Netherlands On Line 11/3
* 歐洲的城市化率已達到74%。聯合國經濟和社會事務部發佈的全球人口數據顯示,2018年荷蘭的人口密度為每平方公里505.9人。人口密度如此之大的國家,是如何進行城市管理,讓城市的街區成為滿足民眾各式需求的「快樂街」的呢?
有限的城市空間,騎車的朋友們一定受過這種「委屈」:自行車車道比平常車道窄很多,而且吸旁邊的車子尾排氣。
2014年的歐洲可持續主題周上,一群拉脫維亞的青年舉行富有創意的街頭抗議,打響自行車城市道路的爭奪「反擊戰」。在拉脫維亞首都里加的街道上,這群青年扛著全比例汽車骨架騎上車道,展示了汽車佔用的空間遠比單獨的一輛自行車所佔的空間要大得多。
荷蘭的首都阿姆斯特丹素有歐洲"自行車之都"的稱號。數據顯示,阿姆斯特丹的居民自行車使用率過去20年內提高40%,全市人每天騎行合計約200萬公里。市中心68%的出行方式是騎車,但僅有11%的交通基礎設施空間分配給自行車。
相反汽車佔據的基礎設施空間卻是自行車的4倍。2016年,荷蘭人開創性地設立了全球首個"自行車市長"一職,試圖解決日益嚴峻的自行車擁堵與停車難問題。
荷蘭努力吸納孩子們對城市建設的意見,今年7月,荷蘭阿姆斯特丹選了10歲的阿米·塔赫里(Armin Taheri)作為新上任的「初級自行車市長」。這位「小市長」很有想法,他希望打造一個更適合兒童騎車的城市——為智能化的自行車道增添一些創意元素。
此前在NEMO科學中心舉辦的一場關於自行車展覽的開幕式上,50名參賽選手受邀,根據自己的想法創造模型。塔赫里作為參賽者之一,提出了自己的想法。
他表示,「自行車道上有傳感器,如果有人在騎車,可以自動播放音樂,夜晚就點亮燈。這樣也許會讓人們更願意騎自行車,也能在騎車的過程中更有趣和安全。」這個提議最終讓塔赫里獲勝,阿姆斯特丹監督交通事務的市議員迪克斯瑪(Sharon Dijksma)宣佈將努力把這個計劃變為現實。9歲的前「市長」洛塔·克羅克授予了塔赫里一個由改裝過的自行車鏈製成的市長制服領子。
比賽亞軍得主麗茲(Lizzy Stroo)和亞當(Adam Belbah)的想法也得到了肯定,麗茲想要開闢特殊的自行車路線來教孩子們安全地騎車,亞當則主張建立一個以自行車為基礎的兒童遊樂園。
除了改善自行車道以外,荷蘭人還為自行車打造遮風避雨的港灣。
曾經荷蘭東北部城市格羅寧根的中央車站前面停滿了自行車,不僅不方便行人進出,事實上,也不方便自行車的存取。
2007年,為了解決格羅寧根的自行車「停車難」,不同於修建單獨的停車樓或停車廣場,設計師採取把停車場放在下沈的空間里,在上面覆蓋一個廣場,以達到解決停車問題和改造火車站廣場的雙重目的。格羅寧根車站的這一自行車停車庫是最早的大型自行車停車庫之一,也是荷蘭最大的自行車停車庫。當年停車庫開放時,可容納4000多輛自行車,加上其它停放空間,可以容納約6000輛自行車。
隨著火車、公共汽車和有軌電車旅客的數量繼續快速地增長,幾乎有一半的乘客是騎自行車來到火車站的。就在今年,烏特勒支中央火車站開放了世界上最大的自行車存放處,這個存車處有12500個自行車停放位,現在,乘客們可以將他們的自行車停放在荷蘭最大的火車站的站台附近。
荷蘭基礎設施、公共工程及水管理國務秘書範豐霍芬(Stientje van Veldhoven)說:「這個自行車存放處的規模,顯示有很多人——特別是上班一族——已經發現了自行車是對抗道路繁忙的秘密武器。」她表示在未來荷蘭將會繼續投資,讓騎自行車變得更加便利和安全。
* 每年10月下旬在荷蘭埃因霍溫舉辦的荷蘭設計周(Dutch Design Week,簡稱DDW)是歐洲北部最大的設計盛會。今年的展期為10月19日至27日,400多場展覽、講座、討論會、頒獎禮、音樂會、發佈會……如火如荼地召開,2600多名設計師參展,展館遍布埃因霍溫全市近120個地點,共接待超過35萬來自全球的參觀者。
在設計周核心展區之一的鍋爐房廣場(Ketelhuisplein)上,矗立著一座美輪美奐的圓形建築——生長中的館(The Growing Pavilion),該館完全由被譽為「未來的混凝土」的生物基材料建成。展館地板的材料為香蒲,天花板為棉花,外牆則為菌絲體。設計師通過刻意延長菌絲體的成熟週期來獲得特殊的紋理效果,一種具有生物有機體肌膚特色的質感與色澤,帶來震撼人心的感官體驗:它是活著的!
