域名频道资讯站 
7 月，华为一则薪资通知刷爆朋友圈：华为给8位博士应届生给予 89.6 万至 201 万的年薪。其中薪资最高的两位博士均研究人工智能相关专业。
7 月还有一件大事：马斯克发布最新研发的脑机接口，让我们看到用意念控制电脑不再是梦。
为何马斯克会有如此“疯狂”的研究？他表示：“我认为未来人类智力会被 AI 甩在身后，脑机接口可以让我们跟上 AI 的脚步。所以，让人脑和机器连接很重要。”
关于人类比不上 AI 的言论，霍金早有担忧：人工智能也有可能是人类历史上最后的事件。
为何大佬们会有如此的担忧与举措？为何华为重金招聘 AI 领域的人才？这得从 60 年前，AI 的诞生开始说起……
人工智能 60 年
1956 年 8 月，以约翰·麦卡锡（John McCarthy）、马文·闵斯基（Marvin Minsky，人工智能与认知学专家）、克劳德·香农（Claude Shannon，信息论的创始人）、艾伦·纽厄尔（Allen Newell，计算机科学家）、赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等年轻科学家聚首，探讨用机器模拟智能的系列问题，并首次提出了“人工智能”这术语，这标志着“人工智能”的正式诞生。
1956-1974 年，人工智能进入黄金时期，大量的资金投入支持人工智能的研究和发展，这时期发明最早的聊天机器人 ELIZA；H. A. Simon 在 1958 年断言称不出10年计算机将在下（国际）象棋上击败人类。
这时期人工智能的身影出现在众多影视、小说作品里：在 1968 年科幻电影《2001：太空漫游》里，HAL 9000 智能机器人发生错乱，在前往木星的太空船上对人类发起攻击；在1970年《巨人：福宾计划》电影里讲述超级计算机的强大力量，并展现高度依赖人工智能可能会引发的后果。
但同时埋下一个隐患：虽然科学家们创造了多种多样的机器人，但它们看起来像是漂亮的“玩具”，如何落地到实用的工业产品中是个尚待解决的技术难题。
因此到了 70 年代，人工智能受到各种批评，国家（美国）也不再投入更多经费，人工智能进入第一次寒冬（1974-1980）。
即使在1958年出现最早的神经网络的研究：Frank Rosenblatt提出了感知机（Perception），但这之后的10年联结主义没有太多的研究和进展。
自此，人工智能的命运似乎一直浮浮沉沉：
1980-1989 年，人工智能因专家系统又处于繁荣兴盛期。而后又因商业难以成功，在 1989-1993 年又跌至第二次寒冬；1993-2006 年，因统计学习理论的发展和 SVM 等工具的流行，使得机器学习进入稳步发展的时期。
2006 年，Hinton 提出了 Deep Belief Nets （DBN），通过 pretraining 的方法使得训练更深的神经网络变得可能。
2009 年 Hinton 和 DengLi 在语音识别系统中首次使用了深度神经网络（DNN）来训练声学模型，最终系统的词错误率（Word Error Rate/WER）有了极大的降低。这让深度学习在学术界名声大噪的是 2012 年的 ILSVRC 评测。
自此，人工智能进入爆发期。各路资本竞相投入，甚至国家层面的人工智能发展计划也相继出台。与此同时，作为人工智能开发的主要语言 Python 也热门起来。
Python 30 年：生于小众，盛于 AI
在那个计算机资源贫乏的年代，像计算机一样思考并编程是每个程序员必须面对的事情，这让一位年轻的程序员 Guido van Rossum 感到非常苦恼：shell 简单易编程的特性让程序员更加专注于设计和逻辑本身，但 shell 本质上是一个功能的调用，它没有自己的数据类型，更无法全面调用计算机功能，因此 shell 也不算是一门“语言”。
因此，他希望找到一种语言既可以像使用 shell 一样简单，又可以和 C 语言的功能相媲美。
