據 6 月 7 日最新消息，AlphaGo 之父哈薩比斯（Demis Hassabis）6 日透過推特正式回應稱，盛傳的 AlphaGo 和柯潔之間要進行一場巔峰對決的消息純屬網路謠言，目前 AlphaGo 沒有任何進一步的比賽計畫。 contrary to internet rumours, we’ve not decided yet what to do next with #AlphaGo, once we have, there will be an official announcement here — Demis Hassabis (@demishassabis) 2016年6月6日李世石與 Google AlphaGo 之間的人機大戰至今讓人回味無窮，而期間「中國圍棋第一人」柯潔的強勢態度也一度成為焦點話題，柯潔與 AlphaGo 之間何時大戰一場也成了很多圍棋迷、技術宅的期待。4 月初的時候，Google CEO 皮蔡（Sundar Pichai）現身北京聶衛平圍棋道場，在聶衛平和柯潔等人的陪同下參觀了圍棋學校，並進行了約一個小時愉快的交流。當時，Google 官方微博稱：「當現代科技遇上古老藝術圍棋，將會碰撞出什麼火花？讓我們拭目以待。」這也讓外界對 AlphaGo 戰柯潔有了更多猜測。 6...
足球、網球、賽車等運動賽事，選手身上的球衣與車衣往往有著大大小小的贊助商廣告標誌，如今又有一個知名聯賽也要加入這個行列，國人熟悉的 NBA 於 2016 年 4 月決議自 2017 年起將允許球衣上有贊助商標誌，規定大小為 2.5×2.5 英吋，不過問題來了，這球衣上的廣告曝光，到底應該值多少錢呢？總部位於洛杉磯的運動顧問及管理公司瓦瑟曼（Wasserman），過去要評量球賽轉播中的廣告曝光價值時，得動用分析師人工枯坐數小時看影帶，人工記下贊助商廣告出現在場館標示、廣告飛船、球員球帽等處的次數與時間，這種傳統做法勞師動眾，且無法大量作業。2015 年 7 月，原本提供美國情報單位影像搜尋軟體的奈夫科技（Nervve Technologies）進軍運動領域，與瓦瑟曼合作，有了奈夫科技的技術之後，以軟體自動計算，不僅更精確、更快速，且可大規模作業，奈夫科技的軟體能追蹤贊助商廣告在球賽轉播中曝光的頻率、位置、大小，以及曝光時間，幫助聯盟、球隊與廣告商知道球賽內廣告的曝光程度，以及該在哪些地方放置廣告。於是，當 NBA 聯盟找來十幾家顧問公司，想測試它們評估球賽內廣告價值的能力時，奈夫科技與瓦瑟曼的結盟團隊也在其中之一，2 月時，NBA 全明星賽中，兩隊球衣上都有起亞汽車（Kia）的廣告商標，這就是給各顧問公司測試其技術的機會，最後 NBA 選出兩組團隊，其中一組就是奈夫科技與瓦瑟曼，另一個入選者是運動與娛樂顧問公司 Repucom。奈夫科技的辨識技術以速度見長，在 5 秒鐘內就能掃描一整個小時的賽事，以單一伺服器，可在 2 分鐘內掃描整賽季的洋基隊比賽中特定贊助品牌曝光資訊。目前已有克里夫蘭騎士隊、奧蘭多魔術隊等十數家球隊與奈夫科技與瓦瑟曼合作，分析球衣廣告市場商機。奈夫科技共同創辦人暨執行長湯瑪斯史洛威（Thomas Slowe）在羅格斯大學時期研究機器學習，之後歷任麻省理工媒體實驗室（MIT Media Lab）、愛立信（Ericsson），也曾加入研發動態捕捉技術的新創事業，2003年創立分析臉部表情的新創公司，2011 年時，史洛威與另一名共同創辦人雅各高爾納（Jacob Goellner）合作，日後開始成為奈夫科技主要技術的研究，目標市場設定為美國的情報機構。 