原標題：愛智慧科技梁新剛：用AI輕咨詢突破“算法壁壘”，引領傳統行業擁抱人工智能 2016年，梁新剛帶領著國內規模最大的商業WiFi運營商“百米生活”成功登陸新三板，估值達10.7億人民幣。這個在全國范圍內鋪設了超過31萬個Wi-Fi熱點，項目落地城市達315城的企業注定前途無量。 在別人看來，“百米生活”蒸蒸日上，已功成名就。可這對于梁新剛而言，一切才剛剛開始。幾個月后，他在常人所不能理解中，宣布退出“百米生活”，轉身再創業。 一次次地將自己推出舒適圈的梁新剛，不斷去尋找關于未來的更多可能。這一次，他把眼光對準了人工智能。2016年7月，深圳市愛智慧科技有限公司成立。 深圳市愛智慧科技有限公司創始人梁新剛 作為一名連續創業者，梁新剛一直走在追趕創新的路上。 擁有北京大學計算機碩士頭銜的他，曾在華為跨市場、財經兩個體系中工作長達7年。離開華為后，梁新剛就開啟了人生中第一次創業—“百米生活”，憑借企業家的膽識、冒險精神和創新意識，在互聯網領域中確定了自己的相對優勢地位，過硬的專業能力和豐富的互聯網經驗......成為了他第二次創業路上的籌碼。 沖破人才迷霧，砥礪進擊 因為新三板上市公司“百米生活”前CEO這一身份，作為知名企業家的梁新剛是自帶流量的，第二次創業剛起步，愛智慧科技就獲得了種子輪投資。 可喜悅的甜頭還沒嘗清，梁新剛發現，原來擺在他面前的最大難題是人工智能人才的缺失。他跟創成匯透露，萬事開頭難，創業初期自己曾執著到用關鍵詞去搜簡歷，“當初我一個一個全部打開看完，哪怕是一年前上傳的簡歷，依然打電話詢問他是否已找到工作?！? 公司慢慢開始步上正軌，越來越多優秀的人才加入進來。在對待人才上，梁新剛始終拿出極大的誠意，根據公司能力盡可能提供相對豐厚的待遇。他認為公司的發展前景跟每一個員工的努力都是分不開的。在公司成立半年后，梁新剛就建立了員工持股平臺。他希望以此來激勵大家，統一團隊共同的目標。 “我認為股票期權有助于吸引高層次人才。我把25%的股份劃給員工持股平臺，這個比例還是比較高的。硅谷常見的比例是15%，國內企業一般是10到15%的比例。考慮到人工智能領域的創業，人才是相當重要的，所以我愿意拿出更大比例的股份來激勵我的團隊?！笨墒羌幢闳绱耍疽琅f面臨著深圳的高科技企業間的人才流動的挑戰。 定義AI賦能，尋找適合自己的路 當今企業客戶渴望擁抱人工智能，卻大多苦于企業內部沒有兼通AI與業務的人才而無疾而終。在梁新剛看來，要通過人工智能來輔助各行各業，必須先了解客戶和業務。 “AI賦能”本質上是技術咨詢，所以平臺的價值定位是以AI為企業賦能的解決方案平臺，用AI輕咨詢共享服務平臺為企業提供知識自動化服務。 “我們團隊具備豐富的商業咨詢經驗，始終把客戶角度擺在首位；大家理解和沉浸業務場景多年，具備資訊和行業能力，學會了以中臺技術架構來為客戶解決問題。在競爭優勢上，團隊構建了‘以全產業鏈知識圖譜為核心的中臺技術架構’支持AI賦能項目的沉淀、復用、和對外服務接口，來實現項目規?；瘡椭?。 他坦言，“我們采用AI和大數據分析等技術來服務企業，以智能運營平臺和知識自動化服務為中小企業優化市場營銷和提升業務運營效率；以開放的眾包匯智平臺的模式，吸引行業專家，以‘行業方案集市’共享模式服務各行業?！? 近些年來，AI算法雖然依舊重要，但從嚴格意義上來講，已經不再構成“壁壘”，因為大量算法和通用平臺已被開放出來。AI賦能企業目前最關鍵的在于“咨詢和解決方案能力”，平臺能夠迅速理解行業痛點，提出咨詢思路、并以技術來落地。 AI為產業互聯網賦能，是一個巨大的市場。以平臺化運作，是一條雖艱險、但會有大成的道路。而目前國內整體大環境并非太好，正值資本寒冬之際。梁新剛深知，資金是這條發展道路上需要面臨的最大挑戰?！