🔥 New feature 1: store datasets on IPFS/Filecoin for fast share/retrieve by add link in article. Example article 1: 100GiB+ machine translation dataset( Under CC-BY-NC-SA 4.0 license)
🔥 New feature 2: store articles on IPFS/Filecoin to avoid 404. Example article: Trust (The article will be stored in Filecoin network when the author decides to do so)
🔥 New feature 3: Rewards creators and sharers with Filecoin & Likecoin. Example article: Trust (You can send author/sharer Filecoin if you like)
Long Live RSS
昨日（5 月 9 日），三星电子推出了两款隶属于 ISOCELL Bright 系列、适用于手机摄像组件的 CMOS，分别是 GW1 和 GM2。两者的单个像素面积均达到了 0.8μm，预计将在今年下半年开始量产。
据了解，GW1是一款 6400 万像素图像传感器。通过像素合并 Tetracell 技术和重新拼贴算法，GW1 可在低光环境下生成明亮的 1600 万像素图像，在更亮的环境中可生成 6400 万像素图像。GW1 还配备双转换增益（DCG），可通过高性能相位检测自动对焦技术 Super PD 提供更清晰的图像，支持 480 帧/秒（fps）的全高清录制。 GM2 则是一款 4800 万像素图像传感器，在低光环境下也采用 Tetracell 技术，在光线充足的环境中采用重新拼贴算法，带来自然鲜艳色彩的高清画面。并配备与 GW1一样的 DCG、Super PD 技术。来源
一加 CEO 刘作虎近日在外媒 CNET 的邮件采访中确认，基于用户社区的反馈，一加手机 7 Pro 将采用了体积更大的振动马达，来保证手机的振动反馈体验，这与近日微博上「一加手机 7 Pro 将配备横向线性马达」的传闻吻合；刘作虎同时也指出，一加手机也将从软件层面上对新的振动马达进行适配，允许用户自定义振动反馈强度。来源
据韩国《先驱报》报道， 三星折叠屏手机 Galaxy Fold 的屏幕等问题已得到解决。三星移动部门总裁高东真表示，目前已查明造成屏幕故障的原因，将会在数周内重新公布该设备在北美地区的上市时间。对此，三星还表示将会进一步加强设备铰链以增加耐用性，并将会减少显示器和保护涂层之间的间隙，防止外来颗粒进入设备。
但当《先驱报》询问 Galaxy Fold 是否会在本月推出时，高东真并没有给出准确的恢复，仅称「我们不会太迟」 ；而据此前的 报道，三星若无法在 5 月 31 日前无法解决手机问题，将计划取消所有预订订单。来源
macOS 10.15 将会推出全新的独立的音乐应用，此前有报道称这款新的音乐应用将基于 Marzipan 开发，不过最新的消息表示，独立的音乐应用将依旧是基于 iTunes 的 AppKit 应用，他将继续保留一部分 iTunes 功能，例如智能播放列表、高级库管理，与 iPod 以及 iOS 设备同步和光盘读取刻录功能，也就是说新的独立音乐应用更像是只专注于音乐功能的 iTunes，当然届时 iTunes 也可能会会获得保留。来源
由于市场动荡以及主要竞争对手 Lyft 上市后大幅下跌，Uber 的 IPO 发行价将被定为每股 45 美元，接近预期区间的最低端。不过，按照这个价格，Uber 依旧能筹集到 81 亿美元左右的资金，估值也将达到 820 亿美元，使其成为自 2014 年阿里巴巴集团上市以来在美国上市的最大 IPO。
Uber 预计将于本周五（当地时间）在纽约证券交易所（NYSE）挂牌上市，代码为「UBER」，由摩根士丹利和高盛将担任主承销商。来源
在经过几个月测试后，知名音箱制造商 Sonos 在昨日（5 月 9 日）给股东的季度收益报告中证实，该公司计划下周正式为两款支持语音控制的音箱 Sonos One 和 Sonos Beam 推出 Google Assistant 功能， 并表示这项功能最初将只在美国市场推出，未来将逐步开放至其他市场。来源
...下载少数派 客户端、关注 少数派公众号 ，每天了解科技圈的新鲜事 📰
特惠、好用的硬件产品，尽在 少数派sspai官方店铺 🛒
在 Google I/O 2019 的第三天，图灵奖最新得主、Google Brain 高级研究员 Geoffrey Hinton 在现场同《连线》杂志现任主编 Nicholas Thompson 进行了一场对话访谈。尽管是开发者大会的最后一天，而且访谈被安排到了午饭时段，但这仍成为了本年度 Google I/O 除首日官方 keynote 之外最引人关注的一场活动。
Hinton 在上世纪 80 年代提出了以人工神经网络作为机器学习研究基石的想法，但在之后的很长时间里，他的观点都被学界和业界视为「边缘事物」，甚至是一种「一厢情愿」。直到进入新世纪，随着计算机运行的速度的大幅提升，深度神经网络有了海量可供训练的数据，人工智能终于迎来了新局面。
