20161020【充实计划】第255期

昨天阅读时间0.5小时，总阅读时间26.5小时

20161019-day27-昨天阅读1小时，累计40.5小时

昨日阅读1.5小时，总阅读时间2.5小时

昨日阅读1小时，累计阅读287小时

1.今天你阅读到的有价值的全文内容链接
http://mp.weixin.qq.com/s?__biz=MzA5Njg4MzQ4NA==&mid=2656312128&idx=1&sn=c40816f71ed81958b40f7e99b1d7a3f4&chksm=8b09fd33bc7e7425f1c2a830bbcf041a2afdf891e0a3d5c8ebdd9580cc8c26dbd44494eadece&scene=0#wechat_redirect

2.今天你阅读到的有价值的内容段落摘录
“太晚了，一把下落的刀是很难接得住的。”这是投资人朱波在近日接受界面新闻采访时，对深圳知名少女创业者、神奇百货CEO王凯歆现状的表述，他是王凯歆的天使投资人，但现在已经放弃了她，并将她列入死亡名单。
你很难想象，就三个月前，这样一个得到市场一线创投机构认可、阅人无数的大佬背书、地方ZF最高行政官员点赞的明星创业者，会在短短数月后深陷高管反目、公开“撕逼”、账目造假、性格乖张……的舆论风波。
近日，更是被媒体曝出侵吞公款600万，现已被投资人列入死亡名单的消息，再次引起舆论热议，在百度搜索中，神奇百货被标记为“该页面因服务不稳定可能已经死链，无法正常访问。”
我们以前都能感到，全国上下弥漫着创业狂热甚至鼓励休学去创业的氛围，王凯歆无疑是其中的典型代表。
而在这个节点，我们关注探寻这位陷入巨大危机的98年深圳创业者，不仅因为这是一个双创风潮中值得各方反思的典型案例，更突显着创业在野蛮生长期后，极盼走向理性、务实与创造真正价值的新阶段。

3.今天你阅读到的有价值信息的自我思考点评感想这篇文章似乎再给所有怀揣创业梦想的年轻人一个警示，在创业前先努力多学点东西打好根基，辍学创业不是不可能成功，但是绝大多数都会以失败告终，因为根基不牢固。我本身也是怀揣创业梦想的，也曾吃过一些亏，发现自己还有很多东西需要去学习，现阶段还是好好学习最重要，打好基础再来！

