京公网安备 11010802034615号
经营许可证编号:京B2-20210330
导读:几十年来,人工智能(artificial intelligence,AI)一直是学术界的白日梦。计算机可以像人类一样学习的想法似乎是不可能的。
随着处理能力成本的大幅下降,科学家们终于发现了如何编写和实现人工智能程序,这些程序可以教计算机学习如何使用类似人的逻辑来解决问题。到目前为止取得的阶段性成功,令人印象深刻。
计算能力的进步,再加上人工智能,意味着我们作为一个社会所面临的许多重大问题的解决方案,都是可以实现的——当然相反地,人工智能也可能会带来一些新的问题。
作者:乔恩·D.马克曼(Jon D. Markman)
来源:大数据DT(ID:hzdashuju)
内容摘编自《投资未来:重构世界与财富的12大科技投资领域》
01 战争中的人工智能:与“屠杀机器人”见面
想象一群微型无人机。现在,想象一下它们拥有致命武器和人工智能:微小的飞行杀手。
这看起来像是糟糕的科幻小说。它不是。
欧洲主要防务承包商Thales UK的高管阿尔文·威尔比(Alvin Wilby)表示,这种技术已经存在。
2017年11月,威尔比告诉英国上议院人工智能委员会(Lords Artificial Intelligence Committee),恐怖分子释放“大批”小型致命智能无人机只是时间问题。
其他知道内情的人应该也很担心。
谢菲尔德大学人工智能和机器人荣誉退休教授诺埃尔·夏基(Noel Sharkey)就是其中之一。诺埃尔·夏基向英国上议院人工智能委员会表示,他担心未经测试的临时技术可能最终落入ISIS等恐怖分子之手。
2017年11月,在葡萄牙举行的一次网络会议上,已故著名理论物理学家斯蒂芬·霍金(Stephen Hawking)甚至更为悲观。他警告称,全面人工智能的发展可能意味着人类文明的终结。
特斯拉(Tesla)电动汽车和SpaceX运载火箭背后的技术梦想家埃隆·马斯克(Elon Musk)则表达得更为简洁。他宣称人工智能是“我们最大的生存威胁”。
人们很容易对这些担忧置之不理。然而,我们生活在一个信息技术以指数级速度发展的时代。亚马逊、英特尔和高通(Qualcomm)已经展示了能够自主导航和瞄准的无人机。
诺埃尔·夏基说,将这种技术扩大到无人机集群并不需要“任何创造性的步骤”。
2017年10月,美国空军演示了一群无人驾驶飞机如何用于监视。三架F-18超级黄蜂战机释放了103架翼展只有12英寸的无人机。这种小型的珀迪克斯无人机(Perdix)都有一个软件控制的大脑,编程目的只有一个——安装自定义雷达。
在测试中,所有无人机在没有领袖的情况下表现为一个整体。但是在自然界中,蜂群失去了领袖是不可想象的。
五角大楼于2011年开始建造珀迪克斯无人机。小型无人机的想法来自麻省理工学院的一群航空学学生。
2014年9月,该项目在爱德华兹空军基地进行了首次试飞。一年后,90架珀迪克斯无人机在阿拉斯加进行了军事监视测试。2016年10月,一架F/A-8超级大黄蜂无人机在加利福尼亚州中国湖的一个试验场上空降落了一群珀迪克斯无人机。
拥有人工智能大脑的大型武装无人机已经成为现代战争的支柱。
2016年5月,美国海军展示了一种像导弹一样发射到空中的无人机系统。
蝗虫无人机(Locust drones)一旦升空,就会装上微型炸药,形成包裹。然后无人机群组通过自定义雷达进行通信。总的来说,它们定位目标,然后做出自杀式的俯冲轰炸。
《屠场机器》(Slaughterbots)是一部将军方和私营企业的技术进步融合成一场反乌托邦噩梦的短片。这部电影的卖点是:“看看当武器做出决定时会发生什么。”
这看起来很可怕。
然而,所有实现这一目标的技术今天都已经存在,而且正在以飞快的速度发展。智能手机给了我们微电子机械系统(MEMs)。其他电子元件,如加速度计、GPS和固态罗盘,最终都变得足够小巧和便宜。
由于数十亿人随身携带智能设备,就有足够的数据最终推动了科学家几十年前承诺的人工智能革命。算法在处理和消化海量数据的过程中,每分钟都在进步。
在此过程中,投资者积累了巨额利润。经过仔细的选择,下一步可能会更加有利可图。
人工智能正在创造截然不同的赢家和输家。它将权力集中在那些早期明智地下注的公司身上。它们实现了规模经济,也有能力设置独特的行业准入壁垒。
