Bitcoinは最初の24時間で10％急落し、9000ドル以下に落ちました。
ビットコインの鉱山労働者のための過去わずか2日間、それは非常に厳しい2日である必要があり、短い時間で、ビットコインは再び$ 9,000人の大台を、10％に急落しました。
Bitcoinだけでなく、2番目に大きな電子通貨であるEtherが7％落ち込み、3番目に大きな電子通貨であるRippleが10％減少しました。
もちろん、株式市場はブルームバーグ・ニュースが11日に報告によると、理由はそんなに悪くあり、韓国があるため、会社の口座への顧客資金のその疑惑の移転のため、世界最大の電子為替Upbitの1を急襲しました。
世界で最も古いBitcoin取引所（破産）は、残りの数万のビットコインを売却する準備をしていた。Bitcoinは崩壊した。
ビットコインが将来2万ドルのピークに戻ることができるかどうかは分かりませんか？
2. Bitcoinは3ジャンプ攻撃を受けましたAIの機会が増えましたか？
証券時代の記者呉建明
ビットコインの価格が急激に再びこの時間を落ちたように、最近では、3回の重打撃のシリーズは、一部の投資家は、他の地域に目を向けるように見えた：人工知能（AI）。
海外メディアの報道によると、最近のビットコイン市場はMt.Goxによると、最大のビットコイン交換だったが、今破産マウントゴックス、再びその世話人の大規模な出荷台数で第一の重打撃から、悪いニュースとして記述することができますCold Walletの監視Webサイトによれば、約138,000のBitcoinがMt.Gox Walletに残っていることがわかります。Bitcoinの価格は下がりました。
NVIDIA。NVIDIAからの第二の重打撃は最近、採掘事業の売上高に関連し、会計年度2018年第一四半期の業績を発表した$ 289万人に達したが、Nvidiaの最高財務責任者（CFO）コレットクレスは、同社が第二四半期、ビジネス関連の売上高は65をドロップします見通しある程度、それはまた、デジタル通貨の売り圧力を引き起こした。
韓国からの三大打撃は、ソウルの検察地区を言って韓国によると、木曜日と金曜日に韓国の検察当局の関係者は、オフィスに世界最大のデジタル交換Upbitの1を襲撃が報告され、Upbit顧客を動かすの疑い会社の口座にお金を占めています。ビットコインは約$ 1.6億ドルのUpbit電荷を、それが韓国最大、世界第4位のビットコインの交換です。
Bitcoinの価格は依然として激しく変動し、不確実性も生じています。現在、一部の投資家は他の機会を見始めました。
Apriemアドバイザーズ最高投資責任者ベンジャミン・ラウは、近い将来には、同社の事業開発を推進すべき、NVIDIAはまた、「人工知能やデータセンター向け、NVIDIAチップの需要が鉱山より大きな機会を熱狂している、と述べました。「ベンジャミン・ラウ案、商用チップは、AIフィールドのNVIDIAアプリケーションは、医療、輸送、コンピュータのデータセンターを含むことができ、これは未来です。
偶然にも、ブルームバーグ・ニュースとのインタビューで、ビット本土の共同創設者呉智ハンは、彼はまた、人工知能における同社のポジションについてコメントした。米国のビットコインの採掘事業で会社が巨大な拡張計画を持っていると述べた本土のビットを言いましたこの分野に足を踏み入れる計画もある。
最近、AIは、人工知能技術を共同開発し、石油天然資源の探査と開発のための新しいインテリジェントなソリューションを提供する、Google Cloudとの合意を正式に発表しました。 Alpha DogがGo World Championshipを上回ることができるので、TotalとGoogleは平均的な石油人を超えて「Super Smart Oil Man」をつくるだろうか？石油産業は破壊を導くだろうか？
Nvidiaは、グラフィックスカードのサプライヤから人工知能のサプライヤに変わりました.Google、Facebook、Microsoft、および他の技術巨人を人工知能の分野に含むようになりました。 Nvidiaが提供するチップ製品は既にこの分野の研究に使用されており、市場アナリストは、今後10年間で、グローバル人工知能市場が約5000億ドルになると予測しています。
3.ブロックチェーンアプリケーションの将来の可能性は、より長くなります。
Bitchin、Ethereumなどの仮想通貨はますます人気が高まっていますブロックチェーン技術は注目を集めています多くの業界でブロックチェーン技術を使用してより多くの価値を創造する方法が考え始めました。その中でも、サプライチェーン・ファイナンスの発展は、台湾の産業に影響を及ぼす最も重要な傾向である可能性があります。
伝統的な金融システムでは、金融取引の記録とのすべての取引は金融機関の中央データベースに格納され、金融機関は、安定した動作を確保するために、そのデータベースを維持するために、かなりの人的・物的資源を投入しなければならない、とのデータが安全です。しかし、金融システムの面では、関連する投資も金融取引のコストを増加させている。
分散元帳構造の下では、取引に関与するすべての当事者が元帳全体の一部を持っているため、取引元帳全体を保持するために中央データベースは必要ありませんが、取引当事者あなたが持っている本はすべて本の一部にすぎません。他の本が正しいこと、そしてデータが改ざんされていないことを確認する方法は大きな問題になります。
さまざまなブロックチェーンアプリケーションがあり、インダストリ4.0でさらに強力です
