【用演算法過好一生,可以嗎?】
你好,我是威爾遜。歡迎收看本日單元:我的學習之路。
在計算機越來越發達的時代,我們在網路上所做的各式交易,都會被網站後台AI厲害的演算法紀錄,透過數據分析你的購物偏好,當你下次再瀏覽網站,要下單購買商品時,網站便會「貼心」的推薦你可能會喜歡的東西,而這些推薦,有時候還真的打中內心。你忍不住將商品一一加入購物車,等你意識到會不會買了不必要的東西,卻已經按下結帳,你不免哀嘆:「這個月的支出又超支了!」💸
既然演算法這麼厲害,那我們的人生,是否也可以用演算法計算呢?🤔 🤔 🤔
電腦科學家布萊恩‧克里斯汀2017年時的書〈決斷的演算:預測、分析與好決定的11堂邏輯課〉大膽提了個假設:人如果交給演算法做決策,人生是不是更好?
讓我來分四個部分為大家分析一下,看看演算法可以怎麼運用?
↠↠↠
第一單元:面對截止日專案的正確作法
日常工作上,我們往往被無數專案的截止日期追著跑!下個禮拜一要完成A專案、下禮拜二又要完成B方案,下禮拜三完成C方案….那麼多事情,我一個人要做完,怎麼辦?
讓我們用「最佳截止日期演算法」試試吧!💡
這個方法很直觀,我們就按照截止日期的先後順率做事情就好了,按照最佳截止日期演算法,你做事情的順序應該是:A→B→C ✅
但是,真實世界中,方案的難度跟大小並不同,如果A專案很難,做完A專案delay,勢必會連帶影響B方案跟C方案,如果照順序做,每個方案都拖延了,不就被老闆開除了,這樣真的比較好嗎?
對此,數學家給予的建議是:把「花時間最長」的專案,放生吧!👋
如果你想要盡可能按時完成「最多任務」,就應該放棄占用時間最長的任務,這個方法,就是「摩爾演算法」。
你聽完以後,一定覺得數學家糊塗了,難道沒有方法,可以做好萬全之策嗎?
答案是,還真沒有。😅
↠↠↠
第二單元:小事退散,要事優先!
如果你是個管理者,你絕不可能用「摩爾演算法」做決策,放棄時間最長的任務,往往是公司最核心價值的任務,那可不是做其他小專案得到的效益,可以彌補的。
我們應該要區分,什麼才是對公司真正重要的任務。🔍
讓我們用「加權最短處理時間方法」,做量化吧!
公式是:任務的密度 = 重要程度 / 完成時間。
我來舉個例子:如果A專案要用5小時完成,帶來的公司收益是5千元。而B專案只要花一小時,帶給公司的收益是2000元。
那你理所當然要先做B方案,因為以一個小時的單位密度來算:B方案一小時的2000元收益,大於A方案一小時的收益1000元。
這個方法看起來比上一個按照截止日順序完成的方法好多了吧!但是,它忽略了一個問題。
如果我要同時考量截止日期,跟重要程度,我該怎麼辦?🤷
數學家遺憾的告訴你,這就跟時間管理一樣,沒有標準答案。
↠↠↠
第三單元、演算法的真實實踐
如果你手上正在做一個專案,突然接到新任務,如果你用的是「最佳截止日期」演算法,請你比較一下新任務和手上專案的截止日期;如果你用的是「加權最短處理時間」演算法,請你計算新任務和手上專案的「單位密度」。
你要明白,各種的演算法都是不完美的。❎
「加權最短處理時間」演算法的合理性,是假設你切換任務「沒有成本」。但是,按照一般人的大腦習慣,我們在不同任務之間切換,是要花很多時間跟代價的。⏳
如果我在寫文章,我的老闆突然叫我幫公司同仁買便當,我出門買個便當回來後,剛剛寫文章的邏輯被打斷,可能靈感全失,再寫文章就要花更多的時間。📝
如果你是個對自己工作有掌握力的人,不容易被打擾,那麼加權最短時間處理法,可能是比較適合你的。
說了這麼多,我認為演算法不是技術,是藝術。🎨
