1.比特币重挫逾10% 回到11000美元下方;
腾讯科技讯 2月22日, 比特币价格周三重挫逾10%, 回落至11000美元下方. 与此同时, 其他主要加密数字货币的价格也普遍大跌, 其中莱特币跌13.82%, 瑞波币跌9.58%, 以太坊跌8.31%.
以下为腾讯科技整理的每日币情汇总 (注: 除比特币期货以外, 以下数据均来自加密数字货币数据分析网站CoinMarketCap) :
比特币
过去24小时, 比特币现货价格跌10.47%, 截至今日早上6点半, 比特币的最新成交价为10522.50美元.
芝加哥商品交易所 (CME) 2月份交割的比特币期货价格下跌1425美元, 报收于10310美元, 跌幅为12.14%, 日内最高触及11340美元, 最低触及10220美元.
以太坊
过去24小时, 以太坊价格跌8.31%, 截至今日早上6点半, 以太坊的最新成交价为840.38美元.
莱特币
过去24小时, 莱特币价格跌13.82%, 截至今日早上6点半, 莱特币的最新成交价为210.57美元.
瑞波币
过去24小时, 瑞波币价格跌9.58%, 截至今日早上6点半, 瑞波币的最新成交价为1.00美元.
行业资讯
1.有媒体曝光称, 以德交易所已停止交易, 其实际控制人陈军跑路. 对此, 以德顾问瞿佳炜承认以德中有人存在关联交易, 欺诈, 并消失跑路, 并指责陈军想擅自废除CEO, 擅自推后tge, 修改tge总额. 瞿佳炜称此时团队正在通过法律渠道设法解决问题.
2.近日, 财经博主@区块链克币哥发微博称, 青蛙dog官微向其发私信, 爆料区块链游戏青蛙dog开发人员卷款跑路, 将股东钱全部卷走. 青蛙dog官微转发了该条微博, 回应 '是的' , 承认确有此事. 后续如何解决, 青蛙dog官微并未透露.
3.美国财政部外国资产管制办公室(OFAC)在官网发表公开回应称, 委内瑞拉发行的数字货币应被视为基于政府信用的债券. 该办公室指出, 根据第13808号行政令, 禁止美国公民交易长于30天的委内瑞拉国债; 交易委内瑞拉数字货币的公民有受到处罚的风险.
4.美国移民和海关执法局(ICE)9日逮捕了Bitcoin, Inc.首席执行官Morgan Rockcoons, 因其与' 卧底探员' 私下交易约10个比特币. 法院记录显示, 2016年12月30日至2017年1月8日期间, Rockcoons在明知现金来源 '不干净' 的前提下, 与执法人员以约14500美元现金交换了约10枚比特币 (当时价值约9200美元) . 但Rockcoons的推特和他后来与Bitcoin Magazine的沟通似乎暗示, 起初他不知道自己是在向一名执法人员出售比特币.
5.欧盟委员会副主席Valdis Dombrovskis称, 该委员会将于2月26日举办圆桌论坛, 讨论加密货币监管问题, 参会者包括各国央行代表, 监管部门代表以及部分市场参与者.
6.据Bitcoin.com消息, 韩国总理李洛渊下令制定新的行为准则, 防止数字货币内幕交易. 韩国反腐败和民权委员会上周向政府和公共机构发布了 '数字货币行为守则指南' , 在第12条中增加了有关数字货币的规定: 公职人员不得利用其职责中得到的信息协助投资或交易与证券, 房地产等有关的财产, 或向他人提供此类信息以帮助他们进行交易或投资. 但由于FSS不是政府机构, FSS的工作人员不在行为准则范围内. FSS官员表示, 将制定内部准则, 禁止FSS工作人员使用内部信息进行交易或投资数字货币.
7.据瑞波币团队透露, 巴西和拉美地区最大银行Itaú Unibanco将用瑞波币提供的xCurrent支付技术处理跨境支付和汇款业务.