生長中的館是循環與生物基建築大使館的一部分。該大使館以鍋爐房廣場為中心,延續去年循環大使館的使命,關注如何推動建築業從化石基經濟向生物基經濟邁進。
荷蘭設計周上,Atelier NL設計的長凳所用的材料全部取自今年六月暴風雨襲擊埃因霍溫時被摧毀的樹木。設計師將這些樹縱向劈開製成長木板,疊起時用小木栓隔出一定空間助其乾燥。每條木板的末端都印有編號,有心的參觀者可以據此查詢,瞭解更多有關該樹生前的信息,如樹種及其原先栽種的地方。
毗鄰生長中的館的是一個巨大的木結構露天平台——生物大本營(Biobasecamp)。平台的地板由模塊化的正交膠合木建造而成,拆除後可再次使用,支撐柱則是因老化而被淘汰的高速公路行道楊樹的樹幹。
生物大本營的設計者Marco Vermeulen是木建築的積極倡導者,甚至提出荷蘭的住房短缺問題可以通過建造木房子解決。荷蘭有14萬公頃的可砍伐林,每年所提供的木材足夠建造2.2萬棟房屋——由此推算,有望在45年內完全不依賴鋼筋水泥徹底解決住房短缺問題。
用木材取代混凝土是全球建築業的新趨勢,可以大幅度降低施工過程中的二氧化碳和氮排放。不僅如此,木材經濟價值的提升鼓勵人們植樹造林,進而改善環境。這種良性循環模式並不只是夢想:離埃因霍溫不遠的布拉班特楊樹林景觀就是為給木屐和火柴工廠提供原料而形成的。
本屆荷蘭藝術周的主題是:此時不做,更待何時?(If not now, then when?)明顯接續去年的主題:我們不做,更待誰做?(If not us, then who?)。在設計周上,設計師們擔負起了喚醒社會關注,帶動政府、企業、民眾參與,推進循環商業模式的責任,他們以旁觀者的角度審視我們的社會,率先發現社會中存在的環境問題,進而以設計本身引導人們重新審視自己的生活方式,認識循環經濟的重要性。
*荷蘭最大的電商平台Bol.com10/30單獨開設了一個可持續商品的頁面,消費者可以買到多達6500種的可持續商品。
Bol.com的總經理Huub Vermeulen在接受採訪時就為公司定了個「小目標」:要在2025年實現二氧化碳的零排放,而且是要保證從商品到倉庫、再到送至消費者手中,這一整套流程都要實現零排放。
總經理Huub說,實現二氧化碳零排放是企業承擔社會責任的表現,Bol.com努力的第一步是要為快遞包裹「瘦身」,以便每次可以運輸更多快遞。通過用再生塑料袋代替紙箱子來縮小包裹、減輕體積。而且,Bol.com還在與PostNL(荷蘭皇家郵政公司)開展合作,正在進行用電動車來送貨的測試。
Bol.com為自己設定的這個目標無疑是一項不小的挑戰,但作為荷蘭線上購物的巨頭公司,不論是零排放還是可持續商店,皆為此行業展現示範作用!
* 「霧霾餐具(Smogware)」,是荷蘭獨立建築師Iris de Kievith和設計師Annemarie Piscaer一起製造的「黑色幽默」,由粉塵顆粒物煉製而成。顆粒物是指懸浮在空氣中的固體和液體顆粒,如煤煙、煙塵、粉塵等。
據AQLI報告稱,從全球來看,1998年至2016年間全球顆粒物污染加重,導致人均預期壽命減少約 9個月。
設計師表示,這樣的漆黑色餐具需要一位鹿特丹市民在85年內所呼吸的顆粒物才能製成。這85年內吸入的霧霾搖身一變,成了餐具,你可以吃得下餐盤內的食物嗎?