1989 年的圣诞节，Guido 开始编写 Python 语言的编译器。他希望这个新的语言，能符合：介于 C 和 shell 之间，功能全面、易学、易用又可拓展。
正因为 Python 的易用和拓展性，在 AI 领域，Python 拥有很多相关库和框架。其中最著名的有三个，并以此奠定了 Python 在人工智能领域的无可撼动的地位：
sklearn：一个老牌机器学习库，其 neural_network 库可用来做神经网络训练。
PyTorch：由 Facebook 于2016年发布，它基于曾经非常流行的 Torch 框架而来，为深度学习的普及迈出了重要一步，到目前为止它已经是人们用来做学术研究的首选方案。
TensorFlow：谷歌于 2015 年研发的第二代人工智能学习系统。借助谷歌的强大号召力以及在人工智能领域的技术实力，它已经成为目前企业真实生产环境中最流行的开源 AI 框架。更重要的是，它是第一个经过真实大规模生产环境（Google）检验过的框架。
很快 Python 成为全球受欢迎的编程语言之一。不只在商业领域流行，国内很多地区和教育机构正将 Python 纳入教材之中：Python 进入山东小学六年级的教材，浙江信息技术教材将放弃 VB，改用 Python 语言，Python 列入全国计算机二级等级考试大纲等。
在当下，除了热门的 Python，程序员还应关注哪些技术呢？
物联网或许是其一。
五年后，物联网终端将破 270 亿
自 2017 年物联网设备数首次超过人口数量后，据预测，到 2025 年，物联网的连接数将超过270 亿。
那么当我们在谈论物联网技术时，该从哪块谈？
从业务场景上，物联网分为固定或慢速无线数据接入（局域物联网）、移动无线数据接入（移动物联网）、泛在无线数据接入（低功率广域物联网）三种情况。
当我们在谈物联网时，通常会谈到 5G。无疑 5G 技术和网络具有大带宽、大连接和低时延等特点，是物联网的一种重要接入手段。需要注意的是，5G 不等于物联网，也不会替代物联网。
物联网技术是一个软件和硬件相结合的技术，数据采集涉及到各种传感器技术，包括声、光、温度、化学、电机等传感器。
数据传输涉及到各种有线无线通信技术；大数据分析、数据处理和创新、AI人工智能等和计算机领域的各种知识密切相关。所以如果作为一名物联网业务开发者，硬件方面需要掌握传感器技术、嵌入式开发、通信技术等底层知识；如果作为软件开发者，需要掌握网络通信编程、大数据分析、AI算法等相关知识。
物联网的发展离不开 AI，正如中国工程院院士邬贺铨在一次会议里谈到：“AIoT 是 IoT 的发展方向，IoT 需要 AI 来提升其价值。”而目前我们仅是起步阶段，AIoT 的发展空间十分广阔。
在我们 AI 促进 IoT 发展的同时，随着 IoT 设备的增长其隐藏的安全问题不容忽视。由于物联网的集中式架构是造成物联网网络脆弱性的主要原因之一。随着数十亿设备的联入，物联网成为网络攻击的重要目标，IoT 必须打响安全保卫战。
而区块链，或许是 IoT 新的安全解决方案。
区块链与物联网融合，新安防攻略
区块链有以下基础特征：
1、区块链是公开的，每个参与区块链网络节点网络的人都可以看到区块和交易的存储与审批，用户仍然可以使用私有密钥来控制交易；
2、区块链是分散的，没有单一的权威机构可以批准消除单点故障（SPOF）的交易；
3、它是安全的，数据库只能扩展，以前的记录不能更改。
所以将区块链技术融入 IoT 作为安全解决方案是可行的，这或许能吸引更多开发者参与区块链的开发。
然而当我们回顾区块链的十年发展历程，我们发现它如正态分布的曲线，高低起伏。可无论趋势如何改变，其基本的比特币架构中最重要的三项技术是没有改变的：
1969年，P2P技术诞生；1977年，罗纳德·李维斯特、阿迪·萨莫尔和伦纳德·阿德曼一起提出的非对称加密技术；2002年，工作量证明共识算法（PoW）。
但区块链的概念不仅仅局限在比特币上，目前很多大公司相继推出区块链云服务平台，将区块链和云计算相结合。
本文素材来自互联网