4.昨日你阅读的时间量（小时计算，如0.5小时）
1小时

5.你参与活动至今的总时间量（小时计算，如20小时）
287小时

继续昨天的阅读
文章主要观点
     传感器一定程度来说是价格的问题、如何普及的问题。现在我们看到Google Car虽然做的很牛，但是正如驭势科技的吴甘沙说的，Google Car实际商业化的一个巨大瓶颈就是价位的问题：传感器实在太贵了。因此要把这件事做下来就是一个鸡和蛋的问题——降低价格就需要量，但量怎么起来？价格不下去量也起不来。要解决这个问题也需要一定的时间。
     最后还有很多机械方面的问题。控制机械运动的算法，硬件运动后给出的回馈等等在机械部门也还需要一些开发。整体来说，虽然我认为机器学习、深度学习在突破人类的精确度方面已经做的非常好，但是以上几个领域还是需要一些时间才能取得突破。但是这一天肯定是会来临的，我们怎么知道会来临呢？
      我们知道，不久前Google重新组织了公司架构，将搜索业务和其他前沿项目子公司都放进了控股公司Alphabet公司。很多分析师说，Google把搜索和其他的业务分开来做Alphabet，是为了优化它的股价，其实这种说法太表面了，他们没有了解一个真正有野心的公司在做什么。
     一定程度上，Google之所以成立了Alphabet，是因为Google经过搜索和广告业务的积累，逐步发展了一套我们可以简称为GoogleBrain的模式。Google Brain其实就是机器学习的大脑，这个机器包括了平台也包括了专家，如果它用在搜索领域就是一个搜索引擎，如果它能够用在医学领域，那它可能就是一个癌症诊断系统，它也可以用于人类寿命的延续以及智能家电等各种不同领域。所以Google的野心就是把机器学习作为一个核心，然后用它去解决非计算机非互联网领域的各种问题。
     当然它现在还不是一个整体平台，但Google 就会找一些极聪明的人来进军这些领域，有平台的用平台，平台未成形的就用聪明才智来想办法。现在看来，Google这种模式也做成了很多有意义的事情。所以，对于Google，我们千万不要低估了它的能力，因为这家公司可能是未来推动人工智能平台化的最大力量。怎么证明这是真的呢？从最近Jeff Dean演讲的一张图我们就可以看到Google内部有多少项目在用深度学习。再回到我原来的问题，我们现在是不是生逢其时，可以在正确的时候选择进入人工智能这个领域呢？如果我们相信Google这帮人很聪明，如果我们相信Google对深度学习的使用逻辑，我们也要相信人工智能的应用期即将来临。
      深度学习的挑战：第一个问题，就是我刚刚提到的：目前仍然没有一个统一的平台。在深度学习方面，现在的人懂就是懂，不懂就是不懂。这就是为什么Google最近花了重金不断在挖业界顶尖的人才，给年轻人开出的年薪甚至超过200万美元。这些人也就是二十来岁，博士刚毕业不久，怎么会这么值钱呢？，第一，这些人进入了公司之后，会被投入到健康、医疗、预防等等各个领域的研究。他们虽然每年拿走公司的两百万美金年薪，但是也许两年后他们就能在相关领域创造出两亿美金的价值，所以对Google公司而言，这些人才实际上不贵，是非常划算的。第二个理由就是Google多雇一个，Facebook就得少雇一个。这不是开玩笑。因为在美国有三个大公司在疯狂挖人工智能的人才——Google、Facebook和Microsoft，他们之间竞争激烈，对人才的吸引力也不相上下。第三，因为数据太多，所以计算特别的慢，所以需要非常大的计算量。第四点有点奇怪但也合理：机器无法用人的语言告知做事的动机和理由。即便机器训练做了很棒的深度学习，人脸识别、语音识别做的非常棒，但它不能和人一样，它讲不出来这是怎么做到的。虽然有人也在做这方面的研究，但是在今天，如果一个领域是不断需要告诉别人该怎么做，需要向别人去解释为什么的，那这个领域对于深度学习来讲还是比较困难的。比如AlphaGo打败李世石，你要问AlphaGo是为什么走这步棋，它是答不上来的。