十月十八日北京國際設計週期間,荷蘭駐中國大使館舉辦了以「your case, my case」為主題的七場跨文化設計工作坊。有一場工作坊的主題便是:霧霾餐具。
Iris 和Annemarie説:Servies在荷蘭語中是餐具的意思,Vies在荷蘭語中是灰塵的意思,這是她們之所以把項目命名為Servies的緣由——由灰塵變成的餐具。同時由於與科學家、政策制定者、居民的合作,Servies也是一個重要的跨學科項目。
兩位荷蘭設計師首先介紹了她們行李箱內的物品:Smogware刮片(用於刮灰塵、收集灰塵),顯眼的明黃色工作服,以及口罩、抹布、黃手套。
灰塵特別薄的時候,還可以用肥皂水收集,工作人員需帶上手套洗抹布,等到肥皂水乾燥後再把灰塵收集起來。
等到收集的工序全部完成後,再把顆粒物倒入試管。
她們帶來的霧霾餐具陶片樣品,一片又一片,陶片的顏色越來越深。
越淺的顏色,顆粒物的量越少,所需用的製作時間越短;越深的顏色,顆粒物的量越多,所需用的時間越長。」所以,用85年內呼吸的顆粒物所製成的陶片,自然是接近於純黑色。
Annemarie觸摸陶片。從上而下,指肚的觸感由粗糙變得越來越順滑。使用者這才會切身體會到:10年、20年、25年……85年,每個陶片代表著同樣的時間長度;而即便是同樣的時間長度,要由灰塵(顆粒物)煉製出一個個霧霾餐具成品,正是我們一生呼吸的縮影。
目前荷蘭鹿特丹市民10年可吸入大約1克顆粒物(灰塵)。產生1克顆粒物的污染,鹿特丹市民只需要——吃5個雞蛋或4頓肉食,3個月內,每天吃一份奶酪,又或是5天連續開汽車(平均每天10公里),在火爐燃木20分鐘。Iris說到,如果鹿特丹沒有顆粒物,市民的平均壽命將能多14個月。
Annemarie在談到項目初衷時說到,做這個作品的部分緣由是為了孩子;讓下一代生活在更美好的環境。「Everything has a value, even dust. From dust to dust.」每一件事都自己的意義,哪怕是一粒微塵,哪怕是一粒微塵。
* 荷蘭推出食物「魔盒」,對浪費說NO!
瓦格寧根大學的相關研究表明:在荷蘭生產的食物中約有三分之一都被丟進了垃圾桶,荷蘭每天浪費的食物能達到500萬公斤,平均每個消費者每年會扔掉41公斤的食物。
荷蘭人已經發起了數百項反對食物浪費的倡議,其中有一個創意的做法是反浪費的 「魔盒(Magic Box)」項目,麵包店、飯店、超市等等都可以將沒有賣出但仍可以食用的商品放進「魔盒」,目前荷蘭有2500個「魔盒」提取點。消費者可以通過應用程序來尋找附近有哪些餐館、超市在出售「魔盒」,然後以食品原價的三分之一購買一頓美餐。
據調查, 35%的人表示註冊「魔盒」的原因是對食物浪費的現狀感到擔憂。大約25%的人表示這種「盲買」能帶來驚喜,你永遠不知道今天會買到裝著什麼食物的「魔盒」,是不是都治好了選擇困難症~還有20%的荷蘭人是被優惠的價格吸引而來。
「魔盒」應用上架以來,已經幫助荷蘭人節省下了約120萬頓飯的食物量,為消費者樹立意識、對食物浪費說「NO!」
同時也有1部Youtube影片,追蹤數超過2萬的網紅聽書 ‧ BookListen,也在其Youtube影片中提到,以前,人們在深山裡淘金,現在,大家在網路裡挖礦。 曾經一文不值、被金融大老看衰的虛擬貨幣,現在1塊比特幣,市價直逼10萬新台幣!甚至一度堪比黃金! 究竟,讓人議論不斷的虛擬貨幣──比特幣是什麼? -- ┤聽書│輕鬆聽我們說,勾起對書的興趣├ 訂閱 🔥 https://www.facebook.c...
