整理 | 張震 微胖
資訊
為確保運輸市場競爭力，Lyft 宣佈研發自動駕駛技術
7 月 21 日，美國第二大叫車應用公司 Lyft 宣佈進軍自動駕駛領域。對於一家以合作為主的公司來說，選擇走上自行研發之路確實很大膽。Lyft 表示，公司選擇加入這場激烈的競爭是因為要在快速變化的運輸市場保持競爭力。
Waymo 在 2010 年開始測試，目前已收集 300 多萬英里行駛資料。主要競爭對手 Uber 也在 2015 年從卡耐基梅隆大學挖走大量人才，建立自己自動駕駛業務。傳統汽車廠商福特也已投入 198 億美元，通用汽車投入 166 億美元。Lyft 的市場估值僅為 75 億美元。
據悉，為了實現這一目標，Lyft 專門在帕羅奧托建了一個面積達 5 萬平方英尺的工程設施，還專門將其命名為「Level 5」（自動駕駛的最高等級）。卡普表示，這座大型工程設施在 2018 年年內將迎來數百名經驗豐富的工程師。公司暫時不願公佈未來部署自動駕駛車輛的數量。Lyft 對自動駕駛零部件的研發也是語焉不詳，該公司工程負責人表示 Lyft 不會自行研發 LiDAR。
張首晟團隊發現「天使粒子」，但距離實現量子計算仍然遙遠
7 月 21 日凌晨，張首晟及其團隊在美國《科學》雜誌上發表了一項重大發現：在整個物理學界歷經 80 年的探索之後，他們終於發現了手性 Majorana 費米子的存在。這一發現，驗證了由義大利理論物理學家 Ettore Majorana 在 80 年前提出的預測——存在一類沒有反粒子的粒子。同時也證明了存在一種比量子還小的單位，也對現在的量子理論帶來巨大的改變。
原先大家已經認為量子是最小的單位，天使粒子使得一個量子單位可以拆為兩半，讓量子變得更穩定。現在，這項科學已經可以開始應用。「谷歌和微軟已經提供了支援，未來，在國內也會開始進行應用。」張首晟說。
不同於其他基本科學從發現到技術應用往往需要多年時間，天使粒子已經可以看到其實際應用的前景。量子世界本質上是並行的，一個量子粒子能夠同時穿過兩個狹縫。所以量子計算機能夠進行高度並行的量子計算，遠比經典計算機有效。
然而，一個量子位元的資訊非常難以儲存，微弱的環境噪聲都能夠毀滅其量子特性。但是，Majorana 費米子沒有反粒子，或者說相當於半個傳統粒子，便提供了一種絕妙的可能性：一個量子位元能夠儲存在兩個距離十分遙遠的 Majorana 費米子上。如此一來，傳統的噪聲極其難以同時以同樣的方式影響這兩個 Majorana 費米子，進而毀滅所儲存的量子資訊。相較於傳統的儲存方式，比如電子自旋，超導磁通和光子極化，這樣儲存在遠離的兩個 Majorana 費米子上的拓撲量子位元，本質上極其穩固。也就是說，Majorana 費米子能夠用於構造穩固的拓撲量子計算機，使得有效的量子計算成為可能。
不過也有專家認為，「...... 畢竟離實際操控馬約拉納模，以實現拓撲量子計算還有很長的距離要走。」
Facebook 神祕部門正在發展模組化智慧手機
最近，Facebook 對外發布了一項專利。該專利主要描述了一種「模組化電磁裝置」，據稱，該裝置可以緩解消費者購買常規電子產品時「昂貴又浪費，並且不可避免地很快就會在幾年內過時」的問題。此外，該專利內容中還將手機和智慧揚聲器作為潛在的應用產品類別。
很多跡象表明 Facebook 八號樓對於模組化智慧手機的興趣不斷上升，媒體分析推測在神祕的 Facebook 八號樓，前任 DRARA 負責人 Regina Dugan 領導的神祕部門正在深入研發模組化智慧手機。據業內人士稱，一些前谷歌 Ara 專案的團隊成員現在也正在 Facebook 為神祕部門工作。
智慧處理器（IPU）英國創業公司 Graphcore 完成 B 輪融資，哈薩比斯和 Uber 首席科學家跟投
最近，位於英國布里斯托的計算機晶片製造商 Graphcore 宣佈完成 3000 萬美元的 B 輪融資，Atomico 領投，還有一些引人注目的個人投資者，包括 DeepMind 聯合創始人哈薩比斯、Uber 首席科學家 Zoubin Ghahramani 等。其他參與 B 輪的投資者還包括：OpenAI 的 Greg Brockman 等。去年 10 月，這家公司剛剛完成 3200 萬美元的 A 輪融資。
