1.比特幣重挫逾10% 回到11000美元下方;
騰訊科技訊 2月22日, 比特幣價格周三重挫逾10%, 回落至11000美元下方. 與此同時, 其他主要加密數字貨幣的價格也普遍大跌, 其中萊特幣跌13.82%, 瑞波幣跌9.58%, 以太坊跌8.31%.
以下為騰訊科技整理的每日幣情匯總 (注: 除比特幣期貨以外, 以下數據均來自加密數字貨幣數據分析網站CoinMarketCap) :
比特幣
過去24小時, 比特幣現貨價格跌10.47%, 截至今日早上6點半, 比特幣的最新成交價為10522.50美元.
芝加哥商品交易所 (CME) 2月份交割的比特幣期貨價格下跌1425美元, 報收於10310美元, 跌幅為12.14%, 日內最高觸及11340美元, 最低觸及10220美元.
以太坊
過去24小時, 以太坊價格跌8.31%, 截至今日早上6點半, 以太坊的最新成交價為840.38美元.
萊特幣
過去24小時, 萊特幣價格跌13.82%, 截至今日早上6點半, 萊特幣的最新成交價為210.57美元.
瑞波幣
過去24小時, 瑞波幣價格跌9.58%, 截至今日早上6點半, 瑞波幣的最新成交價為1.00美元.
行業資訊
1.有媒體曝光稱, 以德交易所已停止交易, 其實際控制人陳軍跑路. 對此, 以德顧問瞿佳煒承認以德中有人存在關聯交易, 欺詐, 並消失跑路, 並指責陳軍想擅自廢除CEO, 擅自推後tge, 修改tge總額. 瞿佳煒稱此時團隊正在通過法律渠道設法解決問題.
2.近日, 財經博主@區塊鏈克幣哥發微博稱, 青蛙dog官微向其發私信, 爆料區塊鏈遊戲青蛙dog開發人員捲款跑路, 將股東錢全部捲走. 青蛙dog官微轉發了該條微博, 回應 '是的' , 承認確有此事. 後續如何解決, 青蛙dog官微並未透露.
3.美國財政部外國資產管制辦公室(OFAC)在官網發表公開回應稱, 委內瑞拉發行的數字貨幣應被視為基於政府信用的債券. 該辦公室指出, 根據第13808號行政令, 禁止美國公民交易長於30天的委內瑞拉國債; 交易委內瑞拉數字貨幣的公民有受到處罰的風險.
4.美國移民和海關執法局(ICE)9日逮捕了Bitcoin, Inc.首席執行官Morgan Rockcoons, 因其與' 臥底探員' 私下交易約10個比特幣. 法院記錄顯示, 2016年12月30日至2017年1月8日期間, Rockcoons在明知現金來源 '不乾淨' 的前提下, 與執法人員以約14500美元現金交換了約10枚比特幣 (當時價值約9200美元) . 但Rockcoons的推特和他後來與Bitcoin Magazine的溝通似乎暗示, 起初他不知道自己是在向一名執法人員出售比特幣.
5.歐盟委員會副主席Valdis Dombrovskis稱, 該委員會將於2月26日舉辦圓桌論壇, 討論加密貨幣監管問題, 參會者包括各國央行代表, 監管部門代表以及部分市場參與者.
6.據Bitcoin.com消息, 韓國總理李洛淵下令制定新的行為準則, 防止數字貨幣內幕交易. 韓國反腐敗和民權委員會上周向政府和公共機構發布了 '數字貨幣行為規則指南' , 在第12條中增加了有關數字貨幣的規定: 公職人員不得利用其職責中得到的資訊協助投資或交易與證券, 房地產等有關的財產, 或向他人提供此類資訊以幫助他們進行交易或投資. 但由於FSS不是政府機構, FSS的工作人員不在行為準則範圍內. FSS官員表示, 將制定內部準則, 禁止FSS工作人員使用內部資訊進行交易或投資數字貨幣.
7.據瑞波幣團隊透露, 巴西和拉美地區最大銀行Itaú Unibanco將用瑞波幣提供的xCurrent支付技術處理跨境支付和匯款業務.