圖解 區 塊 鏈 在 王董的大盤籌碼 Facebook 八卦
噹噹噹!各位旅客,咱們八月底開始出發的這台反彈列車,台北站到囉!季均線可是好幾周以前,筆者就跟大家預告的波段反彈目標!中間經過幾段波折,包括9月17、18日的過其門而不入,整台列車一度又倒退嚕回彰化站;讓之前眼巴巴看著火車直奔板橋的人,多了一次在彰化站買票上車。然而,經過一周突如其來地折騰,車長我現在還是可以很開心地廣播:我們終於正式抵達台北站了!
到站了要不要下車?從成交量只有八百多億來看,除非明天放量,不然要直接突破季均線是很難的,原則上就是該下車了。但是現在有個很大問題,就是筆者過去一路分析提醒的做多焦點,OTC櫃買指數可是很強勢的,再度大漲創新高啊!大盤顯然是沒量,不過OTC卻是人氣旺旺旺,呈現量滾量!所以現階段我的看法很簡單,您必須還是得把大盤跟個股分開來看。
也就是說,大盤量能不足千億,在季均線仍具實質壓力情況下,是不太容易突破,甚至回檔震盪。但是呢,這不代表您要去反向做空,這全然是逆勢的!因為目前月均線翻揚向上,具備助漲抗跌的多方支撐;大盤如果回檔到這個地方,很容易就會出現買盤力道,不容易大跌。因此在這裡您可以不用追高,但未來如果出現回檔,務必得積極月均線支撐附近的買點!
其實您要知道一件事,『屢測高點終得過,屢試低點終得破』!這條季均線已經算是本波段第二次來挑戰了,就算這次再度鎩羽而歸好了,但您要很清楚,外資期貨多單依舊還有二萬口。加上美股道瓊指數穩穩守住筆者在二周前附圖解說預告的區間支撐下緣15979,接下來如果開始往區間上緣16669前進,那還很有得漲;您覺得對台股要突破季均線,會不會有很大的幫助?
必然有幫助嘛!但台股未來幾天若真的突破季均線,假使成交量還是未達千億,那就是假突破,您就不用急著加碼,反而可以獲利減碼或入袋。但若出現帶量長紅,或者是帶量突破的『中繼缺口』出現,那麼這個突破就會是真突破;在操作上就不必太過保守,甚至是可以加碼買進的!結論,大盤不管是先下再上,還是直接跳空上,都是要上!所以這台列車,嘿嘿,會直接往基隆站再開上去啦!
既然筆者看法是季均線早晚要過,代表目前台股多方趨勢沒有改變,您就不用太把焦點放在指數了!真正要注意的一直都是OTC,是中小型股啊!三周前台股出現一波急跌回檔,OTC也出現節前獲利回吐賣壓,但筆者當時是怎麼堅定清楚地分析預告?我告訴您不用擔心,大盤9月9日缺口是最大支撐,回檔量縮代表主力業內根本沒跑,您要勇敢鎖定OTC中小型股,趁著回檔積極分批佈局!
這是二周前很多分析師恐嚇您台股要崩盤,OTC主力業內倒貨時,大家都很恐慌時,我卻反市場告訴您的事:人棄我取啊!看看這一波有多少分析師在三周前突然告訴您翻空做空看七千,這兩天又突然開始翻多做多看萬點了?而筆者卻始終立場看法都堅定,就是看多做多啦,沒有改變!今天大盤完美達陣季均線,筆者強調重心的OTC更大漲逼近2%拉出長紅,這不就是對筆者的最佳肯定嗎!
市場會說話,時間會證明一切!OTC從中秋節後以來的幾天走勢,連續拉出五根紅K棒!如果您是節前真的照著筆者分享的操作策略,趁著那兩天長黑K勇敢分批佈局,我相信中秋變盤對您來說是非常快樂的,因為是往上變現金啊,呵呵!至於筆者持續追蹤的主流族群有哪一個讓您失望了?生技類股在上周依舊續強,至於紡織、車用電子與零組件則仍漲勢蔓延到本周啊!
今天甚至連中小型電子股也都往上表態了!電子本來市場雜音就多,台灣出口數據一路衰退,台積電又看淡第四季,下游電子股難免充滿疑問。不過股票是人氣的集體行為,當OTC噴出大漲,中小型股無不雨露均霑、百花齊放!電子類股在沉寂已久之後,稍微題材一點火,短線就是噴出大漲!呵呵,這也是好事一件啦,對於多數擁有電子中小型股的散戶朋友來說,今天應該是獲利超有感的!
