對許多廠商的行銷部門來說，追蹤廣告成效是一件非常重要卻麻煩的事，數字和現實總是有著落差，究竟該如何確實統計產品在電視、網路的曝光率，如今這個問題似乎已經找出答案──透過人工智慧（AI）。史丹佛大學兼職教授 Reza Zadeh 在 2016 年創立 Matroid，用戶可以用來搜尋影片中含有的各種資訊，只需要列出他們的篩選條件，像是美國總統川普或是持槍的男子，也可以從公司預先列好的篩選條件庫中選擇，就可以在影片中找到特定的人物或產品。Matroid 的服務經常被使用在分析產品曝光率上，有些公司希望能追蹤哪些政治人物電視曝光較高，或是某個汽車品牌在哪些節目或網站上經常出現，一家公司更計畫在戶外宣傳看板上裝上攝影機，透過 Matroid 追蹤路人對廣告的即時反應。除了調查曝光率的企業外，希望用來做為審查監控功能的也不在少數。隨著警政機構的監視系統增加、居家保全系統和行車記錄器的使用量上升，Matroid 將幫助官方部門更快的尋找出在逃罪犯，警方也能夠在影片外流前用馬賽克避免掉民眾隱私權問題。彭博社報導指出，Matroid 服務的工作原理，首先是用戶選擇希望尋找內容的全部或局部照片，接著 Matroid 的演算法將從這些圖像中學習模式，然後創造出一個可以從其他影片、照片中找到相同內容的檢測器。Matroid 主要是由 New Enterprise Associates （NEA）贊助成立，NEA 的普通合夥人 Pete Sonsini 表示，Google 可以識別照片中是否有貓，但沒辦法再深入分辨貓是和祖父在一起，還是和聖誕樹或你兒子在一起。「如果有人能夠創造一個可以從數據庫中分辨系列圖片，或進行臉部辨識的檢測系統，那真的是十分了不起。」Sonsini 認為，圖像識別並不是個新穎的概念，但 Matroid 的處理方式是和過去完全不同的。Google、Facebook 和微軟都有聘用電腦視覺工程師來判定照片中出現人或產品，但多數公司都沒有足夠的人工智慧（AI）技術去完成這項任務，而 Matroid 正好能填補快速掃描大量影片畫面的需求。Zadeh 目前在一些會議中展示 Matroid 的服務，由於 Matroid 的潛在用途太過廣泛，加上許多公司也在進行競爭，他們希望能夠透過反饋決定要聚焦在哪個領域。 This AI Company Can Tell You What and Who Appears in Your Videos （首圖來源：shutterstock）
繼殖民火星和電動車量產計畫後，「鋼鐵人」馬斯克（Elon Musk）又有了新玩具。這位億萬富翁企業家最近創立了一家新公司，為了讓人工智慧（AI）能夠更好的幫助人類──不僅僅是靠外在的機器裝置協助，馬斯克未來希望將電腦與人腦連結，讓人類能趕上電腦的進步。「鋼鐵人」馬斯克45 歲的馬斯克是 5 個孩子的父親，是商人，同時也是未來主義者。除了 Neuralink，旗下的特斯拉（Tesla）正為了準時推出 Model 3 電動車忙碌中，同時太空探索科技（SpaceX）則在準備網路衛星發射和火星殖民計畫，超級高鐵（Hyperloop）也在緩步進行中。對一般人來說，馬斯克手中任何一項計畫聽起來都像天方夜譚，似乎必須耗盡所有心力才能達成，但在這樣緊湊的行程中，馬斯克還是想辦法找到時間踏入一個全新領域，先是處理棘手的腦部疾病，再來將協助人類免於被人工智慧（AI）超越。馬斯克對 AI 領域一直相當有興趣，但他的思考似乎總是快人一步，在所有人都還在努力發展 AI 技術時，他已流露出對 AI 發展的憂心。他認為未來人類的智能將遠遠被 AI 拋在腦後，為了協助人類趕上未來的 AI 技術，應該將電腦與人腦直接連結，將大腦「升級」提高性能。「升級」大腦趕上 AI說到與電腦連結，很多人或許想起的會是《駭客任務》（Matrix）或《攻殻機動隊》（Ghosh in the shell）裡的畫面，但馬斯克還沒有打算做這麼大的突破。根據華爾街日報報導，馬斯克最新創立的公司 Neuralink Corp.，主要目標是從事「神經織網」（neural lace）的技術開發，未來最終希望在人腦裡植入微電極，讓人能夠下載上傳思想。