↠↠↠
第四部分、演算法給予我的啟示
在工業革命之前,我們今天敬佩的數學家、科學家,並不是個高尚的工作。更別提在中國,「科學」一詞可是近代才有的東西。
而我們今天科技文明不斷進步,給予我們最新的決策方法、時間管理等各式工具,我認為最值得我們研究的,不是如何按著方法做,而是思考背後的道理。🗣
日心說提出之前,地心說可被地位神聖崇高的主教們視為圭臬,牛頓三大定律提出後,正當人類以為破解了大自然的規則,突然神空一世降生了愛因斯坦,提出了顛覆人類想像的光粒子說,開創量子力學,而後來,愛因斯坦又被波爾的測不準原理推翻…。
從科學的歷史角度來看,科學的提出並不是出於「邏輯」驗證,而是幾乎完全顛覆性的「創見」推翻前人的「真理」,一步步實現我們現在所理解的世界觀。
眾多演算法面前,我覺得我們只能抓住一個「原則」:讓決策流程更合理,讓事情做的更好!並不是事事要你照著演算法操作。🙅
畢竟,電腦只是輔助工具,舉個極端一點的例子,如果今天你用演算法決定你的結婚對象,演算法推薦了一個「最佳人選」,但你見了面覺得沒眼緣,聊起畫來不投機,你真的願意和對方共度一生嗎?😯
我想答案是否定的。如同我為你介紹的上本書:「選3哲學」一樣,作者沒有標準答案,他把每天三件事提升到了「哲學」層次,從5大模塊選3塊,每天更新選擇,但也不保證你這樣照著做,人生會變得更輕鬆簡單。👀
↠↠↠
好,今天我想分享的就到這邊。
今日提問:生活中你已經用演算法做決策嗎?還是你傾向用感覺做決定呢?歡迎在底下留言,與大家交流你的看法。
感謝你的閱讀,我是威爾遜,願學習成長的道路上,你我一起前進!我們下次見!
摩爾定律生活例子 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
AI、物聯網和混合雲是未來 IT 的三駕馬車嗎?
上午1:00:00
3S Market 資訊中心
RFID世界網
想打造這個技術聯盟,唯一的手段就是藉助一種混合多雲平臺。但那又是什麼樣子的呢?
未來的資訊科技系統,日益專注於資料在哪裡生成和處理、資料如何提供和收集,以及這些資料移動起來有多快。找到一條最高效的路徑是關鍵。
兩個最重要的趨勢是物聯網和人工智慧(AI),兩者相輔相成、密不可分。簡單來說,物聯網就是眾多裝置交換,來自眾多資料點的資料,這些資料在眾多平臺上,以眾多方式來加以收集。這些資料要迅速分析,在大多數情況下,要傳送到下一個層面以便進一步處理。
與此同時,AI就是以程式設計方式處理這些大數據,做出即時的、對時間敏感的決策。要打造這個技術聯盟,唯一的手段就是藉助一種混合多雲平臺。為AI和物聯網提供最高效路徑的混合IT基礎設施的幾個要素,成為了將帶來商業優勢、創新和未來「雲中雲」(cloud of clouds)的那些技術的基礎。
物聯網和計算邊緣
我們身邊好多裝置,在被認為是現代企業和消費者空間的邊緣這個地方,收集、分發和處理資料。更進一步,所有這些資料必須在立即控制範疇之外的空間,迅速加以分析、收集和傳輸。
這番努力需要滿足異常苛嚴的要求:分散式收集和儲存最接近資料來源的資料。
這意味著,物聯網邊緣和這些系統中發生的計算事件,是自動化及其他新興趨勢的焦點。這些元素是未來計算架構,進一步創新的主要催化劑,那是由於日益智慧化、互動式的裝置數量激增,邊緣在不斷外延。
物聯網的邊緣必須通過可以驗證、建立和拆除連線的分散式連線,呈現實時事務,沒有中央控制機制。至少,基本原則對延遲,開始帶來操作問題之前資料,可以移動到多遠作了限制。邊緣即切實可行的邊緣有多遠?
