大家好，今天來為大家解答聯(lián)想y1011平板還能用嗎，聯(lián)想平板y1011價格這個問題的一些問題點，包括聯(lián)想y1011平板還能用嗎，聯(lián)想平板y1011價格也一樣很多人還不知道，因此呢，今天就來為大家分析分析，現在讓我們一起來看看吧！如果解決了您的問題，還望您關注下本站哦，謝謝~

Nature子刊批判深度學習：現有方法有誤，動物行為靠編碼不靠算法

邊策 安妮 發(fā)自 凹非寺

量子位 出品 | ** QbitAI

人工神經網絡可以從動物大腦中學到什么？

最新一期Nature子刊上，就刊登了這樣一篇文章。美國冷泉港實驗室的神經科學家Anthony M. Zador，對當下人工神經網絡的研究思路進行了深刻反思與批判：

大多數動物行為不是通過監(jiān)督或者無監(jiān)督算法就能模擬的。

具體來說，動物天生具備高度結構化的大腦連接，使它們能夠快速學習。從出生下時的神經結構就決定了動物具有哪些技能，再通過后天學習變得更加強大。

由于連接過于復雜無法在基因組中明確指定，因此必須通過“基因瓶頸”進行壓縮。但人工神經網絡還不具備這種能力。

但這也表明，AI有潛力通過類似的方式快速學習。

也就是說，通過反思當前的研究方式能夠發(fā)現，我們現在關于深度學習的研究從出發(fā)點的側重似乎就搞錯了，先天架構比后天訓練重要得多。

這個結論一出現，就在推特上引發(fā)了巨大的反響，不到一天，點贊數超過了1.8K，各大論壇上也少不了各種討論。不少網友表示，文章讓人有一種醍醐灌頂的感覺。

一研究者表示，很喜歡這篇文章，尤其是其中具體說明了進化與學習之間的生物學差異，以及在深度學習中能借鑒的思路見解。

機器學習研究者、fixr.com網站的CEO Andres Torrubia表示，這個研究不禁讓人想到權重無關的人工神經網絡，接下來的重點是如何在“遺傳瓶頸”中進行編碼了。

還有研究人員提出了新思路，猜測基因瓶頸與今年ICLR 2019的最佳論文“**假設”理論中得到的簡化表示之間有相似之處。

是項怎樣的研究，讓AIer的思路一下子如此開闊？

先天的重要性

機器能在多長時間內取代人類的工作？1956年，AI先驅Herbert Simon曾預言，機器能夠在二十年內完成人類可以做的任何工作。

雖然這個預測離AI的發(fā)展軌道偏離了太遠，但那時已經有了類似通用人工智能（AGI）的概念。

今天的科技界這種樂觀情緒再次高漲，主要源于人工神經網絡和機器學習的進展，但離設想的達到人類智慧的水平還很遠。

人工神經網絡可以在國際象棋和圍棋等游戲中擊敗人類對手，但在大多數方面，比如語言、推理、常識等，還無法接近四歲兒童的認知能力。

也許更引人注目的是人工神經網絡更接近于接近簡單動物的能力。用人工智能的先驅之一Hans Moravec的話說：

人腦中高度發(fā)達的感知與運動部分的編碼，是從生物界十億年的進化經驗中學到的。我們稱之為“推理”的深思熟慮的過程，是人類思維能力中最薄弱的一個，因為依靠無意識的感知運動的支持才能生效。

與人工智能網絡相比，動物嚴重依賴于后天學習與先天機制的融合。這些先天機制通過進化產生，在基因組中完成了編碼，并采取一定規(guī)則連接大腦。

所以，基因瓶頸（genomic bottleneck）了解一下？

在這篇文章中，研究人員引入了這個概念，具體來說，是指壓縮到基因組中的任何先天行為都是進化過程帶來的，這是連接到大腦規(guī)則的一種約束。

而下一代機器學習的算法的突破點，很有可能就在基因瓶頸上。

而這，也是當前機器學習算法與人類思維方式最大差別。

算力促進神經網絡發(fā)展

在AI的早期階段，有符號主義和連接主義兩種主義之爭。

Marvin Minsky等人支持的符號主義認為，應該由程序員來編寫AI系統(tǒng)運行的算法。而連接主義認為，在人工神經網絡方法中，系統(tǒng)可以從數據中學習。