2012 年，Hinton 带领两名学生提出深度卷积神经网络模型 AlexNet，在图片识别上取得了重大突破，他多年研究工作的重要性才被整个业界认可。除了戴上「深度学习教父」的花冠，Hinton 在两个月前同 Yoshua Bengio 和 Yann LeCun 一起，被授予了 2018 年图灵奖。
Yann LeCun, Geoff Hinton, and Yoshua Bengio | WIRED
因为背痛而多年都只能站立工作的 Hinton 站着完成了这场对话，就像在现场介绍视频里他调侃的那样，他远远领先于当下的「潮流」。在他的专业领域也是同样。图灵奖之后，这位鲜少接受采访的天才在这次对话中谈到了自己的研究，对机器智能的信心和期望，以及未来的世界和梦境的启迪。
以下是极客公园前方记者从现场发回的访谈实录，经极客公园编辑整理，有删减。
Q：Nicholas Thompson
A：Geoffrey Hinton
Geoff Hinton 亮相 Google I/O | 极客公园前线记者
Q：20 年前，当你发表了一些有影响力的文章。每个人都说，这是个好点子，但是事实上我们没法这样设计计算机。跟我们聊一聊，你为什么坚持，为什么你就相信自己的发现很重要？
A：实际上那是 40 年前了。对我来说，人脑工作只有一种方式——通过学习神经元之间连接强度来工作。如果你想要一件设备做一些智能的工作，你有两个选择，你可以自己编程或者让机器自己学习，我们当然不选择编程，我们只能想办法让机器学习。所以（我认为）这一定是正确的方式。
Q：在座的大多数人对神经网络都很熟悉了，但还是请你解释一下最初的想法，以及它是如何在你的脑海中形成的。
A：相对简单的处理元素，也就是松散的神经元，它们连接在一起，每个连接点都有一个权重（weight），通过改变连接点上的权重去学习。神经元所做的是将连接点上的活动乘以权重，把它们加起来，然后决定是否发送一个输出。如果和足够大，就发送一个输出，如果和是负的，它就什么也不发送。你需要做的就是把无数的权重连接起来，然后找到调节权重的方法，然后神经网络就能做一切事情。所以这就是一个调节权重的问题。
Q：那么，你是什么时候开始知道它的工作原理是近似大脑的呢？
A：神经网络一直是这样设计的，它模拟了大脑工作原理。
Q：所以在你职业生涯的某个时候，你开始了解大脑是如何工作的，也许是在你 12 岁的时候，也许是在你 25 岁的时候，你什么时候决定用计算机模拟大脑工作原理？
A：这就是问题的关键。神经网络的整个想法是有一个像大脑一样学习的设备，像人们认为大脑通过改变连接强度来学习一样，这不是我的想法。图灵也有同样的想法，尽管他发明了很多标准计算机科学的基础，他相信大脑是一个没有组织，有随机权重的装置，它使用强化学习的方式来改变连接，它会学习一切。他认为这是获得智能的最佳途径。
Q：所以你遵循图灵的想法，制造机器最好的方法就是模仿人类的大脑。这就是人脑的工作原理，让我们造一个这样的机器。
A：这不仅仅是图灵的想法，很多人也这样想。
Q：所以你有这样的想法，很多人都有这样的想法。你在 80 年代末得到了很多赞誉，因为出版的作品而出名，对吗？
A：是的。
Q：最黑暗是什么时候？那些曾经支持图灵想法的人都开始退缩了，但你却继续向前是什么时候？
A：总有一群人一直相信它，尤其是在心理学专业。但是在计算机科学家中，我想在 90 年代，当时数据集非常小，计算机没有那么快。在小数据集处理上，其他的方法，比如支持向量机（support vector machines）能达到更好的效果，不会被噪音影响。这非常令人沮丧，因为我们在 80 年代发展了反向传播（back propagation），我们本认为这项技术可以解决所有问题，但是结果相反。这只是一个规模的问题，但我们当时并不真正了解它们。
Q：那你为什么认为这行不通呢？
A：这是因为我们没有非常正确的算法，我们没有正确的目标函数。我认为很长一段时间以来，因为我们试图进行监督学习，你必须给数据贴上标签，而我们本应该进行无监督学习，你只需要从没有标签的数据中学习，最后发现这主要是一个规模的问题。
Q：这很有趣，问题是你没有足够的数据。你认为你有足够的数据但是你没有正确地标记它。所以你只是误解了问题？
A：我认为使用标签是错误的，你不应该利用标签的前提下完成大部分学习，而是基于数据尝试模拟结构。我仍然相信，随着计算机速度越来越快，任何给定的数据集，只要计算机足够快，你能更好地做无监督式学习，一旦你完成了无监督式学习，你将以来更少的标签学习。
Q：所以 90 年代，你还是在做研究，仍然在学术界发表研究。但是没有非常大的突破，你曾经想过放弃深度学习的研究，去做一些别的事情吗？
A：这样的工作是一定要去做的，我的意思是大脑学习神经元的连接，我们必须要把这件事弄懂。也许还有很多学习连接强度的方法，大脑用了其中一种，也会有其他的方法。但是你总得学会一种方法，我从没有怀疑过这一点。
Q：那好，你从来不怀疑，那是什么时候开始，你所坚持的有了成果？
A：80 年代，如果你建造的网络有很多隐藏层，你无法训练它们。Yann LeCun 开发了卷积神经网络（CNN）只能训练相当简单的任务，比如实现机器读取手写，但是大部分深度网络，我们是不知道如何训练它们的。
2005 年的时候，我研究出一种深层网络的无监督式训练方法，比如你输入像素值，然后能学习一组特征探测器（feature detectors），能够解释像素值为什么有这样的特征，然后你把这组特征探测器作为数据，你学习到另一组特征探测器，我们能解释这些特征探测器为什么有这些相关性。然后你继续一层一层的学习。有趣的是，你可以做数学计算并且证明，每一次你得到的层不一定具有比上次更好的数据模型，但是你在不断递进。
