【聽的展覽用看的|21_21在華山了~】AUDIO ARCHITECTURE
明天華山開展的〈AUDIO ARCHITECTURE:聲音的建築展〉,來自於東京21_21 design sight 2018年展出的原創展覽,將首度進行海外展演。
〈AUDIO ARCHITECTURE〉的有趣之處,我想是改變多數展覽中,「視覺」與「聽覺」的角色,且並缺一不可。兩者在展覽裡是同等重要,那應該會是怎麼樣的展覽?
展覽的策展人由日本知名的網站、介面與影像設計的設計師中村勇吾擔任,以策展人的背景來說是相當獨特的,中村勇吾從網站設計出道,設計出需要尖端技術又充滿創意的網站,甚至屢屢獲得廣告大獎。這個展覽在於他某次看到雜誌上提到澀谷系音樂人Cornelius(小山田圭吾)的音樂被形容為「描繪出聲音的建築」,引發他策劃起這個展覽的想法。
展覽邀請到小山田圭吾為展覽譜寫新曲『AUDIO ARCHITECTURE』,由中村勇吾進行填詞,並將LIVE表演的過程錄製成影片在現場三面牆上播放,作為第一個展間的內容。
其實這只是開始。這首歌曲將由各個不同領域的創作者從聽覺發想到視覺的影像作品,不過與MV不同的是,必須考量以音色、音域、節奏等要素來構築出所謂的「聲音的建築」;於是邀請了影像、動畫、舞蹈、視覺、廣告、裝置、程式與媒體設計等八組不同領域的創作者來對聲音進行創作,建構出他們心中可視的聲音建築。
在現場架構真正硬體空間的展場,是曾打造多間品牌旗艦店的片山正通,在現場打造出一條長達宛如「CAT WALK」的聲音展演空間與階梯看台,高明地設計手法讓觀者不只是看與聽,還可以將自身融入投射的影像之中,成為展覽風景的一部分。
這個結合空間、聲音與影像的展覽,概念雖然聽來簡單,但卻是充滿許多想像空間,且讓觀者能在展場中「看」與「被看」,以現在常用的說法或許就是「沈浸式體驗」,並從中創造出自己的展覽姿態,也因此重溫一下東京的展覽,某種程度來說,也是種偽出國的文化體驗吧!
展出藝術:
稻垣哲朗
辻川幸一郎( GLASSLOFT )× Bascule × 北千住設計|有機體的脈動
石川将也 +阿部 舜|透明薄膜的交疊
UCNV|破壞影像結構來創造獨特的美學
勅使河原一雅( Qubibi )|有機體的脈動
梅田宏明|肌肉纖維與聲音流動的對照
折笠良|字母隨著音樂移動,彷彿擁有自己的生命
水尻自子|騒動人心的創作
大西景太|為音樂加上一條輔助線@
吳東龍的設計東京。
專文|聲音建築中-發現與聲音的距離
https://reurl.cc/8ndMgM
21_21 DESIGN SIGHT
INCEPTION 啟藝
【 21_21 DESIGN SIGHT 企劃展 “ AUDIO ARCHITECTURE:聲音的建築展 ” in 台北 】⠀
▩ 展覽地點|華山 1914 文創園區 東 2AB 館
▩ 展覽期間|2020 / 12 / 25 ( 五 ) - 2021 / 04 / 06 ( 二 )
▩ 開放時間|10 : 00 - 18 : 00
同時也有1部Youtube影片,追蹤數超過71萬的網紅風傳媒 The Storm Media,也在其Youtube影片中提到,‼️ 更正:影片中10分27秒處 台汽電誤植為台積電 ‼️ ✓ 點我加入《風傳媒》Line 好友(ID:@dyp8323m) http://bit.ly/2hETgWE ✓ 點我訂閱《風傳媒》YouTube 頻道 http://bit.ly/2grkAJ6 ✓ 點我追蹤《下班經濟學》IG頻道(I...
結構化程式三要素 在 我是台灣人.台灣是咱的國家 Facebook 的最讚貼文
號召有志打破傳統菜蟲壟斷的農產品產業結構,協助小農開拓直銷通路的技術專業人士,加入方儉正在著手打造的平台。若您是專職小農,或是希望跟花東小農購買有機蔬果的朋友,也歡迎點擊至方儉版上留言參與。感謝🙏
—方儉—
獻給小農和消費者的真實資訊平台
今天和同事開會,討論【努力小農】的訂單系統。【努力小農】應該是我的最後一戰,把60前年的經驗、知識、想法都納入這個計劃中。
我做了20多年的品質培訓、檢測、認證相關的工作,不論什麼管理系統,最重要的是「真實性」,如果一個產品都不能交待是誰、在哪裡、如何、何時生產的,我們能夠相信它的品質嗎?
