过去24小时重要10件事 | AI Daily

7 月 22 日，你需要关注的产业信息有：Lyft 宣布进行自动驾驶研发、张首晟团队发现「天使粒子」，但距离实现量子计算仍然遥远、Facebook 神秘部门正在发展模块化智能手机、Graphcore 完成 B 轮融资，哈萨比斯和 Uber 首席科学家跟投等。

整理 | 张震 微胖

资讯

为确保运输市场竞争力，Lyft 宣布研发自动驾驶技术

7 月 21 日，美国第二大打车应用公司 Lyft 宣布进军自动驾驶领域。对于一家以合作为主的公司来说，选择走上自行研发之路确实很大胆。Lyft 表示，公司选择加入这场激烈的竞争是因为要在快速变化的运输市场保持竞争力。

Waymo 在 2010 年开始测试，目前已收集 300 多万英里行驶数据。主要竞争对手 Uber 也在 2015 年从卡耐基梅隆大学挖走大量人才，创建自己自动驾驶业务。传统汽车厂商福特也已投入 198 亿美元，通用汽车投入 166 亿美元。Lyft 的市场估值仅为 75 亿美元。

据悉，为了实现这一目标，Lyft 专门在帕罗奥托建了一个面积达 5 万平方英尺的工程设施，还专门将其命名为「Level 5」（自动驾驶的最高等级）。卡普表示，这座大型工程设施在 2018 年年内将迎来数百名经验丰富的工程师。公司暂时不愿公布未来部署自动驾驶车辆的数量。Lyft 对自动驾驶零部件的研发也是语焉不详，该公司工程负责人表示 Lyft 不会自行研发 LiDAR。

张首晟团队发现「天使粒子」，但距离实现量子计算仍然遥远

7 月 21 日凌晨，张首晟及其团队在美国《科学》杂志上发表了一项重大发现：在整个物理学界历经 80 年的探索之后，他们终于发现了手性 Majorana 费米子的存在。这一发现，验证了由意大利理论物理学家 Ettore Majorana 在 80 年前提出的预测——存在一类没有反粒子的粒子。同时也证明了存在一种比量子还小的单位，也对现在的量子理论带来巨大的改变。

原先大家已经认为量子是最小的单位，天使粒子使得一个量子单位可以拆为两半，让量子变得更稳定。现在，这项科学已经可以开始应用。「谷歌和微软已经提供了支持，未来，在国内也会开始进行应用。」张首晟说。

不同于其他基本科学从发现到技术应用往往需要多年时间，天使粒子已经可以看到其实际应用的前景。量子世界本质上是并行的，一个量子粒子能够同时穿过两个狭缝。所以量子计算机能够进行高度并行的量子计算，远比经典计算机有效。

然而，一个量子比特的信息非常难以存储，微弱的环境噪声都能够毁灭其量子特性。但是，Majorana 费米子没有反粒子，或者说相当于半个传统粒子，便提供了一种绝妙的可能性：一个量子比特能够存储在两个距离十分遥远的 Majorana 费米子上。如此一来，传统的噪声极其难以同时以同样的方式影响这两个 Majorana 费米子，进而毁灭所存储的量子信息。相较于传统的存储方式，比如电子自旋，超导磁通和光子极化，这样存储在远离的两个 Majorana 费米子上的拓扑量子比特，本质上极其稳固。也就是说，Majorana 费米子能够用于构造稳固的拓扑量子计算机，使得有效的量子计算成为可能。

不过也有专家认为，「...... 毕竟离实际操控马约拉纳模，以实现拓扑量子计算还有很长的距离要走。」

Facebook 神秘部门正在发展模块化智能手机

最近，Facebook 对外发布了一项专利。该专利主要描述了一种「模块化电磁装置」，据称，该装置可以缓解消费者购买常规电子产品时「昂贵又浪费，并且不可避免地很快就会在几年内过时」的问题。此外，该专利内容中还将手机和智能扬声器作为潜在的应用产品类别。

很多迹象表明 Facebook 八号楼对于模块化智能手机的兴趣不断上升，媒体分析推测在神秘的 Facebook 八号楼，前任 DRARA 负责人 Regina Dugan 领导的神秘部门正在深入研发模块化智能手机。据业内人士称，一些前谷歌 Ara 项目的团队成员现在也正在 Facebook 为神秘部门工作。

智能处理器（IPU）英国创业公司 Graphcore 完成 B 轮融资，哈萨比斯和 Uber 首席科学家跟投

最近，位于英国布里斯托的计算机芯片制造商 Graphcore 宣布完成 3000 万美元的 B 轮融资，Atomico 领投，还有一些引人注目的个人投资者，包括 DeepMind 联合创始人哈萨比斯、Uber 首席科学家 Zoubin Ghahramani 等。其他参与 B 轮的投资者还包括：OpenAI 的 Greg Brockman 等。去年 10 月，这家公司刚刚完成 3200 万美元的 A 轮融资。

