2018年3月31日星期六

经济学人「AI商用」特辑三: 客服与销售人员的职能转变

失望的客户给公司客服打电话却陷入了无休止的等待,电话里不断传来电子合成音冰冷的语调,「你的来电对我们很重要」。

人工智能正在帮助公司提升服务的质量和一致性,以期让客户相信他们真的在关心客户。

英国生鲜电商 Ocado 每天会收到约 10,000 封客户的电子邮件,他们使用人工智能检测客户在邮件中透露的情绪。

通常,他们会优先回复最紧急的问题,并计划把投诉发送给相关领域的代理人员专家。

「与其他人工智能的应用一样,这个系统是为了帮助人类变得更加高效,而不是让人类完全摆脱这一过程,」Ocado 首席技术官 Paul Clarke 说道。

根据研究公司 Gartner 的数据显示,2017 到 2021 年间,全球范围内完全由人工智能处理的与客户间互动的比例激增 5 倍升至 15%,到 2019 年,涉及人工智能元素的此类互动的比例至少达到 40%。

人工智能对客户服务行业的影响将如同电话这项发明的影响一般深远。20 世纪初在电话还未开始传播的时候,公司只能通过邮件或是亲自登门的方式来处理客户的询问。

电话帮助代理机构变得更加高产,人工智能将会在此基础上大幅度地提升代理的生产力,人工智能将以比人类快得多的速度在短时间内处理大量的客户询问。

随着通信渠道的不断增加——电子邮件、手机短信应用、社交软件等不断涌出,人工智能将会变得愈发重要。消费者已经习惯应对自动化的服务。

调查显示,比起和真人在电话中交谈,约 40% 的美国互联网用户更愿意使用电子客户服务。

虚拟代理正在崛起。

目前,30% 的此类公司现在提供回答问题和解决问题的独立「机器人」,然而这些机器人可回答问题的范围比起人类小了许多。

很多机器人都使用了人工智能技术,公司在之前与客户互动的日志和记录数据上训练机器人。

给这些机器人馈送更多数据后,它们在解决复杂查询方面的能力会变得更好。

这些机器人既能让企业处理更多的客户咨询,还无需雇佣多余的人来做这些事,可谓一石二鸟。

招商银行在微信上使用机器人每天处理约 150 万到 200 万的查询,这相当于约 7000 名员工的工作量。

赌场酒店集团 Caesars 在旗下的两家酒店中提供了虚拟的迎宾员 Ivy,它将通过文字回答客人的疑问,如果问询很简单,Ivy 会自动回答问题。这使得客人对服务台的呼叫减少了 30%。

人工智能同样会提升客户服务代理的知识量、表现以及处理速度。

一些公司正在实验一种名为「语音打印」的技术,这项技术可以在通话中辨识出客人的声音,如果来电者在假冒身份,系统将会对代理发出提醒。这项技术对金融服务尤其有用。

一家澳大利亚银行正在试验一种独立的智能语音控制扬声器,这款扬声器可以监听代理与客户间贷款操作的对话,如果代理人忘记了某些东西或是犯了错误,扬声器会切入对话。

一些公司也在使用人工智能对客户询问的回应提出建议,给客户的反馈可以在发送前进行人工批准核实。

Digital Genius 公司(一家从事自动化客户支持的公司)的 Dmitry Aksenov 表示,在过去一年中,这项技术让荷兰航空公司 KLM 每周处理文本客户询问的数量翻了一倍,达到了 120,000 件/每周,而 KLM 仅仅多雇佣了 6% 的代理。

一些公司已经开始提供支持人工智能的服务,利用人工智能对来电进行监听,判断代理的表现并实时向他们发送提升的建议。

初创公司 Cogito 客户包括 Humana 和 MetLife 等保险公司,前者的业务重点在于识别代理的「同情疲劳」。

系统需要一些详细的数据,比如代理人说话的语速以及呼叫者使用的词语等来检测情绪,衡量代理与客户之间的互动是否进展顺利。如果存在问题,系统将会提醒代理采取更加有效的行动。

这样的工具可以帮助大公司监控代理的表现,但是代理也有可能会欢迎系统提出反馈建议。

Cogito 的老板 Joshua Feast 表示,呼叫中心每年的人事变更率为 30% 到 40%,部分原因就在于这些代理基本不会主动改进与客户间的互动表现。

MetLife 首席技术官 Marty Lippert 认为,在客户服务和人力资源等领域,人工智能的投资回报率约为 20%。

大多数公司都从外部提供商那里购买人工智能服务,但是拥有技术的公司往往愿意自己创建。

比如,打车业巨头 Uber 已经建立了一个系统使用人工智能处理电子邮件咨询(没有电话咨询这一选项)。

根据邮件询问内容,系统为接下来的步骤给客户发送可能的代理人选项,这一举措直接将解决投诉的时间缩短了近 10%。

人们希望人工智能可以将客户服务代理从日常的繁重任务中解脱,解放的代理人员就能向客户推销其他服务为公司创造新的收入。

Digital Genius 公司的 Aksenov 表示,自从开始使用人工智能以来,KLM 已经产生了数百万美元的额外销售额,这是因为他们的代理现在有更多的时间帮助客户预定升级服务或是新航班等。