真實性是最容易,卻也是最難做到的。我看過無數的公司企業的認證,都是趕在最後幾天把認證需要的報表補齊;送去檢測的樣品都是精挑細選的「選手」,甚至是槍手,不能代表全部產品。而且認證、檢測單位自己的品質管理也往往是不堪一擊的,這種的信任價值鏈,有如沙丘城堡。
【努力小農】是從2018年的【努力呼吸】蛻變而來,本來是為了反空污舉報之用,進行1年多,並不成功,本來想停止了。在年初選完立委後去台東,訪問劉烱錫、徐蘭香,討論「友善環境農漁業」,接下來又碰上了新冠肺炎,在3月初日本之行回台後,再也無法出國。
窮則變,變則通。我看到市場中許多標示「小農有機生產」的產品,價格很高,但是其真實性存疑。另外,有機、良好農業規範…等認證,小農也未必負擔得起,而且認證的良莠不齊,也不是新聞。
現在智慧型手機已經十分普遍,照相功能強大,於是我思考如何做出一個簡單的手機應用程式,讓小農可以隨時拍照、打卡、上傳,就可以將生產履歷建構起來。
於是我花了半年多的時間,走訪我認識的、不認識的農民,詢問他們的需要,台東友善環境農漁業推廣中心,和慈濟大學田心綠合作社都給我許多協助,讓我在最短時間內訪問具有代表性的小農。
於是決定把【努力呼吸】轉型為【努力小農】,這不是電商,而是創造一個小農和消費者交流、交易的平台,小農可以把他們的產品真實呈現在網路上,消費者可以直接向他們購買,我們既不抽成,也不做金流,而是服務所有支持小農的利益相關的個人或組織。
30年前「綠色消費」的概念才剛萌芽,我們組織發起台灣地球日,一路走來,好像「綠色消費」一直無法生根,反而成了「漂綠」的工具,我們必須認真思考採取行動,幫助有心「綠色消費」的人有個產品真實性的平台。
半年多的訪談,發現小農需要的不是政府補助或是認證,而是有平實的通路,讓他們的產品真實呈現,消費者能夠找到他們,並能容易的訂到他們的產品。
除了許多電腦的專業外,我們必須考慮實際生產、消費的行為、心理,在網路虚擬環境中,有很多虚假不實的,相信在打開臉書、YouTube、谷歌等搜尋引擎時,不時會有假消息、假廣告冒出來,大的網路平台利用大數據操縱使用者行為、購買,甚至投票的消息時有所聞。
我們希望用最簡單、樸素的方式將小農生產、銷售呈現在消費者面前,消費者很容易訂購到小農產品。
這段時間,我用盡洪荒之力,策劃、執行、學習、檢討、改進,盡綿薄之力,幸而有許多朋友、同道的支持,大概月底會有初步的芻型,希望大家使用、批評、指教。
(很多小農產品真的很好,但是卻無法到消費者手中,這是我們要共同解決的問題。)
【努力小農】是我把過去20多年在產業中實踐ISO 9000的經驗,放入最不受控的農業、小農上,這是我的挑戰,也是實踐我對Reg.的承諾,讓原始的ISO 9000應用在小農產銷上,讓他們自我揭露他們的產品、服務品質,讓消費者參與,共同成長。
1994年3月去日內瓦參加聯合國華盛頓公約組織會議,因為當年國際保育團體以台灣保育不力,囤積了大量的犀牛角、虎骨,揚言要求制裁台灣,抵制台灣產品,農委會對外宣稱「華盛頓公約組織會制裁台灣」,其實這完全是假消息,因為華盛頓公約組織非但不是保育的,而是為了促進野生動植物國際貿易而設置的公約,這公約內容並沒有「制裁」某個會員國,更何況台灣從來不是會員國。
台灣脫離國際社會太久,所以對國際組織、公約、標準、規範都很陌生,官員見人說人話,見鬼說鬼話,見到洋鬼子就只能說悄悄話;而台灣民眾、媒體也從來不去好好看原文,問主管人員,官員說什麼,就以為是什麼,這一來台灣的國際認知度、能見度都非常低。
恰好ISO 國際標準化組織秘書處就在會場的對面,我在第一天午餐時間無意發現,第二天就找到會議空檔跑去直闖秘書處,沒想到這一闖,改變了我後半生的人生軌跡。
因為我原來不知道什麼是ISO,因為我的中華民國護照讓我差一點無法進門,但是我據理力爭,綠色消費者基金會也是國際團體,為什麼不能訪問ISO這個國際組織?他們看我誠意、決心都很足夠,問明來意,就讓我去和一位日本代表,以及ISO 9000論壇的負責人見面、訪談。
