt=jpeg(企业日益认识到采用AI技术的重要性)


已经有很多行业在利用AI来增加利润。SAP HANA就是例子之一,这个智能数据库可以接收各种类型的信息,对其进行处理并识别出异常。比如沃尔玛就用了SAP HANA,因为它可以在数秒钟之内在一个地方处理海量的交易记录。


政府也在利用AI技术来改善城市。比如匹兹堡的交通系统不是靠预编程来控制交通的,而是给红绿灯安装了传感器,这种传感器可以监控交通流量并实时做出响应以实现流量最大化。这个地方正好也是很多无人车的测试场,那些车也嵌入了很多的传感器来监控周边环境,并且接收交通传感器的数据流来自动驾驶。


得益于丰富的数据和智能算法,智能的商品化已具备可能性,最后一步是建设好基础设施,让各方可以无碍地实时通信。这种新的基础设施似乎就是分布账本技术。


分布式账本技术(DLT):


人类智能太不寻常了,因为它协作性很强,意味着社会性的知识库是智能与其他智能互动的结果。两个智能系统之间的障碍阻碍了发展速度,因为它抑制了连接的建立。连接越多,某个东西就会变得越智能。为了让社会的连接最大化,所有系统都需要能够方便地彼此交互,从而让数据和价值在社会自由流动。


自主经济的理想基础设施需要有数据库、处理层、交易层以及连接层。这样就能让任何系统接收输入并发送输出给任何其他系统。网络必须是安全的,实时操作的,并且在必要时提供机密选项。


首先,理解分布式账本技术这个术语很重要,它涵括了以共享分布式账本与去中心化数据库为核心的一整个技术家族。


区块链与其他共享账本技术


区块链是最知名的DLT,它是一种能处理自己的交易并将结果存放到一个公共账本上面的共享存储层。这是通过一个计算机的分布式网络实现的,那些计算机都运行了相同的开源软件。除了初始设置以及由个人跑一个客户端应用来定期维护以外,区块链是一个完全自动化自己运行的网络,能够达成完美共识,同时不会给恶意行为者留下任何集中的攻击点。实际上,可以认为区块链作为一种技术是全球最安全的数据库。公共区块链不需要集中机构,任何人都可以使用该网络,并且在其基础上开发应用,交易是点对点(P2P)进行的,交易方之间没有中介。跟互联网的无许可性质为数据传输提供条件类似,公共区块链作为主导性数据库以及人与经济经济的交换中介也会出现网络效应爆发。

640?wx_fmt=jpeg

(网络效应大概是公共区块链在未来获得大规模采用的最大原因。)


区块链的差异通常在于网络达成共识的方式以及谁会因为帮助达成共识而获得奖励。区块链有各种共识机制,比如比特币的工作量证明(PoW),EOS的委托权益证明(DPoS),NEO的委托拜占庭容错(dBFT),Stellar的实用拜占庭容错(PBFT),以及权益证明(POS),后者尚有待完全实现,但以太坊证明努力成为第一家。还有一些许可区块链,比如只允许特定方使用网络的IBM Hyperledger,相当于一个私有财团。不过关于许可区块链有很多疑虑,认为一旦公共区块链变得可伸缩并允许私有之后其好处存疑。跟互联网与内联网(Intranet)之争类似,许可区块链可能也有小众的用例,但最终公共区块链会成为全球价值转移网主要的高速公路。


还有其他形式的DLT提供类似区块链的特性。包括IOTA和NANO这样的有向无环图或者像Hashgraph 和 Holochain这样的技术,这些采用的是流言协议而不是完全网络共识。不过首要的共同主题是所有这些数据库都是在一个公的分布式网络内存储和处理数据的。正如Digital Asset 的Blythe Masters所概况那样,它提供了一个“金子般的真相来源。”


智能合约


第二个最知名的DLT是智能合约,这是一个模仿法律协定及法庭判决的区块链内部协议。经济需要各种类型的协定并且根据现实世界的结果对那些协定进行仲裁。智能合约可以在数字世界利用if/then语句再造这些来根据合约状态触发交易。其基本假设是合约就像书写一样被利用if/then参数进行编码。例子之一是衍生工具合约,如果产品达到特定价格,则客户拿到钱,否则的话,客户就得付钱给对方。