但是,并非所有的客户都喜欢更多的销售渠道。

此外,人工智能必然会改变销售的方式。

许多公司正在试验开发人工智能增强的推荐工具来帮助销售人员完成工作,比如亚马逊和 Netflix 所使用的推荐工具。

谷歌、Facebook 和亚马逊近年来一直在使用人工智能针对不同消费者提供不同广告和特价的优惠,这一举动取得了巨大的成功。类似的做法可能也会传到其他企业当中。

比如,投资银行高盛的销售人员在接受公司债券的订单时,他们现在可以立即看到具有类似风险特征的债券以便向客户进行推荐。

Caesars 使用人工智能计算客户潜在的日常消费水准,挑选出要进行私人电话沟通的客户并进行排序,决定为他们提供哪种促销活动。

公司老板 Mark Frissora 表示,将营销提炼为「一次信息」,随着时间的推移这一举动会增加客户的忠诚度。

「别给我们打电话

研究公司 Garher 预计到 2019 年,全球电话客户服务代理的数量将下降 10%。这将增加继续任职者的工作量。

但是公司也要额外小心,不要过多淡化与客户之间的互动。虚拟沟通的兴起使得公司与客户建立深厚关系的机会减少,因此客户服务也将变得愈发重要。

聪明的公司不仅使用人工智能改进现有的服务,而且还会设计新的服务。

德国零售商 Metro Group 正在测试在结账时使用计算机视觉:由相机记录购物篮中的物品,收取购物者相应的费用。亚马逊在西雅图的便利店中也使用了类似的技术。

Metro Group 首席信息官 Timo Salzsieder 表示,这些全新的,无人值守的视觉增强型结账系统每小时可以处理 50 名客户的结账需求,比人类的速度快一倍。

包括中国平安公司在内的一些保险公司在客户车祸后提出索赔的过程中使用人工智能技术。客户不必再给保险公司打电话,不需要填写大量的表格,只需要把损坏的照片拍下来通过应用提交,以便快速反馈维修报价。

在技术层面上来说,建立这样的工具是一个不小的挑战,但是尽早将人工智能技术揽入怀中是个不错的主意。

中国平安每年有将近 1500 万份理赔诉求,其应用可以处理 30%。中国平安首席创新员 Jonathan Larsen 表示,「这需要大量的系统成本,要把握住客户。这些产品也强化了客户与公司之间的直接关系。」

相反,由亚马逊,谷歌,微软和苹果公司提供的语音控制智能音箱可能介于公司与其目标之间。其他公司将应用程序放入音箱这一载体中。

举个例子,UPS 建立了一个工具,客户能够通过亚马逊音箱 Echo 内置的 Alexa 跟踪他们的包裹,以前他们可能只能通过网络或电话来追踪这些包裹。

「公司担心这一举动会增加客户去中介化的风险,所以公司让音箱成为了与客户互动的主要关系」,咨询公司 Accenture 的 Paul Daugherty 表示道。

而且,由于智能音箱只能引导客户得到单一的答案,不能与他们真正进行互动,更无法为客户提供公司的多种选择,那些不能或是不想使用音箱的人可能会错过第一时间与它们形成这样的关系。

这很大程度上取决于智能音箱的传播速度。

目前,仅有六分之一的美国成年人拥有智能音箱,这一比例比起一年前还翻了一番。随着语音识别的进一步完善,尤其是在年轻人中,音箱的吸引力将会进一步增加。

]]> 原文: https://ift.tt/2E9dRMC
RSS Feed

机器知心

IFTTT

经济学人「AI商用」特辑一: AI并购金额两年猛增26倍, 中国对隐私关注度逊于西方

测谎仪在商业上并未得到广泛应用,但平安保险却认为它可以识别谎言。

公司要求,申请贷款的客户需通过 app 申请。借款人需要通过视频回答有关收入和还款计划的问题。

该 app 可以对近 50 个面部微表情进行监测,从而识别他们是否在讲真话。这个有人工智能赋能的项目可以帮助对一些客户进行进一步的审查。

人工智能改变的不仅仅只是借款人的银行账户余额。消费品公司强生和咨询公司埃森哲使用人工智能对职位申请人进行筛选,选出最佳人员。

人工智能也在帮助凯撒宫赌场度假酒店对消费者可能的消费需求进行分析,从而提供个性化的促销手段吸引消费者。媒体和金融信息公司彭博社采用人工智能对其它公司的财报进行扫描,并自动生成新闻稿。

移动电话营办商沃达丰(Vodafone)可以在用户设备出现问题之前,预测网络的问题。各行各业的公司都在使用人工智能监测网络安全威胁和其它的风险,比如员工的不满情绪。