其實當時是很大膽的,根本搞不清楚ISO是做什麼的,經過了半天的介紹,我也很爽快的買了4、5千瑞士法朗他們的出版品(因為不懂,就買書來看吧。)結果成為上賓,秘書處人員很好奇,從來沒有一個亞洲人會如此大方買這麼多出版品,特別是台灣,因為台灣從來都沒有支付ISO任何版權費用,而版權費是ISO主要的收入之一。(我回台灣後,見了當時的經濟部長江丙坤,向他報告此事,但至今,台灣還是沒有支付ISO版權費、翻譯權)
簡單說,ISO是一個國際政府、產業、學術界成立的非政府機構,以技術委員會訂定各種度量衡標準,自1984年制定了第一個「管理標準」ISO 9000,之後從度量衡轉向界於有形的產品、無形的服務綜合的標準體系。
因此我認識了制定ISO 9000標準族的技術委員會主席Reg. Shaunessy,他成為我ISO入門的導師,我也很幸運的成為他的入室弟子,也是他推薦,讓我成為美國三大汽車公司供應商品質培訓系統的總培訓師。
Reg. 一直強調,當年制定ISO 9000完全沒有考慮到認證,因為標準化的目的,是為了度量衡的一致性,產業才能夠溝通,ISO 9000是針對品質的標準,但各國、各個文化、產業、公司所謂的「品質」是沒有度量衡的標準,花了7年的時間才定義清楚,是為了滿足顧客要求的過程管理系統,接著就訂出了一系列非常冗長、瑣碎的標準系列。
所以大家說的ISO 9000,並不是一個標準,而是一套體系,有20多個標準,很少人搞清楚過。我有機會進入三大汽車公司(通用、福特、克萊斯勒)的總部,共同制定汽車業供應商的品質標準系統QS-9000,後來又轉化成國際汽車業的技術規範ISO/TS 16949。
我知道台灣、第三世界國家大多數人、產業業對ISO都有很多的誤解,有些朋友說:「方儉就是做ISO的」,我總忍不住糾正,「我是做產業標準化、品質管理,和全球採購的」。
很簡單,ISO 9000的目的,就是讓顧客一目了然供應商在做什麼,產品或服務是否滿足顧客的需求,所以ISO 9001是9000族的「櫥窗」,供應商展示品質系統的20個要素,讓顧客容易和供應商溝通。可是經過顧問、認證的商業運作下,認證證書成為了標的,大家完全忽略了產品、服務的內容、過程和持續改進的績效,對我而言,這種證書比廢紙還不如。
可惜大多數人只知其皮毛,而不知整體ISO 9000體系的運作,依樣畫葫蘆,或是削足適履,畫虎不成反類虎,於是造就了一大群造ISO 9000顧問、認證吃飯的人。
Reg. 一直希望我能推動「自願揭露」替代認證,但是在產業界,沒有人聽得下去,ISO 9000有1987年版、1994年版,原本就應該作廢的,但是為了認證、顧問的生意,就一再改版,歹戲拖棚下去。但這也是無可奈何的,有需求,就有市場,市場的力量遠超乎標準制定者的初心。
經過20多年的打磨,我不斷的把ISO 9000應用到不同的產業中,有成功的,有失敗的,端看主事者的態度和決心,如果要求速效,不看過程的,我只能掛冠而去。
走了一大圈,我經常想到Reg.對我的教誨,我的工作是不是幫助需要幫助的人? 直到今年3月,我才找到小農產銷將是我最可能回答Reg.對我的期許,他已過世10年多了,但是他對我的影響卻是與日俱增(或許是我已活到他認識我時的年紀了)。我也相信他會很高興看到我繼續他的精神、志業。
我希望能夠利用手機、資訊技術,把ISO 9000真正的系統精神貫徹到【努力小農】的實施應用上,而不是一張證書、空洞的認證。
Reg.網路上的足跡不多,這是他的訃聞:https://s.yam.com/39aYU
第一步,先讓小農提高農業技術,有能見度,產品賣得出去,能夠生存下去。也要培養一批支持小農願意長期穏定購買優質小農產品,給小農批評和鼓勵的消費者,形成共生的市場。
我只能盡我所能,提供一個透明的標準化平台,供小農與消費者聯繫溝通,促進之間的對話與交易。
原文來源:https://s.yam.com/cHZw3
結構化程式三要素 在 李開復 Kai-Fu Lee Facebook 的精選貼文
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