了解人工智能领域的人都知道，图像处理单元（GPU）常被用来运行机器学习程序。而 GPU 比较适合运行完整的程序，而 Graphcore 这家创业公司力争要在芯片领域与英特尔和英伟达开始竞争。而他们提出的概念不是 CPU，也不是 GPU，而是 IPU——智能处理器，它可以用来帮助加速机器智能产品和服务的开发。除此之外，该公司还开发了一套可以帮助用户无缝使用 TensorFlow 和 MXNet 等机器学习框架的接口，并为此提供了一个包含工具、驱动和应用库的开源软件框架 Poplar。

应用

佩带身体摄像头的警察，将很快应用 AI 来找到失踪人口

Motorola Solutions 正将机器学习融入执法人员的装备中。美国芝加哥沃基根警察局的警察已经装备了这家公司的 Si500 身体摄像头，现在这些摄像头将拥有人工智能技术，帮助警察识别目标，锁定失踪人口。产品原型是和 Neurala 合作的，这家明星深度学习创业公司最近将自己软件集成到了无人机上，在非洲被用于追踪偷猎者。

据报道，不久这款身体摄像头还可用于识别图像（比如，根据图片识别失踪儿童），并与其他摄像头交流数据。如果一个警察想找一名失踪儿童，系统自动识别特征后，会将信息自动分享给其它装备这些设备的警察，让他们也能加入搜寻。Neurala 表示，他们提供的技术甚至可在拥挤的公共空间里找到相关目标。

这种系统自然会引发人们对数据和隐私担忧，提及警方滥用技术。不过，这些并没阻止英国警察使用自动面部识别软件抓捕嫌犯。在美国，科研人员也在研究机器人协作跟踪目标的 AI 系统。

LG 发布两款机器人，拟为奥运观众提供机场导航和清洁服务

21 日，电子巨头 LG 在韩国最大的机场——仁川国际机场投入使用了两台机器人：机场导航机器人和机场清扫机器人。机场导航机器人在航站楼为旅客指示方向，提供登机信息。它能够说韩、英、中、日四种语言，还可以通过扫描旅客的登机牌，将旅客领到正确的登机口，不过和其它机器人一样，速度都很慢。机场清扫机器人可以监测那些地方需要频繁打扫，并将位置储存在数据库中，计算出最短到达距离。

在新闻发布会上，LG 表示出对商用机器人市场的极大兴趣，并希望通过上述两款产品打开局面。能够获得韩国政府的支持，LG 的机器人业务无疑开了个好头，当然希望它们不会像最近的美国安保机器人一样，自己掉进喷泉里。

NEC 的人工智能可以看出流水线上的不合格产品

人工智能技术如今已经走进不少工厂和流水线，其帮助不少企业提升了产品制造效率，而使用人工智能来为产品质量把关也成为一个必然趋势。近日，日本 IT 大厂 NEC 推出了一个「视觉检测（AI Visual Inspection）」技术，可以逐一检测生产线上的产品，比如金属、人工树脂、塑胶等产品，从视觉上快速侦测出不合格品，提升出厂产品的合格率。

NEC 目前有一整套的人工智能学习技术「RAPID」，其最大的特点就是能够深度学习，上述提到的视觉检测就是以这项技术为核心进行开发，透过这项技术，机器人可以对已知事物打上特定的标签，学习并判断其检测结果，最后不断理解和修正使之达到正确结果。

这看似较为复杂的技术，在实际的使用中并不困难，在进行产品品质检验时，机器人会拍摄产品影像，然后 NEC 将这些影像储存保管在 IoT 平台 NEC the WISE Iot Platform 的云端上，当储存的影像资料达到一定量后，云端的 AI 会运用一系列数据来分析哪些是合格品以及不合格品，而在此过程中人工智能系统仍在不断学习和完善，最后将结果反馈给工作人员，整个过程只在短短数秒中完成，就算企业追加新产品，该人工智能技术也会很快学习和理解产品特征，及时更新判别合格品的标准。

观点

《哈佛商业评论》：改变工业时代心态，华尔街需要开始面向未来五十年规划自身，人才是关键

近期，高盛的一些举动释放出积极信息。除了简单启动了一个「创新实验室」，投资初创企业外（金额未透露），高盛正在优先考虑创新议程，而不是短期增长。最近，他们推出的网络零售银行 Marcus 就是一个信号。虽然它远没盈利，但高盛已经承认打算坚持这一模式。

