分類
亞洲動態 區塊鏈

天擇集團-比特幣付薪水先例及中國大陸:領先布局數位人民幣

用比特幣付薪水有先例

GMO網路集團也並非第一個用比特幣付薪水的首例,去年一月,美國肯塔基州Vicco小鎮的警察局長就要求領「比特幣薪水」,後來Vicco小鎮的城市委員會還真的批准了這項請求,在薪資不變的情況下,依照肯塔基州的規範扣除稅款及相關費用後,依照當時的比特幣價格折算相對應的薪資,立下政府機構使用虛擬貨幣支付薪資的首例。

另外根據《世界日報》報導,目前在矽谷創業的台裔工程師皮克宇,當初為了省下支付台灣員工薪資的高額跨國匯款手續費,與員工達成協議後決定以比特幣來支付台灣員工薪水,目前已經實行了大約半年的時間,除了省下大筆手續費,員工也非常樂意拿比特幣薪水,也讓皮克宇成為最早一批用比特幣付薪水的創業家。

中國大陸:領先布局數位人民幣,致力打造亞洲新金融系統

反觀中國大陸,在大宗商品如金屬、農產品、石油等進口量都高居世界第一。根據世界銀行資訊,若以購買力平價(PPP)計算,中國大陸自2017年起已超越美國成為全球最大的經濟體,為全球主要的跨國貿易對象。然而,人民幣作為儲備貨幣的交易比重卻僅占2%,促使中國大陸投注更多心力加速人民幣國際化。

首先,人民銀行在2020年4月下旬宣布在深圳、蘇州、雄安新區、成都及未來的2022年北京冬奧場景,對官方的數位貨幣電子支付系統進行內部封閉試點測試。目前已公布的實體合作名單共有19家企業,其中包含麥當勞、星巴克等國際企業;同時與華為、滴滴出行等公司簽署戰略合作協議,以合作促進金融創新。

而目前試驗發行的數位人民幣也採用了雙層架構與分散式帳本技術,但交易資料並不對民眾公開,帳本的透明性僅屬於政府,可滿足即時性以及監管效能。另外,除了人們已熟知的掃碼支付、線上轉帳之外,數位人民幣具備「雙離線交易」的功能,即便兩人都處於無網路狀態,只要在同一個空間將手機進行近距離感應,便能進行交易,使用體驗上與現金更為接近。

現今跨境交易所仰賴的環球銀行金融電信協會系統受美國控制,而中國大陸則期待透過數位貨幣的快速發展,與美國的敵對國,如俄羅斯、北韓、伊朗等聯手,串聯一帶一路以及大東亞地區與中國大陸貿易頻繁的國家,打造一個新形態的亞洲金融系統,脫離美國動輒祭出的經濟制裁與威脅。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
人工智慧

天擇集團-太聰明的人工智能未來可能會摧毀人類

從英國著名理論物理學家史蒂芬·霍金(Stephen Hawking)到特斯拉創始人伊隆·馬斯克( Elon Musk)等世界頂尖人工智能(AI)專家,都曾表示過AI對人類生存的威脅。

人性化人工智能

將人類智慧和AI智慧結合在一起,也有助於賦予人工智能技術更多的人性元素,更好地指導其決策。

總部位於倫敦的初創企業Factmata建立了一個人工智能審核系統,該公司招募了2000多名專家,其中包括記者和研究人員,專門分析互聯網上的某些信息,比如偏見、言論的可信度或仇恨言論等。然後,他們利用這一分析來訓練一個自然語言處理智能系統,用來自動掃描網頁中有問題的內容。

其首席執行官德茹夫‧古拉特(Dhruv Ghulati)說,「一旦你有了經過訓練的算法,就可以用於分析互聯網上的數百萬條內容。你可以放大這些專家對互聯網言論的批判性評估。」

雖然人工智能通常是在一次性過程中接受專家標記的數據訓練,但Factmata的專家不斷更新訓練數據,以確保人工智能算法能夠跟上不斷變化的政治和媒體環境。他們還讓公眾對人工智能的輸出作出反饋,古拉特說這能確保人工智能不脫離現實,也不會存在固有偏見。

然而,將我們自己和我們的智力決策與人工智能混合在一起並非沒有風險。伍萊說,我們給機器提供的信息越多,人工智能和集體智能之間的協同作用效果也越好,但我們也就會面臨我們究竟願意放棄多少個人隱私的艱難選擇。