Q：我知道了，就是你在做观察，结果不是正确的，但是它们越来越接近正确。就比如，我对着观众来做一些概括，不是一下子就正确的，但是我会做的越来越好。大体上是这个意思吗？
A：大概是。
Q：2005 年的时候，你在数学上取得了突破。什么时候开始你得到了正确的答案，你在运算什么样的数据，你在语音数据上迈出了自己的第一步突破。
A：这仅仅是大量的数据，非常简单的测量。大约同期，他们开始在研发 GPU，研究神经网络的人大约在 2007 年使用 GPU。我有一个非常优秀的学生利用 GPU 在航空遥感图像中寻找道路。他写了一些代码，然后被其他学生加以复用，在语音中识别音位，然后他们使用 Pre-Training 的想法，做完 Pre- Training 后，把标签贴在上面，使用反向传播。事实证明，基于 Pre-Training 你可得到好的深层网络，然后使用反向传播，得出的结果确实打败了当时语音识别的标准，起初，只是领先了非常小的一步。
Q：它打败了最好的商业可用语音识别，还是打败了语音识别的学术研究？
A：在一个相对小的叫做 TIMIT 的数据集上，表现略好于最优秀的学术研究，同时也好于 IBM 的成果。很快，人们意识到这个发展了 30 年的技术正在打败标准模型，只要再往前进一步就会发展得更好。
所以我的研究生们去了微软，IBM，Google，Google 是最快转向生产语音识别器的。到 2012 年成果在 Android 展现了出现，从 2009 年提出发展了 3 年的时间，Android 突然变得更加擅长语音识别。
Q：所以，你从四十年前萌生了这个技术概念，自从你发表文章也过去了 20 年，你终于领先于你的同行们，你当时是什么心情？
A：我有这个想法才 30 年。
Q：哈哈，是的，30 年，这还是「新」点子。
A：它终于在一个真正的难题上达到了最先进的水平，这感觉真好。
Q：当你开始把它应用到其他问题上时，你意识到了它在语音识别上是有效的。
A：我来举几个例子吧。最早从事语音识别研究的人之一的 George Dahl 把深度学习应用到分子领域，你想要预测该分子是否会与某种物质结合成一种很好的药物。当时有一场比赛，他把我们为美国心脏协会设计的标准技术应用到预测药物的活动上，他们的胜利是一个标志，标志着深度学习可以得到普遍地应用。我有一个学生叫做 Ilya Sutskever 跟我说，Geoff 你知道吗？深度学习要应用在图片识别中，李飞飞已经创建了正确的数据集，公开的竞争开始了，我们必须要做。所以我们基于 Yann LeCun 的理论研发了一项技术方法，我的一个学生叫做 Alex Krizhevsky，他真的是一个魔法师，擅长编程 CPU，我们得到的结果比 2012 年的标准计算机视觉要好得多。
Q：建模，化学，语音。这是它成功的三个领域。那它在哪些领域失败了？
A：失败只是暂时的。
Q：它在哪个领域失败过？（笑）
A：比如机器翻译，我想我们需要花很长的时间才能成功。比如，你有一串符号进来，又有一串符号出去，在这两者之间，你对一串符号进行操作，这是很合理的，这就是经典的 AI。事实上，它并不是这样运行。符号串进来，你把它们变成你大脑中巨大的矢量（vectors），这些矢量相互作用，然后你把它们转换回来，而不是把符号串转换出去。如果你在 2012 年和我说，在接下来的 5 年时间里，要用相同的技术实现在多种语言之间进行翻译的效果，Recurrent Net（循环神经网络），但如果只是随机初始权重的随机梯度下降，我不相信事情会发生得比我们预料的要快得多。
Q：所以，最快的领域和最耗时的领域都有什么区别，比如像视觉处理，语音识别，是我们利用感官感知做的核心人类活动，这会是第一个要清除的障碍吗？
A：其他的事情比如运动控制，我们人类擅长运动控制，但是深度学习最终也会取胜。抽象推理，我认为是我们最后要学习的一件事。
「人类能做的事情，神经网络也能做」| Google I/O
Q：所以你一直说神经网络最终会赢得一切？
A：我们拥有自己的神经网络，对吗？人类能做的事情，神经网络也能做。
Q：人脑未必是有史以来最高效的计算机，有没有一种建模机器的方法比人脑的效率更高？
A：从哲学上来讲，我不反对可以用完全不同的方法来做这一切的观点。这种方法可能是，你从逻辑开始，你尝试自动化逻辑，做了一些很好的改进，你进行推理然后决定通过推理来进行视觉感知。这种方法有可能会成功，但结果却是没有成功。但我并不反对哲学上的胜利，只是我们知道大脑做不到。
Q：但也有一些事情是我们的大脑做不好的，这些事会不会神经网络也做不好？
A：很有可能。
Q：还有一个单独的问题，我们完全不知道这些东西是如何工作的，我们不明白自顶向下的神经网络。
A：可以看一下现在的机器视觉系统。大多数基本上是前馈的，它们不用反馈链接。目前的机器视觉系统还有一点就是，它们非常容易出现对抗性的例子。你可以稍稍改变几个像素，比如一张熊猫的照片，你看它是熊猫，但机器就突然说它是鸵鸟，但问题是你知道这是个熊猫。最开始我们以为这些机器没问题，然后出现了类似熊猫鸵鸟但问题以后，我们又开始有些担心。
我认为这部分问题在于，它们没有从高级但表征中重建，它们试图做有区别的学习，你只需要学习一层又一层的特征检测器，整个目标就是改变权重，这样你就能更好地得到正确的答案。他们并没有在每一层的特征检测器上做类似的事情，检查一下你是否可以从这些特征检测器的活动中重构底层的数据。
