人工智能如何操纵经济学创造升值资产

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

人工智能如何操纵经济学创造升值资产
“如果您今天购买特斯拉，我相信您购买的是增值资产，而不是折旧资产。” –伊隆·马斯克（Elon Musk）
想一想那句话……您要购买的是升值资产，而不是折旧资产。 推动该资产升值的因素是什么？ 这可能是由特斯拉的FSD（全自动驾驶）深度强化学习自动驾驶大脑提供的。 特斯拉汽车变得“更智能”，因此，每行驶40万辆配备自动驾驶仪的汽车，每行驶一英里，其价值就会更高。
想象一下将“深度强化学习”与新的运营数据结合起来以创建因使用而获得赞赏的产品（车辆，火车，起重机，压缩机，冷却器，涡轮机，钻机）的心态，因为产品变得更加可靠，更具预测性，更高效，更有效，更安全，因此更有价值。太好了！
通过使用和学习来增值的资产是领先企业如何利用数字资产独特特征的又一个示例，该数字资产不仅不会耗尽或磨损，而且可以在几乎零的数量的用例中使用边际成本。
让我们谈谈这对您的组织意味着什么！
自动驾驶汽车需要移动物联网平台
自动驾驶汽车通过面向外部的摄像头，雷达，激光雷达，超声传感器和GPS 生成大量数据。 因此，自动驾驶汽车基本上需要支持物联网边缘分析以及核心分析的现代物联网（IoT）技术架构，在该核心分析中，机器学习和深度强化学习的结合将制定指导车辆成功运行的决策（请参见图1）。
图 1： 自动驾驶车辆物联网架构
自动驾驶汽车由多个边缘设备组成，这些边缘设备在子系统级别（制动，导航，气候控制，变速器，发动机，悬架）捕获和分析实时时间序列数据。 然后是集中式高级分析模型（例如Tesla的FSD），该模型实时汇总和集成来自不同边缘子系统的数据，以优化自动驾驶汽车的性能，可靠性，成本，排放和安全性。
新的获利机会
自动驾驶车辆的实时对象检测功能不仅是确保车辆安全高效运行所必需的，而且还提供了新的机会，可以利用自动驾驶车辆与环境之间的互动过程中收集到的客户，产品和运营洞察力货币化（请参阅图2）。
图 2：自动驾驶汽车的环境视图
想象一下基于自动驾驶汽车与其环境之间的相互作用，利用新的客户，产品和运营洞察力获利的新机会。特斯拉从中了解到其运行的环境是什么？ 特斯拉在正常运营过程中会学到什么样的客户，产品和运营洞察力？
以下是来自我的旧金山大学大数据MBA课程的一些获利想法：
实时交通拥堵，事故和导航建议
道路养护建议
跨多个人口和地理范围的热门目的地
在其周围行驶的品牌车辆及其状况
商店，办公室或工厂停车场中的汽车数量
可用停车位的位置
废弃和/或被盗车辆的位置
非法垃圾或废物倾倒
和更多…
作为一项家庭作业，请给我发送您的获利想法（twitter @schmarzo）。
实时物体检测的基本介绍[1]
自动驾驶汽车的一项关键功能是能够利用视频分析进行实时物体检测，从而识别周围物体的位置和移动。 最近的一则商业广告展示了Microsoft如何使用对象检测（AI）来识别雪豹（请参见图3）。
图 3： Microsoft电视广告使用雪豹来演示AI的业务案例
对象检测使用称为Mask R-CNN（区域卷积神经网络）的神经网络技术识别视图中对象的位置和运动。遮罩R-CNN在图像中建议一堆盒子，并检查这些盒子（或区域）中是否有一个物体。 遮罩R-CNN是实例分割模型，可在将场景或视图分割成单个对象（例如，单个汽车，行人，停车灯，路牌，自行车手）时启用像素级分析位置。
图4是对象检测算法如何工作的示例。从人到风筝，图像中的每个对象都已被定位并以一定的精度进行了识别。
图 4：对象检测示例
遮罩R-CNN是进行对象检测（类+边界框）的Faster R-CNN与进行像素边界分析的FCN（完全卷积网络）的组合（请参见图5）。
图 5： 更快的R-CNN处理流程
我们将图像传递到网络，然后通过各种卷积和池化层将其发送。最后，我们以对象类的形式（行人，车辆，交通信号灯，自行车手等）获得输出。
开发学习的经济价值
埃隆·马斯克（Elon Musk）的报价是该公司利用数据和分析的独特经济特征的又一个示例-资产不仅永不磨损或耗尽，而且可以以接近零的边际成本在无限数量的用例中使用，而资产通过使用获得更多价值-变得更具预测性，准确性，完整性。
正如我在开创??性的博客“ 在数字化转型中，学习的经济能力比...更强大 ”中所讨论的那样，“学习经济”比“规模经济”更强大，因为它具有构建强大的AI模型的能力。在数字资产中更快地学习和重新部署这些学习，并且风险更低（请参见图6）。
图 6： Schmarzo经济数字资产评估定理
“ Schmarzo经济数字资产定理 ”产生了三个关键的经济“效应”：
效果1：边际成本趋于平缓。 由于数据永远不会耗尽，永远不会磨损并且可以以接近零的边际成本进行重用，因此共享和重用“精选”数据和打包的分析模块（解决方案核心）的边际成本趋于平缓。
效果2：经济价值增长。 共享和重用数据以及打包的分析模块（解决方案核心）可以缩短实现价值的时间，并降低后续用例的风险。
效果3：经济价值加速增长。通过对打包的分析模块（解决方案核心）的累积欣赏（学习），可以提高所有相关用例的价值，从而提高先前用例的经济价值。我现在将其称为“伊隆·马斯克·特斯拉效应”！
摘要
“如果您今天购买特斯拉，我相信您购买的是增值资产，而不是折旧资产。” –伊隆·马斯克（Elon Musk）
这个理想的声明很可能是我在这个数字转型时代听到的最有力的见解。 不仅数据和分析资产永远不会耗尽，永不磨损，而且可以以接近零的边际成本在无限数量的用例中使用，而且还能通过欣赏（而不是折旧）使用来推动数字转换。 怎么会这样  因为支持数字化转型的模型（例如Google的TensorFlow或Tesla的FSD）实际上通过使用和学习增加了价值；这些独特的数字资产实际上会变得更加可靠，更具预测性，更有效，更有效，更安全，因此，随着它们通过每次交互和交易不断学习，它们变得更有价值。
“ 学习经济比规模经济更强大 ” –比尔·施马佐（Bill Schmarzo）
是的，我可以感觉到诺贝尔经济学奖的这一天越来越近了！
顺便说一句，结束了与旧金山大学的Mouwafac Sidaoui教授（又不是UCSF！）进行的又一次启发性的教学年。学生们热情，好奇和无所畏惧。我还能问什么呢。这些是明天的商业和社会领袖！ 我们掌握得很好。
图 7： 2019年旧金山大学大数据MBA访问日立的班级
[1]要了解有关RCNN和对象检测的更多信息，请查看以下资源：
使用SlimYOLOv3进行实时对象检测-详细介绍
基本对象检测算法的逐步介绍（第1部分）

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：人工智能 经济学 Microsoft 诺贝尔经济学奖 twitter