麻省理工科技評論 (MIT Technology Review) 文章從科技發展的歷史，到科技的本質，以及因應方式深度分析機器人與人工智慧 (AI) 帶來的衝擊，告訴我們隨著時代演進，新科技發展從未停止過，也無可避免，但對人類的影響程度、好壞，仍掌控在政府、企業、消費者的手中，強調決策的重要性，特別是在經濟成長停滯的時代，追求生產力的同時更需要納入平等的思考。文章作者 David Rotman 指出，哥倫比亞大學創意機器實驗室 (Creative Machines Lab) 創辦人 Hod Lipson 是世界上最頂尖的 AI 與機器人專家，他主持的實驗室宗旨在推動機器參與人類生活的最大可行性，但他也開始擔憂，自動化與數位科技快速發展，取代許多人賴以生活的工作，從而幫另外一群人創造大筆財富，進而加深社會不平等。機器深度學習創造人工智慧，3D 列印也改變工業生產過程，過去一般認為科技雖然會摧毀許多行業，創造出許多更新更好的工作，但 Lipson 直言，「現在看來，科技讓許多行業消失也的確創造了更好的工作，但好工作並不多。」雖然貧富差距、薪資停滯等議題不見得與科技有關，但是科技是中產階級消失的部分原因。經濟學家普遍認為，許多人都不具備先進科技技術的相關訓練，同時軟體與數位科技取代了許多如會計、文書等日常工作，逼得這些人去做更低薪的工作，或直接離開職場。2007-2009 年金融危機後讓許多中產白領工作消失得更快，許多業務、行政工作，加上組裝工人與機器操作等藍領工作，佔美國所有工作總量的 50%，且對 20 歲世代的人影響最大，很多這個年齡層的人乾脆不找工作了。然而，更大的海嘯還在後頭，Martin Ford 新書中指出無人駕駛汽車與 3Ｄ列印等新科技，即將帶來的是一個失業的未來。有些人支持基本收入政策，保障人民有一個最基本的生活條件，另外一些人認為應該從稅制下手，讓有錢人多繳稅來幫助低薪勞工，這些都是強化社會安全網的手段。但這些政策對新科技快速發展造成的失業都於事無補，被科技中心模式排除在外的人，不僅是浪費許多有企圖心與天份的人才，還會創造龐大的社會財政負擔，基本收入政策對這些高風險職業的中產階級，或是在高薪工作中缺席喪失財務保障的人並無幫助。機器與 AI 到底讓多少工作消失目前無法量化，因為高科技提升生產力，同時也替其他行業創造許多工作，電腦科學專家普遍認為，機器人與人工智慧可以讓人擺脫瑣碎工作，從事更需要思考性的工作，且認為現在人太過吹捧 AI，但 AI 只不過是讓電腦運算能夠處理大量的資料，是過去運算技術的延伸而已，並不是什麼重大突破。倫敦經濟學院教授 Anthony Atkinson 就表示，「現在討論科技的方式就像科技是從另外一個星球來的一樣。」他認為科技進展無可避免，但最終要使用哪種科技，仍是掌握在政府、消費者、企業手中。政府與企業的決定會影響工作與收入分配，雖然很難精準的預測新科技造成的後果，但至少我們必須意識到將來會發生什麼事。部分決策來自於我們如何看待生產力，以及我們想從機器得到什麼。譬如生產力來自勞力與資本的組合，當機器與軟體等資本愈來愈便宜，工廠當然會減少人力使用，哥倫比亞大學經濟學家 Jeffrey Sachs 曾經預期機器與自動化很快會取代 Starbucks，但他的看法可能是錯的，因為 Starbucks 的成功從來不是因為咖啡便宜與效率，而是來自人與環境的體驗。再來是蘋果零售店，人員服務是很重要的一環，維持這樣的品牌印象仰賴的是人，而不是機器。因此科技會取代很多工作沒錯，但終究要看人們的選擇。Uber 也是一樣，採用科技讓叫車服務與付款更有效率，反而增加司機需求量。科技對失業的影響是可控的，Lipson 強調認為科技進步永遠是好事的思維必須改變，且必須提出解決方案，而這種解決方案並非抑制創新，而是要思考 AI 比人腦更好用的時候，要如何讓人參與其中，他認為這才是工程師面臨的最大挑戰。