2.比特币两周反弹95% 机构观点喜忧参半;
殷怡
比特币在2月6日一度下跌至6000美元, 但经过春节前后近两周的回调, 目前已收复大部分 '失地' . 2月21日, 比特币价格持续反弹, 一度上涨至11720美元, 直逼12000美元大关, 半个月以来的涨幅高达95%.
第二大数字货币以太坊在2月6日跌至565美元低位后, 也逐渐回升, 两周内上涨56%, 现价徘徊在880美元左右. 瑞波币价格走势与前两者相类似, 两周内上涨77%.
市场观点认为, 比特币冲破1万美元大关后, 让各界重新恢复了对比特币等数字货币的信心. 韩国监管机构本周以来对于加密货币的立场开始出现松动. 据韩国媒体报道, 和一个月前的强硬态度相反, 韩国金融监督管理局 (FSS) 负责人ChoeHeung-sik表示, 对于数字货币的 '正常交易' , 韩国政府将予以支持.
报道提到, 自今年以来韩国政府对数字货币交易做出的接连打击, 使得韩国许多银行都已经不愿意为数字货币交易开设账户. Choe称, 韩国政府将会鼓励银行与数字货币交易所之间的交易与合作.
今年1月, 韩国政府曾欲禁止加密货币交易所, 导致所有数字货币全线暴跌, 比特币跌幅一度超过30%. 此后, 副总理兼财政部长金东渊表示, 并没有禁止或压制数字货币市场的意向, 目前最为紧迫的任务是对交易所进行监管.
研究机构CanaccordGenuity在最新发布的一份研究报告中表示, 比特币的历史价格表明, 几个月的整合之后, 比特币价格将会持续数周的快速上涨. 报告还称, 从潜在的比特币价格升值中获益的最安全方法是买入并长期持有, 而试图对持有时间的测定可能比较困难.
事实上, 近期的确多次出现巨额资金流入比特币市场, 在2月9日至12日期间, 一买家花费近4亿美元增持比特币. 风险投资公司DraperFisherJurvetson的创始人TimDraper近期在接受外媒采访时表示, 世界货币市场总市值是86万亿美元, 在未来, 其中很大一部分将会属于数字货币. 三年前, TimDraper曾预测比特币价格将达到1万美元/BTC.
同样乐观的还有比特币基金会执行董事LlewClaasen, 据美国媒体报道, 他曾预测今年比特币价格可能会以三到六个月为周期, 出现跌宕起伏的现象, 但最终将突破4万美元大关.
虽然德意志银行和高盛针对比特币都发布了相对负面的报告, 但摩根大通对数字货币的展望报告却显得更为乐观.
报告提到, 加密数字货币不可能会彻底消失, 而且比特币能够轻易地通过各种不同的形式和形态存活下去, 原因是有很多玩家对去中心化, 点对点网络和匿名满怀渴望.
不过, 比特币较大的波动率虽然会引起交易员的兴趣, 但对于那些希望被广泛采用的资产而言, 价格大幅的波动并不受欢迎. 基于比特币的历史表现来看, 加密数字货币的波动率可能会高于股票, 大宗商品投资组合等产品的10倍以上.
与此同时, 目前比特币的监管问题并没有在全球范围内达成共识, 仅有美国, 韩国, 中国等国家针对虚拟货币交易出台过相应政策. 摩根大通认为, 对于加密数字货币而言, 取代政府发行的货币以及与其竞争都是极端困难的, 比如说美元, 欧元和人民币在它们各自的地区实际上处于自然垄断地位, 并不会轻易放弃它们的铸币收益. 也就是说, 虽然加密货币会继续存在, 但想要挑战黄金市场或者是成为一种全球性的货币仍然有很远的距离. 第一财经日报
3.首次降到1美元以内 比特币交易费危机暂时结束;
去年 12 月, 比特币的交易费一度高达 34 美元, 也就是每一笔交易用户平均需要支付 34 美元的费用, 如此高的交易费对小额交易的打击几乎是致命的, Valve 在当月宣布停止支持比特币付费, 许多企业则切换到了其它交易费更低的替代数字货币. 但在上周日, 比特币交易费自去年 9 月以来首次降到 1 美元以内.
