世界顶级IT名企研究科学家解读计算机科学

    计算机领域也有很多令人兴奋的科研方向，其中理论计算机科学的研究方向就包含了算法理论、信息论、计算生物学等。

    算法理论主要考量的是可解性分析、性能分析、近似性分析以及复杂度分析。通俗来讲就是一个算法能否解决问题，以及解决问题的性能和速度、复杂程度和占用的时间和空间。

    信息论包含了密码学、数据压缩和编码理论。我们熟悉的“北斗”卫星就包含了大量的数据压缩和加密的过程。

    计算生物学是一个热门的研究方向，它囊括了基因工程，神经科学、蛋白质结构预测等等，这些都是计算机生物学的研究课题。以基因工程为例，人体的基因数据是个庞大的天文数字，要想研究和了解人体基因就需要强大的计算来做为其研究的支撑。

    上述这些都是理论计算机科学最经典的研究方向。在英、美两国几乎每个高校的计算机专业里都会有老师在做这些方面的研究。

💻 人工智能

    人工智能又包含了机器学习、自然语言处理、语言识别、计算机视觉和机器人学等。比如我们常用的微信语音转文字，微信可以清楚地识别出人类的语言并转化成文字；还有我们常听到的人脸识别或高速摄像头，只要司机违章那么他的信息将会被清楚地记录下来。

💻 数据系统

    数据系统则包含了数据库、数据挖掘、信息检索、信息系统、数据可视化等。短视频平台就是利用搜索历史和播放情况等综合信息和数据判断用户对什么内容感兴趣，这就是简单的数据发掘的应用。

💻 图形学

    我们可以利用计算机生成或模拟图形，如应用广泛的3D建模、3D打印、计算机动画、渲染效果等。现在大多数的游戏或电影里的动画已经不需要人工先画出来了，而是由计算机直接生成，节约了相当一部分人工成本。一些电影大片的特效镜头已经达到以假乱真、真假难辨的境界，这要归功于计算机的渲染效果。

💻 高性能计算

    这部分包含超级计算机、分布式计算和云计算等。比如我国大力发展的“天河一号”，就是世界上最强的超级计算机。我们可以利用这些超级计算机进行计算量规模庞大的运算，比如天体物理、天气预报、蛋白质结构测试以及人体基因学等等。

💻 人机交互

💻 深度学习

    深度学习（Deep Learning）是机器学习的分支，利用深层神经网络来模拟人脑的认知与学习过程。目前不同的深度学习模型（卷积神经网络-CNN，循环神经网络-RNN等）已经被广泛应用于包括自然语言处理、计算机视觉等多个领域，并且大大提升了效果。

    深度学习几乎应用在所有的业界最先进的模型当中，如电商平台的排序、谷歌或百度的搜索、短视频平台的推荐，甚至围棋（AlphaGo）等多个场景。

💻 大数据

    大数据（Big Data）是指随着数据的规模、产生速度、复杂度的提升，传统数据的采集、处理、存储等技术受到挑战的情况。因此大数据需要全新的全套技术手段，其中包括传感器网络、网络爬虫、信息整合、预处理、数据挖掘、分布式存储等。随着数据规模的增大，大数据广泛应用于生活中许多重要的场景，如政府工作规划、金融创新与决策、医疗/医保行业、在线教育、电子商务、物联网等。如果说深度学习是最强的模型和算法，那么大数据就是一切深度学习模型和算法的基础。

💻 增强/虚拟现实

    增强/虚拟现实严格来说是隶属于人工智能的一种，但是因为它具备很强的独特性，因此常将它从人工智能当中剥离。增强/虚拟现实就是我们常说的AR/VR，它是指使得计算机内的虚拟信息能够与现实世界的信息进行交互的技术。比如我们玩的赛车游戏，在现实世界里真的具有一套实物方向盘和刹车，通过操作现实中的方向盘可以驱动游戏中的车辆，这就是虚拟与现实交互的最简单的应用。其技术实现的关键环节包括：

·摄像头、传感器等硬件来获取现实世界中的物体位置和移动；

·通过软件算法将现实世界中的物体位置、移动信息投射到虚拟屏幕中；

·虚拟屏幕中的物体产生互动，并通过显示器等硬件返回给用户，达到虚拟与现实世界交互的目的。

    它被广泛应用在游戏与多媒体娱乐、在线教育、在线医疗诊断、室内设计/装修等多个场景。

💻 区块链

    区块链是通过密码学保护串联的一系列记录。它最主要的应用就是各种加密货币的发明，如比特币（Bitcoin）与比太币（Ethereum）等。和大家分享一组数据：

2010年，10000比特币可以买两块披萨；

2017年，单个比特币价格接近20000美元；

2020年，单个比特币价格超过15000美元，交易遍布全球且交易量屡创新高。

    可见加密货币的发展势头是相当迅猛的。相比于传统货币，加密货币的最大好处是不受政府监管、控制且没有汇率限制，不需要第三方平台或金融机构的认证等。可以预见的是在不远的未来，加密货币仍会层出不穷并得以长足发展。