• 项目
首页>>文章列表
文章列表

达里奥:一个时代已经终结 另一个时代正在开启 2017-07-23 07:46:58

全球最大对冲基金的创始人宣布,宽松时代已经告终。

桥水基金创始人达里奥周四表示,我们现在的状况是:长达九年的持续压低利率、注入流动性,来创造资金驱动经济和市场的时代宣告终结,短期债务周期末期开启。现在应该做的是,“继续载歌载舞,但逐渐接近出口,并随时留意警钟何时响起”。


央行正在转向,冒着带来下一次衰退的风险,开始以更注重经济和通胀平衡的步伐来提高利率。

今年5月,达里奥曾发表评论指出,未来一到两年不会出现重大经济风险,但长期经济前景堪忧,担心下一次崩溃可能会产生比目前更大的社会和政治冲突。

达里奥并不认为目前会发生大型债务泡沫的破灭,主要因为过去几年资产负债表逐渐修复,但“我们确实看到日益加剧的‘大挤压’”。


以下为达里奥在Linkedin上的博文,由华尔街见闻编译。

在过去的九年里,央行把利率压到零,注入了大量的资金,让流动性变得充裕。这些行动抬升了资产价格,把名义利率压到低于名义增长,让现金的实际利率转为负值,实际的债券收益率则降至零水平。这带来了漂亮的去杠杆,修复了资产负债表,使得经济状况更趋正常。信贷和经济,以及债务的增速,都维持着良好的平衡逐步上升。这个时代已经过去了。

央行们已经清晰明了地告诉我们,往后,由他们倾注的流动性将不再上升,而是会逐渐消退——也就是说,政策的方向转变了,我们现在的状况是:

1)长达九年的持续压低利率、注入流动性,来创造资金驱动经济和市场的时代,宣告终结

2)短期债务周期(或正常商业周期)末期的开启,在这个时点上,央行开始尝试着以一定的速度收紧(这绝对是正确的,它能让增长和通胀不会过热也不会过冷),直到他们失手了,给我们带来下一次大衰退

了解这种状况之后,我们现在的任务是,继续载歌载舞,但逐渐接近出口,并随时留意警钟何时响起。


美好的货币政策

一般来说(视国家而定),央行削减大规模的非常规政策是合理的,因为这些政策已经带来了很好的去杠杆。在我看来,在这个发生转变的时点上,我们应该意识到这一成就,并感谢挣扎着贯彻这些政策的央行。他们不得不努力地做这些事情,还更加吃力不讨好。让我们送上谢意。

正如你知道的,展望未来,我们并不会很快地挤破大型的债务泡沫(归因于已按部就班实现的资产负债表的修复),尽管我们的确看到了日益加剧的“大挤压”

全球100款大数据工具汇总(下) 2017-07-23 07:46:44

51、Redis


是一个高性能的key-value存储系统,和Memcached类似,它支持存储的value类型相对更多,包括string(字符串)、list(链表)、set(集合)和zset(有序集合)。Redis的出现,很大程度补偿了memcached这类key/value存储的不足,在部分场合可以对关系数据库起到很好的补充作用。


52、HDFS


Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。它和现有的分布式文件系统有很多共同点。HDFS是一个高度容错性的系统,适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。


53、HBase


是Hadoop的数据库,一个分布式、可扩展、大数据的存储。是为有数十亿行和数百万列的超大表设计的,是一种分布式数据库,可以对大数据进行随机性的实时读取/写入访问。提供类似谷歌Bigtable的存储能力,基于Hadoop和Hadoop分布式文件系统(HDFS)而建。


54、Neo4j


是一个高性能的,NOSQL图形数据库,它将结构化数据存储在网络上而不是表中。自称“世界上第一个和最好的图形数据库”,“速度最快、扩展性最佳的原生图形数据库”,“最大和最有活力的社区”。用户包括Telenor、Wazoku、ebay、必能宝(Pitney Bowes)、MigRaven、思乐(Schleich)和Glowbl等。


55、 Vertica


基于列存储高性能和高可用性设计的数据库方案,由于对大规模并行处理(MPP)技术的支持,提供细粒度、可伸缩性和可用性的优势。每个节点完全独立运作,完全无共享架构,降低了共享资源的系统竞争。