为什么交易费会下降? 一个原因被认为是比特币泡沫逐渐冷却. 本月初比特币的币值一度跌至 6000 美元, 目前回升到了 1.1 万美元, 但至少对它的狂热有所减缓, 投机目的的需求下降, 因而交易费也随之下跌.
问题是这种情况是否会保持下去. 目前比特币社区正在开发名叫 Lightning 的新支付网络, 通过将绝大多数常规交易转移到区块链之外, Lightning 能显著扩大比特币网络的容量. solidot
4.Google AI可判读视网膜影像预测患心脏病风险;
旗下拥有TensorFlow等深度学习框架的Google, 其研究员积极的跨领域运用AI(人工智能)相关技术, 来造福全人类. 根据Google最新发表的研究报告, 他们目前所开发的工具, 已可透过判读视网膜影像来预测心脏病患病风险, 且准确度与医学界常用方法相近, 此外还有「非侵入式」的优点.
近日, Google与旗下专注健康科技子公司Verily共同发表开发出AI算法(运用机器学习技术)透过判读病人视网膜摄影影像, 并推测病人年龄, 血压, 是否有吸烟史, 以及他们罹患心脏病的可能性的论文, 其准确性与现行预测方法不相上下(论文已在《Nature Biomedical Engineering》杂志发表).
据悉, 为了训练算法, Google与Verily的科学家分析了近30万名病患的医疗数据(包含眼部扫描数据以及一般医疗数据). 针对Google所开发的算法, 专精于机器学习的阿德雷德大学(澳洲八大名校之一)医疗研究员Luke Oakden-Rayner向《The Verge》指出, Google的算法透过采用临床数据, 获得了比现有方法更多的可用信息 , 能够进一步协助医生的诊断工作, 但不是为取代医生而生.
Google训练算法判读眼底(视网膜)影像的方法, 其来有自, 早在医疗界发展已久. 眼底布满了能够反映身体健康程度的血管, 过去医生就能利用显微镜与视网膜摄影的工具, 来判断病人年龄, 吸烟史以及血压, 而这些都是用来判断心血管健康的重要指针.
据了解, Google AI算法透过判读视网膜影像来预测病人可能罹患心脏病的准确率为70%, 准确性比以往用来预测心血管疾病罹病风险的SCORE方法略差. SCORE方法需要透过血液检查(换句话说, 是侵入式疗法), 准确性约在72%左右.
左右两张都是视网膜摄影图像. 左边为一般情况, 右边则显示Google的验算法如何透过特定的血管(被标示为绿色的血管)来预测眼压. (图/ 翻摄Google释出之论文)
伦敦大学医学院心血管生理学与药学教授Alun Hughes表示, Google的方法看起来满可靠的, 因为透过观察视网膜来预测心血管疾病患病风险的方法由来已久. 他认为, 运用AI有可能能加速现行的医疗分析的速度, 然而他也认为Google的算法需要进一步验证来取得更高的可信度.
过去, Google也曾发表运用AI(机器学习技术)来判读视网膜眼底图像, 并且进一步预防糖尿病人因视网膜病变而失明的风险. 这对于印度等医疗资源相对缺乏的地区来说, 能进一步协助医生进行诊断.
由以上成果来看, AI(人工智能)相关技术要进一步取代医生来向病人进行诊断的日子, 距离我们还相当遥远. 但若能妥善运用AI工具, 对于医学研究, 疾病诊断与预防等领域都能带来一定程度的正面帮助. 或许还有机会在降低第一线医疗人员的工作负荷的同时, 提升医疗质量. 工商时报
5.突破AI极限的关键在于「人脑」...;
现在是该认真看待人脑启发技术的时候了! CEA-Leti首席科学家Barbara De Salvo指出, 如果没有新的运算典范和算法, 最终将难以达到AI装置对于更高处理性能与更低功耗的要求...
