布萊恩的創業小窩

投資者的命運會被 人工智慧 操盤手改變嗎?讓我們繼續看下去!   目錄 DeepMind 前員工打造專為投資的人工智慧 人工智慧不打牌改操盤 隨著科技的進步， 人工智慧 能做到的事情也變得越來越多。只要擁有足夠的數據，透過 機器學習和演算法 ，AI 就能夠在短時間內做到許多事情。近年來，許多投資公司也藉由 AI 來建議投資人最適合的投資組合或是直接作為「AI 操盤手」。 DeepMind 前員工打造專為投資的人工智慧 根據外媒《CNBC》報導指出，三名  DeepMind  的前員工正在訓練一台機器，希望能透過 AI 在股票以及加密貨幣上漲之前，就能搶先發現這些潛力股。 這三名員工 Martin Schmid、Rudolf Kadlec 和 Matej Moravcik 都曾在  IBM  工作，並於 2017 年開發了一款名為  DeepStack  的 人工智慧  ，成為第一個能夠在無限注德州撲克中擊敗職業玩家的人工智慧。 而他們想將其中的部分概念應用於金融市場，於是他們離開了 Alphabet  旗下的人工智慧實驗室  DeepMind ，隨後成立了 EquiLibre Technologies。 人工智慧不打牌改操盤 雖然他們不是第一個嘗試用 AI  人工智慧  找到股市必勝法則的人，但他們採取的方法與競爭對手略有不同。傳統的選股人工智慧會根據歷史趨勢「猜測」市場接下來會發生什麼；但 Equilibre 團隊以極其複雜的演算法而聞名，因此無需大量資訊也可成功解決問題。 他們將博弈理論與人工直覺相結合，以獲得優於其他基於電腦或人工交易的操作優勢。Schmid 表示，與其讓人工智慧玩撲克，不如讓它玩算法交易（algorithmic trading）。他也補充說明，公司也正在對於加密貨幣進行研究和開發。 他們使用一種稱為強化學習（Reinforcement learning）的技術來訓練人工智慧系統來買賣股票並獲利。Schmid 表示，他並不擔心監管機構會限制這項技術，因為其他公司也早已經在做類似的事情。「我們只想做比現有演算法更好的演算法。」 ...

DeepMind的 人工智慧 演算法竟能控制核融合反應?   目錄 人工智慧公司DeepMind：找到控制「核融合」關鍵 核能研究大躍進，DeepMind 新AI演算法功不可沒 應用「隨處可見」氫離子獲取核融合 有望發展成未來可再生能源主力 人工智慧公司DeepMind：找到控制「核融合」關鍵 Google 旗下的 人工智慧公司   DeepMind  日前在國際知名科學期刊《 Nature 》上發表論文，其中重點說明了 DeepMind 的研究人員應用了強化學習和模擬環境學習架構，和瑞士洛桑聯邦理工學院電漿中心合作，在電漿中心的核融合設備：環磁機（Tokamak）中成功找到控制核融合的關鍵。 核能研究大躍進，DeepMind 新AI演算法功不可沒 環磁機是瑞士電漿中心研發的小型核融合實驗場域，環磁機內部為真空環境，酷似甜甜圈的外殼則包覆著電磁線圈，用來將熱度高於太陽核心的氫電漿限制在環磁機之中。 電漿中心主任法索利（Ambrogio Fasoli）指出，控制系統正確數值的冗長運算才是控制核融合反應的關鍵，因此為了實驗各種核融合電漿類型，以達到在成功取得能源同時保持設備安全不受毀損的目的，電漿中心與在 人工智慧 領域頗有一席之地的  DeepMind  合作，開發了強化學習系統，讓 機器學習演算法 自動控制線圈，同時還能穩定環磁機內的電漿，達成成功的核融合反應。 目前的核融合實驗，無論在硬體、時間和軟體上都十分受限，因此  DeepMind  改由從模擬環境中找尋突破口。接續模擬環境的成功，強化學習系統不僅可以準確控制環磁機內的每個線圈，演算法更能操控形成不同形狀電漿，而科學家們正致力於在其中找到能源利用最大化的可能性。 應用「隨處可見」氫離子獲取核融合 有望發展成未來可再生能源主力 數十年來，科學家為了解決全球的能源問題，希望能找到符合人類所需且乾淨的可再生能源。而藉由融合隨處可見的氫離子，來獲取巨大能量的核融合反應，是目前的最佳選項。 DeepMind  研發的  AI 演算法 不但使核能研究躍進了大大的一步，對於解決全球能源危機的願景更有實質助益，這項技術更是實實在在地縮短了...

