機器人耗時 0.38 秒還原魔方；微軟推出 Windows ML，將機器學習帶入桌面

轉自：開源中國、solidot、cnBeta、騰訊科技等

0、機器人耗時 0.38 秒還原魔方

硬體黑客 Ben Katz 和 Jared Di Carlo 打破了利用機器人還原魔方的世界紀錄。他們的機器人耗時 0.38 秒破解謎題，比先前的 0.637 秒記錄快了 40%。Di Carlo 稱，以前創建記錄的魔方機器人使用的都是步進馬達，因此他們想如果使用更好的馬達有可能獲得更好的成績。典型的 3x3 魔方可以在 19 到 23 步內完成，大約需要 0.25 秒，加上機器翻轉的每一步還需要 15 毫秒，因此需要耗費的最短時間在 0.6 秒左右。兩位黑客設法提高了翻轉速度，使得整個翻轉時間減少到 100 毫秒左右，將還原時間減少到 0.38 秒。

1、Oracle 宣布 JDK 11 將把 JavaFX 分離成獨立模塊

Oracle 近日在其官方博客宣布，從 JDK 11 開始，JavaFX 將作為獨立模塊從 JDK 中分離出來，以使 JavaFX 更易於被採用。該調整將降低新貢獻者參與 OpenJFX 開源社區的門檻。

JavaFX 於 JavaOne 2007 大會上首次對外公布，並被迅速拿來與 Adobe Flex 和 Microsoft Silverlight 做比較。該技術於 2011 年完全開源，並在一年後成為 Oracle JDK 的一部分。

2、Web 前端框架 Angular 6.0.0-beta.7 和 5.2.8 發布

Angular 6 的第 8 個 beta 版已發布，6.0.0-beta.7 和 5.2.8 的更新主要是修復了 bug。其中 6.0.0-beta.7 修復了 ng_package 在 Windows 上的錯誤，而在 5.2.8.中，也不會出現改變路由配置的問題。（詳情：https://github.com/angular/angular/blob/master/CHANGELOG.md）

3、LLVM/Clang 6.0.0 發布：改進的優化和新的編譯器警告

LLVM/Clang 6.0.0 已正式發布，上個大版本是在半年前發布的 5.0.0 版。LLVM 現在的版本方案為，每發布一個大版本將增加一個版本號，小版本號變化主要是同一分支的更新。這個版本是社區在過去六個月里工作的結果，有以下值得關注更新：

● 使用 Retpoline 編碼技術，緩解 Spectre 變種 2 的漏洞

● 改進了幾個 x86 微架構的調度

● Clang 默認為 -std=gnu++14 而不是 -std=gnu++98

● ......（詳情：https://llvm.org/releases/download.html#6.0.0）

4、微軟推出 Windows ML ，將機器學習帶入桌面

微軟在 3 月 7日 的 Windows 開發者日活動中宣布，將推出面向 Windows 開發人員的 AI 平台 —— Windows ML ，幫助開發人員將他們在雲中訓練的機器學習模型帶入其桌面應用。

Windows ML 將在下一個 Windows 主要版本發布時加入，它將支持利用本地機器上的 GPU ，允許開發人員實時運行他們的模型，而無需往返雲端。

5、圖形 API 規範 Vulkan 1.1 發布：擴展了 Vulkan 核心功能

Khronos 宣布正式發布了 Vulkan GPU API 1.1 版本和 SPIR-V 1.3 規範。Vulkan 1.1 集成了新的 SPIR-V 1.3 規範，該規範擴展了 Vulkan 著色器的功能，以支持子組操作並啟用增強的編譯器優化。

Vulkan 1.1 版本擴展了 Vulkan 的核心功能，實現了開發者請求的特性，例如子組操作(subgroup)，同時集成了來自 Vulkan 1.0 的各種經過驗證的擴展。（詳情：https://www.khronos.org/news/press/khronos-group-releases-vulkan-1-1）

6、不止於攻擊 Memcached 漏洞可竊取伺服器數據

目前曝出的漏洞是攻擊者通過設置 Memcached 的最大值，欺騙 UDP 數據包發起請求，利用 Memcached 發送的大量龐大的 UDP 響應數據包進行攻擊行為。

據 Corero 的說法，任何可用於 DDoS 攻擊的 Memcached 伺服器也可用於收集從本地網路或主機緩存的用戶數據。該公司表示，除了竊取用戶數據外，攻擊者還可以在讓所有者不知情的情況下，修改數據並將其重新插入緩存中。Memcached 近日發布了 1.5.6 版本，以默認禁用 UDP 協議。

7、谷歌大腦發布神經網路的「核磁共振」，並公開相關代碼

神經網路的可解釋性一直是所有研究人員心頭的一團烏雲。　2015 年上半年的時候，谷歌大腦的人員就嘗試將神經網路理解圖像並生成圖像的過程進行可視化。隨後他們開源了他們的代碼 DeepDream。去年在在線期刊 Distill 上，谷歌大腦的研究人員再次使用這項技術將單個神經元在網路中是如何工作的進行了可視化。

繼去年發布神經網路特徵可視化方法之後，今天 Google Brain 在神經網路的可視化上又進了一步。Google Brain 將這項工作稱為「神經網路的核磁共振成像」，目前作者已經公開其全部代碼 Lucid，並放出 colab notebooks 以方便任何人使用 Lucid 來重現他們的文章。

覺得這些資訊有幫助？請轉發給更多人

關注技術最前線，看 IT 要聞

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！