2.比特幣兩周反彈95% 機構觀點喜憂參半;
殷怡
比特幣在2月6日一度下跌至6000美元, 但經過春節前後近兩周的回調, 目前已收複大部分 '失地' . 2月21日, 比特幣價格持續反彈, 一度上漲至11720美元, 直逼12000美元大關, 半個月以來的漲幅高達95%.
第二大數字貨幣以太坊在2月6日跌至565美元低位後, 也逐漸回升, 兩周內上漲56%, 現價徘徊在880美元左右. 瑞波幣價格走勢與前兩者相類似, 兩周內上漲77%.
市場觀點認為, 比特幣衝破1萬美元大關後, 讓各界重新恢複了對比特幣等數字貨幣的信心. 韓國監管機構本周以來對於加密貨幣的立場開始出現鬆動. 據韓國媒體報道, 和一個月前的強硬態度相反, 韓國金融監督管理局 (FSS) 負責人ChoeHeung-sik表示, 對於數字貨幣的 '正常交易' , 韓國政府將予以支援.
報道提到, 自今年以來韓國政府對數字貨幣交易做出的接連打擊, 使得韓國許多銀行都已經不願意為數字貨幣交易開設賬戶. Choe稱, 韓國政府將會鼓勵銀行與數字貨幣交易所之間的交易與合作.
今年1月, 韓國政府曾欲禁止加密貨幣交易所, 導致所有數字貨幣全線暴跌, 比特幣跌幅一度超過30%. 此後, 副總理兼財政部長金東淵表示, 並沒有禁止或壓制數字貨幣市場的意向, 目前最為緊迫的任務是對交易所進行監管.
研究機構CanaccordGenuity在最新發布的一份研究報告中表示, 比特幣的曆史價格表明, 幾個月的整合之後, 比特幣價格將會持續數周的快速上漲. 報告還稱, 從潛在的比特幣價格升值中獲益的最安全方法是買入並長期持有, 而試圖對持有時間的測定可能比較困難.
事實上, 近期的確多次出現巨額資金流入比特幣市場, 在2月9日至12日期間, 一買家花費近4億美元增持比特幣. 風險投資公司DraperFisherJurvetson的創始人TimDraper近期在接受外媒採訪時表示, 世界貨幣市場總市值是86萬億美元, 在未來, 其中很大一部分將會屬於數字貨幣. 三年前, TimDraper曾預測比特幣價格將達到1萬美元/BTC.
同樣樂觀的還有比特幣基金會執行董事LlewClaasen, 據美國媒體報道, 他曾預測今年比特幣價格可能會以三到六個月為周期, 出現跌宕起伏的現象, 但最終將突破4萬美元大關.
雖然德意志銀行和高盛針對比特幣都發布了相對負面的報告, 但摩根大通對數字貨幣的展望報告卻顯得更為樂觀.
報告提到, 加密數字貨幣不可能會徹底消失, 而且比特幣能夠輕易地通過各種不同的形式和形態存活下去, 原因是有很多玩家對去中心化, 點對點網路和匿名滿懷渴望.
不過, 比特幣較大的波動率雖然會引起交易員的興趣, 但對於那些希望被廣泛採用的資產而言, 價格大幅的波動並不受歡迎. 基於比特幣的曆史表現來看, 加密數字貨幣的波動率可能會高於股票, 大宗商品投資組合等產品的10倍以上.
與此同時, 目前比特幣的監管問題並沒有在全球範圍內達成共識, 僅有美國, 韓國, 中國等國家針對虛擬貨幣交易出台過相應政策. 摩根大通認為, 對於加密數字貨幣而言, 取代政府發行的貨幣以及與其競爭都是極端困難的, 比如說美元, 歐元和人民幣在它們各自的地區實際上處於自然壟斷地位, 並不會輕易放棄它們的鑄幣收益. 也就是說, 雖然加密貨幣會繼續存在, 但想要挑戰黃金市場或者是成為一種全球性的貨幣仍然有很遠的距離. 第一財經日報
3.首次降到1美元以內 比特幣交易費危機暫時結束;
去年 12 月, 比特幣的交易費一度高達 34 美元, 也就是每一筆交易用戶平均需要支付 34 美元的費用, 如此高的交易費對小額交易的打擊幾乎是致命的, Valve 在當月宣布停止支援比特幣付費, 許多企業則切換到了其它交易費更低的替代數字貨幣. 但在上周日, 比特幣交易費自去年 9 月以來首次降到 1 美元以內.