要創造充足的工作機會，仍然必須大幅投資在教育、基礎建設、生物科技與能源研究，Martin Ford 警告人類正進入一場由氣候變遷與技術失業釀成經濟壓力的完美風暴當中，而受影響程度要看我們選擇發明與擁抱哪些科技。譬如若採用自動化運輸，我們就要問是否會讓公共交通系統更安全，更方便，更節能，還是只是讓高速公路塞滿無人駕駛車與卡車之外沒任何好處。毫無疑問，解決就業機會下滑的方式就是經濟成長，無論是透過創新服務密集的商業模式如蘋果商店與 Uber，還是基礎建設與教育系統投資，經濟成長才能解除我們對機器人的憂慮。《第二機器世代》的作者 Andrew McAfee 指出，數位經濟會創造巨大的社會與經濟利益，但也可能降低對勞動力的需求，他認為政府必須提出更利於經濟成長的政策證明他的推論是錯的，他說，「資本主義的好處就是人們總會找到事情做。」但現在面臨最大的阻礙是經濟問題，變成只有少數人能受惠，只要看矽谷的財富分配就知道，矽谷可以是經濟成長引擎，同時也會增強收入不均。1968 年 J.C.R....
谷歌人工智慧(AI)系統「AlphaGo」，先前擊敗南韓圍棋棋王Lee Se-dol揚名國際。如今研發AlphaGo的團隊再下一城，宣稱能讓電腦說話的聲音更貼近人類，或許未來人們能和AI對話聊天。CNBC、每日郵報、英國金融時報報導，谷歌母公司Alphabet旗下的DeepMind 8日宣布研發新技術，能讓電腦合成語音和人類聲音的差距減少一半。DeepMind表示，長久以來，人機互動的夢想就是讓人類能和機器對話。當前的語音合成技術錄製人們實際說話的聲音，存放在資料庫，需要時把字句打散重組，合成為完整句子，此種方式生成的語音聽起來生硬不自然，也缺乏感情。DeepMind的「WaveNet」技術，能分析原始聲波，使用類神經網路(Neural Network)加以修正。此種技術需要龐大的運算能力，每秒要1.6萬個範本才能轉成數據、合成為語音。DeepMind表示，WaveNet生成的中英文，聽起來比谷歌現行技術自然許多。英文https://storage.googleapis.com/deepmind-media/pixie/us-english/wavenet-1.wav中文https://storage.googleapis.com/deepmind-media/pixie/mandarin-chinese/wavenet-1.wavDeepMind說，Wavenet能模仿所有人的聲音，還能加入感情和語調，讓電腦生成語音聽來更豐富多變。不此如此，他們還用該技術製造出類似鋼琴的琴聲。不過內情人士指出，WaveNet需要極大的運算能力，可預見的未來或許還無法使用在真實世界，目前也未用於谷歌產品。人工智慧(AI)再次締造里程碑，谷歌人工智慧系統「AlphaGo」，3月9日擊敗世界圍棋棋王Lee Se-dol，寫下歷史新頁。 英文、中文説話品質比較 金融時報(FT)、衛報報導，電腦早已征服西洋棋，1997年IBM深藍(Deep Blue)打敗了西洋棋王Garry Kasparov。圍棋比西洋棋更複雜，有上兆種可能性，需要靠直覺推演情勢，即便超級電腦都不容易上手。研發AlphaGo的谷歌DeepMind執行總裁Demis Hassabis說，AlphaGo的勝利是歷史性時刻。韓國解說員認為，AlphaGo下法神祕莫測，致勝關鍵在於不會受到情緒干擾。AlphaGo就算犯錯，仍能保持冷靜，不影響後面棋局。相反的，Lee因為一開始的失誤，苦吞敗仗。AlphaGo的勝利，可能意味人工智慧將更廣泛運用，人類工作岌岌可危。CNBC報導，人工智慧不斷進化，新創公司Thumbtack報告稱，當前所謂的「零工經濟」，將在20年消失。未來物流公司無需聘請人類駕駛，改用自駕車和無人機取代，叫車軟體優步(Uber)、零售巨擘亞馬遜(Amazon)都會加入此一潮流。另外，當前的高階工作者，如律師、會計等，工作也不再穩固，將成為新的零工經濟成員。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Google）
