锐眼视点：
- Tesla 发布视频展现无人驾驶汽车眼中的世界；
- Google 收购 Qwiklabs，帮助开发人员掌握云端操作技能；
- 为什么说自然界是我们理解人工智能的最佳向导？
［业界新闻］Tesla 发布视频展现无人驾驶汽车眼中的世界
Tesla CEO Elon Musk 在Twitter上发布了一段视频显示，该公司无人驾驶汽车能自行穿越闹市区。根据美国政府对自动驾驶功能的分级，达到了至少4级水平。视频以分屏方式显示了自动驾驶汽车在一段行程中的见闻，汽车识别的景象包括车道线、道路标志、路灯，以及道路上需要避让的物体。视频有助于人们认识到无人驾驶汽车技术的复杂性，以及它近年来取得的巨大进展。Tesla 曾表示，所有新车都将配备支持自动驾驶功能所需要的硬件和技术，但在所有相关安全检查完成，以及批准自动驾驶汽车上路的法律颁布、实施前，这一功能还无法开启。
原文链接：See the world as a self-driving car does in Tesla's latest video
<br / >
［业界新闻］Google 收购 Qwiklabs，帮助开发人员掌握云端操作技能
Google 近日宣布收购 Qwiklabs, 一个为想要更加了解云端操作和在云端编写应用的人创建的学习平台。Qwiklabs 于2012年面世，目前只提供针对亚马逊 AWS 平台的技能教学服务。Google 称他们将使用 Qwiklabs 平台，为用户提供最全面、高效和有趣的教学服务，教用户使用 Google Cloud 上包括 Google Cloud Platform 和 G Suit 在内的所有产品。Qwiklabs 则表示要继续在其网站上提供实验室学习积分和订阅服务，目前尚不清楚用户未来是否会看到更多新的 AWS 课程，Google 也未明确表示 Qwiklabs 的 Google Cloud 课程具体将何时推出。
原文链接：Google acquires Qwiklabs to teach developers cloud skills
<br / >
［TD精选］为什么说自然界是我们理解人工智能的最佳向导？
对生物体而言，在自然选择中，生物的适应能力固然重要，但能恰到好处的拥有适宜于当前环境的特征才是关键。随着人工智能的出现，机器学习算法的迭代具有类似生物进化的功效，使得生物进化和工程设计过程的融合成为可能。具体细看自然进化的过程和机器学习的过程，我们可以把机器学习所需的数据及其规格化处理类比为生物进化过程中的“环境”，把机器学习过程类比为“自然选择”。目前机器学习在商业化应用上遇到的难题主要通过趋异进化、趋同进化、捕食者和被捕食者或者寄生和宿主共同进化来解决。只有少量的 AI 公司在帮助我们更高效的工作，但这些应用还只是处于起步阶段，仍需极大的提升。AI 领域还有待开垦，而生物界自然选择的过程为我们提供了一个很好的框架来理解机器学习的进化发展，并为之到来做好准备。
原文链接：Why nature is our best guide for understanding artificial intelligence