結構化程式三要素 在 風傳媒 The Storm Media Youtube 的最佳解答
‼️ 更正:影片中10分27秒處 台汽電誤植為台積電 ‼️
✓ 點我加入《風傳媒》Line 好友(ID:@dyp8323m) http://bit.ly/2hETgWE
✓ 點我訂閱《風傳媒》YouTube 頻道 http://bit.ly/2grkAJ6
✓ 點我追蹤《下班經濟學》IG頻道(ID:@worked_money) https://bit.ly/2WZ1Dnb
✓ 點我訂閱華爾街日報:https://bit.ly/2VtO3GG
✓ 各公司財報變異係數:https://drive.google.com/file/d/1Ntd7vez7CVeVBBw_OC-Nf8EV0bJQP-s1/view?usp=sharing (資料來源:cmoney-算利方程式)
2020年下半年正式到來,上半年金融市場詭譎多變,下半年你做好準備了嗎?本週節目將由算利教官楊禮軒以及風傳媒財經主編周岐原帶你一起分析最新財經資訊,首先跟你分享現在多數散戶的入市狀況,再來不藏私分享幾個選股參考指標,即使有些指標你知道,但你未必真正了解,在節目的尾聲,一起來了解如果要投資興櫃股票的話,你要注意什麼事項呢?就由教官以及岐原帶你一起深入了解吧!
#下班投資學 #下班經濟學 #算利教官 #楊禮軒 #財報
00:29 苦主柏妤公開持股清單 高手體檢竟猛搖頭?
00:48 買四檔就賠三檔!新手柏妤買股慘住套房!
02:01 苦主柏妤公開持股清單 高手體檢竟猛搖頭?
03:29 火山頂上開趴 散戶瘋炒美股當心樂極生悲!
05:16 靠財報挖成長好股!看懂月營收成關鍵要素!
06:38 拒當股市冤大頭 學會二數據檢驗獲利來源!
07:21 月營收≠獲利能力?達人曝散戶看財報盲點!
08:07 拒當股市冤大頭 學會二數據檢驗獲利來源!
09:03 不看月營收股怎解?高手兩招告別獲利迷障!
10:39 營收不好就要砍?高手親授2指標避免錯殺!
13:04 進可攻退可守 這一隱藏好物解救投資新手?
13:27 從合約負債中挖寶 別再說你跟賺錢無緣!
15:49 該做波段還存股?達人精算一數字洩天機!
18:50 透析財報抓飆股!一指標超前部署買進黑馬!
22:25 高價差引爆熱潮 過來人曝超有感抽籤心理!
24:07 掌握三大交易特性 買賣興櫃潛力股不吃虧!
25:08 興櫃中挖璞玉 這些沒注意小心成股海肥羊!
本節目與來賓所推介個股無不當財務利益關係,資料僅供參考,投資人應獨立判斷,審慎評估並自負投資風險
【Facebook粉絲團】
風傳媒►► https://www.facebook.com/stormmedia
風生活►► https://www.facebook.com/SMediaLife
下班經濟學►►https://www.facebook.com/workedmoney
《精彩回顧》
【#14】0050藏泡沫風險?破解4大操作盲點!年化報酬10%這樣做 輕鬆躋身上流!
https://youtu.be/CEpMIYefRMo
【#15】低利莫急?房貸剝皮陷阱在這裡!解鎖買房成就 三撇步教你避地雷建商!
https://youtu.be/za80wR_h_FE
【#16】免選股狂賺89%!5G大行情引爆 硬ETF領風騷!
https://youtu.be/_IAktd_ZsVc
【#17】台股殺盤緊酸?用3招照領年中獎金!除權息長短雙賺15%套利術!
https://youtu.be/jgYxm5dO9cs
【#18】不盯盤的存股「勝」經!用一招打造0050終極組合 無腦滾出11倍報酬!
https://youtu.be/lsDOfgnCcGQ
結構化程式三要素 在 Chapter5-程式介紹-基本介紹 的推薦與評價
5.1 基本介紹Programming Language 程式語言年代特徵1 特徵2 特徵3 特徵4 特徵5 ... 結構化程式三要求Structure Programming Language SPL. 三要素:. ... <看更多>