最近在多伦多，我们发现，或者尼克·弗罗斯特（Nick Frost）发现，如果你引入重建，它会帮助你更好地抵御连环攻击。所以我认为在人类的视角，我们在学习时会做重建重构，也因为我们通过重构进行了大量的学习，所以我们对对抗攻击更有抵抗力。
Q：我们来聊一个更大众的话题。现在神经网络就能解决各种各样的问题了，人类大脑中是否有任何奥秘是神经网络无法捕捉到的？
A：没有。
Q：没有？所以比如情感，爱，意识都能通过神经网络重构？
A：当然。一旦你弄明白了这些东西是什么。我们就是神经网络，不是吗？
另外，意识，我对这个很感兴趣。人们其实并不知道它是什么，人们对意识也有各种各样的解释，我觉得这是个未得到科学验证的术语。比方说一百年前，你问人们，生命是什么？他们会说，所有生物都有生命力，一旦死去，生命力就飘走了，这就是生与死的区别，就是你有没有这种生命力。
现在呢？现在我们不会说自己有什么生命力，我们会觉得这是个迷信的说法，现在我们懂了生物化学，懂了分子生物学，我们不需要生命力来解释生命了。我觉得意识也是这个道理。我觉得「意识」是用某种特殊的本质来尝试解释心理现象，而一旦我们用科学解释了意识，你就不需要这种「特殊的本质」了。
Nicholas Thompson, Geoffrey Hinton | 极客公园前线记者
Q：说到研究人脑来改进电脑，我们其实是在研究什么？反过来会怎样？我们能不能从对电脑的研究中学到如何改进我们的大脑？
A：我认为我们在过去 10 年里学到的东西是，比如你采用一个包含数十亿个参数的系统，并且在一些目标函数中做随机梯度下降（Stochastic Gradient Descent），而目标函数可能会获得正确的标签，以填补他们在一串字符中的空白。任何旧的目标函数（都可以）。它的效果比你想象的要好得多。大多数传统人工智能的人和你一样，都会想，取一个有十亿个参数的系统，从随机值开始，测量目标函数的梯度，也就是每个参数的梯度，计算出如果你稍微改变这个参数目标函数会发生什么变化。然后在这个方向上改变它来改善目标函数。你可能会认为这是一种毫无希望的算法，他们会陷入困境，但事实证明这是一种非常好的算法，你把东西缩放得越大，它的效果就越好，这只是一个经验发现。有一些理论，但它在目前基本还是一个经验发现，因为我们已经发现，它使它更合理，大脑正在计算一些目标功能的梯度，并更新突触强度的权重，以遵循梯度。我们只需要算出它是如何得到梯度的以及目标函数是什么。
Q：但是我们不了解大脑。
A：它是一种理论，是很久以前的事了，所以它是一种可能性。但是在后台总有一种传统的计算机科学家说是的, 但是这一切都是随机的你只是学习它的想法通过梯度下降的方法学习，这对十亿参数来说是行不通的。你必须连接器很多知识，我们现在知道这是错的，你可以填写随机参数和学习一切。
Q：我们把它展开来讲。随着我们了解的越来越多，当我们对基于我们认为它是如何运作的模型进行这些大规模的测试时，我们可能会了解更多关于人类大脑是如何运作的。一旦我们更好地理解了它，我们是否可以从根本上重新构造我们的大脑，使其更像最高效的机器，或者改变我们的思维方式？它使用的关系应该很简单，但不是在模拟中。
A：你会觉得，如果我们真正了解正在发生的事情，我们就应该能够让教育等方面变得更好，我认为我们会做到这一点。如果你能最终理解你的大脑在做什么，它是如何学习的，它为什么不能适应环境以更好地学习，那将是非常有意思的。
Q：我们先别到太远的未来，在未来几年，你认为我们将如何利用我们对大脑和深度学习的了解来改变教育的功能? 你将如何让课堂发生变化？
A：几年之内，我不确定我们能学到多少。我认为这会改变教育，不过会需要更长的时间。但是如果你想一想，你会发现虚拟助理正在变得越来越聪明，一旦系统能够真正理解对话，虚拟助理就可以和孩子们对话并教育他们。所以我认为，我学到的大部分新知识都来自于思考，我在思考，在谷歌上输入一些东西，然后谷歌会告诉我。你只需要通过对话来获得更好的知识。
Q：理论上，当我们能更了解大脑时，你就可以对虚拟助手进行改进、编程，经过学习，虚拟助手就能与孩子们进行更好的对话。
A：是的，这方面我没有想太多，不是我的专业领域，但对我来说似乎很合理。
Q：我们也将能够理解梦是如何运作的，这是最大的谜团之一。所以机器人确实可以梦到电子羊。最后一个问题。我听过你的一个播客节目，你说你最珍惜的就是那些刚进入你实验室的年轻研究生们的想法，因为他们不会被禁锢在旧的观念里，有很多新的想法，而且他们也懂很多。你是不是会在自己的研究以外寻找一些灵感？你会觉得自己有局限吗？会不会有跟你一起工作的研究生新人，甚至这个房间里的人过来，说不认可你的观点？
A：嗯，我说的一切（都有人反对）。（场下笑）
「深度学习现在已经变成人工智能的同义词了」| WIRED
Q：我们还有一个单独的问题。深度学习曾经是个独立的名词，但是现在它已经变成人工智能的同义词了，而且现在人工智能也变成了一种市场营销的宣传手段，含义已经变成随便怎么用机器，都敢说自己是人工智能了。作为开创了这个领域的人，你怎么看这个专业术语的变化？
A：曾经人工智能意味着，你受到逻辑上对启发，对符号字符串进行操作。然后神经网络，是说你想要让机器在神经网络中学习。这两个是完全不一样的企业，而且两个门类关系还不大好，经常抢投资，我就成长在这样的环境里，那会我会开心很多。现在，我看到不少人过去喷我们神经网络没啥用的人，现在张口闭口「我是个 AI 教授，我需要钱。」这挺烦人的。