相较于依靠直觉和初略的估计,人工智能赋能的预测因更加智能,速度更快使得业务效率大大提高。

在法国家装建材零售集团乐华梅兰集团 (Leroy Merlin),经理人员过去是在周五预定新的存货,在一周之前对同样的商品进行预设,以便他们能更快开始自己的周末。

现在公司使用算法对过去的销售数据和其它会影响销售的信息如天气预报进行分析,使得存货周转更加的高效。负责这一项目的人工智能初创公司 Manuel Davy of Vekia 表示,这一举措帮助公司甚至在销售增长 2% 的情况下,还将存货减少了 8%。

人工智能和机器学习(这两个术语经常交叉使用)使得计算机可以处理大量的数据,并找出其的模式,在无需特殊编程的情况下就能够进行预测。

数量巨大的数据、更加复杂的算法以及超强的计算能力赋予了人工智能更大的能力。所呈现的结果相当于一对分析师在拥有无限时间和资源的情况下所达到的效果,不仅如此,人工智能的工作效率还更快,更高效,成本也更加的低廉。

人工智能主要的一个作用即使预测成本的急剧下降,新书 Prediction Machines 的合著者,多伦多大学的 Ajay Agrawal 表示。

如同电使得照明更廉价一样——今天的照明成本比 1800 年减少了 400 倍,人工智能使得预测也更加的便宜、可靠,应用也更加的广泛。

计算机在数十年前就已经能够阅读文章和数字了,但直到最近它才能够进行看、听和说。斯坦福人工智能实验室主任,同时也是谷歌云计算首先科学家李飞飞表示,人工智能如同一个「色拉盘」,融合了各个不同的领域和学科。

人工智能的次级领域包括改变工厂和生产线的机器人技术,以及应用于自动驾驶技术的计算机视觉技术。

李飞飞说,计算机视觉是人工智能「最具有杀伤力的应用」,因为它可以应用于许多的场景,但人工智能在语音识别方面表现的也越来越出色。

手机以及智能音箱上的语音助手就是依赖于语音识别,算法可以理解语音请求,并对说话者的语音语调和说话内容进行识别。

商业版图的变革

目前来看,人工智能的主要受益方还主要在科技领域。今天大多的科技巨头,如西方的谷歌、亚马逊,中国的阿里巴巴和百度,如果没有人工智能进行产品推荐,绝不会达到今天这个水平。

例如,亚马逊的人工智能应用相当的广泛,如指挥库房中的机器人、对打包和配送进行优化,识别假货以及赋能语音助手 Alexa。

作为亚马逊的竞争者,阿里巴巴也在物流中广泛使用了人工智能技术;其下属在线支付平台蚂蚁金融,真正探索利用面部识别对交易进行验证。谷歌 CEO 桑达尔·皮查伊曾说,人工智能将比电或者火产生「更加深远的」影响。

 众多领域的非科技公司的老板都开始担忧人工智能会对它们产生巨大的威胁,然后他们开始收购一些有前景的科技公司,确保在人工智能的大潮中不被赶超。

根据数据提供商 PitchBook 的数据显示,2017 年,在全球,与人工智能相关的并购金额大约在 218 亿美元,是 2015 年的近 26 倍。

这样做的部分原因是想吸引人才,因为这个领域的人才很是稀缺。没有盈利的初创公司为每位人工智能专家提供高达 500-1000 万的薪酬。2010~2017年与AI相关的并购案数量与金额变化

随着人工智能的影响逐渐超出科技范围,它将助力公司向老牌公司发起挑战。而这种情况在汽车领域正在上演,比如一些自动驾驶初创公司和顺风车公司,Uber 就是其中一个例子。

但它也将改变其它公司运作的模式,传统的功能将因此发生改变,如供应链管理、客户服务和人员招聘。

不过,人工智能的发展前景无限但也同样是危险重重。

根据 MIT 的《斯隆管理评论》和波斯顿咨询公司的数据,85% 的公司认为人工智能将提供一个竞争优势,但今天 20 家企业中只有一家企业「大规模」部署了人工智能。

大型公司和产业如金融产业,能够产生大量的数据,它们会走在前列,会搭建自己的人工智能优化系统。但许多公司会选择与独立的人工智能供应商合作,如云提供商,咨询公司和初创公司。

人工智能的竞争不仅存在于企业之间,也存在于国家之间,尤其是在中美之间。

中国企业拥有一个早期的优势,比如因为政府拥有大量面部数据,可以帮助训练人脸识别算法。中国人对隐私的关注度相对于西方会稍低一些。

但前方所面临的困难也很多。其中一个问题就是时间的问题。

风投基金 Bloomberg Beta 的 Roy Bahat,将当前和 90 年代末互联网大爆发进行了一个对比:「公司很难决定应将资金投到那些地方。」

如果他们在人工智能的早期投入太多资金,他们会面临过度投资的风险或者将大量资金投到毫无价值的公司,就如许多人在互联网早期做的那样。

但如果他们等的太久,他们有可能会面临来自新兴公司或者比他们更快利用科技的竞争对手的挑战。

媒体的大肆报道可能对一些人产生了误导,认为人工智能就是一个魔法棒,就如同安装一个微软软件一样简单,印度咨询公司 Tata Consultancy Services 的员工 Gautam Schroff 这样说道。