瞭解人工智慧領域的人都知道，影象處理單元（GPU）常被用來執行機器學習程式。而 GPU 比較適合執行完整的程式，而 Graphcore 這家創業公司力爭要在晶片領域與英特爾和英偉達開始競爭。而他們提出的概念不是 CPU，也不是 GPU，而是 IPU——智慧處理器，它可以用來幫助加速機器智慧產品和服務的開發。除此之外，該公司還開發了一套可以幫助使用者無縫使用 TensorFlow 和 MXNet 等機器學習框架的介面，併為此提供了一個包含工具、驅動和應用庫的開源軟體框架 Poplar。
應用
佩帶身體攝像頭的警察，將很快應用 AI 來找到失蹤人口
Motorola Solutions 正將機器學習融入執法人員的裝備中。美國芝加哥沃基根警察局的警察已經裝備了這家公司的 Si500 身體攝像頭，現在這些攝像頭將擁有人工智慧技術，幫助警察識別目標，鎖定失蹤人口。產品原型是和 Neurala 合作的，這家明星深度學習創業公司最近將自己軟體整合到了無人機上，在非洲被用於追蹤偷獵者。
據報導，不久這款身體攝像頭還可用於識別影象（比如，根據圖片識別失蹤兒童），並與其他攝像頭交流資料。如果一個警察想找一名失蹤兒童，系統自動識別特徵後，會將資訊自動分享給其它裝備這些裝置的警察，讓他們也能加入搜尋。Neurala 表示，他們提供的技術甚至可在擁擠的公共空間裡找到相關目標。
這種系統自然會引發人們對資料和隱私擔憂，提及警方濫用技術。不過，這些並沒阻止英國警察使用自動面部識別軟體抓捕嫌犯。在美國，科研人員也在研究機器人協作跟蹤目標的 AI 系統。
LG 釋出兩款機器人，擬為冬奧觀眾提供機場導航和清潔服務
21 日，電子巨頭 LG 在韓國最大的機場——仁川國際機場投入使用了兩臺機器人：機場導航機器人和機場清掃機器人。機場導航機器人在航站樓為旅客指示方向，提供登機資訊。它能夠說韓、英、中、日四種語言，還可以通過掃描旅客的登機牌，將旅客領到正確的登機口，不過和其它機器人一樣，速度都很慢。機場清掃機器人可以監測那些地方需要頻繁打掃，並將位置儲存在資料庫中，計算出最短到達距離。
在新聞釋出會上，LG 表示出對商用機器人市場的極大興趣，並希望通過上述兩款產品開啟局面。能夠獲得韓國政府的支援，LG 的機器人業務無疑開了個好頭，當然希望它們不會像最近的美國安保機器人一樣，自己掉進噴泉裡。
NEC 的人工智慧可以看出流水線上的不合格產品
人工智慧技術如今已經走進不少工廠和流水線，其幫助不少企業提升了產品製造效率，而使用人工智慧來為產品質量把關也成為一個必然趨勢。近日，日本 IT 大廠 NEC 推出了一個「視覺檢測（AI Visual Inspection）」技術，可以逐一檢測生產線上的產品，比如金屬、人工樹脂、塑膠等產品，從視覺上快速偵測出不合格品，提升出廠產品的合格率。
NEC 目前有一整套的人工智慧學習技術「RAPID」，其最大的特點就是能夠深度學習，上述提到的視覺檢測就是以這項技術為核心進行開發，透過這項技術，機器人可以對已知事物打上特定的標籤，學習並判斷其檢測結果，最後不斷理解和修正使之達到正確結果。
這看似較為複雜的技術，在實際的使用中並不困難，在進行產品品質檢驗時，機器人會拍攝產品影像，然後 NEC 將這些影像儲存保管在 IoT 平臺 NEC the WISE Iot Platform 的雲端上，當儲存的影像資料達到一定量後，雲端的 AI 會運用一系列資料來分析哪些是合格品以及不合格品，而在此過程中人工智慧系統仍在不斷學習和完善，最後將結果反饋給工作人員，整個過程只在短短數秒中完成，就算企業追加新產品，該人工智慧技術也會很快學習和理解產品特徵，及時更新判別合格品的標準。
觀點
《哈佛商業評論》：改變工業時代心態，華爾街需要開始面向未來五十年規劃自身，人才是關鍵
近期，高盛的一些舉動釋放出積極資訊。除了簡單啟動了一個「創新實驗室」，投資初創企業外（金額未透露），高盛正在優先考慮創新議程，而不是短期增長。最近，他們推出的網路零售銀行 Marcus 就是一個訊號。雖然它遠沒盈利，但高盛已經承認打算堅持這一模式。