ブロックチェーン技術は、金融業界で使用できるだけでなく、分散アーキテクチャを使用するすべてのデータでブロックチェーン技術を使用して信頼性を検証することができます。さらに重要なことは、ブロックチェーン技術は基本的にオープンソースであり、 Githubだけでは、ブロックチェーンに基づく26,000の開発プロジェクトがあります.IBMやSAPなどの有名な国際企業も、オープンソースのブロックチェーンHyperledger Fabricをサポートしています。商用アプリケーション。
事実、長年にわたって延長されてきた業界4.0の話題は、必然的にブロックチェーン技術を利用することになります。業界4.0では、プロセス、デジタル双子、IIoTのデジタル化という概念を除いて多くの面があります。業界4.0の開発の後半段階では、サプライチェーン内の上流および下流の情報システム（ERP、MESなど）も直列に接続する必要があり、メーカーは柔軟な生産を実現し、在庫準備を減らす必要があります。
著者の理解によれば、一部の大規模会計会社は、Industry 4.0によってもたらされた変更に注意を払い始め、関連する産業機器/システム製造業者と協力してきた。変更は数秒で行われます。会計処理や財務諸表においてリアルタイムでこれらの変更に対応する方法も大きな課題です。
一方、売上総利益は、一般的に高くはないので、それは顧客の製造に非常に敏感であるが、特に大規模な電子機器製造のために、上記の数値にバインドされ、原材料、半製品や完成品の在庫かどうか、すべてがプロジェクトのコストで、かつ多くの場合、企業の利益と損失がありますキーは、証券規制当局は、上場企業を必要としないかもしれないが、収益に関連する情報の期間を短縮するために開示しなければならないが、ビジネスの所有者のために、リアルタイムの金融データは、依然として重要な参考情報ビジネス上の意思決定です。
軍のレベルを製造する大規模な台湾の電子機器として、それまでの大規模については、データの10を超える数千人が下流ベンダーブレークの数百を処理するために集中型アーキテクチャを使用し、IT関連のハードウェアおよびソフトウェアの費用必然的に非常に憂慮すべき、と私はシステム怖いですこれは、保守管理のための挑戦に、大規模で複雑になります。ブロック・チェーン・テクノロジーをインポート、これらの大企業製造業のための分散データ・アーキテクチャへの移行、魅力的な選択肢となります。
たとえば、工業用IoTの場合、センサネットワークは常にさまざまなデータを送信しますが、これらのデータが送信される場合は、改ざん後、生産ラインの運用が混乱し、プラントの安全性を損なう可能性もあります。ブロックチェーン技術は、データの改ざんを防止するために使用でき、産業用インターネットの情報セキュリティをさらに保証することができます。
ブロック・チェーンのためにコーポレート・ファイナンスが反転する
分散データの真正性を検証し、データが改ざんされていないことを保証するだけでなく、トークンを発行するブロックチェーンの重要なアプリケーションがあります。このアプリケーションはまさに仮想通貨市場に大きなバブルをもたらしました。ほとんどの人が資金調達のためにトークンを発行できる理由は、ドル、人民元、NT、政府保証を伴う他の法的通貨と引き換えに仮想通貨を使用するからです。
かかわらず、既存の仮想通貨市場のバブルと、すべての混乱の、実際には、それが深い企業金融の潜在的なアプリケーショントークンのアプリケーションです。製造業には、製品が薄い空気の中から生まれすることができない、特定のベンダーを生成します製品については、上流の供給業者から原材料または部品を購入し、所定の期間に購入価格を支払う必要があります。
現在の状況では、サプライヤが顧客に出荷されますが、唯一の銀行の割引を見つけるために、取引先の突然のキャッシュフローニーズの場合には現金化される前に、数ヶ月の手を持って、とされてきたが銀行の金利に金額を支払わなければならない。また、チェック割引は、このようなチケットチェックの長い期間、銀行は一般的に受け入れられないだろう、これは地下金融業界は、生活空間を持って作られたように多くの制限の対象である。実際には、多くの大規模な製造業は、売掛金と借方の間の時間差を利用して巨額の利益を創出しますが、資本リスクはサプライヤーが負担します。
顧客は、事前に支払って喜んでない限り、銀行は通常、中小企業の資金調達のために非常に厳しい持っているので、一方、突然の顧客注文の膨大な量の場合、サプライヤーは緊急に拡大、そうでない私は、多くの中小サプライヤーが着手する余裕がないこと怖いしなければなりません制限、SMEは不可能ではないクレジットのクレジットラインを取得する場合は、クレジットのクレジットラインは、しばしば非常に低い取得することができます。この時点では、中小企業の所有者は、多くの場合、唯一の多くが大に依存する場合ローンの不動産担保を取るために純資産、自分の名前を賭けます製造業の中小企業は、事業は安定しているように見えるものの、キャッシュフローが正常に機能しておらず、通常の金融機関とのポジションを調整できないことが判明した。
ある程度までは、中小企業スペア現金であれば上司は、不動産投資は、攻撃に最適な隠れ家ですので、これは、また、台湾の不動産市場の主要な需要の一つである。ビッド・アスク・普及を獲得するチャンスがあり、同社はまたに必要がある場合があります運転資金の融資の担保としてそれを使用するとき。不動産ローン担保銀行の一つである、それは、通常、他の証券よりもはるかに低い価格の変動、および不動産であるため、カムの価格メカニズムはすでにかなり成熟して、受け入れて最も喜んでいます。