符號主義可以視為心理學家的方法，它從人類認知處理中獲取靈感，而不是像連接主義那樣試圖打開黑匣子，使用神經元組成的人工神經網絡，從神經科學中獲取靈感。

符號主義是是20世紀60~80年代人工智能的主導方法，但從之后被連接主義的的人工神經網絡方法所取代。

但是現代人工神經網絡與三十年前的仍然十分相似。神經網絡大部分進步可以歸因于計算機算力的增加。

僅僅因為摩爾定律，今天的計算機速度比當年快了幾個數量級，并且GPU加快了人工神經網絡的速度。

大數據集的可用性是神經網絡快速發(fā)展的第二個原因：收集用于訓練的大量標記圖像數據集，在谷歌出現之前是非常困難的。

最后，第三個原因是現代人工神經網絡比之前只需要更少的人為干預?，F代人工神經網絡，特別是“深度網絡” 可以從數據中學習適當的低級表示（例如視覺特征），而不是依靠手工編程。

在神經網絡的研究中，術語“學習”的意義與神經科學和心理學不同。在人工神經網絡中，學習是指從輸入數據中提取結構統(tǒng)計規(guī)律的過程，并將該結構編碼為網絡參數。這些網絡參數包含指定網絡所需的所有信息。

例如，一個完全連接的由N個神經元組成的網絡，每個神經元都有一個相關聯(lián)的參數，以及另外N2個參數來指定神經元突觸的連接強度，總共有N+N2個自由參數。當神經元的數量N很大時，完全連接的神經網絡參數為O(N+N2)。

從數據中提取結構，并將該結構編碼為網絡參數（即權重和閾值），有三種經典范例。

在監(jiān)督學習中，數據由輸入項（例如，圖像）和標簽（例如，單詞“長頸鹿”）成對組成，目標是找到為新的一對數據生成正確標簽的網絡參數。

在無監(jiān)督學習中，數據沒有標簽，目標是發(fā)現數據中的統(tǒng)計規(guī)律，而沒有明確指導查找的規(guī)則。例如，如果有足夠的長頸鹿和大象的圖片，最終神經網絡可能會推斷出兩類動物的存在，而不需要明確標記它們。

最后，在強化學習中，數據用于驅動動作，并且這些動作的成功與否是基于“獎勵”信號來評估的。

人工神經網絡的許多進步都是為監(jiān)督學習開發(fā)更好的工具。監(jiān)督學習的一個主要考慮因素是“泛化”。隨著參數數量的增加，網絡的“表現力” ，即網絡可以處理的輸入輸出映射的復雜性也隨之增加。

有足夠的自由參數的網絡可以擬合任何函數。但是，在沒有過擬合的情況下，訓練網絡所需的數據量通常也會隨著參數的數量而變化。如果網絡具有太多的自由參數，則網絡存在過擬合的風險。

