MacRumors 发现，近期苹果向 Apple Store 和官方授权店提供的内部文档中提到，部分 42mm 版 Apple Watch Series 2 可能会出现无法开机或电池鼓胀的情况，凡是购买后三年内出现这种情况，苹果都将免费提供电池更换服务。目前官方并未对外公布这一政策，不过经过多方确认，此消息可信度很高。来源
图 / MacRumors
Android P 新「手势操作」设计曝光
近日，谷歌在一篇介绍 Android P 网络安全性改进的 官方博文中意外曝光了一张类似「手势操作」设计的截图。截图中，原本屏幕按键区域的「多任务」和 Home 键合并成一个药丸形状的按钮，返回键则得到了保留。根据 9to5Google 的消息，这个「药丸」形按键拥有多项手势操作功能，返回键则会在主屏界面或没有使用时自动隐藏。
谷歌随后对博文中的相关截图进行了修改。新的「手势操作」预计将在下月的 2018 I/O 大会上与 Android P 第二个开发者预览版一同亮相。 来源
本周，玩家们期待已久的国产独立游戏《蜡烛人》正式上架国区双平台。还有风格独特的回合制策略潜入类游戏《破坏者》，玩家将化身成为城市涂鸦者，躲避警察追击。本周休闲游戏佳作《Yo！Walk the Line》，画风 Q 萌，玩法轻松，值得一试。另有一款像素风科幻游戏《INŌ》，玩家将扮演孤立无援的异星探险成员寻找失散的队友。希望这些新游戏能在新的一周为你带来有趣的游戏体验。
这些安全更新补丁主要来源于 Android 开放源代码项目（AOSP）、上游 Linux 内核和系统芯片（SOC） 制造商，可以从硬件和软件层面保证 Android 设备不受最新安全漏洞的影响。因此，Google 在向自家设备推送安全更新的时也会公布对应的 安全更新公告，方便用户获知具体的修复内容同时方便其他厂商进行跟进。
Google 安全更新公告截图
部分厂商甚至能够提前一个月从 Google 那里获知这些安全漏洞，根据 AOSP 源码以及安全更新公告中给出的补丁程序链接，他们可以结合实际情况及时合并这些安全更新来保证自己的用户不受漏洞影响。
显然，安全更新的跟进越及时越好。
为什么你需要关注安全更新
Android 的安全更新和 Android 系统版本并无必然关联。
以 Google 为例，Nexus 和一代 Pixel 设备的 Android 版本更新周期为两年，但他们自首次在 Google 商店上架的三年内或从 Google 商店下架后的至少 18 个月里，都会收到安全更新（以时间较长者为准）。这些安全更新的推送频率为每月一次，一般在每个月的第一个星期一向用户分发。
前段时间刚提及豆瓣 FM 通过接入 Apple Music 提升自己的曲库量，上周它就迎来了 5.0 大版本更新，看样子这是很是规划中的重要一步。之前是「巧妇难为无米之炊」，现在「曲线救国」内容足够充足，就可以想想该如何「运营」了。
新版最为重要的一点，就是加入了「音乐地图」功能。通过获取你在聆听音乐过程中红心、跳过以及豆瓣音乐评论等操作行为，豆瓣 FM 逐渐开始了解你的音乐喜好，最初这些数据主要是为了「私人调频」个性化播放服务，而新版将数据以可视化形式展现出来，这便是音乐地图了。在这里你可以看到那些与你有过交集的艺术家们，以及你对他们的「好恶」，蓝绿色部分代表喜欢，灰色部分则表示不喜欢，亮度越高，程度也就越强。你可以通过点击艺术家姓名快速播放他演唱的歌曲，又或是缩放地区去寻觅相似的乐趣。
不过新版延续了 4.9.7 版不稳定的问题，掉帧问题即便在 iPhone X 上都时有出现，连接 Apple Music 也并不是非常稳定，重新打开应用时还经常出现假死。虽然新版让用户找到了新的乐趣，但这些问题也严重打击了使用体验，希望能尽快修复吧。
纵观这些年科技界的发展，越来越多的技术设想已经从「仅仅停留在想象」脱离，转而登上了「科技的台面」，人工智能（Artificial Intelligence，以下简称 AI）就是其中之一，也是随着这一概念的兴起，越来越多的科技公司都投身到 AI 的研究中去。而说到其中的领头羊，就不得不提起 Google 了，从无人驾驶汽车上路到 Alpha Go 打败柯洁，Google 一次又一次向我们证明了 AI 无限的潜力。
而近日 Google 又公布了自己在机器学习的另一领域——语义识别——的成果，通过用近百万的对话数据对 AI 进行训练，提升其对人类语言语义的识别，并将训练过的 AI 做成了一个全新的图书搜索引擎，和两个基于语义识别的单词游戏，发布在 Semantic Experiences 上供公众和开发者进行体验。
Google 公布的 Semantic Experiences
Talk to Books：与书籍进行对话
这个工具顾名思义，即与书进行对话，其用（玩）法是在一个输入框里输入你想对书说的话，然后 AI 会从近 100,000 本书中寻找最合适的句子进行回答，并给出书的上下文和引用来源等详细信息。例如，如果你问 AI 什么是 iPhone，那么它会从各种书籍中寻找最相关的句子予以回答：
你也可以问一些哲学问题，比如：什么是真理？
问一些莫名奇妙的问题，AI 的回答也很可爱：
你为什么那么做？因为我想！
于是经过几次尝试，我发现 AI 答的最好的往往是具有「理性」属性的问题，比如什么是电？什么是手机？什么是离散数学？这其中的原由也不难理解，自然科学类的事物和概念往往都有明确而严谨的定义，其定义也多为「表语从句」，即「什么是什么」，AI 在机器学习的过程中更容易搞明白其所指代之物和所蕴含的意义，而相比较而言，在一些模棱两可的「感性」问题面前，AI 难免显得有些力不从心。