安荒芤晃都南Ｍ谕顿Y機構，我們需要做項目，賺營收，然后投入到AI賦能平臺的建設和運營中去?！? 梁新剛深諳用戶痛點，通過凸顯產品的競爭壁壘，走出一條適合自己的創新之路。目前愛智慧科技已經成功獲得了軍工、物流、新零售、金融證券等行業的客戶。 2017年9月，梁新剛團隊在經歷了4600個參賽企業和團隊的競爭，七輪比賽的淘汰，數十位專家評委嚴厲的考察后，脫穎而出站在了第九屆深圳創新創業大賽的冠軍領獎臺上，他賽后謙虛的把這歸結為“實力和運氣”、“是我太幸運”。從創立公司到獲得認可，這一年來，梁新剛每步都走的穩扎穩打。 2019年，他以愛智慧科技CEO的身份活躍在這個AI的大舞臺上，這個曾卓犖不羈的男人感慨萬千，“我兩次創業，經歷了很多曲折變遷。我想和創業路上的朋友分享一點感悟：創業，如同在刀刃上行走，遠見vs現實,規模vs成本，每天都在權衡。所以，創業者既要堅守初心但又不能迂執。” 據了解，愛智慧科技已獲得種子輪、天使輪投資。當前正在進行PreA輪融資，需融資1200萬，出讓10%的股權。 當我們從當下所處的角度回眼觀望，正是那些敢于打破常規、不斷創新求索的時代先行者，為世界的每一步精進與完善提供著有據可循的線索。正如梁新剛所說：“人生如倏忽劃過夜空的流星，總想劃出一道亮痕。”他們不甘于循規蹈矩、不囿于已有的成就，他們執著進取、勇于突破，引領著世界前行的腳步。 ? 原文鏈接:?愛智慧科技梁新剛：用AI輕咨詢突破“算法壁壘”，引領傳統行業擁抱人工智能
據俄羅斯衛星通訊社sputniknews報道，俄羅斯專家、《無人機》雜志主編丹尼斯·費杜季諾夫對衛星通訊社表示，美軍研發的木制無人機有很多優點。 一次性無人機研究項目由美國海軍陸戰隊和國防高等研究計劃署（ DARPA ）提出。項目旨在研發一種低成本貨運無人機。1月，這款無人機再次成功進行了試飛。計劃研制2種無人機，載重300公斤的 LG-1K和載重700公斤的 LG-2K。在空投速度280公里/小時的情況下，無人機的最大飛行距離約為110公里。 費杜季諾夫說：“為了降低生產成本，無人機零件多是由可抗風雨的膠合板制成。 機身主要被貨艙占據，機尾安裝有少量必備控制設備?！? 專家表示，雖然設計、材料都很簡單，但這種一次性無人機完全能夠滿足要求。 它即可以自主飛行，也可以通過無線電控制飛行。 專家指出，一架這樣的無人架，采購費用在1500美元至11000美元之間，可使用各類運輸機或直升機空投，對防空部隊來說，這是一個極難攔截的目標。 2年前，在華盛頓舉辦的軍事展覽會期間提出戰術空投無人機概念。 無人機由總部設在加利福尼亞的美國Logistic Gliders Inc公司設計并制造。無人機LG-1K無人家機長3.2 米，翼展7.1 米，無人機LG-2K無人機機長約4 米，翼展8.4 米。
智能網[http://www.znw.com.cn/]消息，《自然》學術期刊進行的研究表明，人工智能根據乳腺X線影像對乳腺癌做出的診斷比醫生更準確。 ? 由谷歌健康部門和倫敦帝國理工學院科研人員組成的一個國際科研小組在分析了2.9萬名婦女的乳腺X線影像后研制出一個電腦模型。 ? 試驗時使用了匿名人士的照片。目前，醫院里的一名女性患者乳腺X線影像通常由兩名專家共同分析。極少情況下會有第三名醫生介入。與此同時，醫生為了能正確解讀乳腺X線影像，需要接受10年以上的專業培訓。 ? 新的專業電腦模型在正確診斷率上與兩名一起工作并熟悉患者病史的醫生相同。 ? 研制出這一模型可幫助數千名婦女快速地做出正確診斷。比如，目前英國的衛生系統缺乏約1000名放射科醫生。 ? 根據預測，以后一名放射科醫生控制設備就可以做出正確的診斷 。設備就像一位不知疲倦的普通醫生。 ? 科學家正準備完善這一發現。 ?
