双11假打折、假促销

　以标准 2 号铅笔的笔尖为例，想象一下在笔尖区域每秒执行万亿次以上的乘法运算。这项任务可以使用现在的 7nm 半导体技术来完成。在小型、低成本的电池供电设备上结合这种强大的计算能力和深度神经网络将有助于解决从 Covid-19 到阿尔茨海默病的种种挑战。

　　AlphaGo、Alexa、GPT-3 和 AlphaFold 等杰出系统背后的神经网络需要这种计算能力才能充分发挥魔力。这些系统通常运行在数据中心服务器、GPU 和大规模电源上，但很快它们将可以在耗电量比节日灯串上单个 LED 灯泡还要少的设备上运行。

　　一种叫作 TinyML 的机器学习技术正将这些大型的、侧重数学的神经网络应用在传感器、可穿戴设备和手机上。神经网络严重依赖乘法，而新兴硬件使用低精度数字（8 位或更少）来执行乘法运算。与通常的 32 位单精度浮点乘法器相比，芯片设计者可以在更小的面积和功率范围内构建更多的乘法器。研究表明，在很多现实案例中，在神经网络中使用低精度数字几乎不会对准确率产生影响。这种方法可以在最需要的地方提供超高效的神经网络推断。

　　举例而言，在应对 Covid-19 大流行的过程中，检测和确认感染者成为主要障碍。最近的研究表明，基于数千个「强制咳嗽」音频片段训练的神经网络集合或许能够检测出咳嗽者是否感染 Covid-19，即使他 / 她并没有出现症状。该案例中使用的神经网络具有非常高的计算成本，需要每秒数万亿次的乘法运算。而 TinyML 可以运行此类咳嗽分析神经网络。

　　对于即将来临的 2021 年，我希望由小型设备上运行的大规模神经网络赋能的复杂医疗应用可以开创一个新的个性化医疗时代，从而改善数十亿人的生活。

　　沈向洋博士：期待 AI 帮助人类进行艺术创作
 

据他介绍，印度人其实很在意数据隐私。受最近中印之间的地缘政治影响，一些 App 获取借贷人通信录等信息的行为，很容易被印度政府上升到国家安全层面，尤其可能会追问放贷的钱从哪里来、获取的信息储存在哪里、是否违规使用信息等。

　　林真表示：“这些也都是印度人爱看的信息，媒体当然会为了迎合而做出这些报道，尤其在证据确凿的情况下。”

　　志象网了解到，印度对于借贷产品利率和产品期限，并没有作出一个非常明确和细化的规定。很多甲方公司拿不到牌照，于是挂靠在 NBFC 之下，每月向其支付一定费用，然后提供一些灰色性质的借贷产品。

　　比如，印度市面上存在一些 7 天期限却收高达 25%、35% 砍头息（指放贷时先从本金里面扣除一部分钱）的产品，这些产品很难确定是否合法合规。

　　但这种操作也不一定完全可靠，据媒体此前报道，很多寻求挂靠的公司，向对方转了挂靠费之后不仅没获得合法的保障，对方还把钱给卷跑了，钱照两空。

　　林真也对印度网贷监管做出了一些预测。作为 NBFC 的直属管理部门，RBI 今后可能对于租牌进行规范，对无牌经营进行打击，还会限制息费、限制产品时间；在税务方面，税务部门可能会考虑将这些偷税漏税的公司纳入缴税名单；而 cybercrime 部门也会在接到投诉后迅速介入。

　　“印度网贷行业良莠不齐，那些不按规则出牌、只想赚快钱的公司扰乱了行业秩序，而我们这些正经、遵守规则的公司战战兢兢。目前我们也做不了什么，只能静观其变，期待 RBI 的最新动向。”林真表示。
 

　　显然，与其盲目地让机器和 AI 算法通过不断重复学习、来学会如何像人类一样思考，不如为语言模型选择一个更合适的训练架构，从而大幅削减其构建成本。

　　有鉴于此，一些研究人员想到了一种更加合适的方案 —— 考虑学习期间需要动用多少个神经元、神经元之间有多少个连接、参数应以多快的速度发生改变等。

　　随着尝试的组合越来越多，语言网络的精度提升机会也变得越来越大。相比之下，人脑并不需要费力地去寻得最佳结构，因为祖先早在进化过程中就替我们承受了这些苦难。

　　近年来，企业和学术界在不断搅动 AI 领域的竞争，毕竟即使 1% 的准度提升，也会带来相当显著的优势 —— 尤其是机器翻译等难度相对较高的任务处理上。

　　然而为了抢占宣传上的制高点，研究人员可能需要对模型展开数千次的训练、每次动用不同的结构方案，才能找到提升哪怕 1% 的最佳实现，即便这么做也会造成能源的大量浪费。

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!