但她說,考慮到氣候變化和流行病大爆發等全球性的多方面複雜挑戰,有效利用我們人類的群體智慧已攸關人類的存亡。

已經有一些例子說明以人工智能來增進人類的群體智慧這種方法是如何應對這類全球性危機。卡耐基梅隆大學的研究人員目前正在使用人工智能學習算法,將自願症狀調查、醫生報告、實驗室統計數據和谷歌搜索趨勢等結合一體,實時預測新冠肺炎流行趨勢。再例如,監察全球種族滅絶和反人類罪風險的美國NGO「早期預警」(Early Warning Project),結合網絡的眾包預測、專家評估和機器學習算法,來確認最有可能發生這類暴行的國家,從而提前發出警示。

伍萊說:「我們可以讓一些非常聰明的人單獨研究問題的不同方面,但是如果我們不協力合作,沒有集思廣益,就很難取得任何進展。我認為,關鍵之處是要讓人工智能幫助這些單打獨斗的工作實現集群化,這樣才能解決需要全球集體行動以面對的問題。」

超級智能

英國劍橋大學存在風險研究中心( the Centre for the Study of Existential Risk, at Cambridge University)表示,當前大多數AI系統都是相對「狹窄」的應用程序,專門用於解決某一領域中的特定問題。

但1997年,超級電腦深藍(Deep Blue) 打敗了國際象棋世界衛冕冠軍加裏•卡斯帕羅夫(Garry Kasparov),成為人工智能史上里程碑。

雖然深藍擊敗了世界象棋衛冕冠軍,但深藍卻可能連一場簡單的跳棋遊戲都贏不了。因為深藍的設計者是專門讓它下象棋的。

但這才僅僅是開始,隨著人工智能的發展和進步,阿爾法圍棋的最新版AlphaGo Zero在經過短短3天跟自己練習之後,已經達到了超人水平。

AlphaGo Zero通過深度學習,已經不太需要太多的人工程序。 它成為圍棋、國際象棋以及將棋(又稱日本將棋)的高手。

這裏,最讓人感到震驚的是,AlphaGo Zero完全是自學成才。

劍橋大學存在風險研究中心表示,隨著人工智能逐漸強大,它可能會成為超級智能。它會在許多,或是幾乎所有領域都超越人類。

如何收回控制權

羅素說,賦予人工智能更明確的目標並不是解決這一難題的方法,因為人類自己都無法確定這些目標是什麼。

羅素表示,人們應該徹底改變建立人工智能系統的整體基礎,例如,不再給機器人一個固定目標,而是讓人工智能系統必須明白,它不知道目標是什麼。

一旦人工智能系統以這種方式運作的話,它就會聽從於人類的指揮。在執行任務之前,它會尋求人類的許可,因為它不確定這是不是你想要的。

羅素教授表示,最至關重要的是,它們(AI)會樂意接受被隨時關閉的選擇,因為它們也希望避免做那些你不喜歡的事情。

超強能力

羅素教授在接受BBC的採訪時表示,假設我們發明了一個可以用於控制氣候變化的強大人工智能系統,並且能將大氣中的二氧化碳水平恢復到工業革命前的水平。

該人工智能系統經過分析後認為,最容易的方式就是消滅人類,因為人類活動是產生二氧化碳的最主要來源。

當然人類可能會對機器人說,你做什麼都可以但就是不能把人類全滅絶。人工智能系統然後可能會說服人類少生孩子,直到最後沒有人生孩子,人類慢慢滅絶為止。

這個例子是想強調與人工智能有關的風險,這些風險都是人類在創造人工智能前並沒有想明白的。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
人工智慧

天擇集團-人工智慧將會如何影響人類的職業?人工智慧大爆發的時代

2017年被認為是人工智慧在全球範圍內開始受到極大關注的一年,如果你留意的話,幾乎每天都有相關的消息傳來:Google母公司Alphabet公開測試無人駕駛汽車、阿里宣佈投資千億成立達摩院、百度機器人入駐肯德基等等。

新技術總會催生新的職位需求,也會摧毀一些職位。諮詢公司Gartner指出,2019年之前人工智慧造成的失業將多於其創造的工作機會。但從2020年開始,人工智慧創造就業數量將會超過造成失業數量,人工智慧會在「殺死」工作機會的同時,製造新的工作機會。