Q：你的意思是，你研究的领域成功了，某种程度上吞并了其他领域，这也给其他领域的研究者们钻了空子，他们可以借着东风要投资了，这会让你有些郁闷？
A：嗯，不过这么说也不公平，因为他们中很多人也转变了。
Q：我发现我还有一个问题的时间。在刚刚我说的那个播客节目里，你说你会觉得 AI 就像一个挖掘机，要么挖好一个洞，要么一铲子把自己弄死了。关键就是怎么设计好这个挖掘机，让它成功地挖一个洞，而不是一不小心把自己锤了。你觉得在你的工作中，哪些时候会做出这种「关键的」决定？
A：我应该永远不会有意（用 AI）制造武器。你可以设计一个挖掘机，轻轻松松就把人头给铲了，我觉得那么用挖掘机太糟糕了，我绝不会在这个方向上研究。
题图：WIRED
整理：沈知涵、biu
责任编辑：宋德胜
...如果让你选出如今市面上最「耐用」的智能手表，你的答案会是谁？
耐用这个属性很特别，提到它人们会想到各种极端环境。不论是酷暑严寒还是水泡尘埋，耐用的产品都能被拿出来接着使用，而一旦被贴上这个标签，人们会经久不衰的讨论它，任天堂 Game Boy、卡西欧 G-Shock 系列手表都是其中的典型代表。
但当耐用这个词要加上智能手表，或许要找到这样的一个答案并不简单。最近，出门问问推出的 TicWatch S2，或许会给你一个像样的答案。
如果只能用一个词来形容，那么 TicWatch S2 最大的特点就是硬朗。这种从第一印象传达出来的感觉贯穿了产品的内外两部分，首先是外观方面。
极客之选拿到的是黑色版 TicWatch S2，这款手表表壳部分并非金属而是采用玻璃纤维增强聚酰胺材料，在不含表带的情况下只有 35g。这种更轻巧的佩戴体验对于一般人而言或许并没有太大差异，但对于经常户外运动来说却显得更实用。
表盘配备的是一块 1.39 英寸 AMOLED 显示屏，分辨率为 400×400，有 5 级亮度调节，整体显示效果不错，阳光下调整到最大亮度也有不错的显示效果。
从屏幕朝表圈位置看，TicWatch S2 本次加入了一个特别吸引人的设计。这个类似于凯夫拉纹理的表圈效果尽管粗看并不明显，但细看下去让手表整体看起来显得很特别，这种通过激光雕刻实现的表圈除了外观好看外，还能起到保护表盘的作用，算是一个亮点。
在产品侧面，TicWatch S2 本次设计了一个特别的方形实体键。和之前产品上的圆形按键不同，这个按键面积更大，键程变短，官方还很特别的为这一按键加入了凸起条纹，因此日常点击可以很方便的盲操作，这也是为了运动时更加方便。
表带部分，TicWatch S2 依然采用了橡胶材质表带，因此产品整体上都表现出很浓的户外运动感觉，官方表示后续也会提供更丰富的表带，从而满足用户的个性化需求。
值得一提的是，本次采用的玻璃纤维增强聚酰胺材料是按照美国军标 MIL-STD-810G 打造，即便在极严酷的环境中也可以正常使用。按照官方给出的数据，TicWatch S2 能在-20℃到 55℃的温度范围，在水下 50 米深度正常使用，也通过 1.22 米高度反复跌落测试，这一点也是其硬朗的一面。
从外观上，出门问问毫无疑问表现出自己的硬朗一面，而在日常使用上它同样有其独到之处。了解功能之前，我们不妨先来看看 TicWatch S2 的具体参数：
TicWatch S2 和同类产品最大的不同，是对运动场景的加强。前面我们看到了在外观和特性上都变得更加强悍，而在智能化上，这款手表也有其独特之处。
TicWatch S2 一个实用而且很好用的功能是 TicMotion 运动自动识别。通过机器学习算法，手表可以自动识别你在游泳、跑步等运动时的动作，因此当你开始游泳时，泳姿、游泳趟数等会被自动识别。而当你跑步开始，手表则会自动打开跑步模式，对距离、配速等数据做出测量，最终给你反馈。
心率监测依然是 TicWatch S2 的标配，包括 24 小时心率监测、七天静息心率监测功能都能帮助你更好了解自己的心脏情况，后续官方还会添加心率异常提醒功能。
由于配备了 GPS+GLONASS+北斗三重卫星定位系统，加上前面提到的美国军标 MIL-STD-810G，TicWatch S2 对于极限运动以及户外探险来说增加了实用性，你不必在外出时担心手表浸泡在水中或者在冰雪严寒中失去作用，这在智能手表中是非常独特的价值。
作为出门问问的智能手表新品，TicWatch S2 毫无悬念搭载了 Google 的 Wear OS 系统（版本为最新的 Wear OS 2.0）。这意味着这款手表同样具备丰富的应用程序生态。TicWatch S2 可以在手表上下载包括 Keep、咕咚运动、悦跑圈在内的各种智能应用，可以满足很多用户的健身锻炼需要。
当然，运动之外，Wear OS 如今的生态下还允许用户下载网易云音乐、搜狗地图、喜马拉雅 FM、QQ 手表版甚至哔哩哔哩这样的应用程序，因此 TicWatch S2 在应用生态上想必同价位很多运动手表更加强大，针对线下支付场景提供的支付宝、微信二维码离线支付功能也非常实用，不过本次 TicWatch S2 没有配备 NFC 公交卡，对于喜欢用手表乘坐地铁公交的人来说显得有点遗憾。
续航方面，搭载 Wear OS 的 TicWatch S2 日常使用能坚持一天半到两天时间，虽然不算出彩，但日常使用也算是中规中矩。加上去年年末 Wear OS 就开始支持「深度睡眠」模式，当你晚上睡前摘下手表而不充电的情况，手表在第二天几乎不会耗费电量，总的来说 TicWatch S2 的续航日常使用没有太大问题。