美國豪華電動車廠特斯拉（Tesla Motors）的自動駕駛（Autopilot）模式備受爭議，5 月佛州一起死亡車禍更引起美國國道交通安全管理局（NHTSA）的重視，為此，執行長 Elon Musk 努力了數個月，終於在 9 月 11 日宣布軟體更新，改變 Autopilot 對雷達、相機和影像處理系統的操作模式，宣稱如此一來類似佛州車禍的意外事故有機會避免，未來一、兩周內車主就可自行下載更新程式。The Verge、紐約時報等外電 11 日報導，Musk 召開記者會表示，特斯拉軟體更新 8.0 數周內就會釋出，之前 Autopilot 主要以相機、影像處理系統做為主要感測器，再以雷達確認資訊，但在更新之後，相機和雷達會同步偵測路上的障礙物，使系統提前偵測到過去可能會被忽略的撞擊事故。Musk 說，以雷達做為主要感測器是相當困難的技術，除非能把其他車輛連結至雲端，否則無法達成。他將這項技術稱為「車隊學習」（fleet learning），特斯拉汽車把雷達偵測到的周遭資訊回傳至雲端伺服器，讓所有特斯拉的車輛都能同步學習，辨識路上的障礙物，等於是把每一個用戶當成特斯拉汽車的訓練師。這麼一來，該公司就能以 GPS 在地圖上編碼，標示不會威脅到車輛的各種物件（例如天橋等） ，以防系統在沒必要時頻頻剎車，Autopilot 也能連年進化，辨識出正在過馬路的卡車、廢棄金屬甚至幽浮，並知道應該避開這些障礙物。即使客戶的車款較舊，Autopilot 也能持續改善，硬體完全沒有升級的必要。不僅如此，特斯拉的最新技術還能把雷達訊號彈射到前方車輛的底部地面，偵測被前方汽車擋住之處，是否有什麼突發狀況，有了這項科技，即使前方車輛在濃霧中事故，跟在後方的特斯拉汽車還是能順利躲開意外。假如特斯拉偵測到車輛即將遭到撞擊，那麼自動駕駛系統會強制啟動、為駕駛踩下剎車，並轉動方向盤降低撞擊的嚴重度。另外，駕駛人在開啟 Autopilot 後，經常會放鬆警惕，導致車禍意外。為此，新版 Autopilot 將增加警示頻率，若 1 小時內駕駛人因為手未放在方向盤上而 3 次受到警告，那麼 Autopilot 就會自動關閉，駕駛人須停車才能重新啟動。不過，若當前的交通停停走走，行車時速低於 8 英里，那麼駕駛人就幾乎完全不需把手放在方向盤上，系統會等到時速上升至 45 英里後、或是道路開始轉彎、前方有車輛時發出警示。（本文由 MoneyDJ新聞 授權轉載；首圖來源：達志影像）延伸閱讀： Tesla：Model S 致命車禍非自動駕駛系統之過
9 月 13 日，NVIDIA（輝達）在北京國際飯店會議中心召開 GTC China 2016 大會。在會上，NVIDIA發表了 Tesla P4 和 Tesla P40 兩款 Pascal 架構 GPU。本次集成了 72 億個電晶體管的 Tesla P4（2,560 個 CUDA 核心）和 120 億個電晶體的 Tesla P40（3,840 個 CUDA 核心）是用來讓用戶識別和查詢語音、圖像或文本的。Tesla P4&P40 的性能相當於 40 個 CPU，反應速度是 CPU 解決方案的 45 倍。同時，Pascal 架構能助推深度學習加速 65 倍，最新一代的架構 Pascal 是首個專為深度學習而設計的 GPU。今年 4 月，NVIDIA 推出過 Tesla P100 加速卡，它是用於執行深度學習神經網路任務的。速度是輝達之前高階系統的 12 倍，研發費用高達 20...
