深度学习是实现机器学习的技术，即人工智能>机器学习>深度学习，最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。

美国南加州大学和普林斯顿大学的两位研究人员找到了一种能够阻止蜂窝网络泄露隐私的方法，能够使手机用户正常使用移动网络连接的同时，保护用户的位置数据等隐私信息。
研究人员称，所有运营商都可以采用这种技术，只需要简单的软件升级就可以实现用户位置信息的保护，而不必去改变任何硬件设备。

“现在市面上常见的有线充电桩，存在三大‘短板’。一是充电桩反复充插后容易损坏，二是损坏后维修成本高，三是具有不安全性，易引发火灾等事故。”......他们设计的装配式无线充电智能路面，将磁耦合无线传输技术与装配式路面结构相结合，可实现电动汽车“边行驶边充电”。

人们把目光投向了500—2000公里范围内的近地轨道。在这个轨道上，地面和卫星之间的通信传输时延达毫秒，足够满足车联网、自动驾驶等需求，接收终端可做成手持的。

AI在农业的主要应用分三类，1）农业机器人：农作物播种机器人、采摘机器人、收成机器人；2）农作物和土壤监测：诊断害虫、土壤营养；3）AI预测分析能力：利用卫星监测天气、监测农作物。

如今，新兴行业产品特点逐渐向“小批量、多品种”转变，对于机器人的灵活性要求很高，协作机器人的柔性特点刚好可以应对这一市场需求，无需根据产品的变化更换机器人，只通过简单编程就能迅速适应下一个工作任务。协作机器人的易操作性更让毫无基础的工人就能完成新任务的编程，节约了人工和时间成本。

机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

美国《福布斯》网站在5月25日的报道中，列出了AI的几个应用领域：从预测流行病暴发到抗击癌症，从保护生物多样性到减少饥饿……AI正在不断彰显自己的价值，帮人类迈向一个更可持续、更清洁、更健康的未来。

机器人可以分成两大类：固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器；另外还有能够实现感知能力的软件，比如定位、地图测

人工智能可以分解为几种方法：机器学习（Machine Learning）、自然语言处理（Natural Language Processing）、专家系统（Expert systems）、视觉（Vision）、言语（Speech）、规划（Planning）、机器人技术（Robotics）。

“较远距离通过充电桩发射无线电波，在家庭的环境中，人暴露在无线电辐射中，要保证充电速度，一定得加大功率，很可能对身体有较大影响，这个疑虑不太容易消除。”至于是否会被隔壁邻居偷电，项立刚认为，不太可能，因为有墙，穿透肯定不行的。

超级计算机也以处理速度快而著称，但它与量子计算机不一样。超级计算机本质上还是以传统计算机二进制（0与1）为基础的，运算速度依然受限于电路的性能，而量子计算机完全属于另一个体系。