新三板转板PK直接IPO 企业选哪条路更有利?

新三板转板PK直接IPO 企业选哪条路更有利?

renyonggang 10

谷歌无人车看到的世界。图片基于2013年嵌入式Linux大会中谷歌无人驾驶车的视频。图片来源Medium。

我们所说的人工智能(AI),是一个广义定义。虽然众说纷纭,大部分专家认为,人工智能发展有三个水准:

弱人工智能(ANI)

第一类智能水准:能够专注于一个领域,例如能战胜世界围棋冠军的AI,但是也只能下围棋。

强人工智能(AGI)

第二类智能水准:达到和超过人类水准的人工智能,以Gottfredson博士的定义,有能力“推理、计划、解决问题、抽象思维、理解复杂概念、快速学习、从经验中学习。”

超人工智能(ASI)

第三类智能水准:超过所有人类智能总和的AI——用Tim Urban的话说,“从比人聪明一点点……到聪明一千万倍。”

那我们现在在哪个阶段呢?我们现在达到了第一个水准——弱人工智能——在很多方面,它已经进入了我们的生活中:

        l  汽车里到处都是ANI,从可以在紧急情况下刹车的电脑,到可以调配汽车加油参数的系统。

        l  谷歌搜索是一个很大的ANI,有很多非常复杂的方法将网页排序,知道给你显示什么。同样的,Facebook Newsfeed也是。

        l  谷歌正在测试中的无人驾驶汽车,有一个很强的ANI系统,让它可以感知世界并做出反应。

        l  电子邮件垃圾邮箱过滤器,知道什么是垃圾邮件、什么不是,并且学会按照你的偏好来过滤邮件。

        l  你的电话就是一个小型ANI工厂……你用地图APP导航,收到定制化的音乐推荐,和Siri聊天等等。

例子不胜枚举。弱人工智能系统不怎么惊悚。失控的ANI会带来危害,但通常是独立事件。虽然ANI不会造成人类的生存性恐慌,相对人畜无害ANI应被视为一个先兆。每一次弱人工智能的创新进步,都在往强人工智能和超人工智能更近一步。

下一步是什么?强人工智能面临的挑战。

没有什么比试图创造像人类一样聪明的计算机,更能让人体会到人类有多聪明了。造一个可以进行两位数计算的计算机很简单,但是造一个看到狗猫能回答这是什么的计算机——特别困难。造一个可以下围棋的计算机?搞定。但造一个计算机能够读6岁小孩的图画书、不只能识别文字、还能理解含义?谷歌正在努力,投入了几百万美元。

一些对我们来说简单的事情,其实非常复杂。之所以对我们简单,是因为我们(和大部分动物)在千百万年的进化中已经优化了。然而,要做大数字运算、或者下围棋,对生物来说还是新游戏,还没有进化出相应的熟练度。所以,计算机在围棋上打败我们不算特别困难。

一个有趣的例子:

 50年内实现超人工智能?解读谷歌技术总监Kurzweil未来预言

50年内实现超人工智能?解读谷歌技术总监Kurzweil未来预言

renyonggang 17

WILL.I.AM展示新款Dial穿戴设备。图片来源:Ramona Rosales for Wired

在艾伦秀上超燃地嗨了一天,WILL.I.AM稍微不那么浮夸了,毕竟,快没电了。他在期待着2025年,届时会有一个人工智能助理来照顾他。

“Will,我感觉你肿了,”他模仿电影里人工智能的声音说,“你最近都吃了什么?不要吃甜食,吃甜食会积液多。你今天晚上得多多休息。我要取消你晚上7点以后的所有预约。我已经给你买了一些泻盐排排毒。快去取货吧。”

他说:“这就是我们想让AneedA做到的事情。”

AneedA就是下一个爆款——来自Will.i.am的科技消费品品牌i.am+,这个品牌卖过400美元的iPhone壳和手镯一样的Puls可穿戴智能手机。公司极力推广AneedA,称其为神秘的聊天界面虚拟助理,可以提供互联网、APP、听音乐和其他服务。如果这个名字听起来耳熟,那是因为Puls使用了该技术的一个基础版本。

最新版本使用了Nuance的语音识别技术、Wolfram Alpha的知识引擎和一个专利机器学习技术,该技术通过收购以色列创业公司Sensiya获得。Will.i.am计划将AneedA装入各种产品中,首先装入又一个手镯一样的可穿戴产品Dial,Dial可以作为智能手机的高效替代品。小小的触屏上显示极少量的信息;和AneedA说句话就可以打开APP。用户可以按月购买4G套餐,就像跟手机流量套餐一样。

人工智能技术 + 嘻哈明星 = 科技爆款?