人們常說「不要從封面來判斷一本書的好壞」，但美國麻省理工學院和喬治亞理工學院開發的這套系統，卻能讓你從封面一眼看透書本的內容。原理先來了解一個概念：太赫茲輻射。這是一種電磁輻射，波長介於微波和紅外線之間。這種輻射通常用於安全性檢查，有點類似於 X 射線，但太赫茲輻射能夠辨識出墨水及空白紙張，這是 X 射線做不到的。由於不同的化學物質吸收不同量的太赫茲輻射，因此每種物質都擁有其獨特的頻率，傳感器根據反彈回的輻射波就能判斷所對應的物質。而這套「透視封面」的系統，正是利用太赫茲輻射這一特性來辨識文字。（Source：Lainformacion）為了區別每張獨立的紙張，工程們使用了短脈衝的太赫茲輻射來分辨墨水與紙張，生成字母的圖像。光有太赫茲輻射還不夠，辨識系統還需要多個演算法合作處理，以便創建清晰的列印圖像。麻省理工學院設計了生成 RAW 圖像的演算法，並由喬治亞理工學院進行了完善，使得模糊的原始圖片變為清晰的單個字母。 效果工程師們用一疊紙對成像系統進行了測試，每一張紙都印有一個字母。麻省理工學院透露，該系統已經能夠準確辨識出前 9 張紙上的字母。（Source：Latinformacion）應用然而，在這套系統能夠透過封面看全書之前，還需要解決消除傳感器噪音及乾擾的問題。一旦能做到這點，它將能夠閱讀一本 600 頁書的每一頁。（Source：ADSL Zone）該計畫已經引起了紐約大都會博物館的濃厚興趣，因為他們希望能將這一技術應用於查看古籍，而不需要接觸到這些珍貴書籍脆弱的紙張。 This new imaging system can read closed books （本文由 愛范兒 授權轉載；首圖來源：pcworld）
機器開始全面取代你我的工作，我們該如何面對未來？矽谷創業家、《被科技威脅的未來》作者馬丁‧福特以大量數據佐證與嚴謹分析，將完全顛覆你的觀點，重新思考我們即將面對的的未來。自動化與全球化把勞工逐出製造業，推動這群人進入服務業尋找新工作。這類轉變過程中往往出現短期失業潮，但從未演變成系統性或永久性問題，轉變創造了新就業機會，被逐出原產業而失業的人也終究會找到新機會。人工智慧領域的發展，讓未來幾年世界將發生驚奇的變化，這些驚奇不僅限於科技進步，還有科技進步對於就業市場及整體經濟造成的影響，這些影響將顛覆世人對於科技與經濟的看法。一直以來，社會普遍認為自動化構成的就業威脅主要是針對教育程度低、技能水準較低的勞動者，因為這類工作往往例行（routine）且重複（repetitive）。事實上，說到最可能受到科技發展威脅的工作，「例行固定」可能不是最好的形容詞，更正確的形容詞是「可預測性」（predictable）：別人能不能藉由查看你執行過的所有事務，學會你的工作？或者，某人能不能像學生準備考試那樣，藉由重複執行你已經完成的事務而變得熟練？若是的話，那麼，有朝一日，很可能有一套電腦演算法能夠學會你絕大部分或所有的工作。尤其是在「大數據」現象持續發展之下，這種可能性益增：組織收集每一個營運層面的巨量資訊，累積的大量職務相關資訊，就等一套智慧機器學習演算法問市，開始深入分析和學習其人類前任者留下來的紀錄資料。這一切演變與發展的結果是，擁有更高的教育和技術水準未必能夠有效保障你的工作將來不會被自動化。以專門判讀醫療攝影成像的醫事放射師為例，他們需要接受至少 13 年的教育和訓練養成，但是，現在的電腦愈來愈擅長於分析影像。不難想像，在不遠的將來，放射科影像判讀的工作可能會由機器執行。總之，電腦很擅於學習和取得新的技能，尤其是提供它們大量資料的前提下。 無法在新經濟中找到立足點初級職務尤其可能受到嚴重衝擊，證據顯示，衝擊已經在發生中，剛踏出校門的大學畢業生薪資在過去 10 年持續下滑，近五成的大學畢業生被迫接受不需要大學學歷的工作。