     人工智能如何帮企业打造竞争壁垒？可以从如下四个方面思考：第一，如果你有垄断性的大数据，你就会有很大的优势。关于数据需要注意的几点是，首先垄断性大数据不是公开的数据，不是剽来的数据，也不是买来的数据，因为这样的事情你能做竞争对手也能做。其次，无标签的数据也不会给你带来优势。再次，如果是人工标签的数据也不行，因为人工标签太慢了。最好的数据是闭环的数据，所谓闭环的数据就是在你应用的时候可以捕捉到数据并且知道最终你根据数据做出的抉择对或不对。我们投资的face++，它有和美图、阿里的合作，就一定程度形成了特别大的数据的优势。第二，拥有庞大的机群。机群是很重要的，包括需要什么处理系统的支持，怎么去部署，用什么样的计算架构等等。第三，你要有一批特别懂的人。没有平台的时候，你就只能把一批人丢进去，让他们去解决特别大的问题。第四，当你没有平台的时候怎么办？我们就可以找一批特别聪明的人，让他们不断的调节算法——当然这构成一个短期的竞争优势，从长期看，一旦大的人工智能平台出来，这种优势就不存在了。所以现在来做人工智能，抓到这个先机是特别特别重要的。
     人工智能如何快速商业化？第一，不要用人工智能去取代人。机器不一定要取代人，很多情况之下他只要能辅助人就可以了。我谈到了很多工作会消失，但医生会全部失业吗？一定不会，应该是最高明的医生创造很多机器人给他人使用。记者就不再需要了吗？写深度文章还是需要的，但简单拼拼凑凑的文字就不需要了。所以这些工具一定程度上是在辅助人而不是取代人。
      第二，要聪明的找到容错的用户界面。想想搜索引擎，搜索引擎的精确度其实是很低的，你想一想，当你去百度，Google搜索的时候，它们给出的第一条就是你要的答案的情况有多少？我估计不会超过50%，但是为什么我们都说搜索引擎聪明，不说他笨呢？第一个理由当然是因为它博学，第二个则是因为它的界面做的非常的聪明：它给用户提供很多结果，而用户只要能找到他满意的那个，就会认为搜索引擎很棒，因为没有它的话，用户可能什么也找不到。这一类的容错的界面，即便它的识别率很低，给你很多结果，让你在一定时间里得到满足，其实还是达到了一定的可用度。
     第三，让用户提供自然的大数据。当Siri推出的时候很多人都说“这就是个玩具而已”，认为它没有真实的用处，但是苹果靠Siri收集了很多人的真实语音，收集了大量数据。很多人把Siri当成一个搞笑工具，会问它诸如“你是男是女”这种无聊问题，苹果就把这些无聊的问题深度分析了一下，去了解人们最常问的都是什么问题，然后他们就考虑能不能优化Siri，让它对正常问题的解答能让人们在一定程度上得到满足。人们满足了以后，就会继续的问，如此问题越问越多，苹果也就可以得到更多的数据。苹果的这种数据收集方法非常聪明，值得借鉴。我们以前在学语音对话的时候，问的都是非常正经的问题，到最后分析来分析去，不过是那固定的几万句，一直没有跳出这个框框，得到的结果也就不会让人满意。但用一种有趣的方式，你就可以像草船借箭一样，去“借”到几亿个数据。这些数据哪怕不精确也无妨，因为整体来说深度学习非常聪明，能把那些不精确不精准的东西忽略掉。
      第四，关注局限领域。Google很伟大，它要做全天候全路况的无人驾驶，它想把全部竞争对手都击败，最后就剩一个Google。这个计划很宏伟，但是是不是一定要这么做呢？我觉得不见得。其实我们完全可以先做一个用于局限领域的无人车，把这样的一个产品先做起来，然后我们通过它获取数据，学习教训，不断改进。想想无人驾驶叉车。这个叉车是产生价值的，因为它取代了一个叉车工人去开叉车；它技术难度相对低，因为它只要知道从A走到B；它不上路，不用担心ZF的法律法规，不需要考虑撞到人怎么办，是不是要停下。Google Car能在高速公路上比99%以上的人都开的更好，但是它碰到一些极端的情况，比如大风大雨的漆黑天，它就没辙了，因为它不知道该怎么办，从来没看到过这种情况。这种情况下只有把车子停下来，但那一停会发生什么呢？当然就追尾了。既然这种情况连Google也避免不了，为什么我们不先考虑做一些可控环境下的商业驾驶项目？这也是一个值得思考的问题，不是说Google的路线不对，而是说有两种路线可以走。

