在过去的几个月中，对于每个人来说，这都是一个极其艰难的时期，因为全球大流行已经使整个行业从经济格局中消失了。
面对这种灾难，技术一直是最具弹性的行业之一，但该行业劳动力的极端流动性引发了人们对创业公司和工作的未来发展前景的质疑。
我们一直在争论将如何在大学城崛起时作为创业中心 ，以及这种流行病将如何改变我们在咖啡店和附近地区的工作方式。现在，我们要解决困扰我们的更大问题之一：技术将继续集中在旧金山和纽约等枢纽吗?还是将远程工作和所有其他二阶效应导致分散化的创业公司生态系统?
我们从作家那里提出了三种观点，对未来的前景有着截然不同的预测。
首先，我们有丹尼·克里顿(Danny Crichton)，他相信技术，尤其是风险投资行业将保持以往的集中度，尽管集中度可能会有所变化。同时，亚历克斯·威廉(Alex Wilhelm)声称，主要枢纽之外的初创企业增长实际上将加速，从而将技术财富传播到大都市以外。最后，娜塔莎·马斯卡伦哈斯(Natasha Mascarenhas)认为，的经济混乱和对技术股权的日益关注的结合将导致在核心创业中心之外进行更大规模的投资。
丹尼·克里顿(Danny Crichton)：位于纳帕谷(Napa Valley)的一家新咖啡馆展示了面对面的网络为何如此重要的原因
首先是沙山路。然后是南方公园。现在在Calist火星漫游者好奇号已经在“红色星球”上运行了八年，但是它的旅程还远远没有结束-它仍在升级。您可以花一些时间标记原始数据以将其馈入其地形扫描AI，以帮助解决问题。
好奇心不是一成不变的。还有的人在地球上整个团队谁分析来自火星的影像回来，绘制路径前进的移动科学实验室。为此，他们需要仔细检查图像，以准确了解岩石，土壤，沙子和其他特征的位置。
这正是机器学习系统擅长的任务类型：您给他们提供很多图像，这些图像上的显着特征被清楚地标记，并且他们学会在未标记的图像中找到相似的特征。
问题在于，尽管有很多现成的带有面部，猫和汽车标签的图像数据集，但火星表面注释的地形类型却不多。
“通常，需要数十万个示例来训练深度学习算法。例如，使用大量道路，标志，交通信号灯，行人和其他车辆的图像来训练自动驾驶汽车的算法。其他用于深度学习的公共数据集包含人，动物和建筑物，但没有火星景观。” NASA / JPL说AI研究员小野弘(Hiro Ono)在新闻发布中。
因此，NASA正在努力，您可以提供帮助。
确切地说，他们已经有了一种称为“土壤特性和对象分类”或SPOC的算法，但正在寻求帮助来改进它。
该机构已经从火星上向Zooniverse 上传了数千张图像，当然，在阅读完本教程之后，任何人都可以花几分钟来注释它们。在岩石，沙质伸展带等周围绘制形状听起来并不那么困难，但您可能像我一样立即遇到麻烦。那是“大石头”还是“基岩”?宽度超过50厘米吗?有多高?
到目前为止，该项目已标记了要完成的近9,000张图像中的一半(可能还会有更多)，如果您有几分钟的余地，则可以帮助他们实现该目标-无需承诺。该网站现已提供英语版本，并且还会提供西班牙语，印地语，日语和其他翻译版本。
对AI的改进可以使流动站不仅告诉它可以在哪里行驶，还可以告知失去牵引力的可能性以及其他可能影响单个车轮放置的因素。这对于计划好奇号的动作的团队来说也很容易，因为如果他们对SPOC的分类有信心，那么他们就不必花费大量的时间仔细研究图像即可进行仔细检查。oga的Solage有Solbar。
尽管在过去的二十年中广泛使用了远程工作工具，但是风险投资人总是奇迹般地聚集在非常狭窄的地方。风险投资人并没有被Sand Hill的低矮办公楼吸引，因为这些办公楼过去和现在都让人感到恐怖，他们对比“这里有四堵墙和一顶屋顶”更复杂的事物产生了浓厚的兴趣。风险投资人并没有前往南方公园享受Google Maps所谓的“绿树成荫的椭圆形花园”，它们坐落在轻工业建筑之间。他们并没有前往纳帕谷(Napa Valley)的索尔巴(Solbar)品尝加州美食，而餐厅在合作伙伴星期一方便地关闭。