正值兩會,政協(xié)委員和人大代表們對近期最熱門的區(qū)塊鏈技術(shù)展開了討論:
騰訊馬化騰:區(qū)塊鏈技術(shù)是好的,但不考慮ICO
“區(qū)塊鏈技術(shù)是好的,但關(guān)鍵在于怎么用?可以用于很多領(lǐng)域,包裹內(nèi)部票證的認證,解決了很大問題。做ICO數(shù)字貨幣還有很多風(fēng)險,家家都在發(fā)幣,雖然很熱,但我們沒有考慮參與其中。”
百度李彥宏:區(qū)塊鏈技術(shù)還處在非常早期的階段
“政府應(yīng)鼓勵互聯(lián)網(wǎng)公司開放自己的人工智能平臺。區(qū)塊鏈技術(shù)非常具有革命性,但現(xiàn)在還處在非常早期的階段。
360周鴻祎:還沒看到什么非用不可的場景
“現(xiàn)在區(qū)塊鏈這么熱,還沒看到什么非用不可的場景,唯一就是比特幣。比特幣有賬本不可篡改的特點,但也有遭受網(wǎng)絡(luò)攻擊的隱患,比如當(dāng)有人掌握了51%的算力,或者未來量子計算破解了‘挖礦’的哈希算法,對區(qū)塊鏈技術(shù)都是一個挑戰(zhàn)。如今出現(xiàn)了很多交易所、錢包,也發(fā)生過安全事件,丟失了虛擬資產(chǎn),恰恰說明區(qū)塊鏈技術(shù)需要安全保護。”
新東方俞敏洪:區(qū)塊鏈可使人與人間的連接完全去中心化
“現(xiàn)代連接是互聯(lián)網(wǎng)+人工智能的連接,區(qū)塊鏈的出現(xiàn),使人與人之間的連接沒有了中心載體,成為完全去中心化概念,完全可以通過區(qū)塊鏈做到。”
網(wǎng)易丁磊:不要借技術(shù)的名義和噱頭炒作區(qū)塊鏈
“區(qū)塊鏈本身是一個技術(shù),這個技術(shù)本身是沒有問題,也能解決很多問題,應(yīng)用場景很豐富很廣泛。但現(xiàn)在感覺區(qū)塊鏈存在過度炒作的情況,技術(shù)本身沒有壞處,只是不要借技術(shù)名義和噱頭來進行炒作,而應(yīng)該根據(jù)具體應(yīng)用場景結(jié)合來推廣區(qū)塊鏈。”
58集團姚勁波:看好區(qū)塊鏈發(fā)展,但絕不會發(fā)幣
“到目前為止區(qū)塊鏈只跑通了一個服務(wù),就是發(fā)幣。在這個服務(wù)里面,被太多人濫用,我認為是在累計很多金融風(fēng)險,有可能會導(dǎo)致誤傷區(qū)塊鏈的長遠發(fā)展。我們不會去發(fā)幣,不會去添亂,我們號召大家業(yè)不要去發(fā)幣,而是真正去研究區(qū)塊鏈對自己的業(yè)務(wù)意味著什么。我希望區(qū)塊鏈除了發(fā)幣以外,有真正好的業(yè)務(wù)出現(xiàn),推動社會進步。”
蘇寧控股集團張近東:推動大數(shù)據(jù)與人工智能、區(qū)塊鏈等新技術(shù)的融合
“應(yīng)該建立跨地域、跨行業(yè),能夠面向整個社會開放的數(shù)據(jù)共享平臺,加強數(shù)據(jù)安全立法,同時逐步加大引入人工智能和區(qū)塊鏈技術(shù),推動大數(shù)據(jù)與人工智能、區(qū)塊鏈等新技術(shù)的融合,提高對風(fēng)險因素的感知、預(yù)測、防范能力。”
京東欲借助區(qū)塊鏈技術(shù),證明食品源頭真實性
而據(jù)近期報道,京東已經(jīng)著手擬采用區(qū)塊鏈技術(shù),向用戶提供牛肉產(chǎn)品的實時物流情況,如每塊牛肉的運輸軌跡,甚至是遠在澳大利亞的牛肉生產(chǎn)農(nóng)場的產(chǎn)品也能被實時追蹤。
據(jù)了解,該追蹤系統(tǒng)是京東與澳大利亞牛肉生產(chǎn)商HW Greenham & Sons Pty Ltd合作推出的,將于今年春季投入運行,屆時,用戶就可以獲取特定肉源的飼養(yǎng)地點和情況,以及其加工運輸過程。
隨著區(qū)塊鏈技術(shù)的普及,由于它自身極高的安全系數(shù)以及不可篡改的特性,其應(yīng)用范圍已經(jīng)遠遠超越了帶火它的比特幣,從金融領(lǐng)域抽離出來,滲入到各行各業(yè)。
作為中國市場的電商平臺巨頭,京東2017年的年收入高達557億美元,活躍用戶總數(shù)攀升至2.925億。對于人工智能、機器人等新技術(shù)的應(yīng)用,京東也一直扮演著引領(lǐng)者的角色。因此,區(qū)塊鏈技術(shù)更不例外。