640?wx_fmt=jpeg

(智能合约如何在一个经济体内触发自动动作的例子)


物联网采集数据,AI处理数据,智能合约则是利用数据触发实际动作(如支付、数据传输,或者结果的存储)的软件基础设施。这相当于商业交易中的人类握手或者人点击发送按钮来触发动作。既然智能合约驻留在区块链内,它们就获得了所有随之而来的安全优势。智能合约其实就是一个触发自动动作的功能性交易层,它利用数据创造了一个只能描述为价值自动转移的自运行经济的东西。智能合约代表了现实世界的行动和交易。


宏观趋势


大多数宏观趋势都融进了一条共同的线索,那就是日益开放互联的全球经济朝着实时的方向发展,并且日益自动化运转。最明显的宏观趋势是全球化,从互联网发展起来的东西已经让即时沟通无界限,并让普通消费者也能享受得起旅行。实际上,得益于Skype和微信这样的app,现在基本上已经可以免费地给全世界的人打电话了,并且几乎所有国家都可以向旅行敞开大门了。文化和数门槛正在迅速消失,尤其是随着语音转文字应用变得流行起来。


第二个宏观趋势是摩尔定律——也就是当价格不变时,集成电路上可容纳的元器件的数目,约每隔18-24个月便会增加一倍,性能也将提升一倍。换言之,每一美元所能买到的电脑性能,将每隔18-24个月翻一倍以上。这一现象会成为可伸缩的DLT技术发展的主导因素。这也会成为智能机器人发展的主导推动力。机器人本身是一个不断发展的行业,因为机器人有望取代大部分的体力劳动工作,但是在AI与高速计算的进展下,这有可能会打开实用机器人使用的市场。很多形式的机器人已经在用,比如扫地的家务机器人或者像Amazon仓库搬东西旅行订单的工业机器人。

640?wx_fmt=jpeg

(此图展示了按照摩尔定律发展的技术)


另一个宏观趋势是更好形式的生物技术。基本想法是人机融合——将机器植入人体或者置于人体之上。这一块会跟物联网设备有大量重叠,将来可能会出现监控各种人体健康问题的应用。从设备读数可帮助人保持健康,可能还会用来触发健康保险折扣的智能合约。在不久的将来,生物技术可能还会带来脑机接口,让大脑像下载软件那样下载智能。生物技术是通往未来的最大趋势之一。


最后一个大的趋势是开源运动。全世界要求公司及/或政府对外部实体开放API的法律都已经获得通过,比如欧洲的PSD2法律要求所有银行开放API给金融科技公司使用,奥巴马当政时通过的《21世纪治愈法案》要求从2018年开始所有电子病历都要通过开放API提供出去。还有围绕着软件的开源运动,DLT技术就是首要例子。最后,在知识共享许可的带动下,知识和新闻也在朝着开源发展。数据越开放,蜂巢思想发展得就越快,因为它为连接打开了更多的机会。


结论


基于上述信息,一幅图景正在开始成形,让我们可以展望未来50年这幅画卷可以如何展开。世界正在开始形成的这个模型是,得益于大型数据提供商、物联网设备以及互联网,数据已经成为一种不断增加供给的资源。而AI算法可以利用这些数据,对其进行优化,用来在实体世界执行智能动作。这些动作还得到了DLT技术的促进,后者将一切连接到一起,触发了交易的调解,并将其记录到一个共享账本上。一旦网络就位,它们就能自主运行并且不断变得越来越聪明。这就是第四次工业革命。


人类经济不会彻底消失,但可以打包票的是自主经济将会逐年蚕食掉它的份额。机器人将取代人的体力劳动并且变成数据驱动,AI使能的智能合约将取代智力劳动,比如律师、会计、第三方中介、数据录入员以及保险精算人。随着大量开发者可能会涌入到AI算法和智能合约的开发当中,这还只是开始。参与的人越多,这股趋势的势头就会变得越大。