56、Cassandra


是一个混合型的非关系的数据库,类似于Google的BigTable,其主要功能比Dynamo (分布式的Key-Value存储系统)更丰富。这种NoSQL数据库最初由Facebook开发,现已被1500多家企业组织使用,包括苹果、欧洲原子核研究组织(CERN)、康卡斯特、电子港湾、GitHub、GoDaddy、Hulu、Instagram、Intuit、Netfilx、Reddit及其他机构。


57、CouchDB


号称是“一款完全拥抱互联网的数据库”,它将数据存储在JSON文档中,这种文档可以通过Web浏览器来查询,并且用JavaScript来处理。它易于使用,在分布式上网络上具有高可用性和高扩展性。


58、Dynamo


是一个经典的分布式Key-Value 存储系统,具备去中心化、高可用性、高扩展性的特点。Dynamo在Amazon中得到了成功的应用,能够跨数据中心部署于上万个结点上提供服务,它的设计思想也被后续的许多分布式系统借鉴。


59、 Amazon SimpleDB


是一个用Erlang编写的高可用的NoSQL数据存储,能够减轻数据库管理工作,开发人员只需通过Web服务请求执行数据项的存储和查询,Amazon SimpleDB 将负责余下的工作。作为一项Web 服务,像Amazon的EC2和S3一样,是Amazon网络服务的一部分。


60、 Hypertable


是一个开源、高性能、可伸缩的数据库,它采用与Google的Bigtable相似的模型。它与Hadoop兼容,性能超高,其用户包括电子港湾、百度、高朋、Yelp及另外许多互联网公司。


61、Kettle


这是一个ETL工具集,它允许你管理来自不同数据库的数据,通过提供一个图形化的用户环境来描述你想做什么,而不是你想怎么做。作为Pentaho的一个重要组成部分,现在在国内项目应用上逐渐增多。


62、 Kylin


是一个开源的分布式分析引擎,提供了基于Hadoop的超大型数据集(TB/PB级别)的SQL接口以及多维度的OLAP分布式联机分析。最初由eBay开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。


63、 Kibana


是一个使用Apache 开源协议的Elasticsearch 分析和搜索仪表板,可作为Logstash和ElasticSearch日志分析的 Web 接口,对日志进行高效的搜索、可视化、分析等各种操作。


64、 Druid


是一个用于大数据实时查询和分析的高容错、高性能、分布式的开源系统,旨在快速处理大规模的数据,并能够实现快速查询和分析。


65、 KNIME


全称是“康斯坦茨信息挖掘工具”(Konstanz Information Miner),是一个开源分析和报表平台。宣称“是任何数据科学家完美的工具箱,超过1000个模块,可运行数百个实例,全面的集成工具,以及先进的算法”。


66、Zeppelin


是一个提供交互数据分析且基于Web的笔记本。方便你做出可数据驱动的、可交互且可协作的精美文档,并且支持多种语言,包括 Scala(使用 Apache Spark)、Python(Apache Spark)、SparkSQL、 Hive、 Markdown、Shell等。


67、Azkaban


一款基于Java编写的任务调度系统任务调度,来自LinkedIn公司,用于管理他们的Hadoop批处理工作流。Azkaban根据工作的依赖性进行排序,提供友好的Web用户界面来维护和跟踪用户的工作流程。


68、 Splunk


是机器数据的引擎。使用 Splunk 可收集、索引和利用所有应用程序、服务器和设备(物理、虚拟和云中)生成的快速移动型计算机数据,从一个位置搜索并分析所有实时和历史数据


69、Pentaho


是世界上最流行的开源商务智能软件,以工作流为核心的、强调面向解决方案而非工具组件的、基于java平台的商业智能(Business Intelligence)套件。包括一个web server平台和几个工具软件:报表、分析、图表、数据集成、数据挖掘等,可以说包括了商务智能的方方面面。


70、Jaspersoft


提供了灵活、可嵌入的商业智能工具,用户包括众多企业组织:高朋、冠群科技、美国农业部、爱立信、时代华纳有线电视、奥林匹克钢铁、内斯拉斯加大学和通用动力公司。


71、 SpagoBI


Spago被市场分析师们称为“开源领袖”,它提供商业智能、中间件和质量保证软件,另外还提供相应的Java EE应用程序开发框架。


72、Lumify


归Altamira科技公司(以国家安全技术而闻名)所有,这是一种开源大数据整合、分析和可视化平台。


73、Lingual


是Cascading的高级扩展,为Hadoop提供了一个ANSI SQL接口极大地简化了应用程序的开发和集成。Lingual实现了连接现有的商业智能(BI)工具,优化了计算成本,加快了基于Hadoop的应用开发速度。


