原標題:過去 24 小時的 8 件重要事 | AI Daily

8 月 27 日,你需要關心的產業資訊有:英國准許半自動駕駛卡車高速路測;車聯網公司 Cubic Telecom 獲得 4650 萬美元投資;Rigetti 開發量子計算新用法等。

整理 | 邱陸陸

資訊

英國准許半自動駕駛卡車高速路測

多達三輛無線聯通的重載貨車組成車隊行進,所有車輛的加速、剎車以及方向均由頭車控制,這種方式被稱為「編隊(platooning)」。英國政府將為這項技術提供 810 萬英鎊的支持,英國交通運輸部(DFT)和英國高速公路公司尚未確定首次測試的時間,但表示預計將於 2018 年年底前在主要道路上進行測試。

該實驗將由運輸研究實驗室(TRL)公司進行。類似的實驗曾在美國和歐洲成功舉行,2016 年,編隊卡車曾從德國、瑞典、比利時分別出發,最後在鹿特丹匯合。

英國汽車協會對編隊卡車高速公路條件下的安全性表示了擔憂,協會主席 Edmund King 表示,「在亞利桑那州或者內華達州荒涼的高速公路上,編隊卡車可能有用,但我們有歐洲最繁忙的一些高速公路,公路上有非常多出入口。畢竟,這不是美國。」但以交通部為代表的支持者稱,編隊形式能夠大大削減交通堵塞成本,改善空氣質量,以及減少燃油使用。

車聯網公司 Cubic Telecom 獲得 4650 萬美元投資

汽車製造商們正在紛紛加速自動駕駛汽車計劃。近日,位於都柏林的車聯網解決方案公司 Cubic Telecom 獲得了來自奧迪和高通等投資者的 4000 萬歐元(約合 4650 萬美元)的 C 輪投資,本輪投資後,其估值將超過 2.15 億美元。

該公司的解決方案,讓汽車(或者其他設備)能夠自動接入當地運營商。近年來,監管機構、運營商和應用程式開發商都在為旅行者解決「漫遊」問題,有些地區有漫遊費率上限,有些運營商提供旅行套餐,還有些使用者通過移動應用繞開運營商撥打長途電話。同樣地,試圖給汽車建立全球化的連通性,也面臨著類似的障礙:通常,汽車製造商每次打算把車賣到一個特定市場,都必須與當地的運營商建立網路協議,每輛車都要有自己的 SIM 卡,背後都代表著一系列時間成本和運營成本。Cubic 通過一個在車輛生產時提前安裝在車裡的 eSIM 來解決所有軟體層面的問題。當汽車從一個國家被賣到另一個國家時,汽車會自動連接本地網路。目前,Cubic 已經與覆蓋 180 個國家的 30 家移動運營商建立了合作關係。

公司 CEO Barry Napier 稱,這筆投資將用於擴大團隊規模,以及解決方案的覆蓋規模。其中,中國、亞洲其他國家和美國是重點區域。

應用

「物盡其用」:Rigetti 開發量子計算新用法

位於伯克利的量子計算公司 Rigetti 將用量子計算設備,幫助來自 11 個國家的 40 余家機器學習公司解決人工智慧問題。

Rigetti 致力於開發一種複雜的晶元結構,這種結構有良好的可擴展性,特別適合進行機器學習和化學模擬計算。公司將自己的開發環境命名為 Forest,它能夠結合常規計算和量子計算,支持開發者將自己的部分運算外包到量子晶元上。這種方式最大限度地利用了當期極為有限的量子計算資源,只將能夠在量子設備上提速最多的部分計算分配到 Rigetti 的實驗晶元上。Rigetti 首席策略官 Madhav Thattai 解釋道,「將兩種計算資源進行匹配,可以大大降低對量子電腦的性能要求。這意味著即使是非常小型的、近期能實現的設備也可以投入有用的計算中。」