尽管想到不就得将来所有的工作都会消失会令人不寒而栗,但如果实施时充分考虑伦理的话,这有可能成为一门解放的技术。人类将被迫认真去重新思考一下在一个后稀缺时代的世界里的社会和经济体系。这个问题将不再围绕着生产展开,因为所有人都将丰衣足食,一切都是由机器处理。相反,问题的焦点将是分配,这个议题会是高度政治性的,但却是变革中的社会避不开的成长之痛。


应该指出的是,这种技术仍然处在萌芽阶段,需要很多方面取得进展才能规模实现。不过这应该也不足为奇,因为过去的每一次工业革命都是一系列的技术突破而不是灵光一现。我们无法确定未来将如何展开,但可以确定的是,自动化在任何短期之内绝不会消失,所以最好是接受它,与之合作,而不是徒劳地与之对抗。记住,智能是一种认知模式,所以剩下的唯一问题是你是否看见了这种模式,如果是的话,你会不会根据自己对它的理解而采取相应行动?


过去无法改变,但未来等着你去征服……

原文链接:https://medium.com/altcoin-magazine/the-fourth-industrial-revolution-the-rise-of-the-autonomous-economy-cfe0886ad8b3

640?wx_fmt=png



640?wx_fmt=jpeg640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg

统。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/492664.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

mysql分表方法实现

一般来说,当我们的数据库的数据超过了100w记录的时候就应该考虑分表或者分区了,这次我来详细说说分表的一些方法。目前我所知道的方法都是MYISAM的,INNODB如何做分表并且保留事务和外键,我还不是很了解。 首 先,我们需…

QT中的QGridLayout布局

QGridLayout布局参考: https://blog.csdn.net/mynameislinduan/article/details/77893298

2019年大数据发展将走向何方

来源:网络大数据近日,包括CCF(中国计算机学会)大数据专家委员会、IDC公司(Internet Data Center 互联网数据中心)和Gartner公司等多家国内外知名信息技术研究机构均发布报告,对2019年乃至未来若干年的大数据产业发展趋势做出预测,…

iOS定时器

相关类:NSTimer A timer is not a real-time mechanism; it fires only when one of the run loop modes to which the timer has been added is running and able to check if the timer’s firing time has passed. Because of the various input sources a typical run loop…

QT给文本添加链接事件

参考自: https://blog.csdn.net/humanking7/article/details/80685893 说明 Qt的文本窗体部件能够显示富文本,使用HTML4 标记。能够以这种方式显示富文本的窗体控件有: QTextDocument, 以及 QLabel and QTextEdit。 关于打开超链接的两种方…

AI人必看!89页全网最全清华知识图谱报告

来源:智东西摘要:谷歌冲锋,淘宝猛追,这个AI秘密武器强在哪?知识图谱(Knowledge Graph)是人工智能的重要分支技术,它在2012年由谷歌提出,成为建立大规模知识的杀手锏应用&…

自学php【二】 PHP计算时间加一天

最近几天在做一个项目,主要是将SQLserver数据到MySQL数据库,一个url跑一次 同步一次昨天的数据,由于很多数据需要同步,所以做了一个操作界面的,一个单纯跑url的 在其中涉及到了对于时间的计算!当我写完这个…

为QT添加qss样式文件

代码 QFile file("my.qss"); file.open(QFile::ReadOnly); QString styleSh tr(file.readAll()); setStyleSheet(styleSh);my.qss文件内容 /* 正常时,按钮颜色 */ QPushButton{background-color:rgb(240,255,255);color: rgb(0, 0, 2);border-style: o…

人机融合智能的现状与展望

来源:人机与认知实验室作者:刘伟 苌凯旋摘要:本文对人机融合智能的概念、应用、发展将面临的关键问题以及未来发展的方向进行简要介绍。1 引言1.1 现有人工智能的不足与挑战人工智能(AI)的概念于1956年的达特蒙斯学院暑…