74、Beam


基于Java提供了统一的数据进程管道开发,并且能够很好地支持Spark和Flink。提供很多在线框架,开发者无需学太多框架。


75、Cascading


是一个基于Hadoop建立的API,用来创建复杂和容错数据处理工作流。它抽象了集群拓扑结构和配置,使得不用考虑背后的MapReduce,就能快速开发复杂的分布式应用。


76、HPCC


作为Hadoop之外的一种选择,是一个利用集群服务器进行大数据分析的系统,HPCC在LexisNexis内部使用多年,是一个成熟可靠的系统,包含一系列的工具、一个称为ECL的高级编程语言、以及相关的数据仓库,扩展性超强


77、Hivemall


结合了面向Hive的多种机器学习算法,它包括了很多扩展性很好的算法,可用于数据分类、递归、推荐、k最近邻、异常检测和特征哈希等方面的分析应用。


78、 RapidMiner


具有丰富数据挖掘分析和算法功能,常用于解决各种的商业关键问题,解决方案覆盖了各个领域,包括汽车、银行、保险、生命科学、制造业、石油和天然气、零售业及快消行业、通讯业、以及公用事业等各个行业。


79、 Mahout


目的是“为快速创建可扩展、高性能的机器学习应用程序而打造一个环境”,主要特点是为可伸缩的算法提供可扩展环境、面向Scala/Spark/H2O/Flink的新颖算法、Samsara(类似R的矢量数学环境),它还包括了用于在MapReduce上进行数据挖掘的众多算法。


80、Tableau


Tableau 是一款企业级的大数据可视化工具。Tableau 可以让你轻松创建图形,表格和地图。 它不仅提供了PC桌面版,还提供了服务器解决方案,可以让您在线生成可视化报告。服务器解决方案可以提供了云托管服务。Tableau的客户包括巴克莱银行,Pandora和Citrix等企业


81、Infogram


Infogram的最大优势在于,让您的可视化信息图表与实时大数据相链接。只须三个简单步骤,您可以选择在众多图表,地图,甚至是视频可视化模板中进行选择。 Infogram支持团队账号。


82、ChartBlocks


ChartBlocks是一个易于使用在线工具,它无需编码,便能从电子表格,数据库中构建可视化图表。整个过程可以在图表向导的指导下完成。您的图表将在HTML5的框架下使用强大的Java库D3.js创建图表。你的图表是响应式的,并且可以和任何的屏幕尺寸及设备兼容。 您还可以将图表嵌入任何网页中,分享在Twitter和Facebook上。


83、Datawrapper


Datawrapper是一款专注于新闻和出版的可视化工具。华盛顿邮报,卫报,华尔街日报和Twitter等媒体都使用了这一工具。Datawrapper非常容易使用,不需要任何编程基础。你只需要上传你的数据,便能轻松地创建和发布图表,甚至是地图。Datawrapper提供了众多的自定义布局及地图模板。


84、Plotly


Plotly帮助你在短短几分钟内,从简单的电子表格中开始创建漂亮的图表。Plotly已经为谷歌、美国空军和纽约大学等机构所使用。 Plotly是一个非常人性化的网络工具,让你在几分钟内启动。如果你的团队希望为JavaScript和Python等编程语言提供一个API接口的话,Plotly是一款非常人性化的工具。


85、RAW


RAW弥补了很多工具在电子表格和矢量图形(SVG)之间的缺失环节。你的大数据可以来自MicrosoftExcel中,谷歌文档或是一个简单的逗号分隔的列表。它最厉害的功能是可以很容易地导出可视化结果,因为它和Adobe Illustrator,Sketch 和Inkscape是相容的。


86、Visual.ly


isual.ly是一个可视化的内容服务。它提供专门的大数据可视化的服务,用户包括了VISA,耐克,Twitter,福特和国家地理等。如果你想完全外包可视化文件给第三方。你可以使用非常简化的在线流程:你只需描述你的项目,服务团队将在项目的整个持续时间内和你在一起。 Visual.ly给您发送所有项目关键点的邮件通知,也将让你不断给出反馈。