あなたは自分のトークンを発行するために、大きなブロック・チェーン・テクノロジーのメーカーを使用している場合、および、独自のサプライチェーンの流れの中に、サプライチェーン全体で、スケジュールの金融事業は、別のシーンを提示されます。実際には、代わって発行されチェーン技術をブロックするために、通貨は、単に伝統的な通貨を代用するだけでなく、スマート契約（スマート契約）機能添付することができません。受信者と発行者が契約の条件が満たされた場合、その後の取引のアクションも自動化することができ、契約の内容をカスタマイズすることができるだけでなく、人間の介入はまったく必要ありません。この機能により、バイヤーと売り手の取引コストを大幅に削減できます。
つまり、スマート契約を結んだトークンは、国際貿易で使用される信用状（LC）と少し似ていますが、銀行仲介保証はありませんし、これらのトークンが流通市場への開放性が限られている場合、製造業者のサプライチェーンメンバーは、同じサプライチェーンシステム（これは債券のような市場を作りますが、参加者は特定の企業の特定のグループに限定されています）のメンバーを売買することも、融資担保として使うこともできます。既存の企業金融市場に大きな混乱をもたらすでしょう。
システム全体を交換手段としてどのような「お金」や「バウチャー」を使用するには、民間企業、買い手と売り手の間の取引によって生成されるので、また、既存の金融の法律に基づいて、政府の介入は、制御が困難である、完全に2つです上場会社ではありませんどちらも場合でも行うことが契約の自由で作られた。会社の相互売上高の間でお金を借りるために、また一般的な発生で、担保として使用するものを資産、無担保ローン、それは上司が最終決定権を持っている基本的です。
伝統的な企業の金の素晴らしい機会
伝統的な金融業界がなぜブロックチェーン技術に基づくFintechの革新について慎重であるのかを読者が理解することは容易であろう。なぜなら、この新しいゲームルールでは、金融機関は疎外感は排除されるかもしれない。
しかし、従来の金融業界では、状況はそれほど悲観的ではない可能性があります。前述の通り、信用コストやリスクなどの様々な要因により、銀行は中小企業向けの信用貸付を基本としており、大規模製造業が自社のサプライチェーン企業のトークンを発行し、銀行にアルゴリズムを公開すると、銀行は大規模製造業の中小企業のトランザクション記録をシステムに容易に把握でき、与信コストを大幅に削減することができます。監督当局は、さらなる規制を緩和し、これらのトークンを特定の種類の有価証券の準産物として扱うことを望んでいる。もちろん、これらのトークンは銀行の住宅ローンの融資にも使用することができる。
前者が後者であろうと後者であろうと、既存の金融機関にとっては、トークンの出現は中小企業金融サービスのパイをより大きくするのに役立つ。
彼らに法的地位トークンのいくつかの種類を与えるために発行トークンに関する独自のサプライチェーンシステムのための大規模製造は、必然的な結果であれば実際には、金融監督庁が介入する。トークンの法的地位は、最初の定義を明確にしなければならない、政府が進めることができます管理する。トークンが法的に何かでない場合、政府の規制も無名になります。
鉱業機械産業の長期計画
2017年からはドルに対して高騰ビットコイン、公式には待望の鉱山機械業界のブームを吹いた、鉱山機械ビジネスの機会は、台湾のエレクトロニクス産業チェーンのホットな話題である。いくつかの中国のIC設計企業なぜならマイニングの導入専用のASICが炎上しますが、ゲームのルールであるBitcoinを理解すれば、現金鉱山の現在のビジネスモデルは長期的なビジネスではないと主張することができます。
発行が完了した後にビットコインは21万ドルを発行し、その合計を、新しいフルビットコインはありません。これは、ビットコイン採掘機械産業である「締め切り。」それは、半ば2017によって、ビットと推定されています通貨の循環がROIの採掘行為で、その結果、より長くなり、下の方になっ発行額の残りの部分として1638万台とビットコインに達した時点ビットコイン機密鉱山を掘っています時間の経過とともに減少する残りの4百万のビットコインは2040年以前に発行されると一般的に信じられている。
イーサネット通貨として、ビットコインとは異なり、総発行が死ぬように設定されているが、共同創設者ビタリク・バアーリンイーサネット通貨が最近イーサネットコインマイニングを示す140百万調整イーサネット通貨に発行制限提案されたものの結局のところ、マシンはBitcoinに似た問題に遭遇する可能性があります。
一方、コインを生成するために、イーサネット鉱山機械との社会的な通貨イーサネットの量は、常に反対の姿勢を保持し、お金の所有者の暗号化過度の集中ので、お金自体は、多くの暗号化医療過誤を起こし、そしてプロの鉱山労働者になります特にプロの鉱山労働者のASICの鉱山機械の使用は、暗号通貨は所有権の濃度が現在使用イーサネット通貨を採掘されることはGPUベースの鉱山機械で加速し、採掘効率がASICよりも悪いですが、メリットが可能になりますマイニングアルゴリズムの変更に適応します。
最近、中国本土のIC設計企業はコイン専用のイーサネットASIC鉱業、数日おきに、イーサネット通貨基金（ETH）、直ちに変更案イーサネット通貨マイニングアルゴリズムのメンバーの導入を宣言したビット、それは明らかである中国本土やASICのための他のビット開発者の行動が来る。そして知恵のこの戦いの結果は、少なくとも3〜6ヶ月、数百万ドルのマスクやその他の費用数百に--ASIC開発サイクルを予測するのは非常に簡単ですが、コミュニティ内のコンセンサスがある場合は、このアルゴリズムは、わずか数週間が必要な場合があり、コストがゼロに近い修正する。ソフトウェアとハードウェアの「弾性がより」常に、FPGAのも、最も弾力の回路アーキテクチャを失い、いくつかの制限が存在しても存在します。