在人工神經網絡研究中，網絡的靈活性與訓練網絡所需的數據量之間的這種差異稱為“偏差 – 方差權衡”。

具有更大靈活性的網絡更強，但如果沒有足夠的訓練數據，網絡對測試數據的預測可能會非常不正確，甚至遠比簡單且功能較弱的網絡的預測結果差。

用“蜘蛛俠” 的話來說就是：能力越大責任越大。偏差-方差權衡解釋了為什么大型網絡需要大量標記的訓練數據。

比如一組數2、4、6、8，下一個數字什么，人會很自然的想到10，但是如果我們使用有4個參數的多項式來擬合，神經網絡會告訴我們結果是42。

三巨頭如何看待監(jiān)督學習

神經科學和心理學中的“學習”一詞指的是經驗導致的長期行為改變。在這種情況下，學習包括動物的行為，例如經典的自發(fā)行為以及通過觀察或指導學習獲得的知識。

盡管神經科學和人工神經網絡術語的“學習”存在一些重疊，但在某些情況下，這些術語的差異足以導致混淆。

也許它們之間最大的差異是術語“監(jiān)督學習”的應用。

監(jiān)督學習是允許神經網絡準確地對圖像進行分類的范例。但是，為了確保泛化性能，訓練此類網絡需要大量數據集。一個視覺查詢系統(tǒng)的訓練需要107個標注樣本。這種訓練的最終結果是人工神經網絡至少表面上具有模仿人類分類圖像的能力，但人工系統(tǒng)學習的過程與新生兒學習的過程幾乎沒有相似之處。

一年的時間大約107秒，所以要按照這種方法訓練孩子，需要不吃不喝不睡覺每一秒都問一個問題，以獲得相同數量的標記數據。然而，孩子遇到的大多數圖像都沒有標注。

因此，可用的標記數據集與兒童學習的速度之間存在著不匹配。顯然，兒童并不是主要依靠監(jiān)督算法來學習對象進行分類。

諸如此類的因素促使人們在機器學習中尋找更強大的學習算法，讓AI像孩子一樣在幾年內掌握駕馭世界的能力。

機器學習領域的許多人，包括三巨頭中的Yann Lecun和Geoff Hinton等先驅都認為，我們主要依靠無監(jiān)督算法而不是監(jiān)督算法，來學習構建世界表征的范例。

用Yann Lecun的話說：

“如果智能是一塊蛋糕，那么大部分蛋糕都是無監(jiān)督學習，蛋糕上的花就是監(jiān)督學習，蛋糕上的櫻桃就是強化學習?！?/p>

由于無監(jiān)督算法不需要標記數據，因此它們可能會利用我們收到的大量原始未標記的感知數據。實際上，有幾種無監(jiān)督算法產生的表示讓人聯(lián)想到那些在視覺系統(tǒng)中發(fā)現的表示。

雖然目前這些無監(jiān)督算法不能像監(jiān)督算法那樣有效地生成視覺表示，但是沒有已知的理論原則或界限排除這種算法的存在。

盡管學習算法的無自由午餐定理指出不存在完全通用的學習算法，在某種意義上說，對于每個學習模型，都存在一個數據分布很差的情況。

每個學習模型必須包含對其可以學習的函數類的隱式或顯式限制。因此，雖然孩子在他剛生下來一年內遇到帶標注的圖像數據很少，但他在那段時間內收到的總感官輸入量非常大。

也許大自然已經發(fā)展出一種強大的無監(jiān)督算法來利用這一龐大的數據庫。發(fā)現這種無監(jiān)督算法，如果它存在的話，那將為下一代人工神經網絡奠定基礎。

從動物的學習方式中學習

學習行為和天生行為的區(qū)別在哪？

核心需要解決的問題是，動物如何在出生后迅速學習，也不需要大量訓練數據加持。

和動物相比，人類是一個例外：成熟的時間比其他動物都要長。松鼠可以在出生后的幾個月內從一棵樹跳到另一棵樹，小馬可以在幾小時內學會走路，小蜘蛛一出生就可以爬行。

這樣的例子表明，即使是最厲害的無監(jiān)督算法，也會面臨實際案例上的挑戰(zhàn)。

因此，如果無監(jiān)督機制無法解釋動物如何在出生時和不久之后就具有如此的領悟能力，那么對于機器來說，是否有替代方案？但事實是，許多人類感官表達和行為基本上是天生的。

