对人类来说，识别场景中的物品就像看它们这么简单。但对于人工智能和计算机视觉系统来说，开发出对周围环境的高保真理解需要更多的努力。如果我们具体一点的话，需要大约 800 小时的手动标记训练图片工作。为了帮助机器更好地了解人们的做法，MIT CSAIL 的一组研究人员与康奈尔大学和微软合作开发了STEGO，一种以像素为单位识别图像的算法。通常创建计算机视觉（CV）训练数据需要人在图像中的特定对象周围画框——如给坐在草地上的狗画上的框——标记框内有什么东西（“狗”），以便用这些数据训练的 AI 可在草丛中分辨出狗。相反 STEGO（具有基于能量的图片优化的自我监督转换器）使用了名为“语义分割”的技术，该技术将类标签应用于图像中的每个像素，以便 AI 更准确地了解周围的世界。带标签的框中包含对象，也会包含边界内对象周围像素中的其他物体，而语义分割则标记对象的每个像素，但是只标记构成对象的像素——你只得到狗的像素，而不是狗的像素再加上一些草。这相当于机器学习使用 Photoshop 的智能套索和矩形框选工具的差别。这种技术的问题之一是范围。传统的多镜头监督系统通常需要数千张（如果不是数十万张）标记图像训练算法。将这个数字乘以即使构成单张 256x256 图像所需的 65,536 个单独的像素，现在所有这些像素都需要单独标记，所需的工作量很快就会大到不可能。CSAIL团队在新闻稿中写道，“STEGO 会寻找出现在整个数据集中的类似对象。”“然后它会将这些相似的对象联系在一起，在它学习的所有图像中构建一个统一的世界观。”

大多数汽车制造商都迫切想在全世界销售电动汽车。但他们面临着全球变暖时代的挑战：电池和制造电池所需的合乎道德的原材料供应紧张到令人望而生畏。特斯拉和大车等汽车制造商将锰（元素周期表中的第 25 号元素，位于铬和铁之间）视为最新的、诱人的丰富金属，它也许能让主流买家买得起电池和电动汽车。尽管第一款也是唯一一款使用高锰电池的电动汽车（即日产于 2011 年推出的聆风）的历史令人沮丧。但由于该行业需要所有能够获得的电池，改进后的高锰电池可能会脱颖而出，形成一个利基市场，也许作为介于磷酸铁锂化学电池和顶级豪华车和性能车型中的富镍电池之间的一个中等价位选择。马斯克（Elon Musk）在柏林特斯拉超级工厂的开幕仪式上语出惊人，当被问及对电池中石墨烯的看法时，马斯克答非所问道：“我认为锰有有趣的潜力。”谈到原矿，他强调说业界一直在努力摆脱钴，现在则是在摆脱镍，马斯克表示：“最终，我们需要的是数以千万吨甚至是以亿吨计的材料。因此用于生产这些电池的材料必须是普通材料，否则无法规模化。”