值得庆幸的是,由屠杀机器人组成的无人机群仍然是虚构的。但是这种可能性为一些专注于飞机和导弹的国防承包商创造了巨大的商机,比如Northrop Grumman(NOC)、雷神公司(RTN)和洛克希德·马丁公司。合理的担忧意味着,人工智能很可能成为行业中一个新的主要助推器。
能够应对这一挑战的企业集团数量很少。
当合同订单在狂热妄想中分发出去的时候,这些公司以及他们的供应商生态系统,将赢得巨大的奖励。
记住,这些通常是政府合同。公司需要满足严格的安全准则。
多年来,我一直在推荐拥有大型人工智能项目的国防承包商。这将是一个非常大的趋势而且即将发生,投资者现在就需要开始建仓。
妖怪从瓶子里释放出来了,它们肩上扛着自动制导的火箭筒。
02 当心你的背后:无处不在的监控
现在请不要往后看,说不定视频监控就在你身后。这是不可避免的潮流。自愿放弃隐私,对坏人的恐惧,以及先进人工智能的出现,构成了一个强有力的组合。
2017年上半年,迪拜警方开始在城市街道上测试一辆小型自动驾驶汽车。这个机器人平台大约有一辆婴儿车那么大,配备了先进的视频设备、可以联网的人脸识别软件,以及一架无人驾驶飞机,以防不速之客偏离原有车道。
在人工智能的推动下,视频监控已成为一项专业服务。这项业务就要爆炸了。
根据全球研究咨询公司Markets and Markets的数据,对视频监控服务(VSaaS)的需求将从2016年的303.7亿美元增长到2022年的756.4亿美元,年复合增长率为15.6%。
视频监控服务供应商及其组件供应商准备进行清理。
由于人们认识到犯罪率逐年上升、恐怖袭击不断增多以及对视频监控干扰隐私的麻木接受,需求正在飙升。与此同时,相机传感器、网络存储和计算能力的成本正在直线下降。
然后是自动化的进步。视频监控曾经是劳动密集型的。尽管人类有时会打瞌睡,但他们每天24小时都在监控视频屏幕。人工智能的算法正在很大程度上取代这些人,这些算法能够识别人脸并检测运动,即使是在黑暗中。
而国家拥有的网络机器人在无处不在的社交媒体上爬行和获取信息,这是公共摄像机无法捕捉到的。
在迪拜,最初的雄心要低得多。据《连线》(Wired)报道,阿联酋与新西兰马丁飞机制造公司(Martin Aircraft Co.)签订合同,为消防员配备喷气背包。这一警用机器人策略似乎展示了人工智能监视的正当用途。对于一个想要走在技术最前沿的城市或州来说,这是一项很酷的技术。
这些机器由新加坡OTSAW Digital公司制造。该组织主席凌亭明(音译)在一份官方新闻稿中解释说,他们的目标更多的是利用机器人来加强治安,而不是追踪人类。
“机器人的存在是为了提高人类的生活质量。”凌说。
撇开快乐的话题不谈,我自己对此也感到乐观,因为新技术通常会带来重要的新行业和新业务模型,比如视频监控服务。
尽管有巨大的潜在市场,但视频监控服务的崛起几乎没有引起投资者的注意。虽然北美的视频监控在短期内不会推广到中国,但在机场或体育场等拥挤的公共场所摄像头的数量正在增加,并可以进行实时的随意观察显示。
在当前恐怖主义和旅行禁令的环境下,这一发展将急剧增长。
然而,选择正确的投资标的非常重要。视频监控硬件是一个分散的市场,而视频监控服务软件市场往往更加复杂。
小结
对我们很多人来说,人工智能是可怕的。我们习惯性地忽略了机器学习像人类一样思考的惊人可能性,因为我们深刻地意识到人类会做很多自我毁灭的事情。大批没有灵魂的电脑将大规模地学习我们所有的坏习惯,这种前景是灾难性的。
事实并非如此。当然,人工智能确实可以用于军事和监视目的。世界仍然是一个危险的地方。我们相信那些保护我们安全的人会利用每一项技术进步,加大对坏人的打击力度,这是有道理的。
然而,许多公司现在正在使用人工智能来制造自动驾驶汽车,设计更安全的基础设施,以及寻找治疗疾病和基因缺陷的方法。解决这些棘手的问题将挽救无数人的生命。
关于作者:乔恩·D·马克曼(Jon D. Markman),一位资深投研分析师、投资组合经理和获奖通讯作者,他是广受欢迎的投研类时事通讯《技术趋势交易者》、《战略优势》和《权力精英》的编辑和创始人。他不仅经常在全国性的会议上、也在电视和广播上谈论这些话题,他还是《福布斯》的长期股权科技投资专栏作家。
本文摘编自《投资未来:重构世界与财富的12大科技投资领域》,经出版方授权发布。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19