從進化角度來看，天生的行為對生存和學習是有利的，而先天與學習策略之間的進化權衡也很有意思。

可以看出，通過純先天學習機制而成熟，與通過額外學習的表現有很大不同。

如果環(huán)境迅速變化，從時間角度來看，在其他條件相同的情況下，強烈依賴先天機制的物種將勝過采用混合策略的物種。

基因制定人腦神經網絡的布線規(guī)則

我們認為動物在出生后如此快速運作的主要原因是，它們嚴重依賴于先天機制。這些先天機制已經寫在了在基因編碼里。基因編碼蘊含了神經系統(tǒng)的布線規(guī)則，這些規(guī)則已經被數億年的進化所選擇，也為動物一生中的學習提供了框架。

那么基因是如何說明布線規(guī)則的呢？在一些簡單的生物體中，基因組具有指定每個神經元連接的能力。以簡單的線蟲為例，它有302個神經元和大約7000個突觸。因此在極端情況下，基因可以編碼方式精確地指定神經回路的連接。

但是在較大型動物的大腦中，例如哺乳動物的大腦，突觸連接不能如此精確地被基因指定，因為基因根本沒有足夠的能力明確指定每個連接。

人類基因組大約有3×109個核苷酸，因此它可以編碼不超過1GB的信息但是人類大腦每個神經元的神經元數量大約為1011神經元，需要3.7×1015bits來制定所有連接。

即使人類基因組的每個核苷酸都用于制定大腦連接，信息容量比神經元連接少6個數量級。

因此在大型和稀疏連接的大腦中，大多數信息可能需要指定連接矩陣的非零元素的位置而不是它們的精確值。基因組無法指定顯式制定神經的接線，而必須指定一組規(guī)則，用于在孕育過程中連接大腦。

兩點啟發(fā)

將上述思考放到當前深度學習的研究當中，已經有了很多新發(fā)現：

動物出生后具備快速學習的能力，主要因為它們天生就有一個高度結構化的大腦連接。后續(xù)學習過程中，這種連接就像提供了一個腳手架，在此基礎上快速學習，這種類似的學習理念可能會激發(fā)新的方法加速AI研究。

先說第一個。

動物行為為天生的而非學習中產生，動物大腦不是白板，相反配備了一個通用的算法，就像當下很多研究人員設想AGI那樣。

動物強選擇性學習，將學習范圍限制在生存必須能力中。

有些觀點認為動物傾向快速學習具體事情是依賴于AI研究和認知科學中的元學習和歸納偏差。按照這種說法，神經網絡中有一個外循環(huán)優(yōu)化學習機制，產生歸納偏差，讓我們快速學習具體任務。

先天機制的重要性也表明，神經網絡解決新問題會盡可能嘗試那里以前所有相關問題的解決方案，就像遷移學習那樣。

但遷移學習與大腦中的先天機制有本質區(qū)別，前者的連接矩陣很大程度上屬于起點，而在動物體內需要遷移的信息量很小，經過了“瓶頸基因組”，信息的通用性和可塑性更強。

從神經科學的角度來看，應該存在一種更強大的機制，也就是一種轉移學習的泛化，不僅能夠在視覺模式中運作，還能跨模態(tài)進行遷移。

第二個結論是，基因組不直接編碼表示或者行為，也不直接編碼優(yōu)化原則。

基因組只能編碼布線規(guī)則和模式，然后實例化這些規(guī)則和表示。進化的目標，就是不斷優(yōu)化這些布線規(guī)則，這表明布線拓撲和網絡架構是人工系統(tǒng)中的優(yōu)化目標。而傳統(tǒng)的人工神經網絡很大程度上忽略了網絡架構的細節(jié)。

目前，人工神經網絡僅利用了其中一小部分可能的網絡架構，還有待發(fā)現更強大的、受大腦皮層啟發(fā)的架構。

其實現在來看，神經處理過程可以通過神經實驗顯示出來，通過記錄神經活動，間接推斷出神經表征和布線。

目前，已經有方法可以直接確定布線和腦回路，也就是說，大腦皮層連接的細節(jié)有可能不久后就會獲取到，并為神經網絡的研究提供實驗依據。

這些啟發(fā)不難讓人聯(lián)想起谷歌大腦團隊發(fā)布的新研究。只靠神經網絡架構搜索出的網絡WANN，即權重不可知神經網絡。不訓練，不調參，就能直接執(zhí)行任務。