從情報機構奠基美國情報機構所側錄下來的影片資料多到讓分析人員吃不消，每個分析師一早起來桌上就堆著 TB 容量硬碟，裡頭有上百甚至數千小時的影片資料待看，而可掃描影片的自動分析系統，需要的硬體伺服器可裝滿整個房間，需要高階機密等級人員才能授權操作，奈夫科技創造一個簡易的介面，讓受過最基本訓練的使用者能快速又正確地找到目標物件，卻不需要太多硬體運算需求。之後奈夫科技花了 2 年時間，改善機器學習的流程，過去機器學習演算法往往需要輸入資料人員回答一系列的是非問題，如要教導人工智慧認出貓咪，資料輸入人員要一張張照片回答這是貓或不是貓，奈夫科技改善這樣的流程，以拼圖來比喻，過去的辦法是一次拿起一張來拼，奈夫科技的想法是一次先看過所有的拼圖碎片，猜猜看要怎麼拼，最後才讓資料輸入人員看拼得對不對，把是非問題留在最後。2012 年起，奈夫科技開始為一些情報機構測試這個系統，2014 年美國中情局投資部門 IQT（In-Q-Tel）投資奈夫科技，金額未公開，奈夫科技授權給許多政府機構自行進行測試，如用來分析無人機所拍攝的影片等。當情報機構的生意已經穩固，史洛威開始將注意力轉移到民間企業部門，開始尋求媒體高層合作，瓦瑟曼立即發覺奈夫科技的技術在運動娛樂領域的潛力。目前瓦瑟曼已經應用奈夫科技的技術，分析足球、籃球、全國運動汽車競賽協會（Nascar）賽車、肯塔基賽馬大賽（Kentucky Derby）的轉播。NBA 開放球衣廣告後，第一起合約是費城 76 人隊與售票服務公司以每年 500 萬美元簽約，出售球衣上的 2.5×2.5 英吋廣告空間。費城 76 人隊並非奈夫科技與瓦瑟曼的客戶，而瓦瑟曼預估，某些 NBA 球隊的球衣廣告價值，將是費城 76 人隊的 3 倍。 The...
兩大政治黨派如何利用大數據分析來說明他們做出決定並且嘗試領先競爭對手，是今年美國總統大選的主要情節之一，大家可能沒有意識到的是，大資料在決定選票變化上已經變得多麼普遍。這裡我們就深度剖析一下兩個在行業內領先的資料分析公司，如何利用大數據分析說明他們支援的政黨來取得勝利。在過去的兩個總統大選中，有人認為歐巴馬競選團隊有效利用大資料分析的能力，就是他贏得其他對手的其中一個原因。但是今年像歐巴馬那種優勢幾乎已經不會存在了，TargetSmart 的首席執行長 Tom Bonier 說，值得一提的是，TargetSmart 同時給國家民主黨派和州民主黨派以及他們的同盟提供大數據分析和服務。「與過去相比，現今的總統選舉在利用大數據分析這一塊更加旗鼓相當。」Bonier 告訴 Datanami。「2008 年，民主黨在利用大數據分析領域比共和黨聰明太多，而且更有遠見，但在這個年代不是這樣。現在，對參選者來而言，在選舉進行的創新性這一方面是一個更加公平的遊戲。」Deep Root Analytics，給國內和州內的共和黨及其從屬團隊提供數據分析，它們的分析和產品創新的主管，David Seawright 也同意上述觀點。「從 2012 年的失敗中我們吸取的最大教訓就是我們需要在大數據分析上努力，而且我們需要我們的分析變得更好。」Seawright 這麼說。「所以這方面已經有很大的投資，不僅僅提供給黨內平台，而且也用於幫助 Deep Root 以及像我們一樣的公司，真正地在這一領域進行深度挖掘並且提供這些服務給我們的客戶。」現在這類服務正在快速增長。由於新資料來源的結合，先進分析的大眾化，可接受的大規模計算能力增長，2016 年的政治運動盡情享受數據分析帶來的便利，放到過去來看，這是極其不可能的。從全國性的政治運動到州內和當地的政治競爭，大資料分析正在美國的國家政治上留下很大印記。 將資料做為武器Deep Root 是在共和黨的努力下成立的，用來更有效地與民主黨在大數據分析領域進行競爭。這家公司本質上是共和黨的大數據武器，為共和黨參選人提供資料和分析服務，上至總統選舉，下到州立法機關選舉。