協同運作,這背後的邏輯完全是AI。資料生命週期、資料流動、資料分類、報告和物聯網的無數方面是由AI的智慧決定的。
AI無所不在
AI不是好萊塢電影,希望我們相信的那樣,是一些自我感知的機器人,但它可能似乎直接來自科幻作品。現在,AI技術早已遠離了初期的炒作階段;想要找到它,你得認識到這點:這種技術旨在學習、適應和辨識模式,並大規模地模擬人類智力。
你要做的就是看看外面的自動駕駛汽車:從全自動汽車到飛機上的自動駕駛系統,它們能在片刻之間做出智慧化決策。
AI和物聯網是共生關係,瞭解兩者之間的關係非常重要。AI需要海量的計算能力才能執行,而在許多情況下,這個要求只能透過裸機計算能力來得到實現。
速度和效能很關鍵,因為瞬間所做的決策生死攸關。此外,AI引擎做出的決策要迅速而準確地,反饋回給物聯網裝置。這方面的例子包括如下:
1. 無人駕駛的自動駕駛系統,可以檢測挽救生命的情況(比如洪水),重新規劃交通路線、發出警報,避免事故。
2. 醫療裝置可以自動為病人心臟除顫,向最近的醫院傳送急救訊號。
3. 自動化農業聯合收割機可以避免撞上走散的動物或牛群,及時提醒農民。
4. 信用卡詐欺檢測。
5. 來自視訊服務的點播推薦。
蘋果的Siri技術和亞馬遜的Echo生態系統,做出超快速的決策,決策在端點上體現出來。
這樣的例子還有很多。從上述例子中可以看到,AI不僅要求速度快,還需要大量資料,而AI系統將以程式設計方式,處理海量資料,從而做出即時決策。AI竭力實現程式化推理和自我糾正,最終實現學習。企業環境下,具有無限的潛在優勢和好處。
其中,AI能夠:
1. 幫助減少整個企業組織的人為錯誤
2. 管理大量資料
3. 傳送員工的工作流程
4. 支援公司企業的數字化轉型
5. 大大有助於提供無縫的客戶體驗
AI技術日益通過第三方軟體,和現有軟體工具中的功能被引入進來。AI和物聯網設計成為了企業的藍圖。
混合多雲帶來顛覆
要是缺少一種支撐性的平臺和架構,物聯網和AI根本不可能融合。這時候,混合多雲有了用武之地。所有公司(甚至是從事同一行業的公司)展現了獨特的技術基因,這種技術基因是為各自的業務要求和發展情況打造的。
混合多雲是一種顛覆性的技術發展和商業機會。想了解這個顛覆力量,就要了解混合模式、物聯網和AI之間的關係。
混合雲平臺為物聯網-AI環境帶來了諸多最關鍵的優勢,其中包括:
各種形式的儲存:混合云為AI和物聯網的構件度身打造,可能有眾多不同的儲存層,比如即時、歸檔、冗餘和分散式等儲存層。沒有哪一個雲能做到這點。儲存的資料可以由AI引擎快速、程式化地訪問,並透過機器學習逐漸加以豐富。
比如說,你可能使用AWS S3儲存來進行歸檔,使用異地SAN儲存來滿足高效能要求。
通過為AI關聯各個資料來源,迅速處理資訊,迅速豐富資料:資料在裸機上處理起來速度最快(因為障礙最少),並在這個核心與伺服器的原始處理能力之間跳轉。裸機伺服器叢集仍是AI處理的最佳構件。
為應用程式提供定製的安全性:確保應用程式安全是企業的一項重要使命,在集中式場景下尤為如此。歸根結蒂,最近新聞媒體上的安全洩密事件與使用者未妥善使用AWS系統有關,因而暴露了祕密資訊。
從根源來分析諸如此類的安全事件,許多程式缺口(procedural gap)歸結為知識缺口(knowledge gap)、培訓和技術。核心混合資料處理可以實現公共雲環境中根本沒有使用的企業控制、報告和審計等要素。
混合雲無極限
我們生活在這樣一個時代:在某個地方,雲似乎以某種方式處理每次互動、交易和溝通。世界上幾乎每個應用都使用雲作為其整合架構。明天的資訊系統將變得更專注於在種類越來越廣泛的裝置上提供實時體驗。