但以目前來說，Neuralink 將朝更實際的目標邁進，首批產品可能會是治療癲癇、重度憂鬱症之類腦部疾病的植入物，有點類似目前已用來治療帕金森氏症的腦深層刺激術（DBS）裝置，估計此類型市場規模將高達數十億美元。報導指出，位於加州的 Neuralink 目前仍在初創階段，Max Hodak 也是成員之一，對於公司服務他不願多說，只有證實馬斯克的確參與其中。根據了解，Max Hodak 是 Transcriptic 的創立者之一，該公司主要提供機器人操作解決方案的雲端平台，推動生物實驗室程序化，讓科學家在電腦旁就能進行生物研究。除了 Max Hodak 外，Neuralink 也聘請了許多領域的專業學者，包括美國能源部國研機構、勞倫斯利福摩爾國家實驗室（LLNL）的工程師和柔性電極專家 Vanessa Tolosa，加州大學研究大腦運動控制的教授 Philip Sabes，和波士頓大學教授 Timothy Gardner──他曾經在雀鳥大腦中植入電極，研究鳥類唱歌的機制。「神經織網」技術的未來報導指出，「神經織網」技術目前仍面臨幾個障礙，該如何找到安全的微創手術方式植入，該如何使其在大腦中保持穩定，該如何解碼紀錄數百萬大腦神經元的訊息，以及最困難的，該如何說服人們進行局部腦部手術。即使許多人對這項技術是否真能實現仍然抱持疑問，但這些對馬斯克來說，可能都不是太大的問題。在特斯拉生產電動車初期，曾經有傳統汽車製造商表示，馬斯克永遠不可能賣出一輛受歡迎的電動車，軍工業也曾經嘲笑他認為私人企業能發射火箭的想法。至今為止，馬斯克已經證明太多別人認為他不可能做到的事。如果 Neuralink 未來真能證明技術的安全和有效性，也獲得政府的批准開發，未來人們就真的能進行大腦「升級」手術，來提高認知功能，但這究竟會是多久以後的事情呢？近日《浮華世界》（Vanity Fair）雜誌中，馬斯克回應認為，「對於一個有意義的植入技術來說，我會說應該是四、五年後。」 Elon Musk Launches Neuralink to Connect Brains...
機器人與人工智慧（AI）在各行各業中逐漸展現影響力，不少人擔心自己的工作很快會遭到取代。跨國諮詢顧問公司 PwC 最新報告指出，美國在接下來 15 年內將有近四成工作會被 AI 自動化技術取代，不過，美國財政部長 Steven Mnuchin 則持不同看法，他認為現在談 AI 取代人們工作的事還太早，至少還要 50 到 100 年後才可能有影響。Mnuchin 近日接受外媒《Axios》專訪時表示，AI 大量取代美國人民工作一事不會那麼快發生，就算要取代也只會取代偏低薪的工作，而且會對生產力形成正面影響，所以根本不擔心。他甚至坦言這「不在他目前的關注範圍內」，態度相當樂觀。Mnuchin 此話一出，立即引來 NBA 達拉斯小牛隊老闆 Mark Cuban 回應。Cuban 透過個人推特帳號上以簡短的「哇噢」（Wow）表達看法。事實上，Cuban 之前曾批評川普（Donald Trump）政府根本不了解當前科技發展，他認為科技在接下來十年的轉變，會比過去三十年還要大，AI 和機器學習相關技術也會加速發展，取代人們工作也將成為趨勢，因此建議川普及其幕僚應進一步了解 AI 和機器學習相關技術，設法善用技術為人們創造更有價值的工作機會、保障人民生活。然而，Mnuchin 的說法某程度上似乎表明了政府立場，也等於跟 Cuban 與當前主流觀點背道而馳，因此從 Cuban 的回應多少可感受到他的驚訝與不以為然。▲ Mark Cuban 在推特發文回應 Mnuchin 說法。（Source：Twitter/ Mark Cuban）以目前技術發展趨勢來看，是否真如 Mnuchin 所說，AI 取代人們工作至少還要 50 年甚至 100 年後才可能發生？近年來各國已有不少研究機構對此提出調查結果，包括英國牛津大學馬丁學院（Oxford Martin School）與日本野村總合研究所（NRI）分析，機器人與 AI 會在未來 10 至...