? 從4月10日應戰，到5月22日晚賽前深夜發文《最后的對決》，柯潔代表的人類世界第一，賽前便被各方斷言勝率為零。 ? ? “無論輸贏，這都將是我與人工智能最后的三盤對局?！? ? “我會用我所有的熱情去與它做最后的對決，不管面對再強大的對手——我也絕不會后退！至少這...最后一次...” ? “可它始終都是冷冰冰的機器，與人類相比，我感覺不到它對圍棋的熱情和熱愛，對它而言，它的熱情——也只不過是運轉速度過快導致CPU發熱罷了。” 5月23日至27日，圍棋峰會在烏鎮召開。根據賽程安排，23日、25日以及27日，柯潔與AlphaGo分別展開三場較量，獲勝方將獲得150萬美元的巨額獎金。最終，柯潔0:3不敵AlphaGo。而26日舉行的團隊賽中，五位世界冠軍也慘遭團滅。 ? 回顧：“下得很精彩”與“輸得沒脾氣” ? 5月23日第一局，經過4小時17分37秒的鏖戰，AlphaGo執白以1/4子戰勝柯潔，賽后發布會上，柯潔表示，“AlphaGo是太厲害了，我輸得沒什么脾氣”。作為一個職業棋手，如何在棋局中拿下對方贏得勝利是柯潔的使命。但他卻不得不承認，AI進步速度太快了，AlphaGo和去年相比判若兩人，“當時覺得它的棋很接近人，現在感覺越來越像圍棋上帝。” ? “我希望我盡全力去拼每一盤，也希望自己給大家帶來圍棋的快樂?！笨聺嵧嘎?，這三場比賽將是他與人工智能的最后3盤棋。“希望不留遺憾，下出好棋，讓AlphaGo主機更發燙一點也好?！? ? 5月25日，中盤柯潔投子認負，卻被DeepMind創始人、AlphaGo之父哈薩比斯譽為“逼出了AlphaGo的極限”?？聺嵵苯犹羝鸹鞈穑宫F人類棋手的最強實力，卻在“當時認為自己離勝利很近了”的時候，由于太緊張而丟了本占上風的棋局。“可能這也是人類最大的一個弱點，我捂著胸口是想按著自己的心臟讓它跳得慢一點?！? ? ? 比賽開始一小時后，哈薩比斯發推特說：“難以置信！根據AlphaGo的判斷，柯潔今天表現完美！”在業內人士看來，柯潔發揮極其出色，前100步都和對手勢均力敵。 ? 有趣的是，本局AlphaGo執黑，開局第一步沒有按慣例走右上角，而是下在了右下小目，這在人類對局中被認為是“失禮”。局后DeepMind創始人哈薩比斯特意就此向柯潔表示了歉意， 解釋說：“因為AlphaGo不會分辨‘上’和‘下’，對它來說，棋盤是對稱的?！? ? 5月27日最后決戰，弈至209手，柯潔拿起兩顆棋子盤上示意認負。至此，人機大戰三番棋結束，柯潔0:3負于AlphaGo。 ? ? AlphaGo 2.0 : 技術重大提升，脫離人類經驗 ? 圍棋起源于中國，至今已有四千余年歷史，一直以來被認為是世界上最復雜的棋類游戲，也是智慧的象征。如果說，是人類的智慧造就了AlphaGo，那么AlphaGo也將讓我們重新認識智慧的邊界。 ? AlphaGo 1.0 版本主要結合了三種算法：蒙特卡洛樹搜索+監督學習+增強學習。其中，蒙特卡洛樹搜索是一種優化過的暴力計算；監督學習是通過學習3000萬步人類棋譜，對六段以上職業棋手走棋規律進行模仿；而增強學習作為輔助算法，是兩臺AlphaGo從自我對戰中學習如何下棋。 ? DeepMind團隊透露，新的 AlphaGo 程序運行在單個谷歌云服務器上，由 TPU 芯片進行計算處理。算法上也進行了革新，它所需的計算能力僅需與李世乭對戰時的 10%，自我對弈能力更強。去年，AlphaGo 的模型中有 12 層神經網絡，而在以Master 名義出戰時，深度已有40層。 ? ? 