「我們喜歡用的一個詞是武器化，行動化——實施某個行動」，Seawright 說，「我們能夠提供這種服務，而且能夠同時洞悉很多不同活動，洞悉很多不同陣營在選票上的上下變化。利用大數據分析將不再是一張豪華機票——它是一種任何人都能做到而且應該做到的東西。」Deep Root 和 TargetSmart 都是利用 Alteryx 的軟體來說明他們容納、淨化、混合以及分析來源不同的大規模資料。這種分析軟體以一種最有效的方法來使用，它分析所有選民的年齡結構，根據不同年齡段來分段並且打分，然後利用這些資訊來優化他們在媒體上的花銷，特別是在非常重要的電視廣告上。Deep Root 利用它的分析模型來告訴參選者，在他們的已有電視預算的條件下，哪些地方他們能獲得最大的收穫。正如 Seawright 解釋的那樣，資料分析在每天的決策過程中發揮很重要的作用。「我們的資料將會指示客戶該將他們的競選廣告放到哪，才能讓他們的目標人群最有可能看到。」他說，「我們也會提示他們花銷的紀錄，透過讓客戶在情景中能夠意識到這個問題，不僅提供他們所做的與目標人群相關的理由，而且也會分析你的競爭對手或同盟所做的，對你的目標人群的影響，這就允許他們能夠對他們正在進行的分配任務具有策略性，並對廣告投放更聰明——把廣告投放在最不顯眼而又最高效的地方，同時在根據其他人或組織的行動來及時做出反應上，也會讓他們更加機靈。」TargetSmart 提供相似的分析服務。但是透過利用資料來優化行動不僅只是在電視廣告投放上，也在客服中心活動、傳統郵件花費及社區拉票，TargetSmart 在它的 360 度投票者聯繫技術上比他們的老對手共和黨走得更遠。 一對一政治傳統上，相較於其他席位的競選，總統競選吸引了更大數額的資金。但是由於 2010 年的聯合公民決定，解除競選運動委員會在廣告投入上的限制，今年的總統競選看起來會將電視開銷提升到一個全新水準。競選行動委員會的資金與有力的分析工具形成競選中的有力武器，能將資訊以一種較以前更精細的方式傳達出去。Bonier 曾經透過 2012 年建立的慈善運動實驗室參與過歐巴馬的連任競選活動，按照 Bonier 的說法，對目標分析的利用是非常新奇的，「利用大數據分析是那種你隨處都可以感受到的東西」，他說，「但是如果你回顧一下 2012 年的競選活動，它真的只是說明目標廣告購買而已。歐巴馬競選活動總體預算的一小部分才花費在目標廣告上，在今年，將不會是這種情況。我會說幾乎全部的廣告投放，至少總統競選水準，他們的發生都會經過大數據目標分析過程。」多虧了正在進行的先進分析軟體的普遍化，競選活動有各種預測手段和統計模型可以使用，Alteryx 的總裁 George Mathew 如是說，「你從政治圖譜的兩側所聽到的，其實這就是新常態，」Mattew 說。「創新性，人們更加被隱藏於大資料分析中的能力，它們就是在政治圖譜兩側持續發展的東西。」廣泛增加的有技巧的大資料實踐者在這當中也扮演重要角色，Seawright 說，「除了這些被採用和被接受的事物的變化，隨著新資料來源的變化，新的可以用來解決問題的技術和軟體的出現，在市場上也會發生實踐轉向。」他說，「當然那些變化的某些部分會伴隨著人類增加的天賦而來，這就使我們能夠做好這些工作並且利用它們服務我們客戶。」 下一步：社會分析兩家大公司都正在越過電視領域來到類似社群媒體的數位媒介來探險。但是這種嘗試是非常艱難的，因為數位媒介上的資料更概略，透過媒體分析並不容易知道你所要到達的目標人群。Bonier 認為，「數位導向分析在大家看來顯然不可靠，你不知道你正在接近你需要去談話的人群，所有競選活動幾乎從未在數位媒介上花費像投入在廣播電視和其他形式上的這麼多。」TargetSmart 在這一領域正在做一些創新性的工作，以希望能影響 2016 年的總統大選。透過利用個人可辨識的資訊，這家公司將...
