綁定台北富邦銀行帳戶,
立即輕鬆享受收發紅包體驗
「微軟小冰」經過6000分鐘訓練,學習519位中國現代詩人的作品,現在她只要從一幅圖像獲取靈感,就能寫詩。她曾經使用27個化名,於不同平台發表自己作品,從沒有人懷疑作者並非人類。
人工智能的創作力真的可與人類媲美嗎?《香港01》獲得為小冰出版《陽光失了玻璃窗》詩集的時報出版社授權,轉載小冰部分作品。
可以到以下網址,上載一張照片,為小冰提供靈感,她就會在10秒內為你創作一首詩!
读完了高盛人工智能(AI)的报告,原文:
AI Machine Learning and Data Fuel the Future of Productivity
Part 1 AI介绍
四个影响:
1. 生产率:节省成本
2. 高端技术:AI相关硬件、软件和服务
3. 竞争优势:不用AI的公司可能被竞争对手超越
4. 创造新公司:大量AI公司
什么是AI?
机器模仿人学习和解决问题。包括语言识别和翻译、视觉识别、决策等等。该报告专注AI下面的机器学习(ML)下面的深度学习。
机器学习:教电脑自己识别苹果和橙子、识别垃圾邮件、预测健康状况等
深度学习:模拟人神经系统的信息处理学习(只要给素材就能学)
总之,AI能帮人干活(不是成为人,现有技术还远不能使电脑像人一样自主学习和决策);与Alphago不同,本报告专注经济应用
为何AI现在发展快?
AI出来很多年,为何最近才提速?三个原因:
1. 数据多:爆炸式发展
2. 硬件快:GPU、FPGA等特种硅片发展(更快、更便宜)
3. 算法多:开源分享(Caffe、TensorFlow、Torch等),别人做好的功能直接调用
生活中的AI:搜索、推荐(电商、新闻等)、人脸识别等,
价值创造主要驱动
1. 人才:稀缺、并购
2. 数据:大型的已区分的数据包是核心利润驱动
3. 基建:商品化,基于云端和开源
4. 硅片:GPU(英伟达AMD等)、FPGA(Intel)、ASIC
提升未来生产率
IT从90年代提升生产率,进入2000年后放缓了,从2011年中开始,分红持续大于资本支出,管理层普遍不愿投资、PE持续走低。
生态系统
AI和其它技术发展对比:大型机->客户端服务机->云端、C->Java->Python、神经网络->深度学习->近人类AI;目前处于初级阶段(类比1950s主机商业化、2000s智能手机商业化)
三种使用:
1. 自己做AI:
综合开放资源(如databricks,cloudera等)和云服务平台(微软、谷歌、百度等)
需要的计算机组(stack)七大件:核心组件(GPU等)、计算(云端如AWS、AliCloud)、储存(Hadoop、云端)、数据移动和整合(Kafka、Spark、Storm)、数据处理(神经网络、Watson)、编程语言(Python、R、SQL)、分析工具(Tableau、Machine learning)。成本比较高,详见P23页表
2. 咨询服务:IBM用Watson、Kaggle连接AI专家、Accenture、华为也在大规模招聘AI人才,给企业提供解决方案
3. AI服务AI-as-a-service(热门):给app提供接口使用AI服务,如人脸识别接口、医疗接口、农业接口等,主要公司亚马逊、谷歌、微软、IBM、Saleforce等,该细分专业数据的领域创业公司很多。