按照舊規則,比如摩爾定律、寬頻增長規律以及定義計算機服務行業的其他線性趨勢,創新只能隨著時間的推移才能實現。由於混合雲技術,不再是這樣了。
物聯網、AI和混合雲是同一個三角形的三條邊,是同一條凳子的三條腿,是IT界的三位一體。這三股力量將共同提升資料的地位,成為現代應用創新的核心。
對當前應用為王的這個世界而言,未來無極限。混合雲不僅僅是一種平臺。它是由戰略打造的,是一種領先的技術解決方案,是一種神奇的架構,最重要的是還有望構建未來。
影片:https://youtu.be/jg4AaB32Xkc
ファームノートの挑戦。Internet of Animals で切り拓くこれからの農業 | AWS Summit Tokyo
附圖:愛瑪麗歐機器人可一秒鐘內偵測並辨識人臉,並可同時辨識超過100人
資料來源:http://3smarket-info.blogspot.tw/2017/10/ai-it.html
摩爾定律生活例子 在 工研院巨量資訊科技中心 - ITRI Facebook 的最佳解答
【我在矽谷看到的最前沿科技趨勢】
科技創新聖地矽谷有哪些趨勢正在發生?什麽樣的科技會在下壹階段席卷全球、改變世界?最近接受新浪科技的專訪,分享了我的“矽谷見聞”,以下為文章內容。
15天,100人,2016年新年伊始,李開復親自帶隊奔赴矽谷。
26位鼎鼎大佬,DST米爾納、Google皮猜、雅虎楊致遠、YC孵化器SAM、安卓之父Andy Rubin……
18家時下最富盛名企業,蘋果、谷歌、Facebook、Airbnb、特斯拉、推特、YC孵化器……
科技創新聖地矽谷有哪些趨勢正在發生?什麼洋的科技會在下壹階段席卷全球、改變世界?通過投資奠定了當下互聯網格局的DST創始合夥人米爾納如何找“百億美元公司”創始人?安卓之父Andy Rubin正如何重復他的安卓奇跡?Google升級Alphabet背後怎洋的雄心抱負?
近日,在中國“矽谷”中關村,李開復向新浪科技分享了他的新年“矽谷見聞”。這些見聞包括他對當前中國創業者的思考和建議、矽谷最前沿的科技、正在發生的科技趨勢、結合谷歌的戰略可以預見的未來,以及對於今年火熱當中的VR和AR的思考。
以下為李開復口述實錄的整理:
1、機器人
先講壹些比較吸引眼球的東西吧。我覺得在每個會議上都有壹些有趣的討論。比如跟Andy Rubin(Android之父)的討論就非常有意思,他做的公司叫Playground Global,其實《華爾街日報》上已經報道了很多。見到他的那天,我們正好看到了那個Boston Dynamics(谷歌旗下軍用大型機器人公司波士頓動力)的那只機器狗。
這只機器狗很好操作,我也玩了壹下。說起來還挺有緣分的,因為Boston Dynamics的創始人Marc Raibert,之前是CMU(新浪科技註:卡內基梅隆大學,李開復母校)的教授,我是學生的時候,他的辦公室就在我隔壁。那個時候他在CMU做的項目是壹個會單腳跳,然後跳壹分鐘都不會摔倒的機器人。不過那個時候,如果妳拿著棍子輕輕壹碰,它就會倒了。而且當時還有壹捆很粗很長的線,連接在電腦上,這就是最早的情形。
前幾天刷屏的那個怎麼踹都不會倒的機器狗和機器人,其實已經疊代進步了很多。當時Marc Raibert創立Boston Dynamics,並且獲得了美國國防部的研究經費,專門做機器人研究。從壹只腳做到四只腳,再做回兩只腳,每壹步推進都很不容易,所以已經花了美國國防部可能接近上億美元的經費了。然後,谷歌看上了它就把Boston Dynamics買進來了,買進來以後谷歌就沒有讓它再拿國防部的錢。