據麥肯錫分析，如果傳統金融機構未能實現數字化，2025 年的利潤將下降 20％-60％。採納新技術一向比較落後的金融業目前正處在數字化轉型的早期。《哈佛商業評論》指出，如果投資者和企業家想要成功，一方面要認識到期待與初創公司（如 Slack 或 Airbnb）相同的曲棍球增長是不切實際的。另一方面，要規劃未來十年可行的業務，而不是下一季度最有利可圖的業務，這是金融服務業務的唯一前進方向。對於 CEO 們來說，如果希望避免自己的「柯達時刻」，需要轉變自己的心態。擁抱創新需要非常規的資本配置，雖然這種配置不會總是產生短期利潤，但從長遠來看可能會導致指數增長。
不過，一個更有利於創新的議程，更能容忍短期的失敗，以追求更長期的目標，並非大多數金融機構的 DNA。高盛 (Goldman Sachs) 為業內同行提供了一個效仿的榜樣。除了簡單地點頭表示需要更大的創新，它已經開始採取一系列大膽的、決定性的步驟，這些步驟是非典型的金融服務公司的舉措。它越來越多地將自己定義為一家技術公司而不是金融服務公司。最近，Vantiv 收購 WorldPay 集團，也是未來幾個月、幾年金融服務領域更廣泛併購活動的訊號。
《哈佛商業評論》還特別指出，律師事務所 White＆Case 調查的銀行中，有 95％的銀行表示，他們將在未來 18 個月內購買或投資新興科技公司。但是，許多銀行購買的原因卻不合理。文章警告，購買了技術不等於有了創新，技術都可以買到，但人才是金融服務的關鍵區別。成功跨越數字鴻溝的機構，會投資未來五十年的公司，而不是未來三到五年的領導者。重點是人。例如，PayPal 收購 Braintree 並不只是幫助公司實現線上支付門戶的現代化; Bill Ready（曾任 Braintree 執行長）現在正在積極領導改變和定位 PayPal 未來。
圖說
自動駕駛汽車為何加裝多種感測器？一張圖給你答案
自動駕駛汽車安裝了大量的感測器，攝像頭、超聲感測器、雷達等一系列裝置。為什麼需要安裝他們？
自動駕駛汽車要想在路上安全行駛，最重要的是能夠準確感知識別周圍的情況，比如周圍的車輛，行人等。攝像頭可以將汽車周圍的自行車騎手記錄下來，影象識別軟體處理後，車輛就能知道自行車騎手的準確位置。
不過，道路情況複雜，單純依靠某一個裝置解決不了問題。比如，鐳射雷達無法感知玻璃，無法區分紅綠交通訊號燈。但是，在暗光和強光下，較之其它感應裝置，它獲得的資料更為詳盡。雷達主要用於感知金屬物體。攝像頭也常被各種影象欺騙，因此，我們需要取長補短，綜合使用各種裝置。因在 Autopilot 系統上僅使用雷達、攝像頭和超聲感測器，特斯拉也備受指責。其自動駕駛汽車曾在晴朗白天，因未能識別出一輛拖車而釀成事故，司機在事故中死亡。
一般認為，最安全的做法就是安裝儘可能多的感應裝置，即使這種做法可能顯得臃餘。
華爾街，僅有30%的工作可以實現技術上的完全自動化
日前，諮詢公司麥肯錫公司釋出了一份題為《資本市場的認知技術》報告。報告稱，60% 的華爾街工作將會受到自動化技術的影響，其中 30% 的工作可以實現「技術上的完全自動化」。認知技術可以降低開支，團隊可將資源用於更有價值的活動，比如，研究，創新以及客戶關係管理。
該報告通過圖表的形式展示了五種認知技術對業務中、後端的影響程度。其中，綠色崗位受自動化衝擊最高，紅色受衝擊最低。在實現自動化方面，交易分配首當其衝。瑞士聯合銀行集團（UBS）已採取手段，實行自動化交易分配。UBS 倫敦分支的一家銀行使用了「機器人」——一種執行於虛擬櫃檯的軟體程式，對涉及外匯交易預定和分配任務實行自動化處理。
不過，這份圖表顯示，自動化對很多崗位都會產生高度影響，但是認知智慧體（cognitive agent）以及直接面向客戶服務的機器人的影響最小。為了削減成本，提高效率，JPMorgan 在科技上投入了大量資金。去年，它研發了一種機器學習引擎，用來識別客戶應該進行何種資產的買賣。在該技術獲得初步成功之後，JPMorgan 已將其應用到其它業務。
麥肯錫公司稱，自動化不是靈丹妙藥，也無法為公司帶來「兩位數的利潤增長。」但確實能讓公司更加高效，更快的對技術變化做出反應。麥肯錫建議銀行設立專門跟蹤新興科技的中心，在基礎設施上實現創新，趕上變化的步伐。報告稱，「從風險管理到合規、人事，大家都會發現一些好處。」花旗銀行建立了一個新型自動化中心，旨在全公司部署機器人技術。