在 1990 年左右，避險基金曾經興起過一波運用類神經網路技術的熱潮，但最終宣告失敗，如今隨著人工智慧（AI）的興起，一種名為「深度學習」（Deep Learning）的 AI 技術也為避險基金帶來一絲曙光。所謂的深度學習，主要是模仿人腦神經元工作模式，透過非線性、多層次且密集的方式互相連結，自動將大量數據中具代表的特徵（feature）抽出，可省下以往各領域專家分析研究所花費的時間。華爾街日報報導，有鑑於深度學習廣泛的利用價值，許多大廠已逐漸開始使用，像是特斯拉（Tesla）的自駕車和 Amazon 的智慧音響 Echo，一些大型避險基金也追隨科技圈的腳步前進，WorldQuant 開始利用這項技術進行小規模交易，Man AHL、Two Sigma 也正在評估中。由於先前的失敗經驗，有些公司仍持謹慎態度。在英國管理近 315 億美元（約 9,503 億元台幣）資產的 Winton Capital 就在聲明中表示，對於深度學習能夠解決投資管理的說法仍然抱持懷疑。但究竟什麼時候深度學習才會被避險基金普遍運用呢？考量到深度學習需要強大的電腦及大量數據，曾和深度學習領域權威 Yoshua Bengio 教授合作的電腦科學家 Nicolas Chapados 認為，大概仍需要 5 年的時間。報導指出，Facebook 的圖像辨識技術之所以能成功，主要是仰賴社交媒體用戶上傳的無限量數據進行深度學習，然而金融市場的數據有限且總是在變化，預測股價等市場波動變得更困難，這也是為什麼相較科技產業，避險基金在深度學習的使用進度上明顯落後。Alpaca 的聯合創始人原田（Hitoshi Harada）表示，雖然深度學習技術可以很快將市場中數百萬個數據建立出相互連結關係，但在數據量不足的時候，會難以建立一個很好的模型。Winton Capital 的研究人員認為，即使深度學習技術還有很多挑戰要面對，但未來帶給對沖基金的將不會是一場革命，而是一款好用的武器。「技術的進步能協助我們改善流程，未來仍會針對深度學習進行長期研究。」 Hedge Funds Are Training Their Computers to Think Like You （首圖來源：shutterstock）
今年 2 月，長期隱身的自動駕駛汽車技術研發公司 Drive.ai 悄然上線，發表了一段長約 4 分鐘的影片。影片中，一輛測試汽車在雨夜中穿行美國加州山景城（Mountain View）的街道，全程駕駛員的雙手都沒有碰到方向盤，沒有任何干預動作。我們找到 Drive.ai 的聯合創始人王弢，和他聊了聊 Drive.ai 背後的設計理念和核心技術。Drive.ai 想為商業車隊提供包括感測器組合、控制系統和車內外互動介面在內的後裝套件，達到特定路線（如外賣、計程車等）的 L4 級別自動駕駛（即在任何情況下都不需要人工干預）。感知方面，Drive.ai 後裝套件中的感應器包括多個鏡頭、雷達和雷射雷達，這樣的組合可以在某一感測器出現錯誤或故障的情況下提供支援，譬如鏡頭和雷達可以在雨雪霧等極端天氣中，為精準性下降的雷射雷達提供環境感知。值得一提的是，大部分自動駕駛技術提供商採用高精確度地圖來彌補感測器缺陷、為自動駕駛提供資料支援路線規畫，而 Drive.ai 則想避免使用維護和營運成本很高，且臨時變數不可控的高精確度地圖，目前使用的是自己收集資料生成、不包含 3D 空間內物體資訊的 2D 地圖，未來會和第三方地圖供應商合作。決策方面，不同於一些起步較早、技術路線基於傳統機器人學習的自動駕駛技術提供商，Drive.ai 使用的是基於非規則學習的深度學習網路模型，這有 3 項優勢。其一，場景泛化。規則學習雖然可以快速建立起應對八、九成場景的決策系統，面對新的和罕見情況卻很難可靠應對；非規則學習的泛化能力，讓它更即時理解資料並解決此類長尾問題。其二，複雜決策。大量算例支援下的非規則學習，有複雜決策方面的優勢，這已在 AlphaGo 等深度學習程式中體現。未來會有很長一段時間，路上會有自動駕駛車輛和人工駕駛車輛共存，而自動駕駛所需的複雜決策（是否超車、變換車道等）與圍棋相似──觀察對方的動作，進行自己下一步動作，合理獲得路權。