人工智能需要大量的数据储备,高度的算法检测以及许多有益的定制化。微软的 Gurdeep Singh 将人工智能系统比作「愚笨的专家」;他们可以轻松的完成一些人类觉得很烧脑的工作,比如检测商品上细微的瑕疵或者迅速讲数百万张面部照片进行分类,但有些事情,人们可以很轻松的完成,而人工智能却无法做到,比如基本的逻辑推理。

1956 年,当学术研究人员首次聚集在一起谈论人工智能的时候,他们就在寻找一种方式将人类的「一般」智力融入到机器之中,包括复杂的推理。但这一想法仍在是一个难以实现的愿望。

对人工智能的追捧使得人们难以区分哪些是夸张,哪些是现实。

全球的上市公司中,2017 年第四季度财报上提到人工智能和机器学习的次数超过了 700 次,是 2015 年同期的 7 倍。但硅谷资深人士 Tom Siebel 表示,人工智能的一些价值并没有体现,很多公司却在大肆宣扬,一些人应该开一个「人工智能假新闻」的平台。上市公司们在财报中提及人工智能的次数在2007年~2017年期间发生的变化

公司老板们应三思而后动。

据麦肯锡全球研究所(McKinsey Global Institute)的 Michael Chui 表示,在不久的将来,人工智能会对传统的商业进行重塑,如金融,人力资源,客服等。

但假以时日,它将对整个所有行业产生变革,例如,促进无人驾驶汽车的发展或者新药的合成。只要人类对产品设计或药物合成有一些提前的认知,算法就能提出更加新颖的解决方案。

咨询公司 Deloitte 的 John Hagel 说,私营公司的老板对费用和劳动力成本的节约比对人工智能所带来的机会有更大的兴趣。

这对劳动者来说无疑是一件不好的事情,但最终也会对业务造成影响。「如果只是单纯的削减成本而不增加客户价值,就会被踢出游戏,」他说。

一些公司虽说没有减少目前的工作,但却利用科技避免增加新的工作。拥有工作的员工会感觉一直在被老板监视着。

一些公司已经在使用人工智能对员工的交流进行筛查,以确保员工没有违反公司章程。这种手段将会进一步扩散,导致隐私问题的产生。

 人工智能更长期的作用是它会创造一个良性循环或者叫「飞轮效应」,拥抱人工智能的公司会运作的更加高效、产生更多的数据,提高他们的服务,吸引更多的客户,提供更低的价格。

听起来是一个很好的事情,但也有可能导致企业集中和垄断,而这种情况已出现在科技行业。

]]> 原文: https://ift.tt/2pSF7dJ
RSS Feed

机器知心

IFTTT

经济学人「AI商用」特辑二: 算法打响的成本之战

用卡车或货车运送 25 个包裹看起来似乎足够简单,但实际上它却极其复杂。

在未来20年中,AI为一个行业各个环节带来的潜在经济效益

据投资银行高盛称,可能的路线数量总计约 15ⅹ1024(兆兆)种。大型 IT 公司 Infosys 的 Sudhir Jha 表示,将人工智能整合到复杂的生产和分销网络(即供应链)中的经济影响会比将这项技术应用到其他任何领域都要大,并会借此影响到更多的企业。

麦肯锡估计,通过在供应链和制造过程中使用人工智能,企业每年能够多产生 1.3 万亿到 2 万亿美元之间的经济价值(见图表)。

许多公司已经开始使用有机器学习能力的机器人来改善工厂和仓库的运转。但不限于此,人工智能也将改变供应链的其他几个方面。

其中一个方面就是管理财务和支付供应商的乏味工作。

BP 的首席数字创新官 Morag Watson 说,就像微软的 Excel 电子表格改变了财务部门一样,人工智能将使日常的后台工作更有效率。一些早期的试用者已经开始用人工智能来扫描发票和预测付款。

譬如,一家名为「工作日」的软件公司提供了一种财务规划工具,利用人工智能来预测哪些客户将会拖延付款。

另一个机会是通过计算机视觉系统来改进制造过程,这些系统可以检查装配线上的产品并发现缺陷。

与富士康等其他公司合作的初创公司 Landing AI ,其创始人吴恩达(Andrew Ng)说,这些系统比人类质检员更精确。富士康是一家大型的台湾合同制造商。芯片制造商英伟达已经在使用计算机视觉来确保芯片正确地组装了。

企业们也会使用人工智能来预测他们的设备何时会失效。这将有利于那些经营大型资产的公司,如航空公司、石油公司、能源公司和工业巨头。对于这些公司来说,意想不到的故障会带来巨大的损失。