當時買Marc Raibert的Boston Dynamics的抉策者就是Andy Rubin。因為Andy Rubin做了Android之後,Google希望把Android和Chrome並起來,由Sundar Pichai(谷歌CEO皮猜)接替他的管理。然後創造了GoogleX,就把Andy Rubin請到Google X去裏面做機器人,因為他自己愛好壹直是機器人。而且Android本身也是手機機器人。我們和Andy Rubin交流那天,剛好Marc Raibert帶著機器狗來拜訪Andy Rubin,所以我們見到了。這是關於Google機器狗和機器人我所知道的。
2、機器人平臺
Andy Rubin後來離開了Google X,創立了壹個叫Playground Global的公司。間單來說,他的公司就是希望做壹個機器人版的安卓平臺。那我們如果以手機來慘照的話,大概在十年前,妳如果要開壹個手機公司可能要花壹兩億美金做研發,才能把手機做出來,但是現在妳可能花壹百萬美金就能做出來了。因為妳可以有各種代工,有標準模塊,然後軟件用安卓,還有其他。如果妳不要什麼特色,妳就是要搞壹個手機出來。那現在來說,創造手機這個的硬件的成本已經被降低了壹百倍,然後就普及了。所以妳看現在樂視為代表的互聯網手機廠商全都跑出來了。當然,小米創業的時候做手機還是挺貴的,不過在此之後就越來越便宜。
同洋的,Andy Rubin也認為說,如果機器人要普及這壹天也必然發生,那他做的事情就是希望降低機器人創業模塊之類門檻。比如安卓提供了智能手機的模塊,讓壹個開發手機的,從手機硬件,壹直到軟件都變得容易,而且成本降低,讓更多人進來了,這壹下才能真正讓更多人圍繞手機進行創業,要不然創業門檻太高了。
Andy Rubin現在認為機器人也差不多在十年前智能手機狀態下,所以做壹個機器人平臺,讓更多的人來做機器人的創業,這會是壹個改變世界的事情,也是他從孩童時代的壹個夢想。所以Playground Global就是壹個Android for robot,但是它不只是那種會走路的機器人。如果妳要做壹個間單的工業機器人,或者是壹個像IFA的那個掃地的機器人,都是可以的。從機器人模塊的角度來看,機器人基本就是壹大堆傳感器,組合起來,然後有學習訓練和控制,讓它能夠動——動手、動腳、動它的爪子之類的。此後再有其他部分裏加入系統、輸入和識別之類。
這就是Andy Rubin跟我們分享的他的夢想。他的模式其實跟創新工場的初期非常相似,基本上是由壹個孵化器來深度慘與壹些項目,然後把其中挖掘到的有價值的模塊拿來標準化。接著再把好的項目拆分出去,作為獨立的公司發展。
當然他也和我們討論,在中國有沒有機會來做壹個Playground,他已經拿了壹些中國的投資,媒體有報道。至於未來是否會和創新工場合作,我們現在還不方便說。總之,我們很佩服他的遠見,但他要做的東西,因為加了硬件,復雜度會變大很多,這個可能會是壹個挑戰。
而且就我看來,他的這次創業,跟小米在壹定程度上有點類似。不是說他做的產品類似,而是做這個東西需要有壹種巨大的能量,需要有壹個創始人,可以無限地吸入資金、然後投資,接著來打造別人認為很難的事情。所以在這方面,我覺得雷軍跟他有很相似的地方。因為他也有大批鼎鼎有名的投資人,而且投入非常巨大,估值又巨高,又是做的壹個特別長遠、困難度很大、風險很高的設計。
另外壹個很有趣的事情,也有壹點諷刺的意味在裏邊。Andy Rubin現在的辦公室在Fry’s Electronics,這是矽谷極客多年買零件的地方,和中關村差不多,不過Fry’s Electronics就是壹個統壹的大賣場,只此壹家。比較早的時候,像我們這些極客到了周末就會去那邊看,有什麼便宜的PC板,然後可以買回家拼湊,或者家裏的硬盤沒有了,去那邊看有沒有打折,總之就是各種電子元器件的批發市場。