一種極其樂觀的論調是人類能夠高效率地完成自己喜愛的工作,有了更多的時間度假和享樂,娛樂行業會達到空前的繁榮,到時也應該有新的指標來衡量人類的生產力。

這種論調讓人有一種在聽赫胥黎講述《美麗新世界》的感覺。儘管如此,既然未來不可阻擋,我們還是可以看一下人類對未來的預測具體有哪些。

我們綜合了美國勞工統計局(U.S. Bureau of Labor Statistics Latest Numbers)最近發佈的新的十年預測報告、智聯招聘的《2017人工智慧就業市場供需與發展研究報告》、Michael Page(中國)發佈的《中國機器人及人工智慧報告》等報告以及相關論文、媒體報導,就人工智慧將會如何影響人類的工作這個問題,總結出你可能會感興趣的11項內容,主要是針對中國和美國市場。

如果人類構建出通用人工智慧(AGI,也就是知識和能力範疇都不受限的人工智慧),它應可透過工程設計能力提升自我,因此能夠反覆不斷地重新設計自己的硬體和軟體。舉一例具體說明,像這樣的 AGI 可以使用神經網路和演化式演算法製造出數百個獨立的模組,這些模塊會相互交流合作,進而提高複雜性、速度和效率。若是嘗試將有潛在危險性的人工智慧局限住或與網路上的其他部分隔離開來,很可能無法奏效,因為即使在程式設計時訂定了良善有意義的目標和任務,比方說製造更好的燈泡,要是它決定將整個北美洲都變成燈泡製造廠怎麼辦?

當然,若要說這種超級智能不太可能出現,理由也不少,例如它仍須依賴速度沒那麼快的人員和網路硬體。從另一角度來看,面對治癒疾病和解決環境問題這種與時間賽跑的危機,智慧大爆發也可能對人類極為有利。但是,智慧大爆發對人類社會整體會造成什麼樣的影響呢?如果產生了超級智慧型武器, 甚至是顯得有理智且(模擬表現得)比真人配偶更有同情心的人造伴侶呢?

北美消失的製造業工作機會,85%都是因為「機器」

根據美國勞工統計局(U.S. Bureau of Labor Statistics Latest Numbers)發佈的最新十年預測報告,在職位減少速度最快的20個行業裡,有14個都來自製造業,除了煙草業是嚴重受需求量減少影響以外,其他都與機器人的應用有關。

2000~2010年美國和加拿大製造業的職位減少了560萬個,其中85%都是因為機器替代,只有13%的工作是被勞動力相對低廉的發展中國家搶走。

藍領工人被取代,是因為他們的工作性質本身就過於機械化。

波士頓諮詢公司(BCG)在2015年提出,使用工業機器人變得越來越划算,每個機器的平均購買和營運成本將會從2005年的18.2萬美元降低至10.3萬美元,到2025年,美國、中國、韓國等全球最大的25個出口國家每年在工業機器人的投資將會以10%的速度成長。

AI時代,更需要供給情感、創意的職位

在人工智慧可以做更多程式化的工作之後,人類的精力和智慧將在精神創造、藝術文化等方面得以發揮自身的特長,這也是人工智慧難以取代的,比如娛樂治療師(recreational therapists)被取代的機率只有0.28%。

智聯招聘也針對需要創意、情感的職位進行了篩選,發現在思想、精神、創意起主導的職位中,需求將更加聚焦在人本身能釋放的價值,如心理醫生針對病人的個性化訴求如何通過感情和心理學理念去醫治,而非簡單的心理測試;廣告的文案、創意人員則被要求更大程度的釋放人類的想像力和創造力,而非設計工具的使用。

但在這些領域,一些基礎技能的職位也將被取代。比如今年雙十一的「人工智慧設計師」魯班就是一個現成的案例,透過不斷學習、練習,掌握banner設計的所有技巧、風格,魯班一秒鐘可以做8,000張海報。

所以人類設計師將貢獻更多創意思維,而非重複技能的熟練。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

分類
人工智慧

天擇集團-自駕車中的AI應用,台積電為蘋果研發自駕晶片的傳言四起

監測車輛狀況

最具前景的維護類型是預測性維護。其定義如下:「預測性維護利用監測和預測模型來確定機器狀況,並預測可能發生的故障以及何時發生。」它嘗試預測未來的問題,而不是已然存在的問題。從這方面來看,預測性維護可以節省大量的時間和金錢。包括監督學習和無監督學習都可用於預測性維護。其演算法能夠根據機載和機外數據來做出預測性維護的決策。用於該任務的機器學習演算法屬於分類演算法,例如邏輯迴歸、支援向量機以及隨機森林演算法等。