公司可以将过去的性能数据与机器上的智能传感器(是被大肆宣传的「物联网」的一部分)的数据结合起来,来预测喷气发动机或风力涡轮机何时会失效,这样它们就能在事故还没发生之前进行维护了。

美国空军和国防部正与一家名为 C3 IoT 的初创公司合作,扫描维修日志和过去的技术问题,以寻找飞机正在磨损的迹象。

公司还在建造「数字双胞胎」——资产的虚拟替代——来模拟天气和其他因素对机器的影响。

下一年的重头戏

更好的预测将改善库存管理和需求预测,从而释放现金占用和存储空间。中国电子商务公司京东的首席技术官张晨表示,这对零售商来说尤其重要,因为零售商的利润率通常非常低。

研究公司 IHL Group 的数据显示,2015 年,全球企业的库存过剩成本约为 4,700 亿美元,而库存缺乏成本约为 6,300 亿美元。

而亚马逊现在有算法来预测其销售的数亿产品的需求,通常可以提前 18 个月。

亚马逊的机器学习主管 Ralf Herbrich 说,在所有品类中最难的品类要属服装了,公司必须根据附近的买家的体型和审美风格,来决定在哪个仓库存放哪些尺码和颜色的衣服。

 一家为杂货店和餐馆等客户冷藏食品的公司 Lineage 利用人工智能来预测货品会以什么样的顺序到达和离开仓库,这样就可以把托盘放到合适的位置。

「我把牙刷放在洗手池边上,因为我一天要用三次,而我的圣诞树总躺在阁楼上也是有原因的。」Lineage 的老板 Greg Lehmkuhl 如是说。

他补充道,使用人工智能来进行智能位置分配已经提高了 20% 的效率。

人工智能还能帮助企业追踪其产品的动向。

从港口和卡车到集装箱船,全球航运的大部分业务都是技术落后的,所以他们的客户永远不知道他们的货物什么时候才会出现。这种情况正在开始改变。

在货物的路线规划和到达预测方面,系统正做得越来越好,而公司也在这上面做出了更多的投资。

为了预测货物的到达,他们可以在货物上安装传感器,或者设计整个系统来使用卡车发出的 GPS 信号。包裹的递送路线也被更有效地规划了,这具有巨大的潜在收益。

包裹递送公司联合包裹服务(UPS)的流程管理总监 Jack Levis 说,在美国的司机们每将日常配送路径减少一英里,公司每年就能节省大约 5,000 万美元。

高盛预计,人工智能将把物流成本降低至少 5%,并将在未来 10 年带来 250 亿美元的额外利润。这将对这一门竞争激烈的低利润生意造成很大的影响。

但人工智能也可能引入将旧的流程从头到尾重新考虑一遍的新竞争者。

一家物流初创公司 Flexport 的 Ryan Petersen 说:「当你建造一架新喷气式飞机时,你不只是在莱特兄弟的飞机上安装喷气发动机。」包括京东在内的许多公司都在投资用人工智能驱动的无人机送货技术。