从功能上看，TicWatch S2 毫无疑问更针对运动爱好者进行了设计。它的外在同各种运动功能统一起来，让这款手表在目前市面上有了特别的存在感，对于那些要面对复杂环境但要选择一款智能手表的用户来说，它的价值会被放大，当然，即便你只是日常使用，这款手表耐用的属性也会有不错的表现。
现如今，市面上可选择的智能手表越来越多，不同品牌、不同产品之间在外观设计上虽有差异，但功能特性上却区别不大。在这种情况下，出门问问的 TicWatch S2 给人带来了明显不同的感觉。防尘、防水、抗冲击以及强悍的耐低温、高温的能力，在同类产品中显得独树一帜。
显然，如果你是一名户外运动爱好者，或者单纯喜欢野外探险者，恰好又想选择一款生活运动两相宜的智能手表，那么 TicWatch S2 是为数不多的选择。对于复杂环境的适应性让你可以放心大胆地戴上它去任何地方做任何尝试，TicMotion 智能运动监测则可以让你无所顾虑，随时开始运动。
而在日常生活中，功能丰富的 Wear OS 系统，可随意更换的表盘，随时呼出的语音助手以及抬腕离线支付功能则把最简单却最好用的功能放在了手腕上，尽管没有搭载 NFC 交通卡功能略显遗憾，但 TicWatch S2 依旧是一款功能全面的智能手表。在耐用与易用之间，售价 999 元的 TicWatch S2 做出了不错的权衡。
...阿里正在加码对小程序的战略关注。5 月 10 日，支付宝小程序宣布获得蚂蚁金服 CEO 特别大奖。该奖是蚂蚁金服集团最重要的年度奖项，在支付宝小程序技术团队之前，余额宝项目组、五福红包项目组是该奖的获得者。
这标志着支付宝小程序在阿里集团的战略重要程度再一次被提高。最新数据显示，截止 2019 年 3 月，支付宝小程序日活突破 2.3 亿、累计用户数突破 6.4 亿，两项核心数据均逼近上线两年半的微信小程序。
从阿里整体来看，除了现有的网页端和 app 端，小程序或许最有可能成为阿里商业操作系统中的「第三端」。去年，阿里巴巴集团 CEO 张勇发布公开信，宣布阿里将进行新一轮组织架构调整，提出阿里的新目标是要做商业操作系统——「在阿里巴巴经济体中，包括购物、娱乐、本地生活等多元化的商业场景及其形成的数据资产，与阿里巴巴正在高速推进的云计算一经结合，共同形成了独特的阿里巴巴商业操作系统。在这个操作系统当中，各个商业部门既产生数据，又运用数据，形成一个庞大而丰富的有机循环。」
「跟随者」，是支付宝小程序刚诞生时就被贴上的标签。但事实上，从打法和定位上来看，支付宝小程序比微信更早到达「预定战场」。如果说 2018 年 9 月前，支付宝小程序还是在模仿微信广泛出击，探索各种可能性的话，此后支付宝已经小程序通过聚焦在自己长处——「商家」和「生活服务」找回了主场。
（支付宝小程序和微信小程序之间较量也是阿里和腾讯之间的较量 |视觉中国）
作为微信小程序的缔造者，张小龙从一开始的目的就是想要连接线下场景，激活线下流量。但在刚诞生的头一年多里，微信并未在线下场景取得理想效果，而后被迫向线上游戏、电商开放流量。反观强调自己是商家、机构自己服务消费者的「服务台」的支付宝小程序在触达线下场景时表现得更为轻松。
如果说微信小程序像是一个去中心化的市场经济，通过潜在的用户和流量吸引开发者前来自由发挥的话；那么支付宝的小程序则更像是带着明显官方意图的半中心化的计划经济。
2018 年 9 月，在支付宝小程序存在感最微弱的时间段。蚂蚁金服商家开放产品负责人管仲在「蚂蚁开放日」上出来公开为「支付宝小程序」站台，公开表示小程序是蚂蚁金服未来三年最重要的战略之一，并就将自家小程序的战略瞄准到「商业」和「生活服务」两个类别。
从目前发展态势来看，这种重心的聚焦反而帮助支付宝小程序迈过了被动应战的阶段，开始在自己的地盘主场作战。这主要得益于支付宝小程序所背靠的阿里生态。阿里本身是 B2B 和电商起家，对于满足商家和消费者的需求都经验丰富。目前支付宝小程序收藏的榜单前 20 绝大部分都是生活服务类和电商类产品。
（支付宝小程序聚焦「商业」和「生活服务」 |支付宝小程序）
从定位来看，管仲表示支付宝小程序上是技术的产品化，跟 mPaaS、生活号和凤蝶等技术产品一样，都是支付宝今年面向生态的移动技术开放的一部分，是支付宝服务商业的配套设施之一。
另一方面，支付宝小程序也在绕开不属于自己的领域。比如，支付宝的小程序聚合页将对自运营得比较好的优质小程序提供额外的流量激励，而不是帮助小程序实现冷启。一方面，这提高了支付宝小程序进入的门槛，但另一方面也保证了第三方应用小程序吸引能力足够强，和阿里生态能力足够契合。
单点突破的打法正在帮助支付宝小程序生态的加速成长。截止 2019 年 3 月，支付宝小程序日活突破 2.3 亿、累计用户数突破 6.4 亿，这两项核心数据开始拉近与上线两年半的微信小程序的距离。要知道在2018年10月，支付宝小程序平台的小程序数量日活仅为 1.2 亿，用户数也只有 3 亿，而当时微信小程序日活已超过2亿。
这种进步也是蚂蚁金服集团认可支付宝小程序的重要原因。阿里内部人士普遍认为，支付宝小程序团队获奖的主要原因有两点，一是支付宝小程序涨势良好，在多个线下商业领域实现反超，更重要的还有第二点，即打通阿里大生态，成为阿里小程序的通用标准和框架，为阿里生态的进一步开放打下了坚实基础。
据一位接近蚂蚁金服的人士透露，支付宝小程序将在接下来的两个月内发生更加显著的变化。其中之一就是将由支付宝的「小程序」变为阿里的「小程序」，打通更多来自阿里内部的产品和流量。