為什麼交易費會下降? 一個原因被認為是比特幣泡沫逐漸冷卻. 本月初比特幣的幣值一度跌至 6000 美元, 目前回升到了 1.1 萬美元, 但至少對它的狂熱有所減緩, 投機目的的需求下降, 因而交易費也隨之下跌.
問題是這種情況是否會保持下去. 目前比特幣社區正在開發名叫 Lightning 的新支付網路, 通過將絕大多數常規交易轉移到區塊鏈之外, Lightning 能顯著擴大比特幣網路的容量. solidot
4.Google AI可判讀視網膜影像預測患心臟病風險;
旗下擁有TensorFlow等深度學習框架的Google, 其研究員積極的跨領域運用AI(人工智慧)相關技術, 來造福全人類. 根據Google最新發表的研究報告, 他們目前所開發的工具, 已可透過判讀視網膜影像來預測心臟病患病風險, 且準確度與醫學界常用方法相近, 此外還有「非侵入式」的優點.
近日, Google與旗下專註健康科技子公司Verily共同發表開發出AI演算法(運用機器學習技術)透過判讀病人視網膜攝影影像, 並推測病人年齡, 血壓, 是否有吸煙史, 以及他們罹患心臟病的可能性的論文, 其準確性與現行預測方法不相上下(論文已在《Nature Biomedical Engineering》雜誌發表).
據悉, 為了訓練演算法, Google與Verily的科學家分析了近30萬名病患的醫療數據(包含眼部掃描數據以及一般醫療數據). 針對Google所開發的演算法, 專精於機器學習的阿德雷德大學(澳洲八大名校之一)醫療研究員Luke Oakden-Rayner向《The Verge》指出, Google的演算法透過採用臨床數據, 獲得了比現有方法更多的可用資訊 , 能夠進一步協助醫生的診斷工作, 但不是為取代醫生而生.
Google訓練演算法判讀眼底(視網膜)影像的方法, 其來有自, 早在醫療界發展已久. 眼底布滿了能夠反映身體健康程度的血管, 過去醫生就能利用顯微鏡與視網膜攝影的工具, 來判斷病人年齡, 吸煙史以及血壓, 而這些都是用來判斷心血管健康的重要指針.
據了解, Google AI演算法透過判讀視網膜影像來預測病人可能罹患心臟病的準確率為70%, 準確性比以往用來預測心血管疾病罹病風險的SCORE方法略差. SCORE方法需要透過血液檢查(換句話說, 是侵入式療法), 準確性約在72%左右.
左右兩張都是視網膜攝影映像. 左邊為一般情況, 右邊則顯示Google的驗演算法如何透過特定的血管(被標示為綠色的血管)來預測眼壓. (圖/ 翻攝Google釋出之論文)
倫敦大學醫學院心血管生理學與藥學教授Alun Hughes表示, Google的方法看起來滿可靠的, 因為透過觀察視網膜來預測心血管疾病患病風險的方法由來已久. 他認為, 運用AI有可能能加速現行的醫療分析的速度, 然而他也認為Google的演算法需要進一步驗證來取得更高的可信度.
過去, Google也曾發表運用AI(機器學習技術)來判讀視網膜眼底映像, 並且進一步預防糖尿病人因視網膜病變而失明的風險. 這對於印度等醫療資源相對缺乏的地區來說, 能進一步協助醫生進行診斷.
由以上成果來看, AI(人工智慧)相關技術要進一步取代醫生來向病人進行診斷的日子, 距離我們還相當遙遠. 但若能妥善運用AI工具, 對於醫學研究, 疾病診斷與預防等領域都能帶來一定程度的正面幫助. 或許還有機會在降低第一線醫療人員的工作負荷的同時, 提升醫療質量. 工商時報
5.突破AI極限的關鍵在於「人腦」...;
現在是該認真看待人腦啟發技術的時候了! CEA-Leti首席科學家Barbara De Salvo指出, 如果沒有新的運算典範和演算法, 最終將難以達到AI裝置對於更高處理性能與更低功耗的要求...