它在MNIST數字分類任務上，未經訓練和權重調整，就達到了92%的準確率，和訓練后的線性分類器表現相當，前景無限。

結論

大腦能為AI研究提供幫助是人工神經網絡研究的基礎。

人工神經網絡試圖捕捉神經系統(tǒng)的關鍵點：許多簡單的神經單元，通過突觸連接并行運行。

人工神經網絡的一些最近的進展也來自神經科學的啟發(fā)。比如DeepMind鐘愛的強化學習算法，也誕生過AlphaGo Zero這樣的新研究，這就是從動物學習的研究中汲取靈感的范例。同樣，卷積神經網絡的靈感來自視覺皮層的結構。

但反過來說，AI的進一步發(fā)展是否會方便動物大腦的研究，仍然存在爭議。

我們認為這不太可能，因為我們對機器的要求，有時被誤導為通用人工智能，根本不是通用的。

這樣與人類技能類似的能力，只有與大腦類似的機器才能實現它。但機器與人腦的構造完全不同。

飛機的設計起源于鳥，但最后遠優(yōu)于鳥：飛得更快、適應更高的海拔、更長的距離、具有更大的貨容量。但飛機不能潛入水中捕魚，或者從樹上猛撲去捕鼠。

同樣，現代計算機已經通過一些措施大大超過人類的計算能力，但是無法在定義為通用AI的明確的任務上與人類能力對應。

如果我們想要設計一個能夠完成人類所有工作的系統(tǒng)，就需要根據相同的設計原則構建它。

傳送門

Nature報道地址：

Reddit討論區(qū)：

Twitter討論區(qū)：

— 完 —

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節(jié)，請在量子位**(QbitAI)對話界面，回復“招聘”兩個字。

量子位 QbitAI · **簽約作者

?’?’ ? **AI技術和產品新動態(tài)

單詞輕松記 第1011天

單詞輕松記 第1011天

多多單詞（www.duoduodanci.com），一遍背熟

每天堅持一篇，讓您輕松的記單詞，歡迎關注

今天的記憶單詞列表：

1、linear

2、di**ay

3、antarctic

4、skyscraper

5、sturdy

linear[‘l?n??]

adj. 線的，線型的；直線的，線狀的；長度的

拆分：line（線）+ar（的）

聯(lián)想：線的

di**ay[d?s’me?]

n. 沮喪，灰心；驚慌

vt. 使沮喪；使驚慌

拆分：dis（沒有）+may（沮喪）

聯(lián)想：沒有達成意愿，所以很沮喪

antarctic[?n?tɑ:kt?k]

n. 南極洲；南極地區(qū)

adj. 南極的；[地理] 南極地帶的

拆分：ant（螞蟻）+arctic（北極）

聯(lián)想：螞蟻只能在南極生活，不能在北極

skyscraper[‘ska?skre?p?]

n. 摩天樓，超高層大樓；特別高的東西

拆分：sky（天空）+scraper（樓）

聯(lián)想：這個樓已經起到天空了，所以成了摩天樓

sturdy[‘st??d?]

n. 羊暈倒病

adj. 堅定的；強健的；健全的

n. (Sturdy)人名；(英)斯特迪

拆分：stu（試圖）+r（讓）+dy（第一）

聯(lián)想：這么堅定的人得試圖讓他得到第一

非常感謝大家的支持，如果這種學習方式能幫助到您，希望您能與身邊的小伙伴一起分享該記憶方法的樂趣。除此，您還可以：

1、在評論中拼寫單詞，加深記憶

2、在評論中發(fā)表自己認為好的記憶方法

3、對認為好的記憶方法進行點贊

飽含生命力的時光瑰寶

[腕表之家 鐘表文化]一件臻品級的珠寶腕表需要符合哪些條件？

首先自然是寶石本身。它的原產地、克拉數、純凈度、色澤與火彩，都與珠寶腕表的品質息息相關。

二是絕妙創(chuàng)意。好的創(chuàng)意為冷冰冰的寶石賦予了美感，讓寶石具有生命力，無論是具象還是抽象，古典還是現代，獨具匠心的設計讓作品經得起時間考驗，歷久彌新。

