开发者社区技术周刊又和大家见面了，让我们一起看看，过去一周有哪些值得我们开发者关注的重要新闻吧。
-
C++20 标准正式发布
-
2020H1中国AI云服务市场规模增长远超预期
-
Nature：超越地域和文化，AI识别出全人类共同的16种面部表情
-
DeepMind最新AI产品MuZero可以在不知道规则情况下掌握游戏
-
最高可用性保证达99.995% 京东智联云升级SLA服务标准
-
Mimik和IBM合作，使边缘计算资源更易于访问
-
复旦大学博士论文《基于轨迹分析的微服务故障定位》
-
AAAI 2021 | 从语义关系建模的角度进行句子语义关系匹配
技 术 要 闻
Industry News
1，C++20 标准正式发布
近日，ISO C++ 委员会正式发布了 C++20 标准，命名为 ISO/IEC 14882:2020。这次重大更新引入了许多新特性：
-
模块 (Modules)
-
协程 (Coroutines)
-
范围 (Ranges)
-
概念与约束 (Constraints and concepts)
-
指定初始化 (designated initializers)
-
操作符 <=> != == 、constexpr支持：new/ delete、dynamic_cast、try/ catch、虚拟
-
constexpr 向量和字符串
-
计时：日历、时区支持
-
std::format
-
std::span
-
std::jthread
Concepts/Ranges/Modules/Coroutines 这些新特性将会对开发者及 C++ 生态产生不小的影响，也为这门“高龄”编程语言增添不少魅力。
2，2020H1中国AI云服务市场规模增长远超预期
国际数据公司（IDC）最新发布的《中国AI云服务市场（2020上半年）跟踪》报告显示，_2020年上半年中国AI云服务市场规模达10.9亿元人民币，相比2019年上半年实现了超过100%的增长_。云服务厂商能够提供丰富且快速迭代的单点AI能力，也具备为行业用户打造应用场景方案以及行业整体解决方案的能力。AI公有云服务市场仍然处于早期阶段，未来，AI云服务厂商将在整体AI软件及应用市场中获得越来越高的市场份额。
3，Nature：超越地域和文化，AI识别出全人类共同的16种面部表情
来自加州大学伯克利分校和谷歌的研究人员使用机器学习和 YouTube 视频，对常见的面部表情和引发表情的情境进行了比较。结果发现，无论是在巴西的生日派对上，还是在肯尼亚的葬礼上，还是在中国公园里的广场舞中，_人类在类似的社会环境中都会使用相同的面部表情，比如微笑、皱眉、苦脸。也就是说_， 人类丰富的面部表情可以超越地域和文化。这项研究发表在 12 月 16 日的《自然》杂志上，证实了人类情感表达跨越地域和文化边界的普遍性。
4，DeepMind最新AI产品MuZero可以在不知道规则情况下掌握游戏
据国外媒体报道，Alphabet旗下专注于人工智能的子公司DeepMind最新的人工智能产品MuZero可以在不知道规则的情况下掌握游戏。DeepMind的使命是向人们展示，人工智能不仅能够真正精通游戏，甚至在不需要被告知游戏规则的情况下也能做到这一点。当地时间周三，该公司详细介绍了MuZero，MuZero是一款_无需事先学习游戏规则就能掌握游戏的人工智能_。MuZero不仅可以通过具有复杂策略的视觉简单游戏（如围棋、国际象棋和日本将棋）来实现这一目标，还可以通过视觉复杂的雅达利游戏来实现这一目标。它并没有使用规则去寻找最佳情况，而是学会考虑游戏环境的方方面面，并自己观察它是否重要。
5，最高可用性保证达99.995% 京东智联云升级SLA服务标准
近日，京东智联云发布全新升级的云计算服务等级协议，_最高可用性保证达99.995%_。这意味着京东智联云作为云计算服务商，服务可用性水平已跻身世界一流云计算厂商行列。“99.995%”这个数值的背后，是京东智联云高水准的前沿技术能力优势和丰富的业务经验积累。京东智联云的技术能力，历经京东零售、京东物流、京东数科等京东集团内部核心业务的千锤百炼，并通过历年京东618及京东11.11考验，在保障服务可用性方面有长期的技术积累和实践。
6，Mimik和IBM合作，使边缘计算资源更易于访问
边缘计算初创公司mimik 正在与IBM合作创建基于边缘的计算资源，据称这将有助于加快医疗保健，制造，零售和其他行业的自动化和数字化转型。mimik在12月24号表示，“物联网”和5G等趋势的增长导致了位于网络边缘的数十亿个互联设备和应用程序的出现。但这些设备和应用程序都依赖于位于集中式数据中心的计算资源，它们正成为带宽的负担，因此难以管理。
mimik与IBM的合作可以帮助解决这个问题。该公司创建了一个混合EdgeCloud平台，_该平台可通过将智能手机和PC等设备转换为可以在网络边缘运行的“云服务器”来工作_。edgeCloud平台可以利用这些设备，使它们能够在小型本地群集中相互通信，而不管它们运行的操作系统和网络如何。这使得可以使用它们的组合计算资源来为网络边缘的应用程序提供动力。
学 术 前 沿
Academic News
1，复旦大学博士论文《基于轨迹分析的微服务故障定位》
微服务系统作为一种新的基于云的软件系统形态，其软件故障特点还缺少相应的总结，同时也缺少公开的微服务系统（如开源项目）可供研究。为此，本文《Trace Analysis based Fault Localization for Microservice Systems 》针对微服务系统开发实践进行了一次工业调研，系统了解了工业界微服务系统的特点，收集了一组_典型微服务故障案例以及相应的故障分析与调试实践方法_，并对实践问题和挑战进行了分析。在此基础上，他们开发了一个中等规模的微服务基准系统，重现了 22 个工业故障案例，并通过开源社区进行了发布。基于这一开源微服务基准系统以及相应的故障案例，开展了一系列微服务故障辅助定位方法和技术研究。
论文链接：https://arxiv.org/abs/2006.06830v2
2，AAAI 2021 | 从语义关系建模的角度进行句子语义关系匹配
句子语义关系匹配是自然语言处理中基础但重要的一项任务，并且有着广泛的应用场景，检索，对话，问答等实际场景都会用到。现有的方法可以大致分为两类：一类是直接对句子本身进行建模，利用 BERT，LSTM 等方法，或者生成语义表示向量在进行匹配分析，或者从细粒度的角度直接分析词，短语之间的匹配；另一类还考虑了标签的信息，因为标签也包含了一定的语义信息，通过 label embedding 的方法补充丰富的信息，从而得到句子语义匹配的关系。
本文认为标签的语义更多地指明了两个句子的语义关系，而这部分是被现有研究忽略的，通过对语义关系的挖掘能够更深入的挖掘句子的语义信息，抽取与语义关系相关的特征，实现更好的句子语义关系建模。为此，_本文提出了 relation of relation modeling，从语义关系建模的角度进行句子语义关系匹配建模分析_。
论文链接：https://arxiv.org/abs/2012.08920
以上信息来源于网络，由“京东智联云开发者”公众号编辑整理，不代表京东智联云立场
推荐阅读：
欢迎点击【京东智联云】，了解开发者社区
更多精彩技术实践与独家干货解析
欢迎关注【京东智联云开发者】公众号