事实上，这种趋势已经有了明显的表现。今年 3 月 21 日，阿里云、支付宝、淘宝、钉钉、高德等阿里系企业，以支付宝小程序为底层框架，联合发布「阿里巴巴小程序繁星计划」，实现面向全网各个小程序平台提供统一的后端云服务，可帮助开发者进行统一的资源管理、数据管理、运营管理、业务管理等。
这是上一阶段支付宝小程序尝试生态战略的正向反馈。QuestMobile4 月发布的最新报告显示，支付宝小程序为阿里巴巴电商业务板块极大的拓展了用户渠道，手机淘宝的支付宝小程序用户规模已经突破 1 亿。
（阿里巴巴集团 CEO 张勇称阿里的新目标是要做商业操作系统 |视觉中国）
在更广阔的市场战争中，支付宝将承担起打通阿里生态能力，提高生态能力触达效率重的重担，更将成为阿里主打的「商业操作系统」中最需要的一部分：数据入口——凭借轻量化的进入和退出设计，支付宝小程序完全可以成为传统网站和客户端之外的「第三端」。
一方面，支付宝小程序可以打通阿里生态能力，减少普通消费者触达产品的时间和成本。同理，增加自身渠道建设，也可以避免产品避免被竞品截流。以星巴克为例，通过「星巴克中国」支付宝小程序，星巴克实现支付宝、淘宝、天猫、饿了么等多端获客和运营。无论是在支付宝上逛淘宝，还是买星巴克都变得十分自然。
值得注意的是，因为相比社交产品，本身定位在「工具」类产品的转化率要更高。自媒体「互联网指北」就曾指出，「支付宝国内约为 8 亿用户，拥有余额宝的大概 6 亿，转化率为 75%，微信支付 10 亿用户，拥有理财通的为 1 亿，转化率为 10%。」
（支付宝小程序将进一步向阿里生态融合 |支付宝小程序）
另一方面，小程序还可以帮助阿里吸引第三方服务商家，扩展业务边界。据蚂蚁金服团队介绍，商家也可以通过支付宝小程序这个触点，在无需重复沟通的情况下，直接调取阿里巴巴包含着进销存、物流、资金、人员等多方面能力的加持，加速实现全面数字化运营，系统化的降本提效。
以企鹅科技为例，企鹅科技是一家主营共享洗衣机产品的企业，覆盖全国近 300 个城市，线下运营商已超 1 万。在支付宝小程序出现之前，阿里传统生态与企鹅科技难有交集。支付宝小程序的出现，让企鹅科技很快成为阿里生态的客户。
通过支付宝小程序，用户可迅速获取洗衣房周边位置及查询机具工作状态，只需手机预约、扫码支付就可体验洗、烘为一体的自助洗衣服务；而商家也可以通过管理后台还可查看每台机器的故障情况，实现远程管控和维护。这种流量也带来能力互助，据蚂蚁金服介绍，企鹅科技的业务成交量比合作前提升 5 倍，且还在持续增长。
总的来说，对于支付宝小程序而言，其未来的脚步正在因为阿里生态的加持变得更加稳健和庞大。
责任编辑：周小丹
图片来源：视觉中国、支付宝小程序
...世界上有这样一群「不怕死」的摄影师，专门喜欢追着闪电拍照。哪里有暴风雨天气，他们就带着设备、计算好时间奔赴现场，然后等待闪电出现，用相机记录下这壮观的瞬间。这样的经历对于普通人来说可能过于「刺激」了，不过有一个应用可以让你在手机上感受雷电的洗礼。
下载地址见文末
**
**
这个叫 Thunderly 的应用能够模拟全球的雷电情况。伴随一段酷炫的特效进入应用，一个完整的地球仪在不停旋转，用手指转动可以查看世界各地的天气情况。这个地球仪还实时显示昼夜情况，在一些地区有紫色和绿色的小点集中，这就代表此时此刻，这个地方正在经历雷暴天气。
双击或者双指放大，地图会拉近，你可以看到更详细的天气状况。在一些雷电集中的地方，会不断有闪电的特效闪过，看起来十分逼真，而这都是当地实时的雷电情况。别以为 Thunderly 只是「好看」，它还可以更真实。
点击右上角的设置开关，你可以开启声音、闪光灯、振动反馈三个选项。这时候你的手机就变成了一个完美的「雷电模拟器」，咆哮的雷声此起彼伏，手中还反馈真实的振感，闪光灯的配合更是让人仿佛置身于暴风雨中，就连闪电的延迟都是那么真实。
Thunderly 完美利用了 iPhone 的各个组件，将万里之外的雷电「搬到」了你的手机上。利用它可以追踪到世界各地正在发生的雷电，在地图下方会显示 1 小时内的闪电数量，延迟等信息。在设置中还有云层、极光的开关，全部来自真实的实时数据。
这些数据来自 Blitzortung.org 提供的 API，极光数据则是来自 NASA。虽然它把效果做得足够真实，但这个工具并不能作为探索雷电的依据。Thunderly 主要是给爱好者提供一个近距离「感受」雷电的机会，拿它当一个白噪音也是不错的。
下载地址：iOS
编辑：Rubberso
头图来源：《复仇者联盟3：无限战争》剧照
...距离《Pokémon Go》问世已经四年，AR 游戏的蓝海如今又开始涌动。
5 月 6 日，一年一度的微软 Build 大会刚刚结束，官方放出了一段 54 秒的视频，这段从内容到标题都让人浮想联翩的视频，意味着微软终于要进军手机 AR 游戏领域，其一出手便启用了著名 IP《我的世界》。
就在这一天前，芬兰老牌游戏厂商 Rovio，带着自己赖以成名的看家 IP 愤怒的小鸟，推出了一款全新的、与众不同的作品。它之所以显得与众不同，就在于采用了过去没有过的 AR 交互方式，极客之选（公众号 GeekChoice）前几天也为大家带来了这款游戏的介绍。
不仅仅是微软和 Rovio，就在今年三月，曾打造出爆款游戏《Pokémon Go》（精灵宝可梦 Go）的游戏开发商 Niantic 也展示了即将在年内推出的全新 AR 游戏《哈利波特·巫师联盟》，短时间内引发了很多「哈迷」的讨论。