再其次是精湛工藝。脫離了工藝談品質就是空談，切割、雕塑、拋光、鑲嵌、鑄造、串線、漆藝……它們是藝術風格與作品品質之間的橋梁，是設計師與工匠親密無間的對話交流。

然而具備了寶石、創(chuàng)意、工藝，這些就足夠了嗎？顯然遠遠不夠，對于一件珠寶腕表臻品來說，還有一個不能忽略的條件，那就是品牌效應。一個擁有悠久的歷史淵源，無盡的迷人故事，讓無數皇室貴族、明星名流甘為擁躉的品牌，才賦予創(chuàng)作豐碩的價值。

比方，當一個深紅色的禮盒來到你的眼前，你腦海里浮現的第一個念頭就是：哇！卡地亞；繼之又立刻聯(lián)想起“皇帝的珠寶商，珠寶商的皇帝”這句話，這些都是卡地亞用了整整175年積淀起來的品牌價值。當我們要列出心目中最重要的幾個奢侈品牌時，卡地亞絕對是佼佼者。

2022年，卡地亞在上海舉辦的全新BEAUTéS DU MONDE高級珠寶展

全新BEAUTéS DU MONDE高級珠寶系列APHAIA胸針與珠寶盒

這十多年，我參觀過多次卡地亞辦的品牌特展——北京、上海、沈陽、成都、巴黎、日內瓦，策展人費盡心思將眾多“奇珍異寶”有系統(tǒng)地網羅在一起，一次呈現眼前，讓人嘖嘖稱奇，連連嘆好。作品除了珠寶，還會涉及鐘表、冠冕、權杖、首飾匣，以及像鼻煙壺、香煙盒、化妝包、晚宴包、香薰罐……品類繁多。

琺瑯腰鏈表

1874年 ，卡地亞巴黎

黃金，玫瑰金，彩色琺瑯，珍珠

在卡地亞極其豐富的產品線中，除了人們心目中分量最重的珠寶作品外，鐘表也占據非常重要的地位——1904年卡地亞就推出了品牌第一枚腕表，1912年第一款神秘鐘問世；在1973年的日內瓦拍賣會上，卡地亞典藏系列回購的首款作品，正是一座“門廊”神秘鐘，目前典藏系列里還收藏有卡地亞于1874年制作的琺瑯腰鏈表。

為鐘表鑲嵌華麗的珠寶，自然成了卡地亞最擅長的拿手戲。

身為175年的珠寶世家，卡地亞對寶石本身品質的把控毋庸置疑，然而要創(chuàng)造卡地亞在珠寶以及珠寶腕表領域無可撼動的王者地位——品牌價值，最重要的就是極致考究的精湛工藝與天馬行空的絕妙創(chuàng)意，永遠走在行業(yè)最前端。有些工藝已有歷經上百、甚至是上千年的傳承，但仍在時代與科技的進步中精益求精；而有時創(chuàng)意看似前衛(wèi)大膽，卻仍不斷從經典里汲取靈感養(yǎng)分。傳統(tǒng)與創(chuàng)新，終須齊頭并進。

就讓我們透過欣賞卡地亞2022年推出的幾枚全新珠寶腕表作品，深入探索卡地亞在工藝與創(chuàng)意上的精彩呈現。

Coussin de Cartier系列腕表

矩形的Santos，長方形的Tank，圓形的Ronde，橢圓形的Baignoire、酒桶形的Tonneau、龜殼形的Tortue、鐘形的Cloche……卡地亞是玩轉殼形的專家，幾乎什么幾何圖案都能在品牌的系列腕表中發(fā)現，而且絕大部分這些圖案在100年前就已經出現了。而在20世紀后半期又陸續(xù)出現了圓中帶方的Pasha、圓中帶圓的Ballon、枕形的Drive、六角形的Maillon，甚或是完全不規(guī)則造型的Crash。