     总结：人工智能的未来蓝图：大数据应用方面，现阶段我们已经看到很多互联网应用，BI、商业自动化马上也会使用相关的技术，未来几年，离钱最近、产生用户最多、产生价值最大的领域可能就是金融、医疗、教育，当然也包括任何有大数据的行业。在感知方面，今天的人脸识别、语音识别已经做的蛮好。对于VR/AR，我们在短期还不是太乐观，但是随着它三五年以后慢慢得到普及，一定需要非常多的新的自然语言的界面。此外，我们大胆预测三到五年之内会有一个人工智能平台出现。我们并不认可家庭机器人会很快出现，理由是消费者的期望值是最高的，今天机器人的技术还不行，犯错也太多，而且有时候会看起来太傻，另外价格也太贵，感应器不够灵敏。基于这些理由，我们对家用机器人的投资还只限于一些给小朋友的玩具，或者小鱼在家这种用于沟通的工具，这一类的家庭应用我觉得还是合理的，但要一个能够在家里帮你扫地做菜的机器人出现，恐怕还是一个非常长期的事情。任何行业都要有经济理由来投资这个领域，不断迭代优化它的技术，再进入下一个阶段，所以机器人简单来说应该是工业、商业，最后普及到家庭，所以今天很多对家庭机器人过火的观点和做法我们是不认可的。
     关于无人驾驶，我们的观点是虽然Google Car很伟大，但是因为它要去适应各种路况，所以要到应用阶段也还需要很长的时间。我们认为可以先在局限环境中慢慢推进无人驾驶。从长期看，未来人工智能会在所有的领域彻底改变人类，产生更多的价值，取代更多人的工作，也会让很多现在重复性的工作被取代，然后让人去做人真正应该去做的事情。短期来说，人工智能商业价值也很大，短期在很多领域都能产生价值。
      人工智能在我现在的观念中还只是进行对话，例如微软的小冰、deep blue（1997）、google adwords（2000）、xbox kinect（2001）、IBM watson(2007)、apple siri（2011）、facebook deepface（2012）、peper（2013）、google brain （2013）、google car（2014）、google now（2014）、microsoft  cortana(2015)、boston dynamic（2015）、AlphaGo（2016）、google auto-email（2016）、microsoft Tay(2016)、
     今天阅读时间4小时，总阅读43小时。

1.今天你阅读到的有价值的全文内容链接
http://transcoder.baidu.com/from=844b/bd_page_type=1/ssid=0/uid=0/pu=sz%401320_2001%2Cta%40iphone_1_9.3_3_601%2Cusm%400/baiduid=7257E6A24C4BB344144B8FD18C797742/w=0_10_/t=iphone/l=3/tc?ref=www_iphone&lid=3106307584547523599&order=2&fm=alop&tj=www_normal_2_0_10_title&vit=osres&m=8&srd=1&cltj=cloud_title&asres=1&title=蚂蚁金服投资并购全解读-家仆网&dict=30&w_qd=IlPT2AEptyoA_ykxteIpsQG6GDRVno5ovCANgAnVuu57SQEyXjln--LinOi&sec=16069&di=826bdd9aa4a4af68&bdenc=1&tch=124.284.297.393.1.0&nsrc=IlPT2AEptyoA_yixCFOxXnANedT62v3IEQGG_yRR1yabp5SzgbrgHtkfEFXwL8WCJkfheT4LqBwGxHy-RyJrlK&eqid=2b1bd24a4c0e8c00100000015808cd53&wd=&clk_info=%7B%22srcid%22%3A%221599%22%2C%22tplname%22%3A%22www_normal%22%2C%22t%22%3A1476971890051%2C%22xpath%22%3A%22div-div-div-a-p%22%7D
2.今天你阅读到的有价值的内容段落摘录
金融行业是一个服务型行业，它不像诸多其他行业需要提供一种核心服务就可以做大规模，金融需要生态支持。
3.今天你阅读到的有价值信息的自我思考点评感想
生态金融对传统银行业务的影响应该进一步思考
4.昨日你阅读的时间量（小时计算，如0.5小时）
1小时
5.你参与活动至今的总时间量（小时计算，如20小时）
3小时

昨日阅读1小时 共计16.5小时

昨日阅读1小时，累计阅读38小时

4.昨日你阅读的时间量（小时计算，如0.5小时）
3 小時
5.你参与活动至今的总时间量（小时计算，如20小时）
105 小時