包括律師、新聞勞工、科學人員、藥劑師等在內，許多高技術專業人員的就業機會已經被進步的資訊科技明顯侵蝕，而且受到衝擊的並非只有他們，多數工作都有某種程度的可預測性，很少人的工作是完全是靠創意或天馬行空地思考。伴隨機器取代可預測性質的工作，勞工將面臨一項空前的挑戰。過去，自動化科技往往較專業，一次只顛覆一個產業的就業市場，勞工能想辦法轉換至另一個新興產業。但現今的情形非常不同，資訊科技是通用型的科技，它的影響將是大範圍的，幾乎現存的每一個產業的勞力需求都可能因為新科技而降低，而且，這種轉變可能發生得很快。在此同時，新興的產業幾乎自誕生開始就採用強而有力的、節省勞力的科技，例如，Google 和 Facebook 之類的公司在變得家喻戶曉、達到高市值的同時，員工數相對於其規模和影響力而言可說是非常少。我們有充分理由可以預期，類似情境將在近乎所有的未來新興產業中上這一切顯示，我們即將面對經濟與社會的巨大轉變，過去對勞工和準備踏入職場的學生提供的建議可能不再管用。不幸的現實是，很多人即使做對了每件事，追求更高的教育和取得更多技能，仍然無法在新經濟中找到穩固的立足點。除了長期失業和低就業率對個人生活和社會結構可能造成的衝擊，我們要付出的經濟代價也很大，生產力、工資上升及消費支出增加這三者之間的良性迴路將瓦解。其實，這種良性反饋作用已經嚴重降低了：我們面臨的不均狀況並非只發生於所得方面，也發生於消費方面，目前，美國所得最高的前五％家庭囊括了總消費支出的近四成，幾乎可以斷定，這種消費集中於高所得群的趨勢將會持續下去。工作依舊是把購買力送達消費者手中的主要機制，倘若這機制繼續被侵蝕，我們將面臨有購買力的消費者太少而無法繼續在大眾市場經濟中驅動經濟成長的局面。（本文由 天下雜誌出版部落格-我讀網 授權轉載；內容節選自《被科技威脅的未來》） 書籍簡介 機器人端咖啡，電腦當醫生，數據分析愈來愈便利精準， 我們以為科技將創造新一波繁榮，卻低估了它推動世界變遷的速度！ 機器開始全面取代人類工作，所得更不均、失業更擴大的災難才開始！ 我們該如何面對未來？
在 2015 年，全球金融業巨擘們看待矽谷諸多金融新創還有如洪水猛獸，摩根大通（JPMorgan Chase）董事長兼首席執行長傑米‧戴蒙（Jamie Dimon）在年度致股東的信中以粗體字警告「矽谷來了」；不過 2016 年大有不同，如今是談論著各種支付，以及與技術公司之間建立的各種合作，新創不再被當成敵手，反而成為新商機。許多預言傳統銀行會被新創金融科技打敗的說法，如今看來日薄西山，並非這些新創金融沒有市場，線上群眾借貸等新服務仍然快速成長，只是傳統金融機構也同樣加入戰局，摩根大通、高盛（Goldman Sachs）、美國運通（American Express）等企業透過各種方式滲透新市場，包括與新創公司合夥、合作，為其提供資金，或是直接抄襲，而在貸款業務的經驗與背後的資金規模上，傳統金融巨擘當然還是佔上風。線上群眾貸款平台 LendingClub，在 2008 年金融危機後崛起，提供個人對個人貸款平台，但地區銀行很快發現這個平台有利可圖，參與其中大賺貸款利息，2016 年第一季，LendingClub 所安排的 28 億美元貸款中，有 34% 來自於社區銀行及其他傳統金融機構，較 2015 年第一季的 24% 大為增加。而許多 LendingClub 平台上的貸款戶背後有傳統金融機構撐腰，也就是說資金還是間接來自傳統金融。在 2008 年全球金融危機之後，傳統銀行風聲鶴唳，雨天收傘緊縮銀根，許多中小企業難以取得貸款，此時線上金融的興起，填補了這塊市場空缺，而其核貸遠比傳統銀行快速、手續簡便，更成為中小企業的及時雨，而利率當然比較高，提高了獲利空間，據 QED Investors 與奧緯（Oliver Wyman）的研究報告，這類貸款總額 8,000 億美元之中，有四分之一都由這類非銀行服務提供。