科學家回歸人類大腦的研究, 為當今運算技術尋找新的替代方案, 這並不是什麼新鮮事兒.
CEA-Leti首席科學家Barbara De Salvo指出, 自1950年代中期人工智慧(AI)初露曙光以來, 儘管有許多科學家和工程師對此概念一直十分感興趣, 但有關AI的研究卻幾經波折.
然而, 現在正是認真看待人腦啟發技術的時候了. 至少, 「我們應該體認到目前還有其他的技術典範, 將有助於我們提出好的問題. 」De Salvo在今年國際固態電路會議(ISSCC)發表專題演講後接受《EE Times》的訪問表示, 「如果沒有新的運算典範和演算法, 業界最終將難以達到更嚴格的功耗要求. 」
雖然業界一直在推動嵌入式AI平台, 如Movidius的Myriad 2, Mobileye的EyeQ5, 以及Nvidia的Xavier; 但為了符合以較少功耗在邊緣(edge)處理大量分析的終端裝置需求, 她指出: 「 我們距離需要達到的這一步還差很遠」.
(來源: CEA-Leti)
De Salvo在專題演講中比較推論階段的運算效率(GOPS/W)和幾種AI晶片的運算性能(GOPS).
(來源: CEA-Leti)
她指出, 在業界的需求和現有解決方案之間仍然存在巨大差距. 「沒有任何晶片——無論是商用發布, 原型, 學術界進行設計或開發中的晶片——能夠滿足低於100μW的功耗要求. 」然而, 這正是邊緣裝置需要達到的性能, 因為它們必須依靠能量採集或微型電池持續運作多年.
為什麼回歸人腦研究?
De Salvo說, 我們知道人類大腦的重量約為身體的2%, 然而, 卻使用了人體新陳代謝的20%.
在20W時, 人類的大腦可以處理1,011個GOPS. De Salvo強調, 迄今為止, 世界上沒有任何處理器的「性能和功率能夠比得上人類的大腦」.
De Salvo解釋說, 這種能效級在人類動物的進化過程中發展了很長的時間, 在最大限度發揮大腦功能的同時, 也使得能量的使用減至最低.
這正是半導體產業得以從生物學借鑒之處. 她表示, 傳統的運算架構正致力於滿足功耗要求, 主要是因為「每當處理器和記憶體通訊時都需要消耗能量. 」相形之下, 大腦突觸在單一架構中包含了記憶體和運算. 她解釋說, 這種巧妙的技巧為大腦啟發的非馮·諾伊曼(non-von Neumann)計算機架構提供了基礎.
對於大腦啟發的運作原則, 其本質在於像棘波編碼(spike coding)和棘波時序相關可塑性(spike-timing-dependent plasticity; STDP)等元素. 她指出, 以系統中編碼的神經元狀態來看: 過去, 神經元使用類比或數值進行編碼; 而今, 神經形態運算的最新趨勢是將神經元的值編碼為脈衝或棘波. 她並解釋說: 「神經元沒有頻率, 它們純粹是事件導向的. 」
科學界認為棘波編碼和STDP具有發展前景. 如果以脈衝(棘波)來表示輸入/輸出訊號, 那麼輸入訊號和突觸權重之間的加乘將在突觸級時降至閘控作業. 在此的目標是經由建置採用異質方案的棘波或基於事件的訊號表示, 從而降低功耗.
(來源: CEA-Leti)
這是否就像是Chronocam開發的事件驅動映像處理技術? 她回答說: 「是的. 但是, Chronocam的解決方案針對的是應用於人造視網膜的『視覺』. 而我們的產業使命在於將神經形態原則擴展到超越視覺以外的整個運算領域. 」
De Salvo表示, IBM的TrueNorth是神經形態CMOS晶片的理想範例. 目前以28nm FD-SOI建置的動態神經形態異質處理器可擴展學習(DynapSEL), 則是大規模多核心神經形態處理器的另一個例子. DynapSEL目前是NeuRAM 3歐洲合作研究計劃旗下的開發計劃之一.