本篇文章為 自動駕駛巨頭相互 diss？Waymo 槓上特斯拉 嗆「根本不是對手」 的下篇，想回顧 Waymo 對特斯拉嗆聲的精彩內容，請點以上連結了解事情始末！     而另一個 自駕 巨頭特斯拉是如何反擊的?這篇來看看後續!   馬斯克本人推文反擊　Waymo 和特斯拉隔空叫陣   ▲ 馬斯克推文反擊 Waymo，說特斯拉的 人工智慧 硬體比 Waymo 優。截圖自推特（twitter）頁面。     而 Waymo 執行長採訪的新聞一刊出，特斯拉執行長馬斯克（Elon Musk）使用自己的推特帳號公開反擊：「讓我驚訝的是，特斯拉的 AI（ 人工智慧 ）硬體和軟體都比 Waymo 更好。」（To my surprise, Tesla has better AI hardware & software than Waymo (money)）   馬斯克對自家的技術一向不吝於展露自信，過去也在接受矽谷技術新聞網站「Recode」的採訪時發下豪語：「雖然聽起來有些過於自信，但我想不到哪家廠商能在自動駕駛超過特斯拉。」   ▲ 特斯拉執行長馬斯克一向熱愛使用社群媒體發表看法。圖片來源：美聯社（ASSOCIATED PRESS）   除此之外，懷抱「讓大眾都能負擔得起一台特斯拉」的馬斯克也針對 Waymo 的高昂成本嗆聲。 Waymo 執行長曾說過，若將 Chrysler Pacifica Van 或 Jaguar I-Pace 配備上 Waymo 系統，價格約落在 18 萬美元（約新台幣 500 萬元）左右，約等於一台賓士 S 級轎車；而近期正式開賣的 Tesla Model Y 一台起價為 49990 美元（約新台幣 130 萬元）起，相較之下的確是更親近消費者。   特斯拉 VS Waymo 誰才是自動駕駛行業的第一把交椅？ 說了這麼多，那特斯拉與 Waymo 到底誰更勝一籌呢？ ▲ Waymo One 與 Waymo Via 是 Waymo 的主要業務之一。圖片來源：Waymo 官網。     Waymo 在自動駕駛領域起步較早，誕生於 20...

自駕 的另個巨頭Waymo發聲了!來看看它對特斯拉說了什麼!   自駕 （self-driving cars）是近十年來 人工智慧 發展的重要應用之一，不但內含巨大商機，也顛覆了產業生態及競爭型態。這也讓許多走在自駕最前端的科技巨頭們也明爭暗鬥、針鋒相對。其中，深耕自駕領域多年的 Waymo 和勢頭強勁的特斯拉更是其中佼佼者。 只是沒想到，這些矽谷巨頭之間的傾軋會浮上檯面，在社群媒體上你來我往、唇槍舌劍，白熱化程度堪比 Roast Battle！   Waymo 開出第一槍　直言「特斯拉稱不上對手」 ▲ Waymo 執行長 John Krafcik 日前接受採訪時的犀利言詞引發一陣討論。照片來源：路透社（Reuters）   自駕 車公司 Waymo 與知名 人工智慧 公司 DeepMind 同為 Alphabet 的子公司，已研發自駕技術數年，2020 年推出的第五代「Waymo Driver」，讓一般車輛可以「變身」成自駕車，以自主行駛模式將乘客與貨物安全運送到目的地。 而面對預計於 2021 年推出「全自動駕駛」訂購方案的電動車大廠特斯拉（Tesla），Waymo 執行長 John Krafcik 接受德國商業雜誌《經理人雜誌》（manager magazin）採訪時表示：「特斯拉根本稱不上是個競爭對手。」（For us, Tesla is not a competitor at all），並表示 Waymo 與特斯拉的方向根本不一樣：「只有 Waymo 是開發全自動駕駛的系統，而特斯拉只是生產需要有照駕駛監控的『駕駛輔助系統』。」 John Krafcik 的這番發言或許早有準備。 在更早之前，Waymo 於官方部落格宣布，即日起將不再使用「 自駕 」（self-driving）一詞於旗下產品，將改以「全自動駕駛」（fully autonomous driving）形容自家開發技術。 Waymo 官方表示，這次更換用詞是為了「挽救生命」，也是為了精確區分 Waymo 開發的「全自動技術」與「駕駛輔助技術」兩者的不同。「駕駛輔助技術」常被誤認為「自駕」技術，讓社會大眾與消費者產生錯誤印象，甚至在使用時做出將雙手放開方向盤等高風險動作，危害個人與全體用路人的安全。 W...