87、D3.js


毋容置疑D3.js是最好的数据可视化工具库。D3.js运行在JavaScript上,并使用HTML,CSS和SVG。 D3.js是开源工具,使用数据驱动的方式创建漂亮的网页。 D3.js可实现实时交互。这个库非常强大和前沿,所以它带有没有预置图表也不支持IE9。


88、Ember Charts


Ember Charts – 顾名思义是一种基于Ember.js框架和使用d3.js的可视化工具。Ember Charts以绘制时间序列图,柱状图,饼图和散点图为主。它非常优易于扩展。同为Ember.js开发团队,Ember Charts聚焦于图形互动性。它有极强的错误处理能力,当你遇到坏数据时,系统也不会崩溃


89、NVD3


NVD3运行在d3.js之上, 它可建立可重用的图表组件。该项目的目标是保持所有的图表整洁和可定制性。 NVD3是d3.js之上的简单的接口,保持了d3.js的所有强大功能。 NVD3由Novus Partners前端工程师开发和使其保持了图表技术洞察力。


90、Google Charts


Google Charts 以HTML5和SVG为基础,充分考虑了跨浏览器的兼容性,并通过VML支持旧版本的IE浏览器。所有您将创建的图表是交互式的,有的还可缩放。Google Charts是非常人性化和他们的网站拥有一个非常好的,全面的模板库,你可以从中找到所需模板。


91、FusionCharts


FusionCharts是最全面的JavaScript图表库,包括90个图表和900种地图。如果你不是特别喜欢的JavaScript。FusionCharts可以轻松集成像jQuery库,Angularjs和React框架以及ASP.NET和PHP语言。 FusionCharts支持JSON和XML数据,并提供许多格式图表:PNG,JPEG,SVG和PDF。


92、Highcharts


Highcharts是一个JavaScript API与jQuery的集成,全球最大的100家公司中有61家正在使用它。图表使用SVG格式,并使用VML支持旧版浏览器。它提供了两个专门的图表类型:Highstock和Highmaps,并且还配备了一系列的插件。你可以免费使用它,而如果你想建立付费的应用,只须支付少量牌照费用。此外,你还可以使用Highcharts云服务。


93、Chart.js


对于一个小项目的图表,chart.js是一个很好的选择。开源,只有11KB大小,这使得它快速且易于使用,它支持多种图表类型: 饼图,线性图和雷达图等。


94、Leaflet


你是否专注于专业的大数据解决方案?无需饼图和条形图?Leafleft 基于Open Street Map数据,使用HTML5 / CSS3绘制互动式可视化图。您可以使用他们的扩展插件库添加热点图(heatmaps)和动画标记。 Leaflet 是开源和只有33 KB大小。


95、Chartist.js


Chartist.js的开发社区一直致力于打败所有其他JavaScript图表库。它使用了Sass的个性化风格,它的SVG输出是响应式的。


96、n3-charts


N3-charts是一种基于AngularJS框架的工具。它建立在D3.js之上,帮助您创建简单的互动图表。 N3-charts是一种小型化的图表工具,不适用于大型项目。


97、 Sigma JS


Sigma JS 是交互式可视化工具库。由于使用了WebGL技术,你可以使用鼠标和触摸的方式来更新和变换图表。Sigma JS同时支持JSON和GEXF两种数据格式。这为它提供了大量的可用互动式插件。Sigma JS 专注于网页格式的网络图可视化。因此它在大数据网络可视化中非常有用。


98、Polymaps


Polymaps是一款地图可视化一个JavaScript工具库。 Polymaps使用SVG实现从国家到街道一级地理数据的可视化。您可以使用CSS格式来修改你的样式。Polymaps使用GeoJSON来解释地理数据。它是创建heatmap热点图的最好的工具之一。您创建的所有地图都可以变成动态图。


99、Processing.js


Processing.js是一个基于可视化编程语言的JavaScript库。作为一种面向Web的JavaScript库,Processing.js是您能够有效进行网页格式图表处理。这使得它成为了一种非常好交换式可视化工具。 Processing.js需要一个兼容HTML5的浏览器来实现这一功能。


100、Pentaho BI


Pentaho BI 平台不同于传统的BI 产品,它是一个以流程为中心的,面向解决方案(Solution)的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来,方便商务智能应用的开发。它的出现,使得一系列的面向商务智能的独立产品如Jfree、Quartz等等,能够集成在一起,构成一项项复杂的、完整的商务智能解决方案。