其三，硬體需求。自動駕駛過程中，感測器每小時會採集幾十 GB 的資料流，儲存和計算都是很大的挑戰。利用非規則學習而非現成的知識程式庫進行決策，對計算晶片的效能要求相對較低，在計算能力相當於個人電腦的車載裝置上，即可完成核心資料處理。非規則學習的核心、也是進展困難，是大量標注的資料，以及大量的實驗試錯。Drive.ai 的資料源包括採集車收集的真實資料，和模擬器生成的各種場景（包含極端情況）的模擬資料。對這些場景中出現的物體（如車輛、行人、自行車等）進行標註，是個技術瓶頸──每小時車程收集的資料需要 800 個小時的人工標註，而王弢告訴 36Kr，Drive.ai 利用自己的標註系統進行半自動辨識和標註，比其他公司快 20 倍，能在短時間內擷取到更多有用的資料。在實驗方面，Drive.ai 的團隊同樣有較多積累。譬如在使用大規模顯卡（CPU＋GPU）集群進行大規模神經網路訓練方面，Drive.ai 就擁有市面上最快的大規模並列計算軟硬體基礎架搆。之前 Google 曾使用千餘台機器完成當時世界最大的深度學習神經網路，Drive.ai 彼時在史丹佛的團隊用 16 台機器、十分之一的成本就可重建。非規則學習的問題在於演算法不可解釋：「端到端」的訓練中，策略規畫有不透通的區域，原理和機制並不明確。針對這個問題，Drive.ai 採用當下學界主流的生成式對抗網路（GANs），將完整的端到端系統拆分開來，在涵蓋大多數場景的標準化測試機上，對決策機制的不同部分進行驗證和測試。在達到自動駕駛功能之外，Drive.ai 認為自動駕駛車輛與其他通勤者的溝通同樣重要，因此設計了包括 LED 顯示螢幕和音響系統，向行人和自行車示意自己的行為。這些人車互動（human-robot interaction，HRI）部分的設計還在持續開發中。▲ Drive.ai 在車頂裝載了一個 LED 察看螢幕，用於向行人和其他駕駛者傳遞文字資訊和 emoji 表情。已經獲得美國加州無人駕駛路測執照的 Drive.ai，現處於路測階段。雖然...
英特爾 CEO Brian Krzanich 最近接受 CNBC 採訪時表示，英特爾有望在 2024 年前後做到自動駕駛。Krzanich 說：「（為了實現這一目標）現在需要做的就是和汽車製造商討論 2020~2021 年的車型，我們需要從這個階段就涉足並開發平台。」Krzanich 還提到 3 月初以 153 億美元收購 Mobileye，並稱英特爾可以藉此得到後者的電腦視覺技術，為無人駕駛汽車提供視覺，幫助其「看到」周圍環境。英特爾則為無人駕駛汽車提供「大腦」，用於完成自動駕駛的運算過程。另外，Krzanich 還在一封發給員工的郵件中說，汽車和汽車工業越來越看重資料和計算能力，「汽車引擎蓋下的東西」不僅是指引擎，還越來越指計算能力。針對收購 Mobileye 之後英特爾股票下跌的情況，Krzanich 表示，還需要花更多時間向投資者解釋 Mobileye 技術的長期價值，這種價值不僅用在汽車上，還將用在無人機和機器人上。「它的價值在於電腦視覺，以及電腦視覺將如何改變世界。」Krzanich 說。收購 Mobileye 是英特爾成立 48 年以來規模第二大收購交易，這種大手筆交易顯示英特爾在錯失智慧手機市場後在自動駕駛領域戮力的決心。在此之前的 2016 年 8 月，英特爾一次收購了 4 家自動駕駛相關公司，包括自動駕駛汽車安全工具 Yogitech、OTA 技術公司 Arynga、視覺處理創業公司 Itseez 和 Movidus。今年 CES 上，英特爾還發表自創的自動駕駛平台級產品：Intel Go，這是全球首個應用 5G 技術的自動駕駛平台，旨在連線汽車與英特爾的雲計算服務。同時英特爾還宣布，到 2017 年底，將有約 40 輛使用 Intel Go 平台的 BMW 汽車上路，當然它們還不是完全的自駕車。不斷收購及英特爾在晶片技術上的積累，讓英特爾獲得雷達感測器、視覺處理、OTA...