全体的に、現在の鉱山機械ビジネスモデルは持続可能ではありません。しかし、企業が独自の垂直アプリケーションを開発するためにチェーン技術をブロックし始めている場合は、状況は非常に異なるものになります。基本的にソリューションを採掘された挙動計算、データ処理ブロックチェーン、したがって、幅広いアプリケーションの日付ブロックチェーンの技術で、企業が関連のニーズを持つことになり、これは鉱山機械産業はより長く持続するビジネスかもしれである。この資料に記載Takeはサプライチェーン・ファイナンスは、例えば、サプライチェーンの技術の使用は、銀行や他の伝統的な金融機関のニーズと相まって金融問題を、処理する場合には、世界のエレクトロニクス関連産業チェーンブロックの数十万人は、鉱山機械は、企業のIT市場になるだろうドアは小企業ではなく、市場が比較的断片化することができ、かつので、おそらくそれは、より商業的に実行可能となり、オープンASIC。FPGAまたはプログラマブルGPUソリューションに適していないかもしれない。新しい電子
4. AIインテリジェンスは遍在しているスマート端末は大規模なエッジ操作を導入する。
成熟したクラウドコンピューティングの後、大規模な精密な操作の地球化学的特性および要件は霧のエッジまたは端部に移動すると、操作の広い範囲は、小規模、雲のままになり、ミスト動作2019で約$ 37億グローバル市場規模、 2022年にはさらに約$ 18.2億成長します。分散アーキテクチャの概念の上昇が、それは今後数年間の開発の焦点になるためにエッジで動作します。
AI AI徐々にクラウドから展開していきます今後数年間のエッジにコンピューティング技術、応用分野が含まれており、かつ高いインテリジェント機能の携帯端末装置の様々なタイプの需要が、大量のデータIOTになります輻輳はすべてクラウドで処理することができないため、エッジ処理に依存して、端末により多くのコンピューティングパワーを与える必要があります。
エッジ演算は、AI-最適化を含む、浮上しているアクションのエッジ（モバイルエッジ・コンピューティング）とAI専用ハードウェア/アクセラレータ最近跳躍が排他的にニューラルネットワークチップの演算に使用生じるヘイズ動作（フォグ・コンピューティング）に要約することができます。プロセッサは、ディープ・ラーニング・プロセッサは、AI Acceleratorは、などの神経処理ユニット（NPU）は、AIは、圧縮のうちモデルの一般的なビジネストレーニングは、モバイルデバイスで使用されるように、運用効率を強化しながら、あなたは合理化するニューラルネットワークモデルに必要なエッジで動作します。
分散アーキテクチャの概念エッジコンピューティングの登場
前者の成熟したクラウドコンピューティング、大規模な、操作の広い範囲は、正確な地球化学的特性および要件を、雲、小規模に留まる後縁（エッジ・コンピューティング）の概念に基づいて動作は、ブームの下にAI（人工知能、AI）に出現しました操作は、オープン霧アライアンス（オープン霧コンソーシアム）の研究は、2019年に$ 37億霧操作についての世界市場規模は、2022年にはさらに主にアプリケーションの分野では、およそ$ 18.2億成長することを示しているに応じて。エッジや霧の最後に移動しますユーティリティ、交通、医療、工業、農業など
また、物事の開発以来、端末の数は、成形来るものの膨大な量の、物事のアプリケーションの情報産業王Bingfengセンター研究所の副所長（図1）と考えて、今後数年間で、ネットワークモデルが爆発的な成長が表示されますノード大量のデータが生成されるので、既存の伝送インフラストラクチャは対応できない、と輻輳、帯域幅不足の問題に直面しなければならない。企業が動作していることのコストは、したがって昇格し続けるので、大量のデータを処理するために、事業者は、より多くのクラウド設備を構築する必要があり、。分散アーキテクチャの概念の上昇は、エッジは、今後数年間の開発のフォーカス操作可能になります。
III図1 Wangbing風水に物事アプリケーションのセンターの副所長は、そのため、分散型アーキテクチャの概念の上昇は、エッジが運用今後数年になるデータは、開発の焦点を買う余裕はない、両方のトランスポートアーキテクチャを大量に生成することを考えています。
表1に示すように技術的なアーキテクチャの特性の数とエッジ上のクラウドコンピューティング動作は、有意に異なって、Wangbing風水は、多くのノードの霧（フォグノード）エッジを算出すると、分散型アーキテクチャを使用してエッジで動作し、説明しましたコンピューティング3つの技術の特徴は、以下が挙げられる：エッジから中心に操作位置を、また、端末の動作位置、時間低速待機ネットワークので、アプリケーションは、10ミリ秒をサポートすることができ、ネットワーク帯域幅のインフラ小型の要件は、いくつかのサービスを提供し、リンクのクラウド・ネットワークの不在にすることができます。
作動エッジ動作は、より柔軟な展開、エッジノードコストもの、比較的小さな体積を取る場合、大型のマルチポイント構成であってもよく、エッジノードは、システムが複雑すぎる展開計画を必要とせずに形成され、建築アプリケーション・コンテキストを調整するために、比較的柔軟なビジュアル・コンテキスト・ポイント、Wangbing風水は、センサ・データ・ストリームの多数の高度なクエリと分析の多数の適用を促進するために、物事の開発を説明し、リアルタイムイベント検出などの第二項、第三ネットワーク制御システム（NCS）は産業オートメーションシステムであり、第4はモバイルCrowdsensing（MCS）です。
エッジとクラウドコンピューティングは互いに矛盾することなく補完