同样的时间点，趋同的游戏方向，为什么游戏大厂纷纷发力手机 AR？这种独特的游戏方式会有哪些新鲜有趣的玩法？它会是手机游戏的必然趋势吗？带着这些问题，极客之选今天就来聊一聊大家熟悉而又陌生的 AR 游戏。
AR 游戏每每被人提及，总会让人联想起一款直到今天依然受欢迎的手机游戏《Pokémon Go》，但从 AR 技术的历史来看，最初的 AR 计算设备却并非手机。2012 年 Google 推出的 Google Glass 和 2015 年微软推出的 HoloLens 才是 AR 行业探路者，尽管智能眼镜这一形态反映出很多人对于未来科技的向往，但技术不成熟导致的价格高昂，以及应用范围不明朗让 AR 技术在探索之初并不顺利，就在这时，手机平台成为了让 AR 发展的关键先生。
2014 年愚人节，Google 和任天堂联合制作了一个彩蛋「Pokémon Challenge」（精灵宝可梦挑战赛），使用 Google Maps 最先在全球集齐宝可梦的人会收到来自 Google 颁发的「Pokémon Master」（精灵宝可梦大师）的认证。这一彩蛋引发了巨大的反响，并开始由 Google 子公司 Niantic 进行实际研发，于是就有了 2016 年轰动全球的手机 AR 游戏《Pokémon Go》，也让 Magic Leap 这样的 AR 公司成为风口上的热点。
《Pokémon Go》几乎是以一己之力，让所有人明白了 AR 游戏究竟是什么。通过对手机摄像头+二维环境扫描+LBS 定位的结合，一种将虚拟世界和真实世界融合在一起并能产生互动的游戏让人们体验到了独特的游戏乐趣，而 AR 游戏也就此和手机平台结下不解之缘，苹果、Google 等公司则加快了 AR 平台的建设。
2017 年 WWDC 大会，伴随 iOS 11 的发布，苹果带来了全新的增强现实组件 ARKit，同一年，Google 也推出了用于 Android 平台的 AR SDK——ARCore。两家公司亦步亦趋，也让 AR 技术在手机平台的道路变得不再曲折。值得注意的是，不论是 ARKit 还是 ARCore，软件平台完善的同时，手机硬件的基础也在悄然降低。
ARCore 平台让单摄像头手机也能玩有趣的 AR 游戏
熟悉 Google 的人也许还记得其在 2014 年曾经进行过名为 Project Tango 的项目，通过定制手机硬件，让手机能够使用 AR 应用，但这一想法伴随更实用的 ARCore 平台出现而被放弃。实际上，无论是 ARKit 还是 ARCore，两个新的 AR 平台不再需要复杂的硬件基础，开发者通过手机单个摄像头就能进行开发，也不需要像 VR 头戴显示器那样的特制硬件，这为 AR 游戏的发展解除了很多障碍。从 2017 年到现在，越来越多 AR 游戏出现在我们面前，这些 AR 游戏依靠一部普通的单摄像头手机就能实现，也由此推动着厂商在 AR 方向上的尝试。
尽管软件平台的支持和硬件的提升给 AR 游戏开发者带来了更好的支持，但真正让游戏大厂都开始重视，并且加入这场战局则是源自 AR 游戏和手机平台的天然匹配度以及广阔的潜力，这里不妨让我们看看即将在今年发布的《哈利波特·巫师联盟》的宣传视频。
可以看到，AR 游戏中，手机屏幕不仅仅是显示内容的窗口，还变成了与现实世界交互的通道，而且和传统手机游戏不同，AR 游戏最大特点在于通过手机为用户带来的虚拟+现实同屏的体验，这种体验之独特在过去的游戏上很少出现。如今市面上主流的热门手机游戏，从《王者荣耀》到《刺激战场》再到《堡垒之夜》，几乎清一色是从 PC 端流行并转移到移动端，但 AR 游戏与手机平台的契合度则体现出未来游戏的变化趋势。
首先，AR 游戏的交互与智能手机的移动属性契合度更高。这里我们以前几天介绍过的《愤怒的小鸟 AR：猪岛》举例，通过将游戏场景投射到现实世界，你不但能拿起手机环顾四周看到立体场景，还可以与之互动，通过游戏中的弹弓来模拟真实世界中弹弓的效果，这种游戏方式打破了现实和虚拟的界限，也展现出手机（也包括平板电脑）的灵活性。
其次，AR 游戏符合移动游戏时代的碎片化趋势。随时随地玩游戏已经是很多人如今的习惯，还记得《Pokémon Go》的游戏方式吗？快节奏的搜集、对战配合手机端精灵宝可梦养成，让这款游戏既能与现实世界实现交互，也可以单独在手机上完成一些游戏内容。考虑到越来越多的大厂开始参与到 AR 游戏创作中，这种既有 AR 内容又有手机单独内容的游戏对碎片化时间的利用相比传统游戏更有优势。
最后，同传统游戏交互相比，AR 游戏的交互还有很多潜力尚待发掘。只是调用手机上的摄像头、GPS 模块，《Pokémon Go》就创造出了独一无二的「精灵宝可梦」体验，而伴随手机各种传感器的升级换代，更好的振动反馈，更强的摄像头以及更精细的屏幕，AR 游戏的优势会进一步被放大。
如今的 AR 游戏不但不需要 VR 游戏那样增加额外工具，AR 游戏本身就代表了移动游戏的一种新形态，交互简单、有趣生动、充分利用碎片时间，而与此相伴，AR 游戏的社交属性也不可忽略。
不同于 VR 游戏互相联机对战存在的困难，AR 游戏如今已经可以实现局域网对战，无论是近两年苹果发布会上的演示，还是我们曾经和大家介绍过的 Google 在 I/O 大会上展示的 AR 联机玩法，我们有理由相信，AR 游戏与人分享的乐趣并不弱于传统的 MOBA、FPS 类游戏。
或许这就不难理解，为何到了 2019 年，大厂纷纷加入 AR 游戏浪潮，选择开发知名 IP 的 AR 游戏，或许很快，我们就能看到更多让人意想不到的 AR 游戏出现在手机上并引发新一轮热潮。
...