而傳統銀行則滿足於為這樣的貸款平台提供資金，避免直接風險，如高盛就參與數年前線上中小企業貸款平台下一棒資本（On Deck Capital）3 億美元募資，然而現在金融巨擘不再想讓一眾新創平台靠自己的資金獲利，而是想親自進入這個市場。區塊鏈技術對傳統金融巨擘有利摩根大通於 2015 年 12 月與下一棒資本簽約合作，摩根大通將可利用下一棒資本的信用評分機制快速篩選客戶，之後才進入本身的貸款核准機制，摩根大通可藉此提高貸款核准速度，而下一棒資本則從貸款公司，轉型為金融服務提供公司。高盛計劃自己推出線上群眾募資平台。富國銀行（Wells Fargo）於 2016 年 5 月表示將建立針對中小企業的快速借貸平台，預計在 2019 年貸款額達到 1,000 億美元，美國運通也計劃成立線上貸款平台。在房貸部份，非銀行重新出發，如今佔據 70% 美國房貸市場，但表面上看來是銀行的損失，其實非銀行貸款機構背後大多是銀行資金支持。區塊鏈技術下誕生的比特幣等相關虛擬貨幣，原本有人預言將終結金融機構，但很快的世人就發現，其實區塊鏈技術對傳統金融巨擘可能更有幫助，各大金融機構宣布使用區塊鏈技術進行業務的的新聞宣告數量直線上升，2015 年第三季時不過二十幾件，到了 2016 年第一季，大增來到 56 件。區塊鏈技術能提升金融機構的內部運作效率，減少法規與跨國金融支付的成本，估計一年可為金融機構節省...
根據《華盛頓郵報》日前一篇針對蘋果 15 周年，而對執行長庫克 （Tim Cook） 所做的專訪中指出，庫克認為未來智慧型手機的發展關鍵將會是在人工智慧 (AI) 上。至於，當前非常火紅的擴增實境項目上，雖然庫克指出，蘋果正在大力朝這方面發展。不過，卻沒有針對即將開發的產品項目進行說明。而在未來蘋果是否發展 「Apple Car」 的問題上，庫克則沒有進行正面的答覆。在該篇專訪中指出，蘋果在過去的 4 季裡的營收大約是 1,410 億美元(折合新台幣約為 4.42 兆元)，這比思科 (Cisco) 、迪士尼 (disney) 、耐吉 (Nike) 3 家公司合起來一年的總收入都要多。然而，在蘋果最新一季的財報中顯示，支持營收最大來源的 iPhone ，其銷量下跌了 23% 。對此，庫克必須思考出針對蘋果未來新的成長動力。報導中進一步指出，在尋求蘋果新的成長動能方面，庫克表示，看看構成當代智慧型手機的核心技術，再去看看未來智慧型手機中的決定性關鍵技術。例如 「人工智慧」 這將使得智慧型手機對使用者來說更為必要。至於，對於擴增實境 (AR) 的部分，庫克則重申了他過去的說法表示，蘋果正在向擴增實境投入鉅資進行研發。不過，他並沒有對此明確的透露，蘋果的研發只是針對發展擴增實境軟體，還是會推出類似 Google 眼鏡、亦或者是針對 Magic Leap 和微軟 HoloLens 的專用硬體。他僅表示，「我認為，擴增實境非常有趣，是一種核心技術。因此，目前我們在幕後有很多工作正在開展。」最後，在專訪中記者提及了日前傳言滿天飛的蘋果 「Apple Car」 問題時，庫克的回答則是以解說其他的周邊話題帶過，並沒有對此做出正面的回應。因此，外界猜測， 「Apple Car」 目前或許也還沒有個定論，所以庫克也不希望外界有過多的聯想與猜測。(首圖來源:《達志影像》)