大數據表明,全球變暖可能不是人類的鍋

學者 John Abbot 和 Jennifer Marohasy 發表了一項名為《用機器學習評估人為因素與自然因素對氣候變化的影響》的研究。在將 2000 年來的溫度變化拆分為基本要素,然後用最新的大數據技術重構它們之後,兩位研究者展示了如果沒有發生工業革命,全球氣溫也會有所升高。

主流的氣候科學學說認為,最近的全球變暖主要是由人類排放二氧化碳造成的。這一理論來自於對 1896 年以來二氧化碳吸收和排放的紅外輻射的推測。誠然,二氧化碳能夠吸收紅外輻射,然而我們無法確定氣候對這一變化的敏感性。

兩位研究者認為,這種敏感性在 120 年前被 Svante Arrhenius 高估了。因此他們用最新的數據挖掘和神經網路技術模擬自然氣候變暖和變冷的周期,進行溫度預測。論文中提到了六個地理區域,根據神經網路模型輸出,這些地區沒經過工業化的溫度變化將在 0.6 度到 1 度之間,而神經網路輸出和實際氣溫變化的差異最多只有 0.2 度。差 0.2 度的區域有紐西蘭和瑞士。因此,我們認定,工業化對 20 世紀全球氣候變暖的貢獻最多就在 0.2 度水平。然而,政府間氣候變化專門委員會(IPCC)卻認為,變暖的 1 度全部歸因於工業化。

NFL 教練:讓機器學習預測你的飯碗穩固程度

橄欖球已經成為一個極其依賴數據的體育項目,除了預測球員表現,是不是也可以預測教練去留?

ESPN 分析師構建了一個機器學習模型並將 1979 年以來所有的 NFL 教練的數據交給它進行學習。意料之中,最重要的因素是球隊本賽季的贏球記錄,但是此外還有許多彼此相互作用的因素對模型產生巨大影響:

  • 球隊相比於上一季的改變,包括提升或是退步。雖然成績沒達到球隊經理和老闆的預期非常容易導致教練下課,但是一位把成績從 3-13 變成 5-11 的教練明顯比一位把成績從 9-7 變成 5-11 的教練更容易保住自己的飯碗。

  • 當前教練執導下球隊的長期戰績,以過去 2-5 個賽季的平均獲勝率為表徵。

  • 季後賽的成功很重要。數據表示,當教練和不是當初選擇僱用自己的經理一起工作時,有 25% 的幾率被解僱,被僱用自己的經理解僱的概率則是 18%。某種程度上,進入季後賽比季後賽取勝更重要。

惡意把這些數據用於預測去年的教練隊伍去留,預測結果是 Chargers 隊的 Mike McCoy,Rams 隊的 Jeff Fisher,Jaguars 隊的 Gus Bradley,49ers 隊的 Chip Kelly 和 Bears 隊的 John Fox 最有可能被解僱。這五人中只有 Fox 獲得留任。

利用人工智慧追蹤性販運

性販運是一項十分難以追蹤的犯罪行為,來自加州大學的博士生 Rebecca Portnoff 和她的團隊正致力於開發一項工具,篩查網際網路上數以千計的色情廣告,識別其模式,並幫助調查人員對其背後可能存在的性販運行為進行追蹤。

比特幣是性販運者常用的支付方式之一,2015 年,信用卡公司開始逐步禁止人們在與性交易相關的網站上使用信用卡進行支付,迫使人們開始使用比特幣。而應用加密貨幣的區塊鏈中的公開資訊,人工智慧演算法是可以鎖定比特幣的使用者的。「我們篩查廣告刊登的成本和時間戳,然後就能把它們與特定的人或者團體聯繫在一起,這就給警方進行進一步調查提供了一個很好的候選人範圍。」