管理着300亿美元的对冲基金大佬:低波动性是危机的前兆 2017-07-22 07:50:57

在这位管理着300亿美元资产的对冲基金经理看来,如果下一场金融危机发生,那么为其埋下隐患的,一定是目前的低波动性。

Baupost Group总裁Jim Mooney在今年第二封致投资者信中表示,低波动性就是危机到来的前兆。这是因为,在低波动性的环境中,投资者通常倾向于不断加大杠杆,这就会为未来问题的爆发埋下火种


Mooney在信中写道:

尽管杠杆并非每一次金融灾难的直接诱因,但是在“犯罪现场”总是能看到它的身影。

波动性越低,投资者愿意冒的风险也就越大,或者说在某些情况下被迫承担的风险也就越大。

上周三,美联储主席耶伦发表鸽派证词后,全球股市开启狂欢模式,“恐慌指数”VIX当日跌至9.51,创1993年12月23日以来最低收盘水平,也为历史第三低。

Mooney认为,由低波动驱动的结构性杠杆水平,将成为很大的不稳定因素,或者说至少也是下一场金融危机到来的加速器。

Mooney估计,那些市场表现和波动性水平直接关联的资产,规模可能数以千亿美元计。它们包括量化基金以及风险平价基金等,以特定的风险水平作为操作目标,一旦波动性飙升推动风险上扬,就会直接引发它们的抛售。


这又会引发更加严重的连环效应:波动→抛售→更大的波动→更激烈的抛售。Mooney写道:

因此,一旦股市波动性飙升,即便是回到历史均值水平,都有可能引发大规模的股票抛售(其中很多是自动化的)。

这种抛售反过来又会加剧波动,迫使投资者进一步去杠杆,从而引发更多的抛售。

Mooney警告称,目前市场整体估值偏高,投资者对风险也基本置若罔闻,投资者实在不应该陷入幻觉中去。


不过如果真要投资者从这种“幻觉”中醒来,可能也并不容易。

整个市场,尤其是股市的低波动状态,已经持续了一年。而历史数据显示,从1928年至今,标普500指数有过14次波动率相对较低的时段,平均每次差不多持续2年左右,多半则持续15到16个月。

高盛在本月初报告中曾表示,要打破低波动率的状况,一般需要有强大的刺激因素,比如衰退或者战争。但目前经济衰退的风险其实很低,高盛预期未来两年出现衰退的可能性只有25%。

美国商务部长:必须向中国出售更多“美国制造”商品,以平衡中美贸易 2017-07-22 07:50:42

7月19日,首轮中美全面经济对话会在美国华盛顿举行。中国国务院副总理汪洋与美国财长姆努钦、商务部长罗斯共同主持对话。

美国商务部长罗斯(Wilbur Ross)称,是时候以公正、平衡的方式再平衡与中国的贸易和投资关系了。

罗斯表示:“美国贸易赤字不是自由市场力量所致;如果确实是市场力量下的自然产物,我们能够理解,但并不是。必须通过向中国出售更多“美国制造”商品的方式,再平衡与中国的贸易。”他重申致力于减少美中贸易逆差。


美国财长努钦(Steven Mnuchin)表示,希望与中国共同提高对特定承诺的关注度。呼吁与中国之间建立更加均衡的经济关系。中国注重促进国内消费对美国有益。中美将讨论经济、金融政策。

中国副总理汪洋称,中美之间进行对话而非发生冲突很重要。尽管对话无法解决所有问题,但若发生冲突,将不利于双方利益。中美寻求合作是最佳出路。

汪洋18日在出席华盛顿举行的中美工商界联合欢迎午餐会上发表主旨演讲时,呼吁美国放松对华出口管制,称“如果美国将对华出口管制程度降至对巴西的水平,对华贸易逆差最多可缩减24%;如果降至对法国的水平,最多可缩减34%。”


在上述午餐会上,罗斯则称,美方的目标是继续按“具体期限内达成具体目标”的方式,使中美双方都能够在持续的基础上评价对话成果。当前,中美仍存在非常严重的贸易不平衡问题,双方必须对此进行纠正,是时候向一个更加公平、对等和互惠的方向来重新平衡两国之间的贸易和投资关系。美国希望中国开放更多的市场并解除对外国投资的限制。