在距離傳言蘋果發表全新 iPhone 7 的 9 月 7 日還有 3 周左右時間的時候，蘋果 CEO 提姆·庫克（Tim Cook）接受了華盛頓郵報的獨家採訪，在接近萬字的採訪原文中包含了 Tim Cook 發表的關於任職 5 週年的回顧、蘋果成長甚至對於新技術 AI、AR 的觀點。蘋果 CEO Tim Cook 16 日也再次造訪中國，與少數幾家媒體談及了蘋果在中國市場的一些情況。 不想成為傳統 CEO在被問及企業文化等相關問題時，Tim Cook 曾表示不想成為傳統 CEO。「我認為傳統的首席執行長與客戶是脫離的。不少消費品公司的首席執行長──他們並沒有真正與消費者互動。我也認為，傳統的首席執行長認為他或她的工作是關心盈利和虧損，是關心營收報表、收入和費用、資產負債表。那些是重要的，但我認為所有重要的東西不能僅限於此。要對公司的員工、社群和經營所在國、組裝產品的工人、開發商，乃至對整個公司的生態系統高度負責。所以我可能持有一種非傳統觀念，為此受到一些批評，我承認。如果你關心股東的長期回報，上述所有事項都是非常關鍵的。」 分析師的分析意義不大來自一些市場的數據顯示，全球手機市場已接近飽和，而以手機為業務主體的蘋果公司得到了來自行業分析師的質疑，美國投資銀行 BGC Financial 分析師 Colin Gillis 在上個月的一份報告中認為，下一代的 iPhone 升級速度可能面臨風險，甚至比 iPhone 6s 還慢，後者的升級速度已經顯著慢於 iPhone 6。而之前丹麥盛寶銀行的股票分析師 Peter Garnry 在接受美國財經媒體 cnbc 採訪時指出，美國蘋果公司對於中國市場的需求存在誤解，其需要降低 iPhone 售價來進行競爭。從目前來看，中國市場已成了蘋果公司的重中之重。（Source：Flickr/dflorian1980 CC BY 2.0）「那煩不到我。因為說實話，他們在 2001 年就這麼說蘋果了。他們在 2005...
正在美國舊金山舉行 IDF 大會的半導體龍頭英特爾 （Intel）18 日宣布，由於人工智慧 （AI） 的應用越來越廣泛，也且預計未來市場也越來越多依賴人工智慧的應用，因此 Intel 將開發人工智慧技術的專用晶片，從而在人工智慧的領域中扮演更積極重要的角色。根據 Intel 在 IDF 上對開發者的表示，計劃於 2017 年推出新型號的 Phi 處理器。Intel 過去開發 Phi 一系列的處理器是針對了特別的科學類應用而來，而未來新型號的 Phi 處理器將導入加速人工智慧計算任務的功能。Intel 指出，新技術將給當前的深度學習 （Deep Learnning） 領域帶來幫助。尤其是在語音辨識、圖像辨識及自動駕駛等領域，深度學習技術將可藉此獲得到更多更強大的運算效能。過去，Intel 的 Phi 處理器已將在許多的資料中心被廣泛部署，並且也被用於許多的深度學習運算任務上。Intel 表示，Phi 處理器的產品線比標準處理器有更多的處理器核心。英特爾資料中心集團執行副總裁戴安‧布萊恩特（Diane Bryant）表示，2017 年推出的新型號將可以處理深度學習中專有的某些指令。而且，Intel 還強調，Phi 處理器可以運行大部分數據分析軟體，同時無需用到可能導致分析速度放緩的外部處理器，這也是 Phi 處理器相對於其他產品的關鍵優勢。過去，部分客戶在使用了 Phi 處理器的產品之後，也部署了用於人工智慧任務的輔助處理器。而這些輔助處理器則大多是來自英偉達 （Nvidia） 的所開發的 GPU （圖形處理單元）。一直以來都是許多國際性大公司，包括中國百度等企業在深度學習領域解決方案提供者的 Nivida，對此已經在官方網站上表示，Intel 發展深度學習領域是件好事，但他們應當陳述事實。尤其，在最新晶片的處理速度上，Nivida 仍要遠遠超過 Intel 的技術。而這樣的回應，也似乎宣告兩家公司在人工智慧領域逐漸掀起競爭的煙硝味。至於，在其他人工智慧領域方面，intel 日前還收購了專注於深度學習晶片和軟體開發德創新公司 Nervana Systems ，說明 Intel 將不只在人工智慧的處理器上布局，其他各應用層面 Intel...