如今,强大的亚马逊公司正进军物流业务。

它在洛杉矶推出一项服务,用于从企业获取包裹,并将它们递送给客户,这让它与联邦快递 (FedEx) 和 UPS 开始了正面竞争。

一家全球船运公司 Maersk 的首席数字官 Ibrahim Gokcen 说,这家电子商务巨头已经成为「每个人的竞争对手」。

智能物流初创公司 Savi 的 Rich Carlson 说:「现在供应链上的每个人都已经意识到他们必须提高自己的业务水平,部分就是因为看到了亚马逊的能力。」

亚马逊的竞争对手可能会对此无比担心,但消费者一定会感到欣喜。

]]> 原文: https://ift.tt/2Gr4KIU
RSS Feed

机器知心

IFTTT

一个简单可参考的API网关架构设计(内含代码 );区块链基础设施纵览 - InfoQ每周精要530期

 中文站「每周精要」
感谢您订阅每周精要第 530 期,本期内容截止于2018-04-01。
技术新闻   TECH NEWS
Walmart提交了一种基于区块链技术的快递系统专利文件
3月1日,美国专利商标局发布了一项沃尔玛申请的专利,给出了一种基于区块链技术构建的"智能包裹"系统,有助于实现销售商、快递和买家间的包裹追踪。该专利中还涉及了自动驾驶系统和物联网传感器。
GitHub安全告警检测出了400多万个漏洞
据GitHub介绍,去年十月推出的安全告警极大地减少了开发人员消除Ruby和JavaScript项目漏洞的时间。
JavaFX及Java客户端技术的未来
从JDK 11开始,Oracle将从JDK中删除JavaFX、Applets和Java Web Start,而保留Swing和AWT。
Facebook开源用于目标检测的深度学习库Detectron
本文介绍了两种用于目标检测的深度学习库,并对目前主流的目标检测算法进行了分析。
Ionic宣布用于创建Web、混合和本机应用的Capacitor 1.0.0 Alpha版
Ionic团队已经宣布了Capacitor的第一个alpha版本 ,这是一种用JavaScript在移动和桌面平台上构建Web、混合和原生应用的新方法。
微软将人工智能嵌入Windows 10更新
下一轮Windows 10更新为Windows应用程序与人工智能功能的集成提供了新途径。届时,开发者将能把预先训练好的深度学习模型转换为ONNX框架并集成到Windows应用程序中。
架构设计   ARCHITECTURE DESIGN
一个简单可参考的API网关架构设计(内含代码)
传统企业正在做微服务架构转型的开发人员或者架构师,希望本文对您能起到一定的引导作用。
独家首次揭秘苏宁的RPC远程服务调用框架RSF
苏宁远程服务框架(RSF)致力于解决系统间的服务调用问题,提供一种透明的、高性能的RPC服务调用方案。目前应用于苏宁1000+系统,每天的服务调用次数在200亿左右,是苏宁使用最广泛的技术组件。
RocketMQ联合创始人:选择MQ时,不要只顾着吞吐量而忘了延迟这个指标
目前,包括阿里云上的消息产品以及收购的子公司在内,阿里集团的消息产品全线跑在RocketMQ 4的内核上面。
运维 & DevOps   OPERATIONS & DEVOPS
Docker创始人兼CTO Solomon Hykes宣布离职
Solomon Hykes, Docker公司的创始人兼CTO, 周三宣布从Docker离职。
华为云的Kubernetes实践之路
华为与Kubernetes的渊源颇深,早在Kubernetes刚开源的时候就以社区创始成员及白金会员的身份加入其中。目前拥有 1个Steering Committee席位和5个Maintainer席位。
2018年5大微服务发展趋势
2017 年对于DevOps来说是非常重要的一年,DevOps生态系统的用户数量有了长足的增长,CNCF项目也在这一年横空出世。在接下来的一年,我们期望出现更多的创新和市场变化。
大前端   THE FRONT END
88亿!Java侵权案大逆转,Google哭了,天地同悲
谷歌与Oracle之间的Java版权之争基本有了结果,谷歌因为在Android操作系统上使用了Oracle的Java版权代码,需要向Oracle支付88亿美元的赔偿。
互联网之父:Web正在面临危险
我们如何与世界上另一半人口也联系起来?世界上的其它人想要连接到我们现在的 Web 吗?
阿里开源GCanvas、G3D和BindingX:提升跨平台交互体验
近日,阿里一口气放出三个前端开源项目,分别是跨平台图形渲染引擎GCanvas、基于WebGL的JavaScript 3D绘图引擎G3D和基于Weex/React Native的富交互解决方案BindingX。
人工智能   ARTIFICIAL INTELLIGENCE
史上最严苛隐私数据保护法5月生效!
我们可以拒绝用隐私换效率了吗?
别光盯着全球最大GPU!GTC 2018最全回顾,看这篇就够了
黄教主从来不会让人失望。
Google工程师带你看遍聊天机器人的前世今生
聊天机器人的过去、现在和未来。
区块链   BLOCKCHAIN
央行"国家队"发布首个区块链平台,主攻信息公示和资产登记
中国人民银行旗下的杭州区块链技术研究院推出了基于区块链的平台,这是中国央行推出的国内首个平台。
区块链基础设施纵览:存储、计算和通信
以太坊、IPFS/Filecoin和BigchainDB之间是怎样的关系?Golem、Polkadot或Interledger又是什么情况?我经常被问到诸如此类的问题,所以决定写下这篇文章。本文聚焦于区块链的大框架:介绍区块链中各个计算元素的模块以及各个模块的一些实现案例。
从国家信用到算法信用,论比特币和区块链的商业价值
对于区块链而言,所有人都是探路者,全球范围内没有完全达成共识,3月7日,前哨迎来了第二期群分享,嘉宾为金房卡创始人韩义,与大家分享了他对比特币和区块链的一些认知和理解。以下内容根据现场分享整理而成。
技术大会   CONFERENCE
QCon北京:创业型公司2周自研通用可扩展自动化上线平台
创业型公司使用开源或者人肉的方式进行线上运维,有着诸如需求多、集群类型多样、难以定制化、缺乏人力、物力和时间来研发大平台这些痛点,如何在很短的时间内,自研扩展性较强的自动化运维平台来解决上述痛点,58速运的CTO沈剑将与你分享其中的经验。
ArchSummit深圳:详解阿里菜鸟全球跨域RPC架构
菜鸟已在全球建立站点,站点间应用存在依赖,与海外合作伙伴的数据和服务调用变成常态,但RT高成功率低是非常大的问题,菜鸟因此研发了一套全球化的数据&服务集平台。
GMTC北京,从UC内核角度看PWA技术在阿里体系的实践落地!
有了PWA,Web似乎进化成为了一个新的物种,目前除苹果safari外,国际国内主流的浏览器几乎全部都提供了对PWA技术的支持。在国内,UC浏览器率先做到了全面支持PWA功能。来GMTC听听UC专家谈谈PWA技术在阿里体系的实践及影响。
GTLC北京:听说Google、Facebook、BAT、网易等知名IT技术高管都在这里
如何从一个初级工程师一路走向大厂CTO?如何从不会管理到轻松管理千人团队?什么样的技术人人更适合去创业?创业公司技术管理者需要具备哪些技能?尽在全球技术领导力峰会GTLC。
极客时间App   GEEK TIME APP
腾讯工程师教你9小时搞定微信小程序开发
从0开始构建你的第一款微信小程序,通过考试后可获得微信小程序开发能力认证证书,学完参加 WeGeek 微信小程序开发大赛更有机会赢取万元大奖。
从模型到实战,直击AI工业落地
近年来, AI技术发展迅猛,人工智能正渗透到各行各业。《极客时间》特邀AICon人工智能专家团主讲,深入剖析实战案例,帮助企业梳理AI落地方案。
如何从0到1搭建你的第一条区块链?
36节课,5大模块,上手写出你的第一个区块链项目。这个专栏会用通俗易懂的语言带你一起迈入区块链的大门。将立足于区块链技术,但并不局限于某个特定的领域,而是延深到区块链的各个方面,让你形成一个比较完整的区块链知识体系。
活动推荐   POPULAR EVENTS
破案大奖,五周年细的不能再细的攻略
SendCloud为企业提供邮件、短信、语音通讯等SaaS服务,专注于解决企业触达用户的需求。本次周年庆推出了定制抽奖活动哦。
QCon深度培训:看了那么多生物识别,为什么依然做不好?
美团点评高级技术专家带你现场解读如何在实际业务场景中进行生物识别技术的开发,2018QCon大会深度培训,我们等你来!
InfoQ中文站每周日针对会员发送每周内容精要邮件,
别人转发给你的邮件?现在注册获取您自己的 InfoQ每周精要邮件吧
InfoQ微博:@InfoQ
InfoQ微信:infoqchina
InfoQ手机客户端:极客时间