講到氣象資料和氣象預報，大概會提到蝴蝶效應，來說明氣象難以預測。但看來 IBM 認為如果餵大量資料，就有辦法克服氣象預報。如今 IBM 用它買來的氣象公司，連同裡面的專家和資料，推出用深度學習預測氣象的 Deep Thunder，希望能提高小規模地區的預測結果。自從 IBM 收購 The Weather Company 的 B2B 資料部門後，可能很多人好奇為何 IBM 要買它。但現在 IBM 推出新的氣象產品，結合最近流行的深度學習技術，再加上從 Weather Company 收購案得到的氣象資料，推出 Deep Thunder 預測天氣狀況。Deep Thunder 靠更好的演算法，還有餵好幾 PB 等級的資料，調教 Deep Thunder 的預測模式，希望在 0.2~ 1.2 英里的尺度下預測氣象。預測結果將用在保險、消費者行為預測上面。在新聞稿中，Weather Compay 科學和預測營運部門主管 Mary Glackin 說：「Weather Compay 專注觀測大氣狀況，而 IBM Research 則領先各界，相當小尺度下的超級地方等級下，擁有提高預測準度的技術，可以用在重要決定上。今天推出的新整合預測模型，將會提供增進我們簽署服務理想的平台──為不同企業和工業應用，理解各種氣象現象的衝擊和找出建議的行動。對擁有技術的公司來說，只有演算法但沒有能驗證演算法的資料也作用不大。未來我們可以看到更多做 AI 或預測的公司，出手買公司取得這些公司背後的資料，拿這些資料訓練 AI 做出更精準的預測。(首圖來源：Patrick on Flickr, CC-BY 2.0) 相關連結 ...
人工智慧會威脅人類的安危嗎？當機器人越來越聰明，有一天會成為人類的敵人嗎？這可能是許多人正在擔憂的事，微軟信息技術和創新基金會發表報告稱，人們對於人工智慧存在五大誤解，人工智慧不會對人類帶來威脅。人工智慧讓許多人失業和歷史上每一次的技術升級一樣，人工智慧能夠提升勞動效率，但不會對工作職位的總量、失業率造成影響。這些擔憂高估了人工智慧的能力，事實上取代人類勞動者是非常困難的，近幾年人工智慧和機器人都處於高速發展階段，但美國的生產率成長速度卻處於歷史低點，人工智慧不會大規模地讓工作職位消失，而是幫助人類提升產能和推動創新。即使人工智慧能夠承擔部分工作，總體而言能夠降低生產過程中的勞動力成本。人工智慧讓人類變傻？人工智慧發展到一定程度，能夠幫人類解決許多問題，本來需要學習掌握的技能可能就不需要了，但是能夠被淘汰的技能就已經不是必要的了，就像在汽車出現之前，人要遠行就必須學會騎馬，有了汽車就不必學習騎馬了，人工智慧也是如此，技術會升級人類的技能。人工智慧讓人類沒有隱私？人工智慧的學習很多時候是需要大量的資料做為基礎，但並不等於人工智慧侵犯人類隱私的可能性更多，因為後者只承擔統計和分析工作，這一問題不是技術問題，而是法律問題，如果建立一個有效的規範保證在不侵犯個人隱私的狀況下，讓人工智慧系統獲得足夠的資料。人工智慧讓技術被濫用？人工智慧使用的機器學習技術比以往的軟體系統技術都更複雜，會根據數據和分析結果進行改進，有人擔心這會產生一種技術性的偏見，甚至有可能存在人為的濫用技術，但技術本身不存在惡意，技術只是完成了人類的意圖，大多數狀況下人類的決策中帶來的偏見，比技術系統更多。人工智慧最終將消滅人類接管地球？長期來看人工智慧將變得越來越聰明，甚至在智力水準上超越人類，這一種觀點高估了技術發展的速度，由於晶片處理能力的成長速度在放慢，機器學習之外的人工智慧技術都發展緩慢，即使真有一天能夠製造出接近人類智力水準的機器，這些機器還是會受控於人類，如果不能保證安全，是不會被創造出來的。人工智慧的發展過程中存在風險，但應該以樂觀的態度去看待，新技術的誕生和發展都會遇到這樣的問題，發現問題就去解決，而不是抑制人工智慧的發展，人工智慧能夠在人類進步的過程中扮演一個重要的角色。 New Report Rebuts Hyperbolic Myths About Hypothetical Harms from Artificial Intelligence (首圖來源：Flickr/University of Washington CC BY 2.0)