AIのIoTは、インテリジェントなシステムとの組み合わせで、より発展をもたらすでしょう、現在のクラウドインフラストラクチャを既存のは、物事のオフライン処理、データのプライバシー、および他のリアルタイム応答要件を満たすことができない、クラウドインフラの回復力の使用の増加が直面する問題を解決するためにエッジ・コンピューティング・アーキテクチャをインポートします異なるシステム間でリソース及びリサイクル要件の共有に対処する。Wangbing風水定義離れエンドコンシューマ装置からクラウドの面に近接していコンテキストインテリジェンス（エッジ周囲ティング介しインテリジェンス）のエッジは、動作及びインテリジェンスのある程度を有していなければならないと説明しました近くの検知データを処理する機能を生成します。
エッジコンピューティングの開発課題には、スケーラビリティ、複雑なインターネットワーキング、ダイナミクスと適応、ダイバシティと異種性などがあります。リアルタイムおよびアプリケーションをネットワークのエッジを再挿入するために割り当てられる必要なリソースを有するモバイル機器の無線接続;物事が拡大し続けるスケール、端末ノードは、異なる条件、物理的な接続のために様々なパターンであろう同じエッジデバイスはまた、必要相互運用性を備えたシームレスなインターフェイス。
クラウドコンピューティングの出現のエッジで動作置き換えることはありませんが、開発の方向に向けて補完する、端末による即時の反応、クラウドコンピューティングの負担を軽減することができますが、物事の視野の全体的な需要地点のコンテキスト内で、業務のエッジが表示されていることを意味特に増加IOTデバイスの種類と、それ以上のヘテロ疎外需要状況を応答すると、システムはより多くの時間を導出し、これらの二次システムが効果的に共同作業を行うことができ、インテリジェントサービスの品質に影響を与えます。
深い学習がAIの成長を促進
過去のプラントの開発に基づいて、だけでなく、深い学習（ディープ・ラーニング）と開発のこの波のAI人工知能波最も代表的な、人工知能のチーフサイエンティストDeepBelief.aiユン・チー（図2）サンウ成功に深く、より学習の深さから来ていると述べました人間の脳の動作機構を理解し、コアは、マシンビジョンは、画素間の関係の人間の視覚と機械読み取り可能なイメージを確立することを望んされている、学習することを特徴とする。人間は簡単にテーブルのような基礎となるルールの事を理解することができますので、ほとんどの人がすることができます事態の高さに欠けているデータは、長期的なコンピュータの訓練を必要とする多くのものを識別するために、右の判断を行います。
図2 DeepBelief.ai人工知能のチーフサイエンティストユン・チーは、学習の深さの成功は人間の脳の動作機構、特性評価研究のコアのより深い理解から来ていると述べサンウ。
だから、深い我々は複雑なモデルを作成することにより、複雑な方法で世界に直面するマシンを教えるために始めた学習、および相互バックアップのルールの確立、簡略化された方法およびモデルを使用しようとする試みが、運命にあるならば、世界は、複雑であるため、失敗した。ユンは強化学習（強化学習）、チーは、説明深学習技術畳み込みニューラルネットワーク（畳み込みニューラルネットワーク、CNN）、リカレントニューラルネットワーク（再帰的ニューラルネットワーク、RNN）の三つのレベルサンウ最も一般的に最近適用されています。
畳み込みニューラルネットワークは、画像、有名なImagenetのコンピュータビジョンコンテストを識別するために使用され、後者は、ほぼすべての参加チームのが、彼らのエンジン畳み込みニューラルネットワークの設計、運用のエッジの適用され、畳み込みニューラルネットワークモデルの設計コンペになっています顔認識が主流エッジ・コンピューティングであると期待されている、あなたが顧客を理解するために多くの方法を使用することができ、本土は認識アプリケーションはまた、モバイル決済の認証を使用して、駅の停止面ブラシを含め、インポート顔を磨くために増加しており、大学寮のアクセスコントロールシステムでは、顔認識も使用されており、「顔を磨く」は、最も一般的な画像認識アプリケーションの1つになります。
中国の同定はまた、畳み込みニューラルネットワークに適しており、実際には、中国は、画像、言語の認識に関する簡単な記号に分解することが困難な中国と他の言語との最大の違いは、現在、リカレントニューラルネットワークは最適です総合的にはRNNモデルを交換し、かつ効果的に翻訳の精度を向上させる2016年、Googleの翻訳は、人間のプロタコメータメンバーより正式に多くの音声認識技術マイクロソフトの正解率は、中国に加えて、他の言語世界的に認識率のコンピュータは、より多くを持っています人類。
強化学習、ネットワーク（ジェネレーティブ敵対ネットワークス、GAN）に対する式はかなり最近の一般的な技術、コンピュータに物事のすべての特性を決定する方法を学び、真または偽の地図描画を決定する責任グループを使用してGANの深さの調査、別のありますそれは物事の根本的な機能の完全な制御を持っていたとき、真と偽の同定モデルを分離GANエンジンを使用して、任意の画像を欺瞞画像を作成することができます。この機能を利用するために、真と偽、不可能を決定するために、偽の誕生より困難を描画するための責任があります他の主人公と交換してください。
知識を整理するための自然言語パターンを介して、その後、自然言語による推論知識マップ、人工知能の成長の勢いの次の波として期待されている。ユン・クォンが言っサンウ、ホワイトハウスは、以下$ 20の時給を年次経済見通し報告書を予測仕事の83％の確率でAIによって置き換えられます、ジュニアデータアナリスト、すぐに置換ランクになるだろう、しかし、AI開発のこの波の消失が動作していない、そして精神的な解放で、我々は時間と労力を費やす必要はありません。反復的で価値の低い作業を行い、より高度で創造的な作業を行います。