TrueNorth中的神經元以數字方式進行處理, 而DynapSEL則是類比的. 然而, 這兩種晶片都未能有效發揮神經形態系統的全部功能, 因為記憶體並非基於神經形態的運作原理.
科學界正試圖讓記憶體接近處理單元, 徹底改變傳統的記憶體分層架構, 並實現「記憶體運算」(in-memory computing). 迄今為止, 神經形態硬體尚未充份發揮潛力, De Salvo說: 「我們需要在神經形態運算中使用超高密度的3D架構」, 才能在神經元和突觸之間實現最大的連接性和可重配置性.
昆蟲的大腦
我們現在已知人腦中有1,000億個神經元, 而像蜜蜂等智能昆蟲在其約1mm立方體大小的腦中則有950,000個神經元. De Salvo指出, 在各種昆蟲中, 蜜蜂的大腦是最大的, 她說: 「我們已能掌握蜜蜂大腦中的神經元映像, 然而, 對於人腦內的神經元所知甚少. 」
科學家熱衷於剖析蜜蜂的大腦, 因為「蜜蜂十分聰明. [蜜蜂]有許多感測器, 能夠透過其導航方式進行覓食, 而且知道如何在一個群體進行溝通. 要在一個群體中共同生活, 蜜蜂必須知道其他蜜蜂的功能. 」
蜜蜂有著出色的感測系統, 並且具備學習和記憶的能力. 他們知道如何整合感官數據——以「感測器融合」(sensor fusion)的方式, 做出複雜的決定.
「當然, 蜜蜂的大腦很小. 但其簡化的形式為AI系統提供了很好的模板, 」De Salvo說: 「它強調需要以系統化的方式進行思考, 因為有機體並不會分離感測器和訊號處理. 」
AI最新進展?
十年前, 沒人能想象到我們如今從AI中看到的突破性進展.
CEA-Leti首席科學家Barbara De Salvo
然而, 根據De Salvo的觀察, 業界可能由於看好AI的前景, 而太快將研究重心轉向 AI應用. 事實上, 她說: 「我們仍然缺乏對於AI系統的全面理解... 就像深度學習一樣. 」
她解釋說, 深度學習中存在著隱藏的分層, 以及由此產生的系統複雜性, 使得很難說哪些屬性對於提高性能擔負最大的責任. 「相較於一般智能, 學習, 抽象和推理能力所取得的普遍性仍然非常有限. 」
深度學習在分類方面非常出色, 但「預測仍然是神經運算的基本問題, 」De Salvo說: 「最近, 神經網路在執行簡單的任務時出現失敗, 而人類在這方面從未失手. 」De Salvo並引用A. Nguyen等人發表的「深層神經網路易於被愚弄: 對未辨識影像的高可信度預測」(Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognized Images)論文, 她擔心這最終會阻礙市場發展, 甚至「背叛用戶的信任, 從而引發嚴重的道德問」.
編譯: Susan Hong
(參考原文: AI' s Limits Send Scientists Back to the Brain, by Junko Yoshida)eettaiwan
6.Yole:2023年機器視覺產業規模將達40億美元
集微網消息, 根據Yole Développement調查, 機器視覺相機整體市場規模將從2017年的20億美元成長到2023年的40億美元左右, 整體年複合成長率為12%, 機器視覺是這一波產業自動化的核心. 工業和自動化的機器視覺不僅限於機器人技術, 還涉及製造生產有關的幾乎各項工作.
Yole技術和市場分析師Alexis Debray表示, 對質量的要求推動汽車, 電子, 半導體, 食品和包裝行業的機器視覺. 圖表所示是機器視覺的主要應用, 將從2017年的14億美元成長到2023年的28億美元, 事實上, 機器視覺已經不僅在工業自動化上, 在智能農業, 牌照識別, 以及最近在自駕車的應用上, 尤其汽車應用的年複合成長率(CAGR) 將高達140%. 2014年, Swatch集團宣布推出全球首款全自動製造機械手錶Sistem51; 佳能在相機製造業和富士康宣布部署一百萬台機器人製造消費電子產品. 因此, 自動化產品的銷售超過了工業生產的成長, 未來這種趨勢可能會加速.