食品追蹤是區(qū)塊鏈技術(shù)的主要應(yīng)用領(lǐng)域之一,此次京東推出的高端牛肉項目將極大地提升食品供應(yīng)鏈的透明度。
比如,在相關(guān)的連鎖超市可以通過區(qū)塊鏈技術(shù)來追蹤食源性疾病,弄清類似沙門氏菌的來源。當(dāng)然,這并非易事。如果只是簡單粗暴的通過食品召回方式處理,就會造成大量食物的浪費。
而借助區(qū)塊鏈技術(shù),就能在食品供應(yīng)鏈上追蹤特定產(chǎn)品的物流情況,以及供應(yīng)鏈的"污染區(qū)間",避免“一刀切”的食物浪費。
此外,區(qū)塊鏈還可用于證明商品來源的真實性。
此前有藝術(shù)品經(jīng)銷商和柯達公司已經(jīng)采用了區(qū)塊鏈技術(shù)來證實產(chǎn)品真實性及藝術(shù)和攝影作品的所有權(quán),而京東則借此技術(shù)證明其牛肉的確產(chǎn)自澳大利亞。
京東首席技術(shù)官張晨表示:"通過區(qū)塊鏈技術(shù)追蹤產(chǎn)品,我們將向消費者證明京東的產(chǎn)品確實是安全可靠的。"他進一步解釋說,"中國消費者并不滿足于高品質(zhì)進口產(chǎn)品,他們還想求證產(chǎn)品的產(chǎn)地和生產(chǎn)方式,而區(qū)塊鏈技術(shù)恰能讓消費者安心。"
早在去年十二月,京東就已經(jīng)與沃爾瑪、IBM、清華大學(xué)共同成立了區(qū)塊鏈食品安全聯(lián)盟。可見其決心之大。
事實上,除了京東之外,世界幾大食品公司也將賭注壓在區(qū)塊鏈技術(shù)上,認為該技術(shù)能夠大大提升食品安全。
包括都樂(Dole)(水果、蔬菜生產(chǎn)、銷售跨國集團之一)、Driscoll's、泰森(Tyson)(目前全球最大的雞肉、牛肉、豬肉供應(yīng)商及生產(chǎn)商,也是最大的牛皮和豬皮生產(chǎn)商)等跨國食品公司在內(nèi),都認為區(qū)塊鏈技術(shù)將促使企業(yè)和政府高效追蹤全球食品供應(yīng)鏈。此外,沃爾瑪、聯(lián)合利華和美國零售巨頭克羅格(Kroger)也參與了技術(shù)開發(fā)環(huán)節(jié)。
沃爾瑪食品安全副總裁Frank Yiannas曾表示:"區(qū)塊鏈技術(shù)帶來了全球食品系統(tǒng)端到端透明化的新時代,它使得項目參與者得以借助強大的可信網(wǎng)絡(luò)及時快速地分享信息。"
的確,食品污染是食品企業(yè)亟待解決的問題之一。而以往確定某產(chǎn)品的污染時間和地點,通常需要花費數(shù)月時間。與此同時,如果出現(xiàn)食品問題,以往只能大量丟棄受污染食品,防止污染擴散。否則,人們攝入此類未經(jīng)追查的污染食品后將感染疾病。但如上文所說,這將造成大量食物浪費。
因此,食品生產(chǎn)商或?qū)⒔柚称饭?yīng)系統(tǒng)的區(qū)塊鏈技術(shù)解決這兩大問題。在食品供應(yīng)領(lǐng)域內(nèi),區(qū)塊鏈可用于追蹤單個或大量食品的具體情況。如此,我們就能更快確定某產(chǎn)品的發(fā)貨地以及供應(yīng)鏈的污染區(qū)域。這類信息或可防止大規(guī)模爆發(fā)主要食源性疾病。
去年,墨西哥馬拉多爾(Maradol)的番木瓜曾引起沙門氏菌爆發(fā),導(dǎo)致上百人患病,甚至有死亡案例。盡管CDC能夠確定被污染番木瓜的產(chǎn)地,但病情并未得到遏止,仍有貨品未被及時追蹤召回。
如果使用區(qū)塊鏈記錄番木瓜的運輸過程,也許就能阻止此類疾病的擴散。理論上,區(qū)塊鏈記錄技術(shù)能夠加快確定貨物感染細菌的環(huán)節(jié)和物流狀況,還能幫助企業(yè)和公共衛(wèi)生部門確定可能被感染的區(qū)域。
對此,IBM與沃爾瑪也在全球范圍內(nèi)推出了食品安全區(qū)塊鏈項目,對區(qū)塊鏈技術(shù)展開測試,從而追蹤產(chǎn)品從農(nóng)場到商場貨架的運輸軌跡。追蹤所用時間從以往的數(shù)日甚至數(shù)周,縮短到僅幾秒。
而這,無疑將是全球食品安全的福音。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。