科学家回归人类大脑的研究, 为当今运算技术寻找新的替代方案, 这并不是什么新鲜事儿.
CEA-Leti首席科学家Barbara De Salvo指出, 自1950年代中期人工智能(AI)初露曙光以来, 尽管有许多科学家和工程师对此概念一直十分感兴趣, 但有关AI的研究却几经波折.
然而, 现在正是认真看待人脑启发技术的时候了. 至少, 「我们应该体认到目前还有其他的技术典范, 将有助于我们提出好的问题. 」De Salvo在今年国际固态电路会议(ISSCC)发表专题演讲后接受《EE Times》的访问表示, 「如果没有新的运算典范和算法, 业界最终将难以达到更严格的功耗要求. 」
虽然业界一直在推动嵌入式AI平台, 如Movidius的Myriad 2, Mobileye的EyeQ5, 以及Nvidia的Xavier; 但为了符合以较少功耗在边缘(edge)处理大量分析的终端装置需求, 她指出: 「 我们距离需要达到的这一步还差很远」.
(来源: CEA-Leti)
De Salvo在专题演讲中比较推论阶段的运算效率(GOPS/W)和几种AI芯片的运算性能(GOPS).
(来源: CEA-Leti)
她指出, 在业界的需求和现有解决方案之间仍然存在巨大差距. 「没有任何芯片——无论是商用发布, 原型, 学术界进行设计或开发中的芯片——能够满足低于100μW的功耗要求. 」然而, 这正是边缘装置需要达到的性能, 因为它们必须依靠能量采集或微型电池持续运作多年.
为什么回归人脑研究?
De Salvo说, 我们知道人类大脑的重量约为身体的2%, 然而, 却使用了人体新陈代谢的20%.
在20W时, 人类的大脑可以处理1,011个GOPS. De Salvo强调, 迄今为止, 世界上没有任何处理器的「性能和功率能够比得上人类的大脑」.
De Salvo解释说, 这种能效级在人类动物的进化过程中发展了很长的时间, 在最大限度发挥大脑功能的同时, 也使得能量的使用减至最低.
这正是半导体产业得以从生物学借鉴之处. 她表示, 传统的运算架构正致力于满足功耗要求, 主要是因为「每当处理器和内存通讯时都需要消耗能量. 」相形之下, 大脑突触在单一架构中包含了内存和运算. 她解释说, 这种巧妙的技巧为大脑启发的非冯·诺伊曼(non-von Neumann)计算机架构提供了基础.
对于大脑启发的运作原则, 其本质在于像棘波编码(spike coding)和棘波时序相关可塑性(spike-timing-dependent plasticity; STDP)等元素. 她指出, 以系统中编码的神经元状态来看: 过去, 神经元使用模拟或数值进行编码; 而今, 神经形态运算的最新趋势是将神经元的值编码为脉冲或棘波. 她并解释说: 「神经元没有频率, 它们纯粹是事件导向的. 」
科学界认为棘波编码和STDP具有发展前景. 如果以脉冲(棘波)来表示输入/输出讯号, 那么输入讯号和突触权重之间的加乘将在突触级时降至闸控作业. 在此的目标是经由建置采用异质方案的棘波或基于事件的讯号表示, 从而降低功耗.
(来源: CEA-Leti)
这是否就像是Chronocam开发的事件驱动图像处理技术? 她回答说: 「是的. 但是, Chronocam的解决方案针对的是应用于人造视网膜的『视觉』. 而我们的产业使命在于将神经形态原则扩展到超越视觉以外的整个运算领域. 」
De Salvo表示, IBM的TrueNorth是神经形态CMOS芯片的理想范例. 目前以28nm FD-SOI建置的动态神经形态异质处理器可扩展学习(DynapSEL), 则是大规模多核心神经形态处理器的另一个例子. DynapSEL目前是NeuRAM 3欧洲合作研究计划旗下的开发计划之一.