Algorithmia 的創始人 Diego Oppenheimer 認為，Algorithmia 存在的意義是為了「對抗 AI 霸權」，而霸權擁有者就是諸如 Google、Facebook 等巨頭公司，它們集中了最多的 AI 科學家，發明新演算法、攻破難題，主宰著人工智慧的世界。有微軟背景的 Diego Oppenheimer 想要做的，就是讓 Algorithmia 成為一個開放式演算法市場，一方面挖掘那些隱藏的演算法，另一方面幫助網路企業、開發人員甚至普通人提升「AI 能力」，讓演算法使用起來更簡單、更有效。▲ Diego Oppenheimer。（Source：Algorithmia） 在他看來，演算法能夠解決問題，如果擁有很多演算法，就能解決很多問題。然而大多數情況下，學術界把演算法寫在論文中發表，但工業界卻無人知曉；另一方面，大量網路企業擁有數據，卻沒有算法或不懂如何利用演算法，處於「無意義」狀態。簡單來說，如同下載 App 的應用商店，Diego Oppenheimer 為了解決上述問題，創建了一個「演算法商店」。在「商店」中，演算法開發者（包括學院、科研機構等）將其發明的演算法共享並定價，App 開發者透過瀏覽和查詢找到自己想要的演算法，完成支付，Algorithmia 的雲端平台就可以反饋結果，進而避免將演算法直接集成到應用中的過程，降低了 App 開發者實現演算法的門檻。當然，演算法作者也可以選擇開源，讓 App 開發者自己集成到其應用中。Algorithmia 顯然更希望 App 開發者們透過其雲端服務平台進行操作，雖然簡單便利難度低，但也有個不容忽視的問題──那就是 App 開發者必須要將其數據交給 Algorithmia 的伺服器進行處理，這一方面涉及資料安全問題，另一方面涉及大數據運算的性能問題。在 Algorithmia 出售的演算法，如同 App Store 中的 App，用戶可以對其評分、評價，並顯示使用次數。從官網可了解，迄今已有超過 3 萬名開發人員在使用該「演算法商店」，並有 2,500 個演算法「上架」。至於是否能讓演算法作者們賺到錢，我們不得而知。2017 年，Algorithmia 上榜了調研公司 CBinsights「最值得關注的 100 家人工智慧公司」，但在融資方面則似乎進展遲緩，雷鋒網編輯在 Crunchbase 網站上搜尋後發現，自...
美國當地時間 3 月 13 日，英特爾 CEO Brain Kranzanich 在接受 CNBC 採訪時表示，自動駕駛汽車將會於 2023 年或 2024 年開始大規模普及，而英特爾希望成為引領趨勢的公司。Krzanich 表示，雖然看起來還有很長一段路，但起步非常重要。「現在汽車廠商都在規劃 2020、2021 年的車型，我們必須涉足其中，開發（自動駕駛）平台。」就在採訪前，英特爾剛宣布以 153 億美元將以色列 ADAS 及自動駕駛公司 Mobileye 收入囊中，這筆交易會讓英特爾擁有 Mobileye 的電腦視覺技術和相關人才。Krzanich 稱，Mobileye 可以為自動駕駛汽車提供「眼睛」，而英特爾則可以提供「大腦」，將兩者的技術結合到同一個平台，有助於立法者監管自動駕駛技術。Krzanich 在一封內部信中寫道：「很多人問『為什麼我們認為自動駕駛汽車隊對英特爾的未來如此重要』，答案就是：資料。汽車及汽車工業越來越依靠資料和計算能力，『引擎蓋下的東西』（What’s under the hood）將會越來越多指向計算能力，而不再是馬力。」CFRA Research 分析師認為，雖然收購 Mobileye 將會幫助英特爾加速進入高速發展的自動駕駛汽車市場，但英特爾對 Mobileye 的估值過高。3 月 13 日收盤時，英特爾的股價下跌將近 2%。Krzanich 稱，關鍵在於花費更多時間向投資者解釋 Mobileye 技術背後的長期戰略意義。「它們不僅可以用於汽車，也可以用於直升機的瞄準影鏡頭、高階無人機、機器人等其他高階智慧裝置。（收購 Mobileye 的）真正意義在於電腦視覺，以及電腦視覺將會怎樣改變世界。」 Intel CEO: We’ll see self-driving cars by 2024...