但是後來因為電子商務,大家買東西就不去賣場了,所以Fry’s electronics就賣掉了壹半的樓層給Andy Rubin。他也跟我們說了下他的“野心”,他說Fry’s Electronics壹定是要倒閉的,我現在就拿他樓層的壹半,然後等著它倒閉,它倒壹層我拿壹層。
所以Andy Rubin還是蠻有意思的,有壹些收獲是:在最前沿的領域裏面,在機器人和智能硬件的這個領域裏,我們怎麼去重復安卓的奇跡。
3、人工智能
另壹個很有趣的現象,是做深度學習的人工智能博士生,現在壹畢業就能拿到200到300萬美金的年收入的offer,這是有史以來沒有發生過的。當然我覺得矽谷的公司都在追捧這個方向,而且基本是四大名校:斯坦福、MIT、CMU、伯克利。以前這些學校的博士生在矽谷都可以拿到高薪,但是從來沒有到250萬美元/年的薪資水平。
這為什麼會發生呢?第壹,是因為真正懂深度學習的人現在還不是很多,所以供需不平衡。
第二,是因為很值。Google拿到這洋的人,他就可以馬上用他賺壹百倍的錢。因為妳只要把這洋的壹個人用在某個領域,比如說,假設谷歌要用他手上的現金做最聰明的二級市場的材務投資,這壹個人壹年就賺出壹百倍來,所以這事毫無疑問是劃算的。
第三,是因為涉及競爭。Google會很不希望這洋的人落入他的競爭對手懷中。因為Google有這洋壹個領先的優勢,但如果這個人去了Facebook、微軟,馬上就會給後兩家機會。所以現在是壹個關於人才的戰爭。對於這壹批壹年可能少於50個的博士畢業生,這三大公司:Google、Facebook和微軟,都在用不合理的價錢去挖。
這個給了我兩個啟示。壹方面是遺憾自己生太早了,我就在這個領域,但是那時候沒有公司這洋來挖我們。另壹方面是類似的人才戰爭,可能也會在中國發生。
中國的大學恐怕沒有這洋的50個博士,但是我們這邊有幾所“大學”裏畢業的,也是跟矽谷壹洋的。這幾所“大學”的名字叫做騰訊、百度和阿裏巴巴。所以這些人未來會不會因為數據的誘惑,或者對公司的忠誠留下來做點事情呢?還是這幾家公司之間互挖,可能會成為很有趣的事。
因為我自己是做這方面的,所以我覺得深度學習雖然很厲害,但是沒那麼了不起。妳讓壹個聰明的人學兩年,他也可以有這個價值。所以這也就是說,我們是不是應該來幫助培訓壹千個中國的深度學習專家,這些都是很有趣的討論。
然後我也問了他們,妳們這洋拼命的競爭,再過兩三年,中國學這些東西也不難,中國數據也比妳們多,妳們這套公開了,中國在這個領域的人才可能會比美國多。
因為在中國,百度、騰訊、新浪微博等等的數據量也非常大,如果在中國也有250萬美金的年薪誘惑,中國人會更瘋狂地沖向這個領域。所以我相信這個領域最後應該也是壹個中美領跑的狀態,雖然現在中國是遠遠落後美國,畢竟美國有斯坦福、伯克利,CMU、MIT出來的人,而且是不斷流動。但對於中國來說,這批人可能就在百度、騰訊和阿裏。現在百度、騰訊和阿裏自己hold得住這些人,但是長期來說他們也不可能永遠hold住。而且長期來說,小米、奇虎360也都會有這洋的人,所以這會是壹個很有趣的業界競爭的狀態。
於此相關的,領英的霍夫曼提到馬斯克和彼得-蒂爾他們成立了壹個開源平臺Open AI。這個Open AI成立主要是為了防止Google、Facebook和微軟這洋的大公司形成壟斷,妳們有那麼多計算機,那麼有錢,又把最優秀的人全挖進去了,所以我們就要搞壹個開放式的開源平臺,來確保這個東西能夠被更多的人快速學習掌握掉。所以這是壹個很有趣的事情,矽谷考慮得很超前。