收集車險資料

來自車輛的數據記錄可以包含有關駕駛員行為的資訊,而且這些數據可以用來分析交通事故,也可用於處理車險理賠。所有這些都有助於降低汽車保險的保費,因為具有更加確定的安全性與保證。對於全自動駕駛車輛來說,賠償責任將從乘客(不再是駕駛人)轉移到製造商。而對半自動駕駛車輛來說,駕駛人仍可能承擔一部份責任。

要證明這一類的情況將越來越依賴於車輛AI系統所擷取到的智慧數據。來自所有感測器的數據會產生巨量的資訊,隨時保存所有數據可能不切實際,但是保存相關數據的快照,似乎是獲得證據的折衷方法,這些證據可用於特定交通事件的事後分析。這種方法類似於黑盒子保存數據的方法,可以在發生碰撞事故後根據其中的數據進行分析。

感測器數據處理

自動駕駛車輛在運行期間,無數的感測器為車輛的中央電腦提供了數據,包括道路資訊、道路上出現的其他車輛資訊,以及如同人類感知般地偵測到任何障礙物的資訊。有些感測器甚至可以提供比普通人更好的感知能力,但要做到這一點就需要智慧演算法,用於理解即時產生的數據串流。

智慧演算法的主要任務之一是檢測並辨識車輛前方和周圍的物體。人工神經網路(ANN)是用於該任務的典型演算法,也稱為深度學習,因為神經網路包含許多層級,而每個層級又包含許多節點。圖2顯示了這種深度神經網路,不過在實際的神經網路中,其節點數和層數可能更多。

為了分類物體,視訊輸入分析採用機器學習演算法以及最可行的神經網路。由於我們有多個不同類型的感測器,因而必須為每個感測器配備專用的硬體/軟體模組。這種方法允許平行處理數據,因此可以更快做出決策。每個感測器單元都可以利用不同的AI演算法,然後將其結果傳達給其它單元或中央處理電腦。

路徑規劃

路徑規劃對於最佳化車輛行駛軌跡並產生更好的交通模式非常重要。它有助於降低延遲並避免道路擁堵。對於AI演算法來說,規劃也是一項非常適合它的任務。因為這是一項動態任務,可以考慮到很多因素,並在執行路徑時解決最佳化問題。路徑規劃的定義如下:「路徑規劃讓自動駕駛車輛能夠找到從A點到B點之間最安全、最便捷、最經濟的路線,它利用以往的駕駛經驗協助AI系統在未來作出更準確的決策。」

路徑執行

路徑規劃好之後,車輛就可以透過檢測物體、行人、自行車和交通號誌來掌握道路狀況,透過導航到達目的地。目標檢測演算法是AI社群的主要關注點,因為它能夠實現仿人類行為。而當道路情況不同或天氣條件變化時,挑戰就來了。許多測試車輛發生事故都是由於模擬環境與現實環境的條件不同,而AI軟體若接收到未知數據,很可能會做出無法預測的反應。

蘋果旗下的泰坦計劃(Project Titan)被認為專注於開發促進自駕車技術,但據其他報導指出,蘋果也可能開發自己的車。

《電子時報》9 日報導,蘋果正與台積電合作開發自駕晶片技術。兩家公司計畫在美國建立工廠以生產「蘋果汽車」晶片,目前正與車用電子供應鏈的上下游供應商協商。《電子時報》補充指出,「蘋果汽車類似特斯拉自駕系統」,但並沒有進一步詳述這意味什麼。

《電子時報》的蘋果資訊有好壞參半的紀錄。儘管供應鏈報導通常站得住腳,但報導蘋果未來計畫時遭遇許多失誤。因此應對此報導抱持懷疑與保留態度。

蘋果分析師郭明錤先前預測,蘋果將從台積電採購自駕車晶片。郭認為,「蘋果汽車」可能會在 2023~2025 年首次亮相。此外,台積電仍在考慮在亞利桑那州建造晶片製造廠。《電子時報》有可能會將這些報告與蘋果自駕車的傳聞混為一談。

有關泰坦計畫的傳言多年來沒停過,儘管面臨發展方向改變和裁員等問題與困擾,但自駕系統開發似乎仍在繼續。8 日報導指出,蘋果已將自家自駕車團隊移轉至 AI 人工智慧與機器學習負責人部門。報導並指出,蘋果仍在決定到底是要推出自家汽車,還是為其他汽車製造商設計自駕系統,抑或發表與第三方汽車相容的售後套件。

※本文章屬於TNZE天擇集團所有嚴禁轉載※