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。
-
2020 了，最流行的密码依旧是 123456
-
Chrome 87 发布，获多年来最大性能提升
-
Gartner：2021年全球公有云终端用户支出将增长18%
-
Facebook：AI可检测出平台上删除的94.7%仇恨言论
-
中兴提出4G/5G业务导航AI节能
-
AMD发布全新架构计算卡Instinct MI100：AI性能暴涨7倍
-
基于课程学习（Curriculum Learning）的自然语言理解
-
EMNLP 2020大会最佳论文：无声语音的数字发声
技 术 要 闻
Industry News
1、2020 了，最流行的密码依旧是 123456
密码管理器 NordPass 于日前发布的一份报告中揭示了 2020 年最常见的密码，并提供了有关如何使密码更安全的建议。根据 NordPass 的研究，在今年 200 种最常用的密码中，“123456”位居第一，有 250 万人使用，其在数据泄露方面的暴露次数超过 2300 万次。排在第二位的是“123456789”，超过 96.1 万人正在使用，该密码暴露在漏洞中的次数超过 780 万次。排在第三位的密码是“picture1”，这是一个新上榜密码，相较其他常用密码安全性要更高一点。第四名则是“password”，其次是"12345678"排在第五位。6-10 位分别是“111111”、“123123”、“12345”、“1234567890”、以及葡萄牙语中的“senha”，意为“密码”。在 10 个最常用的密码中，有 8 个密码黑客只需不到一秒钟就可以成功破解。"Senha"则需要 10 秒才能破解。只有 "picture1 "会比较费劲，花了三个小时才被破解。
2、Chrome 87 发布，获多年来最大性能提升
Chrome 87 正式版现已发布，由于进行了许多底层改进，本月的更新代表了多年来 Chrome 性能的最大提升。此版本包含的一些更新内容有：
-
现在，Chrome 会优先考虑活动选项卡而不是打开的所有内容 — 将 CPU 使用率降低 5 倍，并将电池寿命延长 1.25 小时（根据内部基准测试）。
-
Chrome 现在启动速度提高了 25％，页面加载速度提高了 7％，并且所有这些操作都比以前使用更少的电源和 RAM。
-
安卓版 Chrome 浏览器的性能提升。当向后和向前移动时，页面将 “几乎瞬间”加载。
3、Gartner：2021年全球公有云终端用户支出将增长18%
Gartner预测，2021年全球公有云服务终端用户支出将增长18.4%，总额达到3049亿美元（2020年为2575亿美元）。预计2024年，云将占全球企业IT消费市场的14.2%，相比2020年增长9.1%。尽管软件即服务（SaaS）仍然是最大的细分市场并且预计该市场在2021年将增长至1177亿美元，但应用基础架构服务（PaaS）将达到26.6%这一较高的增长幅度。PaaS消费增加的原因是远程工作者需要访问高性能、内容丰富且可扩展的基础架构（主要为现代化云原生应用）来履行他们的职责。
4、Facebook：AI可检测出平台上删除的94.7%仇恨言论
Facebook周四宣布，人工智能软件目前可以检测出平台上删除的94.7%的仇恨言论。Facebook的首席技术官麦克·斯瑞普菲在一篇博客文章中透露了该数字，并补充称，一年前该比例为80.5%，2017年时仅24%。Facebook最新的《社区标准执行报告》中也提到了该数字。诸如Facebook、Twitter等社交媒体公司经常因为未能从平台上删除仇恨言论而受到批评。
5、中兴提出4G/5G业务导航AI节能
近日，中兴通讯发布《PowerPilot4G/5G网络节能降耗技术白皮书》，在原有负荷预测AI节能的基础上，业内首家提出业务导航AI节能，在保障用户体验的前提下，实时识别业务、分析业务能效，主动将业务导航到最合适的网络层进行承载，保证每比特数据能耗最低，整网能效比最佳，节能效率翻倍。
6、AMD发布全新架构计算卡Instinct MI100：AI 性能暴涨7倍
在游戏领域，基于RDNA 2架构的Radeon RX 6000系列显卡已经开始闪亮登场。在高性能计算领域，基于CDNA全新架构的新一代计算卡Instinct MI100也终于登台了！AMD Radeon Instinct系列计算卡已经发展了多款型号，但是在此之前，AMD GPU一直都是一套架构打天下，游戏、计算不分家，自然不利于不同方向的深度优化。而在产品命名方面，AMD计算卡也放弃了Radeon字样，不再称呼Radeon Instinct，而是简单地叫做Instinct。AMD Instinct可以说是专为HPC高性能计算而生的，志在推动超级计算机进入百亿亿次计算时代(ExaScale)。
学 术 前 沿
Academic News
1、基于课程学习（Curriculum Learning）的自然语言理解
本文通过课程学习的形式，将数据集从易到难进行分类，在此基础上对模型进行训练，从而进一步提高了预训练模型在 fine-tune 阶段的效果，思路非常有意思。而且关于数据难度的定义和评估是这种课程学习方法的难点所在，如何提出更好的学习方法是进一步提升模型效果的关键所在。而且也不需要复杂的结构，是一个非常有意思的研究方向。
论文链接：https://www.aclweb.org/anthology/2020.acl-main.542/
2、EMNLP 2020大会最佳论文：无声语音的数字发声
来自加州大学伯克利分校的研究者们探究了无声语音的数字化发声任务，其中基于捕获肌肉冲动的肌电图（EMG）传感器度量，将无声口语单词转换为可听语音。具体而言，研究者提出了一种通过将音频目标从有声信号转换为无声信号来对无声 EMG 进行训练的方法。与仅使用有声数据进行训练的基线方法相比，该方法显著提升了从无声 EMG 中生成音频的清晰度。在某种数据条件下，该方法将转录词误差率从 64% 降至 4%；另一种数据条件下，转录词误差率从 88% 降至 68%。为了促进这一研究任务的进一步发展，该研究已经共享了无声和有声面部 EMG 度量的新数据集。
论文链接：https://www.aclweb.org/anthology/2020.emnlp-main.445.pdf
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