中美全面经济对话是中美两国元首于4月美国弗罗里达州海湖庄园会晤上确立的另一个全新的对话机制。

美国媒体19日报道称,美国财政部宣布,美中记者会取消。

人类将为机器人花掉2307亿美元 2017-07-22 07:50:25

这只“狗”厉害了!麻省理工学院推新款机器人猎豹3号

麻省理工学院推出新款搜救机器人“猎豹3号”,这款四足机器人已经为帮助人类做好了充足准备。


据悉,这款最新的搜救机器人的目标是在未来5年内执行搜救任务,据预测,它的第一个行动目标可能是福岛核电站。众所周知,2011年的海啸对日本造成了严重的破坏,核电站将放射性物质释放到了周边地区,尽管六年过去了,该地区仍须持续被监测。



90%预测准确率覆盖30%订单,滴滴“猜您要去”目的地预测是怎么做的?

“猜你想去”是滴滴出行大数据智能预测体系的主要功能之一。通过此功能,滴滴可为一些大型商超、火车站等人流密集场所提供出行解决方案建议。目前“猜你想去”功能已覆盖了滴滴平台上 30% 的订单,预测准确率达 90%。与“猜你想去”功能相关的专利也已提交受理。




四年后,人类将为机器人花掉2307亿美元


全球著名信息服务商IDC(国际数据公司)最新发布报告指出,2017年全球机器人相关(包括无人机、机器人相关软硬件/服务)支出金额预估将达972亿美元、较2016年成长17.9%。IDC预期未来5年机器人支出将加速成长、2021年达到2307亿美元,复合年增率预估为22.8%。




腾讯股价首次达到300港元,总市值破2.8万亿创历史最高

7月20日,腾讯今日开盘299.8港元,并在早盘首次达到300港元大关。


近一段时间,腾讯股价接连创新高,今年的上涨幅度已经超过了55%。


野村近日发表报告,重申腾讯“买入”评级,目标价上调至341港元。




全球AI芯片市场2017-2021年均复合增长率54.25%

报告指出,全球人工智能芯片市场在2017-2021年期间以54.25%的年均复合增长率增长。分析的公司包括:百度、

AMD、谷歌, 英特尔, 英伟达,  Graphcore,高通等。




京东发布登月机器学习平台:为第四次零售革命输出AI能力


近日,京东发布登月机器学习平台,并在京东云上线,正式对外提供人工智能服务。


得益于京东丰富的业务场景,人工智能的应用在京东已经渗透到了各个业务环节,包括供应链、物流、营销、金融等方面,京东已经成为人工智能技术最积极的实践者和推动者。登月机器学习平台的上线也代表着京东人工智能技术从应用级服务到基础算法的全面对外开放,实践着京东RaaS(零售即服务)的发展策略。




高通CEO2019年美国网速将是现在100

高通首席执行官史蒂夫·莫伦科夫(SteveMollenkopf)表示,随着5G服务在2019年推出,移动互联网网速将创下新记录。他说,虽然大多数业内人士都认为5G服务将在2020年问世,但2019年人们肯定能用上5G服务。


5G服务的部分需求来自移动设备用户寻求更好的视频体验。预计5G服务的网速将达到当前的100倍。利用5G服务,目前需要数分钟才能加载的视频文件,只需数秒即可加载。




马斯克再次宣扬AI威胁论 遭到五位AI专家怒怼

前段时间,埃隆·马斯克(Elon Musk)在全美国州长协会会议上,强调人工智能是“我们人类文明面临的最大威胁”,并呼吁政府迅速而坚决地进行干预,监督这项技术的发展。


而这5位专家表达了不同意见,甚至认为马斯克危言耸听-艾伦人造智能研究所CEO奥伦埃齐奥尼(Oren Etzioni) ,新南威尔士大学人工智能研究员托夫·沃尔什(Toby Walsh)、斯坦福人工智能实验室主任李飞飞、IEEE全球AI伦理倡议主席Raja Chatila、《机器人的兴起:技术和失业未来的威胁》作者马丁·福特 。




“恐怖谷理论”要成真了?机器人和人类将无法被区分


随着机器人越来越像人类,人们对“恐怖谷”的兴趣有所增加,其理论也开始站稳脚跟。


2004年,只有35篇学术论文提到了这个理论。到2015年,大约有510篇相关论文被采用。


学者们争论的是它的来源,以及它为什么存在。据认知科学家Ayse Saygin说,关于这一现象,我们还知之甚少。她说:“这是我们一开始就理解它的案例之一。我认为关键在于,当机器人外表像人时,你就会提高对机器人大脑的期望。”当这些期望得不到满足时,就会出现问题。有一种理论认为,当一个无生命的物体开始看起来并表现得像它活着的时候,我们就会感到害怕。