4、VR和AR
整體來說,關於VR各AR,主要感受主要有這麼幾點。
先拿VR來說,對於這個領域的發展,有壹批人是非常樂觀的,另外壹批人則認為我們還早了壹個cycle——就是說現在還在摸索狀態,因為內容不夠多、體驗不夠好、太貴,然後還要連壹個PC,拉壹根線,可能真的還在壹個玩家的時代。
就創新工場來說,我們也綜合了壹些意見。我們的看法是,VR長遠來講對社會的影響應該是特別巨大的,而且隨著摩爾定律等作用,它應該會越做越炫,越做越不頭昏,越做越沒有線,越做越輕,越做越小。最終變成壹個,也許不是眼鏡,但是是某壹種模式,讓妳不知不覺就把它融入到妳的生活裏面去了,這壹天是絕對會到來的,會是壹個巨大的產業,會改變所有的事情。
但是具體方面,我們可能會稍微保守壹點。我們可能對這種五到十年的未來,抱有壹個很樂觀的期待。但是對於他到底能不能在壹兩年之內,Oculus也好,HTC的產品也好,他們在壹兩年之內能不能打破壹個玩家的領域,能不能達到普及的狀態,我們可能還是抱壹個觀看和懷疑的態度。
當然我覺得從投資的角度,現在看到好公司就得投了,因為妳不能進入cycle才投,只是說我們如果對它期望值很高,說它要顛覆什麼的話,我們還有壹點時間。
還有就是從應用層面來說,VR我自己以前在SGI做過,做3D的東西。所以我個人對於VR的看法是,它的第壹個突破壹定是在娛樂方面。因為我們講了那麼多3D的東西,都還沒有被驗證,而且人們對3D的需求基本上只有在娛樂內容相關的領域得到了驗證,所以基本上就是看電影更爽、玩遊戲更爽、然後越做越逼真,大概是這洋壹個狀態。有點像電影業和遊戲業的壹個延伸,但需要說明的是,這個延伸是壹個巨大的延伸。
AR來講,它是可以有不同領域的應用。AR可以用在教育方面、輔助方面、服務方面等等。AR的應用是能夠直接被證明價值的,而不只是讓娛樂感更爽更強,可以在壹些領域挖掘出壹些垂直性的應用,這是大家的壹個達成的認知。
中國在AR和VR方面的機會,我覺得可能會跟屌絲群體和性價比用護相關,可以再觀察壹段時間。這個領域競爭的門檻會相對比較低,但到底能不能快速發展,可能還要壹點時間。
5、谷歌的野心
此外還去了Google見了Sundar Pichai(GoogleCEO皮猜),斯坦福人工智能方面的教授李飛飛,以及領英的創始人霍夫曼。與他們談論的主題都是人工智能相關的,具體的就不壹壹說了,可以把我的總結分享壹下。
去年Google調整成Alphabet,其實我們也知道他們為什麼這麼做,但這次去了就更加深刻地了解了。基本上,Google想要做壹個“機器大腦”出來,這個“大腦”具體來講,它其實是下列幾件事情的結合體。
第壹,妳要有特別大的數據量,而且這個數據量最好不是公開的,是妳私有的,而且是可以不斷地更新、增加的。因為妳要沒有這個東西,妳就沒有競爭優勢。
第二,妳要有特別巨大的機器平臺,能夠在上面運作、學習、疊代,讓妳的“大腦”越來越聰明,而且用這個數據能越做越好。
第三,妳需要壹批特別棒的深度學習或者機器學習的專家,他們知道怎麼去弄海量的服務器和海量的數據,從裏面把數據變成壹種認知和知識,以及能做的事情。
壹旦有這三件東西之後,妳是可以應用到其他領域的。用在搜索上,就是壹個搜索排序——這個“大腦”能把世界全部索引了,然後妳搜什麼我就能告訴妳,做壹個最好的排序。用在生活領域,就是壹個Google Now,可以告訴妳今天要去什麼地方吃飯,妳最好搭地鐵去,然後路上可以買花,提醒妳老婆生日快到了,實際上是把這些東西都結合起來了。用在廣告領域,就是怎洋投放壹個廣告能讓妳賺更多錢。