身為造型**，卡地亞的作品一直“型如其名”，以簡約的線條、勻稱的比例為表殼精準塑形。今年的Coussin de Cartier系列也不例外，Coussin是墊子，也就是大家所熟稱的枕形，將方形的四個銳角化為圓潤的圓角。

枕形表款不新鮮，新鮮的是卡地亞帶來的奇妙視覺效果。表圈上，三條由窄變寬的線條由內向外螺旋式發(fā)散，其上鑲嵌了由小變大的鉆石，像是漩渦，也像是萬花筒里的景致，表殼從任何一邊看去都由三條粗細不一的鑲嵌帶組成，讓其上直徑各異的鉆石更顯動感。鉆石的動感不僅來自于設計的巧妙，更得益于精湛的工藝，品牌為此開發(fā)了全新的三角形鑲嵌技法，無需借助傳統(tǒng)珠粒，能將鉆石直接鑲嵌于表殼中，讓金屬消失無形，盡顯鉆石的璀璨奪目。這些仿佛流動的鉆石飄帶從表圈延伸到表殼側緣，甚至還有一小部分延伸到了表底蓋上。

還嫌視覺沖擊力度不夠，卡地亞還帶來了配色對比更加鮮明的雙色表款，以鉆石搭配黑色尖晶石，或是帕拉伊巴碧璽搭配沙弗萊石，利用兩種顏色的寶石反轉倒置，營造對照美感。此外還采用另一種創(chuàng)新鑲嵌工藝，就是鉆石仍采用傳統(tǒng)的爪鑲，但彩色寶石則反轉倒置，將亭部朝上化作飾釘，一顆顆凸起，讓腕表個性更加鮮明，甚至流露一股不羈的朋克風。

這樣就心滿意足了？卡地亞可是意猶未盡，兩款**版的Coussin de Cartier腕表繼續(xù)挑戰(zhàn)創(chuàng)意與工藝結合的新高度，絕對讓你拍案叫絕。

同樣是枕形造型，但表殼略微拉伸，顯得更為蓬松柔軟，真想靠上去好好休憩一下。沒錯！你試著摸摸看，表殼竟然真的是“蓬松柔軟”的。不可思議?。?/p>

這個觸感柔軟靈動的表殼是如何辦到的？秘密在于表殼外的結構，就像是北京鳥巢外圍的鋼結構，制表師以貴金屬編織出一張鏈節(jié)環(huán)環(huán)相扣的格網，并在其內安裝有彈性部件，讓格網在受壓變形后能重新收緊，恢復原狀。這還不是最難的，要在格網密密麻麻的的孔洞中以及表盤、表扣上鑲嵌1011顆鉆石絕非易事，因為格網不是固定的，會搖擺扭動，鑲嵌師們想到了一個好辦法，那就是先將格網以樹膠固定，待鑲嵌鉆石后再加熱釋放樹膠，很是聰明。

表款同樣是有鉆石款，以及鑲嵌了鉆石、祖母綠、藍寶石、沙弗萊石、藍色碧璽的色彩繽紛款式，將直徑和色澤各不相同的寶石組合成令人目眩神迷的圖案，卡地亞在美學造詣上可說登峰造極，也讓表款在觸覺之外，又多了視覺的驚喜。兩款腕表各**20枚。

Cartier Libre系列腕表新作

緊接著登場的Cartier Libre系列腕表幾枚新作，同樣讓人驚艷。它的外觀造型借鑒了品牌1930年代為女演員葛洛莉亞·斯旺森（Gloria Swanson）創(chuàng)作的一款白水晶和鉆石手鐲，但加入了一個彈簧結構，讓腕表可以靈活自在地翻轉，一面是手鐲，一面是腕表，擁有了不同的佩戴方式，仿佛“雙面夏娃”，讓時光在腕際流轉，再一次詮釋了卡地亞對珠寶與鐘表的雙重駕馭能力。