苹果首次设立大中华区董事总经理 技术派葛越出任

7月19日上午消息,苹果公司今日宣布任命无线技术副总裁葛越为副总裁及大中华区董事总经理,直接向苹果公司CEO蒂姆·库克(Tim Cook)和首席运营官杰夫·威廉姆斯(Jeff Williams)汇报。


葛越出生于辽宁沈阳,拥有不列颠哥伦比亚省西蒙弗雷泽大学电气工程学士学位和硕士学位,以及加州大学伯克利分校的工商管理硕士学位。此前,她曾担任苹果公司无线技术软件工程团队九年,专注于为苹果产品开发蜂窝WiFi、蓝牙、NFC、定位和motion技术。同时,她还负责开发Apple Pay,HomeKit和CarPlay的工程团队。

【TensorFlow1.2.0版发布】14大新功能,增加Intel MKL集成 2017-07-22 07:48:32

主要的功能和改进

1. Windows上支持Python3.6。

2. 时空域去卷积(spatio temporal deconvolution.)增加了tf.layers.conv3d_transpose层。

3. 增加了tf.Session.make_callable( ),为多次运行一个相同步骤的运行提供了更低的overhead手段。

4.增加了ibverbs-based RDMA支持。


5. RNNCell 对象现在从属于 tf.layers.Layer,在TensorFlow 1.1 发布时的严格描述已经被删除:一个RNNCell首次被使用,它自己缓存其范围(scope)。所有将来使用的RNNCell都会对来自相同的范围的中的变量进行重复使用。对于TensorFlow1.0.1及其以下版本中的RNNCell来说,这是一个突破性的改变。TensorFlow 1.1 版本已经经过检验,以保证旧的代码在新的语义下也能正确的工作。新版本会让RNNCell的使用变得更加灵活,但是,如果使用为TensorFlow 1.0.1 以下版本所写的代码,可能会导致一些微小的错误。例如,输入MultiRNNCell([lstm] * 5) 将会搭建起一个5层的LSTM堆栈,每一层共享相同的参数。为了让5层中每一层都有自己的参数,输入MultiRNNCell([LSTMCell(...) for _ in range(5)]). 如果不太确定,你可以先在TF 1.1中测试你的代码,保证没有任何错误后,再升级到TF 1.2。


6. TensorForest Estimator现在支持SavedModel输出。

7. 支持用户提供的ClusterSpec’s,并把其分配给所有的工作者,以确保能创建动态的TensorFlow集群。

8. TensorFlow C 数据库现在在Windows可用。

9. 发布了一个新的开源版本的TensorBoard。

10.在SavedModel中,SavedModel CLI工具可用于MetaGraph检查和执行。


11. 安卓发布的TensorFlow现在被推送到jcenter,方便用户更加简便的融入app中。更多细节,参见:https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md

12. RNNCells 的变量名,现在已经被重命名,以与Keras层保持一致。具体地,此前的变量名称“weights”和“biases“现在已经变为”kernel”和“bias”。如果你的旧的checkpoints中包含了这样的 RNN cells,这可能会导致反馈的不一致,此时你可以使用工具checkpoint_convert script来改变旧的checkpoints中的变量名字。


13.在1.0发布前,许多的 RNN 的功能和类别都在 tf.nn 命名空间中,后被移到tf.contrib.rnn 。现在,这些功能和类别都被移回核心命名空间。其中包括 RNNCell, LSTMCell, GRUCell, 和其他的一系列 cells。 原始的 tf.nn.rnn 功能现在变成了 tf.nn.static_rnn, 双向的数据和状态存储数据rnn功能现在有备移回tf.nn 命名区。

比较值得一提的例外有: EmbeddingWrapper, InputProjectionWrapper 和

OutputProjectionWrapper,三者将会被逐渐搬到tf.contrib.rnn 的deprecation中。有一些无效的wrapper,需要经常进行替换,在rnn的预处理和后处理阶段,用所谓的embedding_lookup layers.dense进行替换。在RNN的解码中,这一功能性将会被一个在tf.contrib.seq2seq.
中可用的API取代。