這個工具在一個月里識別了來自同一作者的超過 9000 個廣告,其中一個比特幣錢包涉及了超過 15 萬美元的色情廣告交易。

觀點

一個完美的物聯網平台需要考慮 5 個要素

如今的物聯網市場上,有超過 150 個平台可以選擇。識別和構建最合適的 IoT 平台可能是當下的技術領導者最重要的工作之一。建設 IoT 平台需要考慮的因素比傳統技術平台還要多,這些新平台需要有能力覆蓋所有設備、感測器、應用程式,乃至底層技術。更要命的是,物聯網對每個行業來說都不同。對於運動裝備公司來說,它意味著帶感測器的跑鞋,對製造商來說,它意味著帶感測器的生產機器,而對於保險公司來說,它意味著投保人車裡植入的遠程感測器。

儘管需求與應用場景多種多樣,在設計 IoT 平台時,還是有一些共通的基本元素需要考慮,來自麥肯錫的分析員 Eric Lamarre 和 Brett May 近日通過一篇報告進行了總結。

  • 向混合應用環境轉變。既要給出簡單的、拿來就能用的應用,也要提供定製服務。首先,越簡單的應用越受歡迎。同時,平台不一定能向商家一樣了解他們的業務,因此確保應用的開發友好程度也很重要。

  • 注意提取和整合數據的能力。數據是驅動物聯網產業最重要的燃料,也是物聯網平台的意義,因此,請保證你的平台具有管理大量的、高速的、多來源數據的能力。

  • 注意雲端基礎設施的兼容性。選擇與一家大型基礎設施提供商(IaaS)合作,也意味著選擇了他們的其他配套服務。有一些小型的 IoT 玩家可能只選擇一個或有限的幾個雲提供商,但是請確保你的 IoT 平台和你的企業雲平台是兼容的。

  • 數據的所有權和安全性。數據的存儲位置和處理位置對於 IoT 平台來說是十分重要的。

  • 邊緣處理和控制。IoT 平台可以是集中式的,也可以支持邊緣計算以減少延遲。有時候,將數據在雲端和本地移動的通信成本很高,例如從偏遠地區的礦井或航船上,幾乎沒辦法傳遞 TB 級別的數據,這時候就要考慮邊緣計算了。

圖說

十八隻硬體獨角獸,三分之二誕生在中國

過去 24 小時的 8 件重要事 | AI Daily

據統計,世界上目前有 213 家公司符合「獨角獸」標準,其中 18 家致力於開發硬體。這個一度很難吸引投資的領域近年獲得了驚人的發展。

這 18 家中有 11 家來自中國,大疆統治著消費者無人機領域,智能手機巨頭小米則支持了 5 家公司的崛起,其中包括平衡車公司納恩博。

自行車領域的初創公司摩拜和 Ofo 的獨角獸地位同樣引人注目。它們成立不過三年!除了突顯了中國消費者在支付行為和交通手段方面的巨變之外,兩家公司的海外擴張計劃也預示著中國企業全球化的雄心。

中國從強大的國內市場、罕有匹敵的製造業生態系統、大量科技人才和蓬勃的投資行情(根據道瓊斯指數,中國風險投資在 2017 年第一季度全球佔比超過 35%)中獲益良多。在募資超過 1 億美元的 36 家硬體初創公司中,中國也佔據了 1/5,它們也非常有機會在今後的一段時間中步入獨角獸行列。

過去 24 小時的 8 件重要事 | AI Daily

雖然私募對硬體並沒那麼感興趣,但是由於大多數硬體公司都有穩定的收入(和軟體公司提收入簡直是褻瀆神明),它們對公開市場投資者來說十分有吸引力。公開市場上表現出眾的例子包括去年市值翻了一番的 iRobot、生產水下無人設備的 Aquabotix 等等。

根據 2014 年以來的投資情況,預計未來一批獨角獸公司將有大量提供醫療技術設備和企業解決方案。前者將使用大數據、機器學習、感測器等構建真正的數字療法,與大型製藥公司抗衡;後者將通過人工智慧和機器人進行預測性的維護和預防(例如商業樓宇防火、城市防洪等),通過優化資源和節約成本創造價值。