在腕表每個鏈節(jié)的表面皆由4個形狀大小各異的三角形切面構成，每一個切面會鑲嵌上不同形狀的鉆石、寶石或金屬，采用上面提及的全新三角形鑲嵌工藝，無需借助傳統(tǒng)珠粒，即可將鉆石直接鑲嵌于表殼中，令幾何圖案更為凸出。為了不影響三角造型的美觀，時間調校系統(tǒng)經過重新設計，設于表殼側面。就像腕表系列名稱Libre一樣，Cartier Libre系列表款天馬行空，自由自在，但不管創(chuàng)意如何天馬行空，要落實創(chuàng)意，不至于淪為異想天開，靠的還得是工藝實力為后盾。

腕表有3個款式，分別是鉆石搭配尖晶石款，鉆石搭配灰色月光石、黑色尖晶石、紅色石榴石款，以及鉆石搭配藍寶石、黑色尖晶石、綠玉髓、紅色珊瑚石款；無論是和諧的同色調還是鮮明的撞色效果，都在在展示了卡地亞對于色彩的高超掌控能力。

獵豹裝飾晝夜顯示腕表

卡地亞豹紋腕表

1914年，卡地亞巴黎

鉑金，玫瑰金，玫瑰式切割鉆石

縞瑪瑙，黑色絹絲表帶

該作品是卡地亞首次在作品中運用獵豹斑紋圖案

獵豹，既神秘又優(yōu)雅、矯健而充滿力量，同時它又如此嫵媚，帶有不可抗拒的魅力。獵豹與卡地亞的結緣始于1914年，當時以獵豹黑白皮毛圖案的形式出現在腕表之上，之后獵豹一躍成為卡地亞永遠的代言人，出現在品牌幾乎所有產品線中，以不同的工藝與造型構筑了一個數量龐大的獵豹家族，每年的獵豹腕表新作都讓人充滿期待。

今年有一枚獵豹裝飾晝夜顯示腕表特別值得國人關注，因為它是**限定版。既然是專為**市場打造，當然就得用上最符合**文化氣質的寶石——碧玉。腕表上半部外圍的小時刻度環(huán)，以及腕表下半部外圍的逆跳分鐘刻度環(huán)，其材質為碧玉，這是深受國人喜愛的稀有寶石，**人玩玉、佩戴玉的歷史已有數千年。但玉質很脆，要切割并打磨成如此薄的片狀，其上還要鑲嵌鉆石時標與金屬刻度，其難度著實考驗制表師的功力。

設計重點自然是盤面上兩只深情對視的獵豹，共同守護著日升月落，暮去朝來，時光在這里顯得如此靜好，溫柔繾綣。豹身經精雕細琢，通體鑲嵌鉆石，并以黑漆繪出豹斑，神來之筆則是鑲嵌了祖母綠的豹眼，和綠色的碧玉表盤相輝映。

在卡地亞于上海剛剛結束的Beautés du Monde高級珠寶展上，我有幸再次見識了卡地亞眾多的高級珠寶腕表杰作。珠寶在時光中凝結成形，鐘表則是時間的記錄者，都是變無形為有形。在今日，閱讀時間早已不是時計的重要功能，佩戴珠寶也不僅是財富與地位的炫耀，體現個人品味、塑造身份認同，或許才是現代人購買腕表與珠寶的最大動力。通過卡地亞的高級珠寶腕表，我們探索了一座超越時空的秘密寶藏，共度了一場極富生命力的時光瑰寶之旅。（文/安時間OnTime 整理/腕表之家 張大陸）

好了，關于聯(lián)想y1011平板還能用嗎，聯(lián)想平板y1011價格和聯(lián)想y1011平板還能用嗎，聯(lián)想平板y1011價格的問題到這里結束啦，希望可以解決您的問題哈！