為因應亞洲跨螢市場需求及延攬更多全球頂尖人才，專精於人工智慧（Artificial Intelligence，AI）與跨螢技術的新創公司沛星互動科技（以下簡稱 Appier），於 15 日新春喬遷記者會中宣布將攜手全台各大專院校，透過「Appier 人工智慧與資訊科技頂尖研究獎勵計畫」提供新台幣 500 萬元獎學金助台灣學子躍上國際 AI 舞台；同時，Appier 也將啟動新一波人才招募計畫，號召逾百位新血，匯聚頂尖 AI 人才與技術能量，讓全世界看見台灣的軟體實力。在種子與 A、B 兩輪募資獲得 4,950 萬美元（約新台幣 15.8 億元）資金挹注的 Appier，2017 年被美國《財富》雜誌評列為「引領全球 AI 革命的 50 家企業」，並被國際知名市調機構 CB Insights 選為「全球 100 家最具影響力的 AI 企業」，成為唯一入選的台灣團隊。Appier 執行長暨共同創辦人游直翰表示：「Appier 成立 4 年來，專注於開發人工智慧的各種商業應用，並持續拓展營運版圖。我們的目標是網羅全球優秀人才，在台灣打造世界級的 AI 應用與服務。Appier 搬到新的辦公室，期望以更大與開放的空間匯聚更多能量，讓台灣成為我們的亞洲 AI 創新基地。Appier 希望能扮演 AI 孵化器與 AI 加速器的角色，串連產學能量，培育新興人才，讓 AI 不再只是實驗室的理論。」▲ Appier 首席資料科學家林軒田分享 AI 三大應用趨勢。為了緊密接軌學術研究與產業需求並活絡產學人才，Appier 於 2016 年率先延攬台灣大學資訊工程學系林軒田副教授擔任首席資料科學家...
微軟創辦人比爾蓋茲（Bill Gates）蟬聯全球首富 23 年，日前國際組織樂施會（Oxfam）估計，比爾蓋茲可望在 25 年內成為世界首位資產破兆美元的富豪。不過，美國 NBA 達拉斯小牛隊老闆庫班（Mark Cuban）則有不同看法，他大膽預測，全球第一位兆元級富豪，將會是從事人工智慧領域的企業家。庫班在買下達拉斯小牛隊前已是名網路創業家，1999 年將所創辦的網路公司 Broadcast.com 以 57 億美元賣給 Yahoo 後，一舉躋身億萬富豪之列，並活躍於網路科技創投事業。近日庫班在美國德州奧斯汀的 SXSW 年度大會中表示，隨著科技快速發展與進步，未來十年的轉變將比過去三十年要來得大；而在電腦處理效能不斷增快、數據資料大量累積之下，也將推動人工智慧（AI）應用於各行各業，保險業便是其中之一。Google 近年來也藉由發展 AI 技術，成功為公司增加了 90 億美元營收。庫班直言，全球第一位兆元級富豪將會是專精於 AI 相關技術的人，而且懂得將技術活用在別人意想不到之處。「現在無論如何得加速發展深度學習、神經網路等技術，否則就等著輸，」庫班說，「我們正處於軟體與自動化科技發展自動化的過程中。」在這樣的趨勢下，原本較具優勢的工作與技能條件，也將因為受到 AI、機器人取代而產生變化。庫班日前曾痛批美國總統川普（Donald Trump）推動製造業回流的做法，他認為自動化取代人力已是必然趨勢，川普政府應多加了解 AI、機器學習相關技術發展，光是要求企業在美設廠，並不會創造更多工作機會、降低失業率。庫班為此在 SXSW 大會上呼籲與會者，一起想辦法為失業的人們創造更有價值的工作機會。 Mark Cuban: The world’s first trillionaire will be an articial intelligence entrepreneur Mark Cuban thinks the world’s first triilionaire will work in artificial intelligence The...