根據公開資料推測，此次AlphaGo2.0的技術原理與之前有著巨大不同：一是放棄監督學習，不再使用人類棋譜進行訓練。這意味著突破了“機器學習依賴優質數據”這一限制，走棋風格也將脫離人類經驗。二是放棄蒙特卡洛樹搜索，不再進行暴力計算。理論上，算法越聰明，就可以大大減少暴力計算，AlphaGo 2.0 下棋的速度也印證了這一點。三則是極大強化了增強學習的作用，機器開始自我學習積累經驗。 ? 人機大戰中，AlphaGo 不斷出現令人意想不到的走棋，跳出人類的思維定式，甚至完全顛覆人類對圍棋的理解。發現一個有趣的現象，我國棋手開始尊稱AlphaGo為“阿老師”，也從側面表明人類開始向機器學習，重新認識圍棋。 ? ? AlphaGo與金融科技 ? 2016年3月，第一場AlphaGo與李世石的人機大戰開啟了人們對人工智能的全新認識。2016年也被業界看作“認知計算元年”。放眼商業時代，金融行業被認為是“認知智能”最具前景的應用領域之一。創新工場董事長兼CEO李開復曾多次在公開場合看好“AI+金融”。 ? 金融科技，也稱為程序化交易或者量化投資，可以理解為人工智能在證券投資領域的一個子分支，或者其技術在證券投資領域的具體應用。 ? 量化投資的關鍵點就在于策略模型的大量使用，即利用現代統計學、數學方法，借助計算機處理海量數據和信息，并嚴格按照機器所構建的數量化模型來指導投資決策，以獲得穩健的持續的投資收益，與AlphaGo有異曲同工之處。 ? 一般來說，量化投資部由兩部分組成，一部分是投研團隊，另一部分是IT團隊，投研團隊提出需求，IT團隊做出算法交易的模塊，解決基金經理們的需求?，F階段量化投資策略開發方式為：研究組或者交易組提出思路→研究組論證，提出基本模型→模型擬合估計→回溯檢驗→小規模測試→實盤投資。 ? 其好處在于可以克服人性弱點，做決策時不會像人類一樣受情緒和心理因素的干擾。可同時運用多個策略模型，對全市場各種信息進行實時監控，一旦出現合適的機會，能瞬間下達交易指令。 ? 比如CTA基金的趨向性跟蹤指標，其調整多空頭寸的臨界點是由特定計算機算法規則的，并且嗅覺靈敏，能在第一時間改變陣營，下手迅速，更善于承擔人類不喜歡的空頭角色。一般這類品種是通過量化手段不斷交易，反復進行大概率獲得正收益的策略，會設置最大回撤值，一旦到“止損線”就立刻止損，因此風險并不會太高。 ? 然而，量化投資本身也存在著一定的缺陷，存在過度擬合的問題：所謂過度擬合，指的就是程序化交易中，對于樣本數據描述的準確度很高，而對于樣本外數據描述的準確度卻很差。導致歷史回測完美，而在實盤中失效。有時還可能導致黑天鵝事件，數據模型主要是根據歷史數據來構建的，所以它吸收新信息的能力比較緩慢和遲鈍，一旦外部環境發生變化或者發生某些重大事件，如基本面上的變化等，有效性就會大大受到影響。 ? 如果將大量的數據放入AlphaGo 中的核心的“深度神經網絡算法（DNN算法）”，那就可以自動提取一些相關性，同時匹配結果。理論上可以彌補研究人員建立模型時，容易忽略一些變量，導致模型失效的問題，以及解決了回歸分析中會產生的過度擬合。 ? 人類可以充分利用這個工具，充當一個掌舵手，通過前瞻性和對市場非理性機會的把握，對重大政治事件背后的洞察力，來對策略進行調整，保證時效性，構建穩健的投資策略。 ? 面對復雜棋局，人類頻頻陷入長考，但“機器智能，化繁為簡”... ? 有人說，柯潔的熱情敗給了阿爾法的速度，你怎么看？ ? ? 深圳市愛智慧科技有限公司（www.dianyingsj.com）是由成功的互聯網團隊發起的高科技公司，致力于推動人工智能在金融領域的應用。 ? ?