人工智能技术 + 嘻哈明星 = 科技爆款?

renyonggang 16

 Adam Berenzweig(左二)在斯坦福人的一场人工智能专家论坛上。图片来源:Forbes

Adam Berenzweig获得哥伦比亚大学博士学位后,在谷歌工作了超过十年的时间,建造了最早的谷歌音乐推荐系统,并参与了谷歌新闻、Goggles(Google的图像搜索应用)和实时搜索等项目工作。在Goggles,他开发移动应用,让用户可以将摄像头对准世界上的任意物体,人工智能会识别物体并提供相关信息。要知道在当时,深度学习和复杂物体识别技术八字都还没有一撇。

“我们可以做局部特征提取和指纹识别,这对标识、艺术作品和海报还不错。所以人工智能可以识别街对面的电影海报,但是搞不懂猫和狗有什么区别,或者椅子和桌子有什么区别。”Adam说。大概2012年左右,神经网络可以识别图片中的物体了。

“我职业生涯的大部分都在使用机器学习打造产品。我喜欢利用最新的研究突破,研究如何将其应用在实用性强、影响广泛的项目中。”

在谷歌工作十年之后,Adam受到Matt Zeiler的邀请创建机器学习公司Clarifai,目标“将大规模深度学习带入日常生活。”作为公司CTO,Adam打造了大部分的机器架构,还涉及了产品。“Matt Zeiler在2013年赢得了ImageNet国际计算机视觉挑战赛(编者注:ImageNet有“计算机视觉的奥林匹克”之称,是斯坦福计算机专家模拟人类识别系统建立的计算机视觉系统识别项目。2015年大赛中微软获胜、百度因作弊未入榜。)当时,这些模型逐渐显示出它们的实力。”Adam说。

“他在这个领域内工作了一段时间,他看到了这些系统正在稳步、缓慢、逐步积累地成长。他给我展示了他的早期演示,这在系统性能方面是一个明显提升,很明显,这种性能提升为很多新应用打开了空间。”在Clarifai工作了两年后,Adam于几周前刚刚离开,回归自己最初对于个人化推荐的热情。

“现在,每个人拥有和不断创造的数据跨越了很多不同的服务。如果我们可以将数据集中在一个地方,让用户可以更好地直接接触到这种科技巨头们在做的个人模型,我们将大有可为。”Adam说。这是他职业生涯的下一个目标。“如何建造机器驱动的产品,实现以数字为中心,并将机器学习的结果以不让人混乱的方式呈现出来。”

AI产品开发干货:谷歌前机器学习大师的9条忠告

AI产品开发干货:谷歌前机器学习大师的9条忠告

renyonggang 12

图片来源:webcorenigeria

Facebook今天第一次正式介绍了FBLearner Flow,一个可以为全公司员工管理机器学习模型的机器学习软件。换句话说,这是一个可以自己制造人工智能的人工智能,你可以理解为传说中的人工智能母体。

它与其他基于云端的机器学习服务有点相似,例如微软的Azure机器学习或者Airbnb的开源Airflow,不过,FBLearner Flow是根据Facebook自己的业务而进行最优化的,装满了Facebook工程师开发的算法,让公司其他人都可以为自己的模型而使用该平台。

“公司超过25%的人都在使用,使用情景是我们之前无法预想的。”Facebook核心机器学习小组总监Hussein Mehanna在一次访谈中告诉Venture Beat。

Facebook不只可以发布关于FBLearner Flow的学术论文,还可以最终将其开源。Facebook工程师已经与其他公司的人讨论了这类技术,包括Linkedin、Twitter和Uber等公司。Mehanna说,他们都非常感兴趣。

当然会对开源感兴趣啦——这个系统已经在Facebook这样的大公司验证可行,而且,这!不!花!钱!这一点就与来自Domino Data Lab和Yhat的数据科学合作工具不同。

