迈入网络时代，数据增长迅速，几乎每个网络平台或机构都在收集数据，以从中找出解决问题的方案或洞悉未来趋势，并应用在各个领域，如商业、医疗、生产等，进而也产生了新的相关职业，就像数据科学家。

究竟数据的用处是什么？为什么数据变得越来越重要？而数据科学家的工作职责又是什么？不妨通过本期〈教育导航〉来了解数据科学的潜力。

引言

在过去几年中，人工智能算法取得了巨大的进步。它在我们日常生活中的应用越来越普遍，经常被用于分析文本或图片的内容，理解语音指令，并且效率常常比人类还高。2016年，AlphaGo算法在围棋比赛中击败了来自韩国的世界冠军李世石，而在10年前，没有一个专家预见它能取得这样的成就。但是，为了达到让人瞩目的表现，这些算法需要消耗大量的电能，远远超过我们的大脑完成同类任务所需的能量。举例来说，BERT是一种处理人类语言的人工智能算法，它的训练过程需要消耗数千千瓦时的电能。这相当于人类大脑运行6年耗费的能量。在能耗层面上，大脑的记忆、计算和学习过程比计算机要高效得多。我们有没有可能从大脑中获得启发，制造出表现更出色的设备？

答案是肯定的，我们或许可以利用电子的自旋做到这一点。

MathWorks 首席战略师 Jim Tung 在预测2021年人工智能的五大趋势时表示，第一大趋势就是人工智能会成为工程师和科学家的应用主流，行业里越来越多的工程师和科学家把人工智能应用在他们实际的产品以及研究中。

特斯拉在2020年销售了50万辆新车，是全球电动车的绝对王者。其中它的智能辅助驾驶系统FSD（Full Self-Driving，完全自动驾驶）套件，能在城市道路上实现L2级自动驾驶，也是目前全球用户数最多的自动驾驶系统。FSD采用纯视觉方案，即8个摄像头、12个超声波雷达和1个前向毫米波雷达，主要通过图像识别道路、行人和红绿灯，可以让车辆在普通导航地图支持下，实现自动驾驶。

Tesla的自动驾驶芯片是FSD系统的最重要部分，芯片中自研的最重要的部分是Neural Network Processor，对标Nvidia Xavier SoC。

本文尝试综述中国互联网巨头与造车新势力的无人驾驶战略及技术方案的现状。

NVIDIA® Jetson Nano 是一款功能强大的人工智能（AI）开发板，可在图像识别、对象检测、语义分割和语音处理等应用中并行运行多个神经网络，助你快速入门学习 AI 技术，并将其应用到各种智能设备上。相校树莓派一类单板计算机的优势是具有专用 GPU 加速处理器，CPU可以通过CUDA框架在GPU上调用CUDA功能，从而实现并行计算的可能性。

针对教育机构、学生和初学者，英伟达在原来 Jetson Nano Developer Kit（B01，4GB）的基础上推出了简化版本 Jetson Nano 2GB Developer Kit，以更低的价格（$54.00）服务世界各地的创客、学习者和嵌入式开发者。

此前在启动一个视频项目的计划上，我们将AR（Augmented reality，增强现实）、VR（Virtual reality，虚拟现实）和AI（Artificial intelligence，人工智能）写入了远景目标（当然还有Mixed Reality，混合现实），以利用新技术带来新机遇。

最近，就收到勃林格殷格翰引入的《小动物3D心脏病学》。这本书额外提供AR资料以使读者能够直观地观察到主题内容对应的心脏情况。

Google Career Certificates

谷歌推出了一项新的职业证书项目（Google Career Certificates），关注三个高薪、高成长的职业领域——数据分析、项目管理和用户体验设计。这些课程不需要先前的学位或经验，将由专门研究这三个领域的Google员工设计和教授。谷歌还宣布将开始承认谷歌学习证书的地位，用来代替入门级职位的四年制大学学位。

计算机科学在商业上的应用蓬勃发展，掩盖了其在大众眼中竞争情报上重要历史和现实意义。恰好接触到一篇Vannevar Bush于1945年7月发表于大西洋月刊（The Atlantic Monthly）的文章《As We May Think》（广泛翻译为诚若所思），关于信息的内容深刻的影响了情报学科。

文章基于科学技术文献的爆炸式增长以及国家、社会、公众及科研本身对科技文献的大量个性化需求的背景，作者构想了 “memex”的概念，被视为当前数字图书馆的起源和雏形，提出了信息采集、信息存储以及信息检索的新方案，对后来信息系统的设计提供了参考，同时也为后来超链接产生提供模型。