fiscalstandard.com 17 日報導，貝倫貝格銀行初評先進駕駛輔助系統（Advanced Driver Assistance Systems，ADAS）大廠 Mobileye N.V. 給予「買進」評等，目標價設定在 51 美元。Mobileye 17 日大漲 6.38%，收 39.17 美元，創 6 月 2 日以來收盤新高，連續第 3 個交易日收高；單日漲幅創 3 月 16 日以來新高。Mobileye 是在 2014 年 8 月 1 日初次公開發行（IPO）、IPO 價格為 25.00 美元。以色列媒體《Globes》6 月 15 日報導，Alphabet 執行董事長施密特（Eric Schmidt）給予 Mobileye 的機器學習技術正面評價，指稱汽車的視覺問題已完全獲得解決，下個階段就是分析解讀所接收到的數據，進而讓汽車也能跟人類一樣擁有直覺能力。forbes.com 6 月 15 日報導，通用汽車（General Motors）的 OnStar 車載資訊系統將率先內建 Mobileye EyeQ 系列微處理器以及高解析度建圖技術，福斯（Volkswagen）、雷諾─日產將在 2018 年跟進。Mobileye...
四月天，一個戴眼鏡、六十多歲的外國人在台前說故事，眼見他的襯衫由一點濕成一片，神情卻是樂此不疲。而台下，坐著近百位準醫師、泛醫療工作者、工程師以及設計師，參與這場驚險的創業回顧之旅。他是 Dr. John R. Adler，世界上第一個、也是唯一一個結合機械人與癌症放射治療儀──射波刀 CyberKnife 的發明人，也是史丹佛大學創新醫療器材副主席、醫學院腦神經外科榮譽教授，此次應永齡基金會之邀，對欲投入醫療創業的年輕朋友們發表演說。Dr. Adler 在 1980 年於哈佛醫學院畢業，在麻省總醫院接受腦神經外科訓練後，赴瑞典和加馬刀（Gamma Knife）發明人 Lars Leksell 學習。當時，加馬刀是世界尖端醫療的先驅，首創非侵入性、立體定位放射手術治療腦瘤，不需動刀開腦就能消滅腫瘤。雖然是劃時代的發明，Dr. Adler 發現加馬刀必須以頭罩固定患者，不僅帶來疼痛，治療範圍也很侷限，他認為放射手術（Radiosurgery），應拓展至脊髓、胸腔以至於全身治療，因此決定投入研發無框式定位系統（frameless targeting），結合醫用直線加速器，發展新一代產品。題目確定之後，他尋覓落腳處，考量到當時的學術資源及商業環境，他接受史丹佛聘書，擔任腦神經外科醫師。這一切看來理所當然，但接下來的創業路卻艱困得難以想像。首先，太太覺得他瘋了，外科醫師已經夠辛苦，還賭上身家在完全不熟悉的科技產業。的確，就算從現在的角度來看創業，無論是 App、服務平台，或智能硬體，發展資金再大不過幾百萬，然而醫療或生技產業卻完全是另一回事，金額、耗時龐大如黑洞，以一個沒有家世背景、名不見經傳的年輕醫師，Dr. Adler 想開發數以千萬美金計的高階醫材，簡直是痴人說夢。 錢、錢、錢！初期，Dr. Adler 靠寫計畫拿國家衛生研究院的資助，他聘請電腦工程學家建立 X 光和電腦斷層的數位影像處理系統。當時其實存在很多不確定，但他抱著「就算不成功，對醫療仍然是有幫助的」的傻勁去做，之後陸續接觸物理學家、醫材廠商，才畫出第一份以機器人裝置做定位、結合直線加速器的產品草圖。然而，這只是第一步，還沒進入產品原型（Prototype），但醫療創業實在太難、燒的本錢太驚人，即便向國家衛生研究院求救，換來的答案是建議找大企業合作，但他回頭拜訪公司，每一間都同樣拒絕：「這產品需要太多基礎研究來支撐，請找國家出資！」