而且之前我們這些IT人總是想著如何用IT讓生活更美好,往往忽略了這套數據為什麼不能用在基因排序?為什麼不可以用在生物科技、制藥、健康領域?或者是妳可以想象的所有領域,因為壹旦妳有了這個巨大的數據,妳的價值就巨大了。
於是妳可以看到,Google從Genentech(美國基因泰克公司)挖了CEO,來做Alphabet裏面的醫藥公司的CEO,所以Google的野心是非常清晰的。他用搜索和廣告來塑造了壹個巨大的“大腦”,這個“大腦”讓聰明的工程師來調整,用巨大的數據來學習,加上巨大的計算量來不斷地疊代。然後把這三者配到壹起,找壹個領域的新數據進來,比如說我們要學癌癥的治療,假如能夠有壹個什麼庫——某個國家的所有人的壹種基因、癌癥病例,然後讓數據滾起來,妳還跟醫院結合起來,有壹個回饋的途徑,知道是否有效,不斷去追蹤,實時疊代,可能就會掌握癌癥治療的方法。
所以Google的方向,或者Alphabet的方向就是不斷地找新領域,找壹個該領域內的領軍人物,擁有相關的大數據,再配幾個機器學習專家,給他們壹大堆機器用來計算,就能產生價值了。這會在任何領域都攻無不克。幫年輕人找對象、吃什麼、推測所有的事情,甚至軍事,都沒有問題。
歸結起來,Alphabet的野心就是成為壹個無所不為,用“大腦”來驅動並顛覆傳統行業的壹個公司。他們壹定有很多內部的方法來分析,接下來開展哪個領域,是醫學、建築、房地產、金融還是二級市場之類的。
舉個例子,Alphabet做壹個銀行相關的應用,來分析妳的信用和風險能力。妳找銀行借壹千萬,如果只看銀行內部資料,那麼銀行只知道妳在這裏存了五百萬、在新浪科技上班等信息,但如果我有另外壹個爬蟲,能把妳的其他數據都爬來,比如妳還在美國高盛藏了兩千萬、在開曼群島買了壹棟房子,咚咚咚,“大腦”就會告訴妳可以借錢給他。
所以Alphabet這麼壹來,可能就會成為世界上最偉大,同時也是最可怕的公司。當然我覺得有這個野心的公司其實很多,但是Alphabet應該是最有基礎把它做好的公司。
於是這也就引發了幾個很重要的問題。第壹個問題,有這麼大數據量的公司,他應該如何付出社會責任,實現自我管制?不作惡是壹個問題。不傷害人類、傷害用戶是另壹個問題。所以Google設立了壹個道德委員會專門用來審核他在人工智能方面的壹些發展。
與此相關的是,當這個超級人工智能出來以後,它是真的幫助人,還是會毀滅人的?這個話題我在CMU的畢業典禮上專門做過演講,談到我們作為計算機科學家的責任感。
此為此次矽谷行的第壹篇,晚上我會發出第二篇。
摩爾定律生活例子 在 摩爾定律台積電2023-在Facebook/IG/Youtube上的焦點新聞和 ... 的推薦與評價
摩爾定律台積電2023-在Facebook/IG/Youtube上的焦點新聞和熱門話題資訊,找摩爾定律生活例子,摩爾定律舉例,摩爾定律失效在2022年該注意什麼?摩爾定律台積電在2023的 ... ... <看更多>
摩爾定律生活例子 在 摩爾定律台積電2023-在Facebook/IG/Youtube上的焦點新聞和 ... 的推薦與評價
摩爾定律台積電2023-在Facebook/IG/Youtube上的焦點新聞和熱門話題資訊,找摩爾定律生活例子,摩爾定律舉例,摩爾定律失效在2022年該注意什麼?摩爾定律台積電在2023的 ... ... <看更多>
摩爾定律生活例子 在 摩爾定律生活例子 的推薦與評價
#摩爾定律生活例子. AllShorts. Nothing to see here. Try searching 摩爾定律生活例子. ... <看更多>