特斯拉车祸最新调查结果公布,“自动驾驶”Autopilot又双叒成主角

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI

特斯拉的"自动驾驶",又双叒成事故主角。

致命车祸发生一周后,特斯拉确认:Autopilot当时处于运行状态。

上周(3月23日),特斯拉SUV Model X在美国加州山景城101高速公路发生严重车祸,汽车高速行驶中撞向高速公路未封闭完全的隔离带,Model X现场起火,后面两车也因车祸追尾。

特斯拉车主不幸在事故中丧生。据称是一位刚入职苹果公司的华裔工程师。

因为该起致命车祸与Uber无人车事故发生时间相近,也因为特斯拉Autopilot屡屡成为事故争议主角,于是这次车祸曝光后,Autopilot再次成为"嫌疑人"。

现在,通过车内电脑的日志恢复,特斯拉官方公布最新细节。

最新公布细节

特斯拉在官方声明中称,在致命车祸发生前,特斯拉Autopilot处于运行状态,自适应巡航控制的跟车距离被设置在最小值。

此外,司机之前已经多次收到仪表盘警报,告知驾驶员将手放在方向盘,但发生碰撞前的6秒里,司机都没有理会。

特斯拉称,按照当时情况,司机有大约5秒反应时间,但驾驶员没采取行动。

此后,Model X与隔离带相撞,汽车前部尽毁。在车辆日志中,没有留下任何其他采取紧急措施的记录。

特斯拉官方将此次车祸主因归于隔离带前的撞击减速装置,它们在事故发生前已经受损,且没能被及时恢复,于是Model X高速撞向了又硬又厚的混泥土隔离带,受损程度也前所未见。

Autopilot有失误吗?特斯拉认为没有。

官方声明中表示,迭代后的Autopilot,已经将撞车事故率降低了40%多,可靠性更甚以往。

而且搭载Autopilot的特斯拉,比其他汽车更安全。比如美国汽车每8600万英里就会有一起致命车祸,但Autopilot加持下的特斯拉,3.2亿英里才会有一起死亡事故。

也就是说,特斯拉涉及致命车祸的概率,远远低于平均值。

特斯拉还强调,不能因为Autopilot的使用造成车祸事故,就认为自动驾驶不安全,因为更多车祸事故并不会引起太多关注。

全球每年约有125万人在汽车车祸中丧生,如果这其中每辆车都达到特斯拉的安全等级,可以每年挽救90万人。所以应该对自动驾驶的安全性有信心。

然而争议也始终围绕于此:特斯拉的Autopilot,真的完全没有责任吗?特斯拉的Autopilot,到底能不能代表自动驾驶?