アーキテクチャを最適化してエッジのパフォーマンスを向上させる
技術開発の現在のアプリケーションから観察するために、AIは、新興のデバイスでアプリケーションに完全に満杯ではありませんが、最初のインポート既存の設備を含む：VR / MR、ロボット、無人航空機、自動車、のIoTノード、スマートホーム、医療、携帯端末、サーバ、交通・物流。最も普及している一般的なAIエッジ操作端末は、音声認識（スピーチ）、予測テキストとしてスマートフォンのアプリケーションであることをカイ武雄アームシニア地域のマーケティングマネージャ（図3） （予測テキスト）、顔追跡カメラ、デジタルアシスタント、拡張現実感、指紋識別など
カイ武雄図3アームシニアリージョナルマーケティングマネージャーは、アプリケーションの深さの調査では、ニューラルネットワークの使用が最適化されたライブラリは、5回のパフォーマンスを向上させることができ、同様の機能を実行することと、ソフトウェアは15倍の動作速度を向上させることができます。
トップメーカーとして埋め込まれたCPUアーキテクチャのARM、AIは積極的に数年前の開発に関与しなかったが、AIにおける総合的なショーのトレンドの後、同社はまた、AIアプリケーションのためのハードウェアとソフトウェアを最適化するために、作業機械学習を含めていますプロセッサ（機械学習プロセッサ）、オブジェクト検出プロセッサ、ニューラルネットワークソフトウェアリンクライブラリなど
カイWunanは、ネットワークの帯域幅、消費電力、コスト、リアルタイム応答、信頼性、セキュリティとプライバシーと他の要件に基づいて、急速な発展の段階に入るでしょう。同様の機能を使用すると、パフォーマンスを5倍向上させることができます。ソフトウェアは以前よりも15倍も高速に実行できます。
クラウドとエッジソフトウェアとハードウェアアーキテクチャの統合
AIの技術アーキテクチャは、トレーニング、ディープニューラルネットワークモデル、および推論の3つの部分に大別することができます。NVIDIAテクニカルマーケティングマネージャーSu Jiaxing（図4）は、AI画像認識セクションでは、2016 GoogleのInception-v4は2012年のAlexNetより350倍複雑で、BaiduのDeepSpeech 3音声認識エンジンは2014年と比較して2017年に出版されました。第1世代は30倍複雑であり、翻訳エンジン2017MoEも2015年OpenNMTより10倍複雑です。
図4：NVIDIAのテクニカルマーケティングマネージャーSu Jiaxingは、近年、AIニューラルネットワークモデルがますます複雑化し、巨大になり、高精度AIを製作するコストがますます高くなっていると述べています。
蘇嘉興氏は、複雑なディープ・ラーニング・ネットワークに直面して、消費電力、コンピューティング・パワー、ネットワーク帯域幅などの高精度なAIコストがますます高くなっています。不要な計算を減らし、ハードウェアの負担を軽減し、ハードウェアを最適化し、画像認識セクションの1秒間に140画像から5,700画像に40倍高速化し、1秒間に4文から翻訳文を改善550文にするには、140回増やす。
また、スマートシティは、カメラを通して、クラウドおよびコンテキストアプリケーション、ノードを検出した後に収集され、多くの端末データと、すぐに予備処理端末のエッジの組み合わせで、その後、クラウドデータ統合に送られ、都市の安全のために、犯罪予防、災害救援を大幅に役立っている。蘇嘉興市は、特にクラウドハードウェア、ソフトウェアとハードウェアの統合とAI操作のエッジにおけるクラウドコンピューティングエッジのこの大規模な統合とアプリケーションの将来は、より多くを要求すると信じています価格が高ければ高いほど、新興市場はビジネスチャンスがいっぱいです。
AIアクセラレータ開発の再加速
目標を追求する科学技術の発展のほとんどは、低消費電力、低コスト、高性能以外の何ものでもありません、AIの開発も例外ではありません、また、例えば、ますます一般的な画像認識技術を持つエッジ動作の台頭、、、風水嘉の理由です陳Guanhong准教授、電気工学学科（図5）に記載さ、畳み込みニューラルネットワークアーキテクチャ、約90％がそう畳み込み演算層の複雑さを低減すること、畳み込み演算層（畳み込み層）に集中して、効果的に低減することができます推論ハードウェア計算負荷は、オフライン動作に加えて、データの複製外部簡略化された構造は、使用の重要な原則の一つです。
准教授、図5チア・チェンGuanhongの電気工学大学の学部は、畳み込み層の計算の複雑さを軽減するために、約九〇%畳み込みニューラルネットワーク畳み込み演算集中層を説明し、ハードウェアの動作の負担を軽減することができます。
また、ニューラルネットワーク励起関数（アクティベーション機能）の役割は、ニューラルネットワークは複雑な問題を解決できるように、その非直線性、微分可能で、人間の意思決定の習慣に結果を近づける、非線形ニューラルネットワークにいくつかの要素を追加することができるようにします単調性値とスコープ出力特性、通常は-1から+1までの範囲、そして結果が中央に近くなる、反復の数は、ニューラルネットワーク計算結果より正確に高くなる。ネットワークハードウェア加速性能から将来的には、より多くの専用AIアクセラレータやAIチップが出現するはずです。