为啥鳄鱼不是苹果？
当然，既然是「Talk to Books」，你所能说的不仅仅可以是问句，更可以是陈述句，向书籍说一些话的话甚至还会得到 AI 的反问：
AI：所以你是哪门子大王啊？
不过「Talk to Books」离真正能够和人类进行「Talk」还是有一段距离的，举其中一例讲，其并没有理解语境的功能。如果你第一次发问说：谁是 Trump？在得到正确的回答后，你又接着发问：他是哪里人？这时 AI 并不会结合上一个问题来明白这里的「他」指的是 Trump，而是把它理解成了一个全新的问题，放在真实的人类对话中，这就显然有点答非所问了。值得一提的是，Google 的语音助手具有这个上下文理解功能。
不过 Google 在 介绍 中也提到，「Talk to Books」比起是用来寻求特定问题答案的手段，更大程度上是一种来帮助你激发灵感的创意工具。也许 AI 回复给你的答案来源并不是与你所提问题相关的权威书籍（比如你提了一个技术相关的问题，而 AI 则用了莎士比亚作品中的一句话回答你），甚至有时候 AI 还会答非所问，但是这一切都展示了人工智能所拥有的无限未来在当下的一个萌芽般缩影。
顺便一提，这个「Talk to Books」回答问题的方式是不是很像变形金刚中大黄蜂的说话方式？前者用不同书籍中的句子来回答，后者则用不同频段的电台中的人声来说话。以及，它们都是机器人。
有意思的一点是用户输入的内容并不被限制，直要你手速够快，输入一个句子都可以，任何用户输入的内容只要被 AI 认为存在相关性，就会被成功排序。例如出现 Shoe（鞋子） 这个单词的时候，用户除了 Wear（穿） 或者 Foot（脚），还可以输入 Nike 和 Adidas；出现 Galaxy 时可以输入 Samsung；甚至出现 Winter（冬天） 的时候输入 Let it go 也可以被成功识别。大体上只要我们人类认为有关联的语义，AI 也都可以成功理解，毕竟训练 AI 的数据也都来自于我们人类的语言数据。
随着游戏的进行，出现新单词的速度和高亮单词的数量也会不断增加，挑战也随之升级，想要练习单词的联想能力的话，ARCADE 是个不错的选择。如果你觉得 ARCADE 节奏太快，不适合你，那你可以试试更加「老年人」的 BLOCKS，没有时间限制，输入语义相同的单词后同色色块便会相消，比起考验反应和手速，BLOCKS 更适合大家试验 AI 语义识别的准确性——看看 AI 能不能成功匹配到语义最相近的那个单词。
自然语义识别作为 AI 重要的一个部分，决定了机器是否有一天能够完全理解人类的自然语言，届时人类将可以不用耗费大量的精力去编写复杂难懂的代码，而是直接用最直接的对话对它们发号施令。你可能会问：我们现在不是以经有例如 Google Assistant 这样的智能语音助手了吗？他们难道不已经是可以听懂人类话语的 AI 了吗？事实上，这些语音助手与我们「沟通」的方式其实还是基于「关键词」，即预先设定好的关键词触发，而不是自然语言的识别。
Todoist 的时间关键词识别
换一种说法，前者只能听懂人类告诉过它的，让它能够听懂的，而后者除了能听懂我们人类能听懂的，甚至还可以理解超出我们人类理解的事物，带来全新的见解，而这一切都基于机器学习对自然语义的理解。Google 向我们展示了当下自然语言识别技术的发展，虽然是还有很多不足，甚至说与我们预想的未来还有很远的距离，但是「Talk to Books」这样的作品，也让我们看到了机器学习对当下我们产生影响的可能——更强大的搜索引擎，更准确的语言处理。
Google 已经把用以训练 Semantic Experiences 上 AI 的数据和代码公开，如果你是一位感兴趣的开发者，可以到 这里 来看看。
相信很多小伙伴都并不觉得 Word 写论文是个很好的选择，奈何很多学校最后要提交 Word 格式，而 Pandoc 是一款基于命令行的文档格式转换器，支持1
输入格式:Markdown、格式轻量级标记语言、HTML、ReStructuredText、LaTeX、OPML、Org-mode、DocBook、Office Open XML (Microsoft Word .docx)，输出格式：Office Open XML(Microsoft Word .docx)、OpenDocument、HTML、Wiki markup、Adobe InDesign ICML文稿 （ Adobe InCopy文稿交换格式）、web-based slideshows、电子书（Epub格式等）、OPML多、种 TeX (以及 PDF).
在转换的时候需要用到命令行语句，以下是常用命令的解释：
-s 代表的是 Standalone 转换过程，通过适当的页眉和页脚生成输出
-f 选项代表 from ，其后是源格式
-t选项（代表“to”）后跟输出格式
-o选项代表“output”，后面跟着输出文件名或是带输出名称的输出路径
以及跟随在最后的原始文件名
使用的时候需要将命令行的路径，切换到你想要转换的文件目录下。在使用命令进行转换。
pandoc -s -f markdown -t icml -o my.icml my.md
这里我用 Pandoc 将名叫 my 的 markdown 格式转换成名叫 my 的 icml格式。