J2EE软件开发视频教程

BF-TECH-J2EE软件开发工程师就业班课程 课时数量:920课时 用到技术:J2EE 涉及项目:权限管理通用模块、易买网、CRM客户关系管理系统等 咨询qq:1840215592 J2EE软件工程师培训视频教程结合项目,进行实战图书馆信息管理系…

优先队列priority_queue的使用方式

C STL中的一种数据存储结构&#xff0c;数组的方式存储&#xff0c;插入数据时&#xff0c;设置排序规则&#xff0c;可以自动排序&#xff0c; priority_queue <int,vector<int>,less<int> > p; priority_queue <int,vector<int>,greater<int&…

Unity自带网络功能——NetworkView组件、Serialize、RPC

Unity拥有大量的第三方插件&#xff0c;专门提供了对网络功能的支持。可是&#xff0c;大部分开发人员第一次接触到的还是Unity自带的网络功能&#xff0c;也就是大家常常说到的Unity Networking API。这些API是借助于组件NetworkView发挥作用的&#xff0c;而它能够简化开发人…

Science:人工智能的发展离不开神经科学,先天结构或是下一个方向

来源&#xff1a;Science编译&#xff1a;机器之心摘要&#xff1a;人工智能从神经科学领域吸收了大量养分&#xff0c;并由此催生了深度学习和强化学习等智能处理方法。以色列魏茨曼科学研究学院计算机科学系教授 Shimon Ullman 相信神经科学还能为人工智能发展提供进一步的助…

Ubuntu20.04 及深度学习环境anaconda、cuda、cudnn、pytorch、paddle2.3安装记录

学习目标&#xff1a; Ubuntu20.04下装好torch、paddle深度学习环境。 选择的版本环境是 &#xff1a;最新的nvidia驱动、cuda 11.1 、cudnn v8.1.1&#xff0c;下面会说为啥这么选。 学习内容&#xff1a; 1. Ubuntu20.04仓库换源 本节参考Ubuntu 20.04 Linux更换源教程 2…

NSIS脚本语言安装与编译

NSIS是什么 当项目中需要把安装包发给客户时&#xff0c;不能直接发送release文件&#xff0c;需要把release文件压缩打包&#xff0c;这时就可以用到NSIS工具&#xff0c;NSIS工具可以进行包装&#xff0c;使用时需要下载&#xff1a; 编译环境&#xff1a;nullsoft scriptab…

今日思考

1. 带人&#xff0c;就是要带来改变 2. 程序员做到什么时候退休 3. 人一辈子能创造多少财富 转载于:https://www.cnblogs.com/x3d/p/4209759.html

AI 的寒冬将来临

来源&#xff1a;云头条深度学习处于所谓的AI革命的前沿至今已有好几年&#xff1b;许多人过去认为&#xff0c;深度学习是神奇的“银弹”&#xff0c;会把我们带到技术奇点&#xff08;general AI&#xff09;的奇妙世界。许多公司在2014年、2015年和2016年纷纷下豪赌&#xf…

Libcurl安装与HelloWorld

Windows系统下源代码下载编译、安装方式如下&#xff1a; https://blog.csdn.net/fxbjye/article/details/89152849 编译后得到库文件&#xff0c;把这两个文件复制到项目文件中&#xff0c; 修改项目文件的属性&#xff0c; 修改附加依赖项&#xff1a; 输入代码&#xff1…

sql分页

select * from ( select ROW_NUMBER() over(order by id Desc) as rowid,* from News) tb where tb.rowid between 1 and 5 )转载于:https://www.cnblogs.com/andyxl/p/4215937.html

信息论之父是如何将世界数字化的?

来源&#xff1a;CSDN编译&#xff1a;弯月机械鼠闯迷宫在 20 世纪 50 年代早期的一段视频中&#xff0c;贝尔实验室的科学家克劳德香农&#xff08;Claude Shannon&#xff09;展示了他的一项新发明&#xff1a;一只名为 Theseus 的机械鼠&#xff08;看起来需要上发条&#x…