top of page

數碼新經濟距成功近在咫尺

Updated: Apr 28

在過去幾年中,我們見證了中國人工智能(AI)產業的蓬勃發展。由於政策支持,加上企業家積極推動數碼經濟,讓中國成為這新興關鍵技術的全球領導者。 然而,當我們進入2019年,有關人工智能「冬天」的說法開始出現(其實是60年來的第三次)。這種說法的根據是風險資本市場總體呈現了收縮。同時,截至2019年年中,巨型融資(超過一億美元)的相關投資數量從2018年的26宗,下降到2019年迄今為止僅有4宗交易。 深度學習的樽頸之一是其缺乏可解釋性,且需要大量的優質數據以解決現實問題的挑戰,因而限制了該技術的商業應用。中國人工智能產業雖然仍在蓬勃發展,但在開源社區方面,以至基礎研發上還需要急起直追。 當前中國的人工智能已進入合理化和重新校準的階段,這將衍生更大的挑戰與機遇,以及不可預測性。內地人工智能產業正處於拐點,除了人工智能外,大數據產業如何取得成功變得更加重要,但面對的問題也更加隱蔽。 在人工智能實施的時代,個人私隱和數據安全一直是關鍵的爭議點,但我們不應該簡單地把它視為監管問題;相反,我們更應通過創造更好的技術,努力解決伴隨新技術而來的挑戰。同態加密和聯合學習等技術可以保護個人數據,也能使數據支持我們的AI算法並提高其效率。 不管大眾對於人工智能在中國的持續發展和商業化抱持什麼態度,數碼化所衍生的新經濟,只會繼續向前發展。其中有幾個方向尤為突出,距離成功已經近在咫尺。 下面舉3個例子: 1)人工智能將提升基層醫院和醫生的能力,使他們的診斷服務水平,能與高級醫院相提並論。 2)未來金融服務領域的智能風險控制系統將從事後風控止損,轉變為實時反饋模型。其次,在決策方面,它將逐漸從人工審核,轉變為擁有自動決策過程的機器。 3)早已開始研發的自動駕駛汽車技術將日益成熟,但落實到真正日常使用層面,需要強而有力的政策支持,以及智慧城市的配合方有望取得成功,誰做到這一點,就能成為新型交通體驗的領跑者。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page