MITの研究チームは、深い学習に特化したチップ「Eyeriss」を発表しました。モバイルデバイスで顔認識などのアルゴリズムを直接実行したり、オフラインでデータを処理することができます。ニューラルネットワークの展開に専用Eyerissチップ・コア168は、パフォーマンスデータ処理なしにネットワークを介して、人工知能は、モバイルデバイス上で直接行うことができ、GPUの10倍の通常の動作であるが、その高い効率の、説明アルゴリズム：顔や言語を認識する能力スマートフォン、ウェアラブル機器、ロボット、自律車両、その他のインターネットアプリケーションに適用可能新エレクトロニクス
5. Yun ZhishengのCEO、Huang Wei：AIの激しい時代は終わり、2018年に流域が存在します。
編集者注：この問題は6年間のクラウド知ら音R＆Dモデルの「ピラミッド」スタイル、ビジネスを作成するために、音のパネリストCEOマイケル・クラウド知ら創設者、彼どのように、そしてどのように我々はどのように彼と一緒に業界の現状と将来に耳を傾ける必要があるのですか？言ってやるがいい！
6年後には多くのことが起こっています。
複数の宛先事前のチームに向けて長い行進のような2012年のクラウド知られている音に設立され、明確な権限を確立し運用計画に従って着実に軍隊を送信します。
これは信頼の創設者マイケルの源であり、データは200人の以上の万人のユーザーをカバーする20,000人以上のパートナーのクラウド知られている音の数、日々の通話音量クラウドプラットフォーム3.3億倍以上の647都市をカバーしていることを示しています。
マイケルは中国科学技術と博士の大学を卒業し、卒業後の上級研究員は、モトローラ中国研究センターは、主要幹部として壮大なイノベーション病院の後。世界初の携帯電話の声紋認証システムの間に開発され、働いていた、と声を作成します枝; 2012年にYun Zhishengが設立されました。
彼は3年連続で関与していた、標準技術局（NIST）話者認識評価（SRE）プロジェクトの国家機関は、メインタスクで第一位を獲得し、NISTの評価、中国に2年連続で基調講演を行うにははるかに一つだけです。
「ピラミッド」スタイルの研究開発計画
彼の見解では、開発計画の「ピラミッド」スタイルのクラウド知られている音は、今後6年間は、まだケースである間、彼らは非常によくなぜなら彼らの「インフラ」の、業界ラインにおける過去6年間に残ることを確認します。
だから、R＆Dの「ピラミッド」スタイルは何ですか？ピラミッドのDeepFlow底がクラスタで、異性のハードウェアサーバーのクラスタが十分な力のサポートと考えている研究開発チームを確保するために集中的なコンピューティングとストレージ容量を提供することができ、黄魏でいることを言いました2018年には、1000を超えるGPUに拡張する予定です。
中間層は、並列コンピューティングプラットフォームの機械学習、共同共有AI下地内部R＆D技術の成果を分配されるアトラススーパーコンピューティングプラットフォームであり、様々な分野で多重アプリケーションを移行することができます。
「我々は、深さの研究は、これが学習の全体的な深さを決定するために私たちのビッグデータの方向であり、2012年に出てきたんだろう、私が責任を持って言うことができる、中国の大学教授の時に95パーセント、深い学習を聞いたことがありません'黄偉は、Neteaseの知性に語った。
最上階の「ピラミッド」は、出力として、アプリケーションレイヤ技術、ASR、TTS、NLUおよび他のアプリケーション層技術は、黄によると、この能力は、コアAIである、雲コアコンピタンスの音知識の確立として理解することができるされ、その後AIは、クラウドコア製品アーキテクチャを使用してそれを作成し、それをさまざまなアプリケーションシナリオに適用します。
アプリケーション、2018年と言えば、最初の年は、人工知能の着陸として知られ、着陸が重要になり、マイケルの焦点は、我々は間違いなく今年あり、蓄積されたエネルギーが解放されたい」のIoTや医療分野であります私たちはスマートな家庭やロボットで大規模な出荷を出荷します。
アプリケーションシナリオからAIチップのR＆Dを控除することは、AIのスタートアップにとって最適な方法です
現在、従来のチップ巨人のNvidia、インテル、クアルコム、または携帯電話メーカーは、AIチップアップルAI1、ハスユニコーン970、クアルコム小龍845、サムスンExynos 9810、MediaTekのスティーブ力P60、および起業家を解放するかどうか、人気のある、人工知能チップ同社のスカイラインの旅チップなど
私たちは、チップは、人工知能の非常に重要な部分を運ぶ人工知能、および知覚キャリアのベクトルを計算することが非常に重要である理由は、必要不可欠である、紅海の味をかぐようになってきています。
しかし、マイケルは、私たちすべてが死ぬかと考えていますが、実際にチップは、我々が重複している、いくつかの主要なカテゴリが含まれますが、このようなNVIDIAのGPUはなく、この点で計算の特に高い量をサポートするために使用されるよう、独自の市場と力のポイントを持っています戦場の巨人を疑う;クラウドチップがあり、これらのチップは、主に、GoogleのTPUのようないくつかの雲の認知意思決定のためなどに使用され、もう一つは、地平線がやっている、クラウド知られている音です、このタイプのチップはターミナルチップです。
端末AIチップを実行する上で最も重要なことは、アプリケーションシナリオからチップ全体の製品形態とロジックを定義することです。
マイケルは、フォームチップ製品の観点から、クラウド知られている音が進み、市場からの長い時間のために検討されている、と指摘し、市場スマートホーム、インテリジェントなスピーカー、ロボットや他の子供の教育におけるクラウド知られている音声はIVM（ジェネリック・チップ・ソリューション）に基づいているの製品形態、市場、製品、合理的なユーザーシナリオを確認してください。多くの製品カテゴリやコスト、安定性のための呼び出しの形で顧客の協力を得て、集積度とても高く、その後、打ち上げ自己開発のAIチップはなりもちろんです。