雪上加霜的是，無論他申請任一筆國家級的研究金費，全被回絕。最慘的時期，他苦撐 4 年，完全找不到資金，面對一筆筆帳單，以及家裡斷炊的壓力，只能一再重複捉襟見肘的窘境。「我們這些創業家，太年輕、堅持又固執，所以才撐住。但真的，每一天都面臨著挫折跟壓力。（We entrepreneurs are young , persistent, and stubborn enough to do the startups . You’ll be facing failures and stress EVERYDAY .）」Dr. Adler 說。 醫師？創業家？身分的兩難不僅資金困境，另個難解的習題是：究竟該致力成為腦外科的權威，還是投入創業來解決臨床需求呢？在醫界，要成為首屈一指的專家，首先開刀數、研究論文就不能少，必要時還需巡迴演講、身兼教職，經年累月才能建立起聲望，不可能平地一聲雷、轉身變大師；而創業家也是需將時間精力梭哈的志業，更遑論高階醫材必須走人體試驗、FDA 流程，沒有什麼能一蹴可及的。那麼，孰輕孰重？但，就因為他是第一線的醫師，每天面臨這些需求，最知道全世界有多少病人需要這部儀器，而儀器也同等需要病人的回饋，因此他更無法放棄，疲於奔波於兩個身分之間。不要低估 3F 的力量在一次資金幾乎用罄時，他認識了一位退休創投，經由引薦之後，獲得矽谷企業的投資，正式成立公司 Accuray，由 Dr....
廣達電腦 10 日公布 2015 年第 1 季財報顯示，未來佔超過一半營收的非筆電產品將會是廣達未來發展的重點。對此，廣達董事長林百里面對記者的發問，侃侃而談的表示，台灣經濟的轉型，要靠新的商業模式創新，在未來 5G、雲端運算服務、大數據等新科技的協助下，台灣可以順此趨勢，在創新的服務領域上搶得一席之地。對於，台灣的產業要如何由硬體轉進軟體服務？林百里今天表示，新的商業模式要靠創新，對市場不了解是很大的困擾，就像要廣達由硬體轉型為軟體公司有很大的困難。過去，台灣的創新很少在雲端領域，要既有的大企業轉型為電商也是不可能的。所以，一定要由創新的角度來出發，在國外近期新竄起的公司如 Google 、亞馬遜、臉書等公司也都不是從老公司轉型而成的。而政府方面，除了經濟部之外，也需要教育部和文化部等協助創造創新的氛圍。林百里也強調，大學要和產業及社會接軌，才能進一步激發創新的動能。▲ 廣達董事長林百里林百里還舉以色列為例，指出以色列有很多新創技術，是因為國家四面都有危機，不創新就沒有出路。至於，台灣的創新在哪裡？他認為應該有創新型的工業，經濟部、教育部、科技部、文化部都要串起來，才能形成創新的價值氛圍。▲ 廣達副董事長梁次震林百里強調，創新是以人為本的概念，沒有文化部跟教育部不行，創新要有商業模式，經濟也是重要影響因素。新行業要形成的環境因素非常多，說來話長，以前創業不生產就可以開公司，現在開公司的門檻說高也高，說低也低，但必須要有突破點，但成功的豁然率比以前低很多，以前幾家創業做筆電都可以成功，但現在反過來，成功跟失敗企業的差距會很大。 至於，當前很火熱的物聯網產業，廣達副董事長梁次震首先指出，物聯網還需要時間發展，讓物聯網連接可以很成熟，現在物聯網一片一片，還不見得連在一塊，要把服務連成系統化的服務，現在廣達也花很多精神去想。而林百里則附和表示，物聯網值得再三研究，要好好分析商業模式，物聯網主體是網路，物是被連，如果倒過來則變成物連網路，那麼到底價值在網還是物呢？林百里說，看到這麼多公司會成功或失敗，就是因為他們搞錯了。林百里表示，很多失敗企業是連網的物，比方手環可連網，手環價值很小，物聯網 的公司若經營網會成功，經營「物」成功機會會很小。林百里強調，物聯網的生意其實不大，因為萬物聯網，每個裝置都只是一點點，做硬體的很辛苦，網才是價值，物聯網如果沒有智慧型服務是沒有用的，現在的物都沒有突破性，沒有辦法非要不可，商用價值不高。