TrueNorth中的神经元以数字方式进行处理, 而DynapSEL则是模拟的. 然而, 这两种芯片都未能有效发挥神经形态系统的全部功能, 因为内存并非基于神经形态的运作原理.
科学界正试图让内存接近处理单元, 彻底改变传统的内存分层架构, 并实现「内存运算」(in-memory computing). 迄今为止, 神经形态硬件尚未充份发挥潜力, De Salvo说: 「我们需要在神经形态运算中使用超高密度的3D架构」, 才能在神经元和突触之间实现最大的连接性和可重配置性.
昆虫的大脑
我们现在已知人脑中有1,000亿个神经元, 而像蜜蜂等智能昆虫在其约1mm立方体大小的脑中则有950,000个神经元. De Salvo指出, 在各种昆虫中, 蜜蜂的大脑是最大的, 她说: 「我们已能掌握蜜蜂大脑中的神经元映像, 然而, 对于人脑内的神经元所知甚少. 」
科学家热衷于剖析蜜蜂的大脑, 因为「蜜蜂十分聪明. [蜜蜂]有许多传感器, 能够透过其导航方式进行觅食, 而且知道如何在一个群体进行沟通. 要在一个群体中共同生活, 蜜蜂必须知道其他蜜蜂的功能. 」
蜜蜂有着出色的感测系统, 并且具备学习和记忆的能力. 他们知道如何整合感官数据——以「传感器融合」(sensor fusion)的方式, 做出复杂的决定.
「当然, 蜜蜂的大脑很小. 但其简化的形式为AI系统提供了很好的模板, 」De Salvo说: 「它强调需要以系统化的方式进行思考, 因为有机体并不会分离传感器和讯号处理. 」
AI最新进展?
十年前, 没人能想象到我们如今从AI中看到的突破性进展.
CEA-Leti首席科学家Barbara De Salvo
然而, 根据De Salvo的观察, 业界可能由于看好AI的前景, 而太快将研究重心转向 AI应用. 事实上, 她说: 「我们仍然缺乏对于AI系统的全面理解... 就像深度学习一样. 」
她解释说, 深度学习中存在着隐藏的分层, 以及由此产生的系统复杂性, 使得很难说哪些属性对于提高性能担负最大的责任. 「相较于一般智能, 学习, 抽象和推理能力所取得的普遍性仍然非常有限. 」
深度学习在分类方面非常出色, 但「预测仍然是神经运算的基本问题, 」De Salvo说: 「最近, 神经网络在执行简单的任务时出现失败, 而人类在这方面从未失手. 」De Salvo并引用A. Nguyen等人发表的「深层神经网络易于被愚弄: 对未辨识影像的高可信度预测」(Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognized Images)论文, 她担心这最终会阻碍市场发展, 甚至「背叛用户的信任, 从而引发严重的道德问」.
编译: Susan Hong
(参考原文: AI' s Limits Send Scientists Back to the Brain, by Junko Yoshida)eettaiwan
6.Yole:2023年机器视觉产业规模将达40亿美元
集微网消息, 根据Yole Développement调查, 机器视觉相机整体市场规模将从2017年的20亿美元成长到2023年的40亿美元左右, 整体年复合成长率为12%, 机器视觉是这一波产业自动化的核心. 工业和自动化的机器视觉不仅限于机器人技术, 还涉及制造生产有关的几乎各项工作.
Yole技术和市场分析师Alexis Debray表示, 对质量的要求推动汽车, 电子, 半导体, 食品和包装行业的机器视觉. 图表所示是机器视觉的主要应用, 将从2017年的14亿美元成长到2023年的28亿美元, 事实上, 机器视觉已经不仅在工业自动化上, 在智能农业, 牌照识别, 以及最近在自驾车的应用上, 尤其汽车应用的年复合成长率(CAGR) 将高达140%. 2014年, Swatch集团宣布推出全球首款全自动制造机械手表Sistem51; 佳能在相机制造业和富士康宣布部署一百万台机器人制造消费电子产品. 因此, 自动化产品的销售超过了工业生产的成长, 未来这种趋势可能会加速.