据麦肯锡分析，如果传统金融机构未能实现数字化，2025 年的利润将下降 20％-60％。采纳新技术一向比较落后的金融业目前正处在数字化转型的早期。《哈佛商业评论》指出，如果投资者和企业家想要成功，一方面要认识到期待与初创公司（如 Slack 或 Airbnb）相同的曲棍球增长是不切实际的。另一方面，要规划未来十年可行的业务，而不是下一季度最有利可图的业务，这是金融服务业务的唯一前进方向。对于 CEO 们来说，如果希望避免自己的「柯达时刻」，需要转变自己的心态。拥抱创新需要非常规的资本配置，虽然这种配置不会总是产生短期利润，但从长远来看可能会导致指数增长。

不过，一个更有利于创新的议程，更能容忍短期的失败，以追求更长期的目标，并非大多数金融机构的 DNA。高盛 (Goldman Sachs) 为业内同行提供了一个效仿的榜样。除了简单地点头表示需要更大的创新，它已经开始采取一系列大胆的、决定性的步骤，这些步骤是非典型的金融服务公司的举措。它越来越多地将自己定义为一家技术公司而不是金融服务公司。最近，Vantiv 收购 WorldPay 集团，也是未来几个月、几年金融服务领域更广泛并购活动的信号。

《哈佛商业评论》还特别指出，律师事务所 White＆Case 调查的银行中，有 95％的银行表示，他们将在未来 18 个月内购买或投资新兴科技公司。但是，许多银行购买的原因却不合理。文章警告，购买了技术不等于有了创新，技术都可以买到，但人才是金融服务的关键区别。成功跨越数字鸿沟的机构，会投资未来五十年的公司，而不是未来三到五年的领导者。重点是人。例如，PayPal 收购 Braintree 并不只是帮助公司实现在线支付门户的现代化; Bill Ready（曾任 Braintree 首席执行官）现在正在积极领导改变和定位 PayPal 未来。

图说

自动驾驶汽车为何加装多种传感器？一张图给你答案

自动驾驶汽车安装了大量的传感器，摄像头、超声传感器、雷达等一系列装置。为什么需要安装他们？

自动驾驶汽车要想在路上安全行驶，最重要的是能够准确感知识别周围的情况，比如周围的车辆，行人等。摄像头可以将汽车周围的自行车骑手记录下来，图像识别软件处理后，车辆就能知道自行车骑手的准确位置。

不过，道路情况复杂，单纯依靠某一个装置解决不了问题。比如，激光雷达无法感知玻璃，无法区分红绿交通信号灯。但是，在暗光和强光下，较之其它感应装置，它获得的数据更为详尽。雷达主要用于感知金属物体。摄像头也常被各种图像欺骗，因此，我们需要取长补短，综合使用各种装置。因在 Autopilot 系统上仅使用雷达、摄像头和超声传感器，特斯拉也备受指责。其自动驾驶汽车曾在晴朗白天，因未能识别出一辆拖车而酿成事故，司机在事故中死亡。

一般认为，最安全的做法就是安装尽可能多的感应装置，即使这种做法可能显得臃余。

华尔街，仅有30%的工作可以实现技术上的完全自动化

日前，咨询公司麦肯锡公司发布了一份题为《资本市场的认知技术》报告。报告称，60% 的华尔街工作将会受到自动化技术的影响，其中 30% 的工作可以实现「技术上的完全自动化」。认知技术可以降低开支，团队可将资源用于更有价值的活动，比如，研究，创新以及客户关系管理。

该报告通过图表的形式展示了五种认知技术对业务中、后端的影响程度。其中，绿色岗位受自动化冲击最高，红色受冲击最低。在实现自动化方面，交易分配首当其冲。瑞士联合银行集团（UBS）已采取手段，实行自动化交易分配。UBS 伦敦分支的一家银行使用了「机器人」——一种运行于虚拟柜台的软件程序，对涉及外汇交易预定和分配任务实行自动化处理。

不过，这份图表显示，自动化对很多岗位都会产生高度影响，但是认知智能体（cognitive agent）以及直接面向客户服务的机器人的影响最小。为了削减成本，提高效率，JPMorgan 在科技上投入了大量资金。去年，它研发了一种机器学习引擎，用来识别客户应该进行何种资产的买卖。在该技术获得初步成功之后，JPMorgan 已将其应用到其它业务。

麦肯锡公司称，自动化不是灵丹妙药，也无法为公司带来「两位数的利润增长。」但确实能让公司更加高效，更快的对技术变化做出反应。麦肯锡建议银行设立专门跟踪新兴科技的中心，在基础设施上实现创新，赶上变化的步伐。报告称，「从风险管理到合规、人事，大家都会发现一些好处。」花旗银行建立了一个新型自动化中心，旨在全公司部署机器人技术。