因此，物聯網後面需要有人工智慧或 5G ，才有真正的價值。最後談到台灣的創新投資時，林百里也指出，其實很多資金都在等，在看案子，好多創投朋友都用心找案子、找投資標。但是，市場是台灣很大障礙。林百里進一步強調，台灣對市場的了解不足是很大的問題，台灣不知道市場需要什麼東西，他舉最近看到1個案子，新創團隊開發美國停車場設備，是很簡單的雲端服務，但做得非常好，這服務很容易就賣掉了，因為他們了解當地市場對停車的需要，但台灣很多人做停車設備，都還是老方法，有創意，但對市場不瞭解。林百里說，因為台灣市場很小，必須去有市場的地方，但我們對商業型態不瞭解。林百里說，相信有好案子大家都會搶著投資，台灣有很多創意團隊去美國募資成果都非常好，但台灣不了解市場消費者行為，這是最大問題。(首圖來源:《科技新報》攝）
近期，科技金融（Fintech）已經成為全球金融業時髦的風潮！不過，根據根據特許金融分析師 (CFA) 協會的一項新調查，華爾街開始擔心，未來在科技金融逐步發展的情況之下，將會搶走相關從業人員的飯碗。根據 CFA 針對全球超過 3,000 名相關從業人員進行調查，發現大部分都認為，資產管理之類的理財顧問工作是最容易被科技金融顛覆的行業。因為，有 54% 的受訪者表示，該部門會感受到最大的變化，其次是銀行、證券和保險的部門。 隨著傳統金融服務的收費問題受到越來越多的關注，做為低成本替代品的機器人顧問最近屢屢見報。參加 Milken Institute 全球大會的華爾街高層日前就指出，整個金融界都應該擔心失業問題。 然而，並非所有類別的投資者都將受到同等的影響。調查也顯示，由於成本降低、可獲得的投資指導增多，受訪者一面倒的指出，一般大眾市場將受到最直接的影響。然而，對於高收入所得的金字塔頂端階層來說，則不會有太大的改變。 至於，由機器人來取代傳統人力擔任資產管理的理財顧問角色，一般人最為擔心的問題為何？調查中也明白的指出，一般人最擔心遇到有運算法缺陷的機器人理財顧問，其比率高達 46% 。其次則是個人資料安全的問題，比率有 30% 。而目前從事資產管理的理財顧問從業人員表示，科技金融的發展趨勢在未來 5 年內將不會改變。不過，對於機器人理財顧問未來在市場集資與貸款工作上的長期效益表示質疑。 （首圖來源: Flickr/Butz.2013 CC BY 2.0）
還記得不久前曾報導過的， Google 讓人工智慧（AI）閱讀了上千本言情小說嗎？當時，Google 透露了初衷是為了增進人工智慧引擎較缺乏的人性化與「口才」，但從其人工智慧引擎所「作」的詩來看，這些愛情小說教材似乎把 AI 教得有些怪裡怪氣。Google 在過去幾個月以來，讓 AI 引擎大量閱讀愛情小說，數量多達 2,865 本，目的是為了要改變 AI 引擎與人類對話時，過於制式化且缺乏感情與情緒的言辭，讓它學會更人性化的語調，甚至是了解言辭上細微的情緒差別。此外，除了這些愛情小說，Google 一共「餵養」了 AI 引擎 1.1 萬本書，其中也包括 1,500 本奇幻小說，希望能藉此讓 AI 引擎學習模擬人腦的運作與思維模式。在作詩之前，研究人員先從書中擷取 2 個句子，要求 AI 引擎在這 2 個句子之間寫出有意義的詩句，將句子串接起來，且語法上與語句構造都必須合乎邏輯。然而，從 Google 的人工智慧引擎寫出的詩句來看，經過這些小說的洗禮，似乎讓它的言辭變得有些怪裡怪氣，字裡行間散發出的不是感性，而是一股相當「詭異」的氣息，說它「詭異」真的一點也不誇張，只要看看下面的詩句，相信你就會明白了。it made me want to cry. no one had seen him since. it made me feel uneasy. no one had seen him. the thought made me...