车祸或非偶然

特斯拉致命车祸发生后,美媒ABC7 News联系到了车主家属:黄先生的兄弟。

他并不认为AutoPilot完全无责。

黄先生的兄弟说,这辆Model X原本是车主自己庆祝入职苹果公司的礼物,但此后多次抱怨AutoPilot系统的问题。

车主曾向经销商投诉,说特斯拉AutoPilot多次转向障碍物,车主要求经销商解决这个问题,但每次都不了了之。

此爆料一出,自然引发轩然大波。后来特斯拉发言人也作出了回应,暗示该车主并没有抱怨过AutoPilot的任何事情,唯一的一次客服记录是关于导航问题的。

所以真相究竟如何?现在双方各执一词,没有答案。

争议AutoPilot

但可以确定的是,围绕AutoPilot展开的争议只会愈演愈烈。

起初只是AutoPilot对外宣传"自动驾驶"引起担忧和不满,因为严格意义来讲,AutoPilot只能算高级辅助驾驶的一种,无法离开人类司机。

但一旦按照"自动驾驶"宣传,在具体驾驶过程中,就可能会导致不少司机注意力涣散,以致于在真正需要时无法及时接管车辆,最后造成严重事故。

实际上,与特斯拉Autopilot相关的许多事故都是由于司机过于相信这个系统。

例如,他们会认为:1)如果介入,那么Autopilot就会一直介入;2)在介入时,Autopilot可以在绝大部分情况下确保安全驾驶,在运行域内不会发生危险。

如果人们并不清楚系统的局限性,那么就会出事故。

所以更核心的根源,在于特斯拉AutoPilot的真正安全性、可靠性。

之前量子位有报道过,由于马斯克浮夸宣传自动驾驶,工程师不满陆续离职,其中核心焦点就是Autopilot。

虽然用户们很信任Autopilot,但特斯拉的工程师对自己的作品可没有这么充分的信心。他们并不认为Autopilot可以在没有人工干预的情况下,安全可靠地开车。

早在2014年10月,特斯拉就发布了在紧急情况下自动刹车、提供碰撞预警的软硬件。但在这次事故的过程描述中,他们并没有提到这些功能,似乎它们根本就没有出场。

而且半自动驾驶功能失效时需要给司机多长时间来接管、怎样确保司机的注意力等问题,也早在2015年就被一些工程师和供应商提了出来。

但至今为止,也没有完善的解决方案。于是只要发生致命事故,就会让Autopilot成为嫌疑人——几乎每次都中。

保卫特斯拉

最后,此次特斯拉致命事故,只是其最近狼狈不堪的麻烦之一。

更大的麻烦在于Model 3的量产难题,以及特斯拉正在遭遇的财务危局。

最近的事故和阴霾不散的Model 3量产难题,已经让特斯拉遭到穆迪下调债券评级,特斯拉股价也一路下行,在27、28两日遭遇股债双杀。3月迄今,特斯拉股价已经下跌24.86%,在自2010年IPO上市以来最差表现的道路上一路狂奔。

据AdventuresInCapitalism网站分析,特斯拉或许已经掉入了备受金融大鳄索罗斯推崇的反身性理论(Theory Of Reflexivity)怪圈。

简单而言,这种理论认为市场预期会导致参与者们按预期行动,结果预期成真,形成一个自我实现的循环。

分析还说,特斯拉今年的现金损失预计将在30亿美元至60亿美元区间,另外还将有40亿至60亿美元的资本支出。

林林总总下来,特斯拉需求的现金流可能要到100亿美元,而按照当前的烧钱速度,资金将在今年夏末就会耗尽。

此诚危急之春矣!

所以华尔街到硅谷,传得沸沸扬扬的消息越来越像那么回事:一旦特斯拉Model 3量产仍然解决不了,手握大把现金流的苹果就会直接出手收购,或者也有买"车厂"需求的Alphabet.

还有一条路,允许特斯拉有更多自主权:增发股票。但潜在的风险也显而易见,增发筹资,股权必会受到稀释,股价如果继续走低,投资者就可能抛售,股权就会进一步被稀释,如此循环往复,结果可能比被苹果或Alphabet收购还差。

另外,特斯拉的状况也让股东开始抱怨CEO马斯克的"精力分散"。

硅谷钢铁侠现在依然坚持多家公司一起干,每个月在特斯拉办公一星期,投资者们认为太少了。

当然,马斯克肯定也很烦心。

就在今天早间,马斯克最爱的太空火箭发射公司SpaceX完成了一次发射,但过程中,火箭整流罩因为失误没有有效回收,直接损失600万美元。

虽然600万美元在火箭发射中"不算事",但近期接二连三的不顺加一起,还是挺糟心。

要不强烈建议下马斯克挺进币圈?先宣布All in 区块链,再搞个交易所,最后自己发个空气币收割下我们?

"成本低,来钱快,取之于民改变世界。"

但!马,斯,克,不,会。

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 https://ift.tt/2pSvtIk
RSS Feed

RSS5

IFTTT

JavaScript 之父联手近万名开发者集体讨伐 Oracle:给 JavaScript 一条活路吧!- InfoQ 每周精要848期

「每周精要」 NO. 848 2024/09/21 头条 HEADLINE JavaScript 之父联手近万名开发者集体讨伐 Oracle:给 JavaScript 一条活路吧! 精选 SELECTED C++ 发布革命性提案 "借鉴"Rust...