マイケルは早くも2015年、チームの形成にクラウド知られているサウンドチップとして、同社は、製品を市場技術的なルートを参照し、下流のパートナーのチップ2016 2017スタートチップ製品定義、IPの選択、最適化アルゴリズムを評価するために始めた、と述べました、ツールの準備、詳細な製品定義と技術モジュールの評価が含まれています。現在、UniOne AIチップはテープアウトされており、すぐにリリースされます。
「これ以上のチップのことを子供たちには、我々は、少なくとも3年先の時間のノードは時間のポイントしていない可能性があり、時間AIホットチップ内のポイントと一致したが、それは、その中に私たちの初期投資のための報酬だろう」黄WeiはNeteaseの知性に語った。
IoTヒューマンインタラクションシナリオ用の最初のAIチップ
公知の位置決めクラウドサウンドチップとして、マイケルは、従来のチップアーキテクチャの両方において、人間とコンピュータの相互作用のIoT、チップのデバイス側高い要件のAIアルゴリズムの並列コンピューティングパワーとメモリ帯域幅との関連で、前記しましたそう、推論アルゴリズムは端末ベースのGPUで実現することができるが、一方で、その消費電力、医療過誤の低コストを見落としてはならない、と別の携帯電話とのIoTデバイス、刻々と変化するフォーム、断片化の需要はより深刻な、片側が伸びていますしたがって、IoTアプリケーションのシナリオからのみ、カスタマイズされたチップアーキテクチャを設計することで、消費電力とコストを大幅に削減しながら、AI計算とデバイス間のフォーム要件を満たしながらパフォーマンスを向上させることができます。 。
「同時に、どんなに大きいか小さい製品の製品、全く画面や画面はありません、人間とコンピュータの相互作用共通で物事を関連する、それが抽出されなければならない、とダウン硬化、この意味では、チップは、最も適切な方法であります我々はそれは、ビジネスの観点から、現在市場に出回っているすべてのチップは、人工知能のために設計されていない、このチップは、マイケルは言ったIoT AIチップ」のための最初の人間とコンピュータの相互作用のシナリオであると言うことができますアルゴリズムの力を使うのは難しいです。
また、採用され、すべてのモデルのモジュールアセンブリは、メリットはすぐに出荷されますが、制限があるため、コストの、そして非常に多くの場合、彼らは市場で入手可能な比較的低いチップ・コンピューティング・パワーを選択し、後に低利回りのパッチワークがあるだろうしていますその他の問題。
そのため、クラウド知られている音の練習は、同社のアルゴリズムの観点からは、エンドチップをやる、それがチップを作成するのに十分な特に高い計算能力を必要としない、彼らはその言葉の量、コスト、消費電力だと思いませんかその他の地域は無駄である。そして、加速アルゴリズムは、あなたの能力が限界に行うことを意味加速する彼らのコンピューティングチップセレクト、および加速度の計算は「内面の強さ」です。
黄は、最も重要なことは、チップを見つけるのではなく、トレンドに従うことであることを強調した。チップは、高入力、高リスクの産業であるため？将来は顧客であるエコ？何であるかを知りたいです。
AIの激しい時代は終わり、2018年には「流域」があります。
起業家、投資家、顧客、従業員、およびその市場から直面しなければならないとの話を友人のマイケル円、「古い、最近頻繁に夜に目を覚ます」、記者の顔は、彼は、困難なビジネス上の理由があることを認めましたそれが責任になると、彼は待つことはできません。彼は止めることはできません。
インテリジェントハードウェア業界は衝動的な過去2年間、経験している、その理由に戻り始め、マイケルは2018年には、業界では「流域」になると考えて、私たちは着陸に焦点を当てるようになった、同社の能力は、潜在的なエネルギーを放出し始め、無先行者優位のための同社は、あなたがいない破壊的なものを行う場合の時間ウィンドウが経過しているので、それは、投資家や市場の注目を取得するのは難しい、とトラック内のいくつかの主流のAI業界では、ホーンを生まれています獣なので、リソースは頭の会社に傾いています。
「人気はあなたが自慢で、投資を得ることができ、最後の数年間、話すが、今年はそう単純ではない、マイケルは語りました。
どのように人工知能や業界の人間とコンピュータの相互作用の開発のために、彼は主に人間の相互作用の耳と口に頼る話し、私たちはより多くの視覚的なプレゼンテーションコンテンツを表示することができ、声は、私たちが表現するためのイニシアチブを取ることができ、かつ必須ではありませんどちらもキーボードの入力やマウスの入力は本質的に人間の本質に反するものであり、将来の携帯電話は必ずしも私たちの必需品ではありません。
- 調査会社GfKのデータによると、2015年中国スマートスピーカー小売ボリュームのみ100万台は2016年1月に60,000台に2017年に増加 - 10万台以上の8月累計の売上高を2017年第3四半期として多くの中新製品の導入により、2017年8月にのみ、スマートスピーカ市場は前年比178％の成長率を達成しました。
インタラクティブな革命が起こった。
もちろん、国民はまた、すべての人のパニックを引き起こし、数多くあったが、人工知能の存在を疑問の声、最近ユーバーの自動操縦の歩行者の死亡は、トラブルの原因となった、AIの脅威が再びすべてこの高温になり、マイケルは技術が安全でなければなりません、思い出しまず、科学技術の進歩と人類の安全の間に、後者がより重要であることは間違いありません。