Facebook经常将一些技术开源,这样的做法也符合公司自己的需要,因此如果未来FBLearner Flow完全开源了也不奇怪。问题是Facebook是否愿意投入工程资源,将这项技术与其专利系统的匹配断开。话虽如此,如果Facebook不愿开源、将FBLearner Flow压在箱底也不奇怪。因为多亏了这项技术,员工变得更加高效了。这会是一个竞争优势。人们在新系统中可以看到过往的试验和结果,甚至将两个不同的机器学习流水线结合起来,设计出某种更加复杂的东西。此外,图形交互界面让非工程师也可以使用这个新平台,因此才会有Mehanna说高达的25%的人都在使用。

无论未来是否会开源,至少,我们今天获得了一部分FBLearner Flow的技术详解。让我们来看看Facebook工程师Jeffrey Dunn的博文,详细解读FBLearner Flow作为Facebook的人工智能母体到底厉害在哪儿。Jefferey Dunn从卡内基梅隆大学获得硕士学位,2011年加入Facebook,参与打造图片搜索中的网络搜索等工作。

技术详解Facebook人工智能母体FBLearner Flow

技术详解Facebook人工智能母体FBLearner Flow

renyonggang 17

今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”。大会现场,雷锋网(公众号:雷锋网)将发布“人工智能&机器人Top25创新企业榜”榜单。目前,我们正在四处拜访人工智能、机器人领域的相关公司,从而筛选最终入选榜单的公司名单。如果你的公司也想加入我们的榜单之中,请联系:2020@leiphone.com 

上个月,一个斯坦福无人机躲避击剑的视频红遍网络,IEEE Spectrum当时希望对其开发者Ross Allen进行采访。Ross说没问题,只是我最近被博士论文答辩忙得焦头烂额。如今Ross已经成功晋升为Allen博士,并为我们解答了各种关于无人机和击剑的问题。

如果你之前没看,一定要点击链接,看看这个视频击剑是不是帅爆了?更帅气的是,这是第一次我们在真正意义上看到了无人机系统在障碍环境中进行“实时动态运动路径规划”。Allen博士与斯坦福自动化系统实验室的同事Marco Pavone最近发表了该项目的论文。Allen博士用非常平白的语言解释了这项听起来很科幻的技术:

“我们可以想象一下一个迷宫,类似于你小时候可能玩过的那种,用笔在纸上画的迷宫。走迷宫就是在解决一个基本的路径规划问题:在障碍环境中(迷宫的墙),为一个点进行导航(为你的笔尖),让它到达一个目标点(迷宫的出口)。如果是3D迷宫,那么这个问题就变得更加复杂了。给你举个例子:把钢琴搬入一间拥挤的公寓里,当心不能让钢琴撞到墙或家具给磕碰坏了。你可以事先规划好一条搬运路线,可能其中需要有转弯、打横等变化,最终可以将钢琴搬进房间里。

现在,我们再把这个问题搞得更复杂一点。再来想象一下,你现在得开车穿过市区。当然,市区里有房子、汽车和行人。你必须以尽可能最短的路线到达目的地。这比搬运钢琴又多了些限制,因为我没法把汽车打横过来开车,而且我还必须按照车道和交通规则驾驶,例如,不能在大马路上玩漂移。另外,开车的时候如果要停车,我得先踩刹车,车子停下来还得花一定时间。如果转弯的时候开得太快,车子就会失控滑出去。这下你看明白了,穿过障碍环境到达目的地是个需要规划的事情。现在,还有些额外的规矩限制机器人的运动方式。我们将这些规矩称为“动态运动”限制(其中有一些是运动学上的限制,例如转弯;另外一些是动态的限制,例如减速刹车。)当我们面对这种问题的时候,我们就称其为‘动态运动路径规划问题’。

我们的研究是要开发一个框架来解决类似这样的问题,可以大大降低操作机器人所需的计算量。我们在一个充满障碍的室内环境里,用一个四翼无人机系统展示了这个框架。可以说,这是第一个无人机系统代表动态运动系统所做的实时规划展示。

解读无人机防身术:机器学习让我战胜击剑高手

解读无人机防身术:机器学习让我战胜击剑高手

renyonggang 13