各位讀者要操作題材面的電子股,還是短進短出為宜;只有營收可望持續成長或創高的,才會比較值得您波段操作。像是上週五大漲的3234光環、4979華星光,今天也都持續大漲創高,續航力甚佳!若您怕電子股營收出現意外地衰退,比如5490同亨、8086宏捷科就與大盤出現脫鉤的回檔;那麼其實您就鎖定筆者持續追蹤的幾個主流族群就可以了,操作起來算是輕鬆寫意。
比如說上周熱度最高的車用電子與零組件,今天也仍舊是盤面交投重心!大家現在全都在談車用零組件啊!呵呵,看到財經名嘴現在拚了命介紹真的很滑稽,這些人可是在三周以前爆發福斯柴油車檢驗作假風暴時,告訴您要小心國際大廠連環爆,要您暫時避開車用供應鏈的同一批人耶!真的是很Funny!但我當時怎麼跟您講的?我說放輕鬆,只會罰罰款而已啦,人家大廠車子照樣賣爽爽!
結果呢?最新公布美國九月新車銷售量,創下十年新高耶!阿不是說福斯會引爆車市風暴?怎麼沒有!汽車窗簾供應鏈的9951皇田,那兩天利空連續重挫一成,剛好是本波段最低點!今天大漲逾6%,已經刷新波段新高!不只它啦,倒車雷達的3552同致也是那幾天回檔,隨即一路大漲,今天又大漲創歷史新高!CMOS影像感測的6238勝麗再度漲停,TOYOTA影音的2497怡利電也有4%漲幅創高!
車用電子與零組件一堆個股創新高,這不就是最標準的主流族群嗎?那筆者先前要您在主流族群出現利空回檔時,勇敢低接布局,請問對您有沒有最大的幫助!這就是簡單的選股,簡單的操作,說穿了就是『主流』二字!同是主流的紡織類股雖然這兩天沒有全面噴出,但是也是呈現很漂亮的類股內輪動輪漲,看看連最牛的低價龍頭1440南紡在今天都可以輪到他漲停啦!戲棚下站久又是您的!
今日熱門族群在盤面上在9月營收陸續公布,也開始出現卡位第三季財報的買盤。其中目前最熱門的討論話題,就聚焦於受惠第三季台幣重貶超過二元,貶幅達6.21%的匯兌收益!像是1527鑽全就有外資出具報告看好因為匯兌收益,單季獲利上看三元,直接跳空漲停!另外投信在上周五開始買超3596智易,上半年獲利不過0.4元,法人看好單季可因匯兌收益上看一塊,也是近兩日熱門個股。
鑽全帶動工具機族群也在今天表現優異,包括4534慶騰、4510高鋒都出現近月以來難得的漲停板!但是請注意,上週才有一堆大老認為工具機出口比去年衰退13%以上,可能創下2009年以來最大跌幅;公會理事長更悲觀表示,工具機在明年中以前不可能好轉!因此個人認為,工具機族群也許在第三季因台幣重貶普遍有匯兌收益,不過這是短線題材,長線來看第四季是比較令筆者擔心的。
-----------------------------------------------------------
※本欄筆者為合格證券分析師,一切遵照主管機關規定!本欄文章全數免費提供閱讀,全數內容均不構成對任何證券買賣邀約,也不會對讀者進行任何形式邀約。每篇文章僅為筆者投資記錄與心得分享,引用數據皆為個人研究心得;非為投資建議與參考,請勿引為買賣決定!投資有風險,任何買賣請自由判斷進出,筆者不對任何人負責買賣盈虧。※
圖解 區 塊 鏈 在 李開復 Kai-Fu Lee Facebook 八卦
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
圖解 區 塊 鏈 在 聽書 ‧ BookListen Youtube 的評價
以前,人們在深山裡淘金,現在,大家在網路裡挖礦。
曾經一文不值、被金融大老看衰的虛擬貨幣,現在1塊比特幣,市價直逼10萬新台幣!甚至一度堪比黃金!
究竟,讓人議論不斷的虛擬貨幣──比特幣是什麼?
--
┤聽書│輕鬆聽我們說,勾起對書的興趣├
訂閱 🔥 https://www.facebook.com/BookListen2017/
追蹤 ✨https://www.instagram.com/booklisten/

圖解 區 塊 鏈 在 秒懂「區塊鏈」的入門課!《區塊鏈革命》 - YouTube 的八卦
... <看更多>