14. Intel MKL 集成 (https://software.intel.com/en-us/articles/tensorflow-optimizations-on-modern-intel-architecture). Intel 开发了一系列经过优化的深度学习基元(primitives):除了矩阵乘法(matrix multiplication)和卷积以外,这些基本模块还包括:直接的批量卷积、池化(最大化、最小化和平均数)、激活(线性整流函数)ReLU、数据处理(多维移项、分解、合并、相加等)。



弃用

TensorFlow 1.2 可能是我们最后一次使用 cuDNN 5.1 构建。从 TensorFlow 1.3 开始,我们将尝试使用 cuDNN 6.0 构建所有与构建的二进制文件。虽然我们会尽量保持源代码与 cuDNN 5.1 兼容,但不能保证。


API 的重要变化

org.tensorflow.contrib.android.TensorFlowInferenceInterface 现在在可能的情况下会引起异常,并简化了方法签名。

contrib API的变化

增加了 tf.contrib.util.create_example

tf.contrib.image 增加了双线性插值。

为自定义seed control 的随机操作增加 tf.contrib.stateless

MultivariateNormalFullCovariance 添加到 contrib/distributions/

tensorflow/contrib/rnn 经历RNN cell变量重命名以与Keras层一致。具体来说,先前的变量名称“weights”和“biases”分别改为“kernel”和“bias”。对于包含 RNN cells等的旧检查点,这可能会导致向后不兼容,在这种情况下,你可以使用checkpoint_convert 脚本来转换旧检查点的变量名称。

在TensorFlow中添加了tf.contrib.kernel_methods 模块,包含对原始(显式)核方法的Ops和estimators。

Bug 修复及其他改变
  • 在Python,类型属性上的 Operation.get_attr 恢复了类型的 Python DType版本,以匹配预期的 get_attr文档,而不是protobuf枚举。

  • 构建iOS库时,MIN_SDK版本更改为8.0。

  • 修复了LIBXSMM集成。

  • 使 decode_jpeg / decode_png / decode_gif 能够处理所有格式,因为用户经常尝试将图像解码为错误的类型。

  • 改善了隐式 broadcasting lowering。

  • 通过更快地重试过时的传输来提高GCS / Bigquery客户端的稳定性。

  • 删除OpKernelConstruction :: op_def()作为最小化原型依赖关系的一部分。

  • 添加了VectorLaplaceDiag分布。

  • Android demo不再需要libtensorflow_demo.so来运行(libtensorflow_inference.so仍然需要)。

  • 添加了 categorical_column_with_vocabulary_file

  • 在Session :: Run()调用中引入batching/unbatching张量的操作。

  • 添加了 tf.log_sigmoid(x) = tf.log(tf.sigmoid(x)) = -tf.nn.softplus(-x).

  • 将hooks lists更改为不可变元组,现在允许对相关参数进行任何迭代。

  • 引入了 TFDecorator。

  • 为语音特征生成添加了Mfcc操作。

  • 改进了DirectSession :: Run()和错误检查。提供一个错误类型的值将同步引发INVALID_ARGUMENT错误,而不是异步地引发INTERNAL错误。在提供错误类型的张量时,取决于(未定义)行为的代码可能需要更新。

  • 添加了unreduced NONE,并减少MEAN选项的损失。从其他 Reduction 常数删除“WEIGHTED_”前缀。

  • assertAllClose现在能处理dicts。

  • 为HloInstructions添加了Gmock匹配器。

  • 将变量名称添加到变量恢复的错误。

  • 为音频特征生成添加了AudioSpectrogram 操作。

  • 为损失添加了 reduction 参数。

  • tf.placeholder可以表示标量形状并且部分是已知的。

  • 删除了estimateator_spec(mode)参数。

  • 如果超过40次运行,TensorBoard将默认禁用所有运行。

  • 删除了旧的doc生成器代码。

  • GCS文件系统集成现在支持域存储桶例如gs://bucket.domain.com/path。

  • 为输出文本添加了tf.summary.textTensorBoard

  • tfdbg的命令行接口的“run”命令现在支持按节点名称操作类型和张量类型过滤张量。

  • tf.string_to_number现在支持int64float64输出。

京东刘强东、蔚来汽车李想发声力挺贾跃亭 2017-07-22 07:47:29