人工智慧 AlphaFold到底有多少機會能突破瓶頸,這篇繼續探討~ 人工智慧 AlphaFold 有望突破現有生物．醫學瓶頸 《MIT 科技評論》報導表示，DeepMind 未來希望能將 AlphaFold 投入疾病研究，如瘧疾、嗜睡病、利什曼病等，這些寄生蟲引發的疾病都牽涉到許多未知的蛋白質結構；亦有傳統方法難以辨別的蛋白質，用 AlphaFold 預測可能會特別有效，例如因不容易結晶而很難透過實驗來判斷的膜蛋白。   ▲ DeepMind 的科學家與工程師的幕後故事，談論他們如何創建出 AlphaFold。     蛋白質可以成為催發化學反應的酵素、抗擊疾病的抗體或是胰島素等等，美國馬里蘭大學生物科學與生物技術研究所的約翰‧莫爾特博士（John Moult）表示：「蛋白質分子哪怕是微小的重新組合排列，都會對人們的健康產生災難性的影響。因此，要了解疾病和找到新治療手段就要研究蛋白質。」 若 AlphaFold 的預測精準度未來可以再升級，除了可以突破現階段的醫療瓶頸，也能讓人類更能應對新病毒、新疾病，亦能加快新藥開發時程。   AlphaFold 的不足與未來展望 AlphaFold 的確可以協助預測蛋白質折疊的結構，但想準確預測，仍然有諸多限制。 中央研究院生物醫學科學研究所研究員黃明經表示， 人工智慧 預測的是最終蛋白質摺疊的結果，和自然界蛋白質折疊的軌跡有差異。換句話說，AlphaFold 並不是因為理解過程而解碼這個問題，是靠電腦分析大量資料的技術；AlphaFold 雖然可以預測單一蛋白質結構，但仍無法精準預測較複雜的蛋白質複合體。 故即使 AlphaFold 在 CASP14 中表現驚人，但競賽中仍有約 1/3 的蛋白質是 AlphaFold 尚無法精準預測的。 得知蛋白質的結構只是第一步，目前 人工智慧 還未能準確地預測蛋白質摺疊後的功能，亦無法完全取代傳統的實驗方法，但可以協助科學家在複雜的實驗數據中縮小找尋結構的範圍，幫助解出困難的結構；AI 也可以學習到更多的結構、得到更準確的預測，所以 AI 和傳統方法是相輔相成的。 未來，有更多重要的問題等著 人工智慧 與人類一起攜手突破。   本系列文章為【生物學最大謎團被...

人工智慧 將成功破解蛋白質折疊嗎?今天就來跟你分享!     因開發出橫掃棋壇的圍棋 AI「AlphaGo」而廣為世人所知的 人工智慧 實驗室 DeepMind 又傳出捷報──這次他們開發出名叫「AlphaFold」的 AI，解決了困擾生物學界超過 50 年的「蛋白質折疊」難題，以往要精確得知一個蛋白質的完整結構，需要數月、數年甚至數十年的實驗研究，而 人工智慧 只要花費幾小時就能完成。 推薦閱讀： 人工智慧 Suphx 打敗人類雀聖！微軟：研發麻將 AI 比圍棋 AI 複雜 且由於蛋白質的結構影響它的 功能，許多疾病又和蛋白質的功能有關，若能解決這個難題，就表示醫療領域可以再進一大步，未來人類將能更了解包括新型冠狀肺炎等疾病，亦能加速新藥物的開發。   蛋白質折疊：生物學最大謎團之一 胺基酸是構成蛋白質的基本單位，蛋白質是由一條氨基酸鏈摺疊成特定三維結構所構成，而蛋白質的功能就取決於這個三維結構，甚至被稱為「理解生命的密碼」。這半個世紀以來，科學家一直試圖掌握不同蛋白質的形狀，以期深入理解它們的作用及引起疾病的方式。然而因為氨基酸鏈摺疊的可能性太多，「蛋白質摺疊」（Protein folding）難題便成為生物學最重大的挑戰之一。     ▲ DeepMind 上傳說明影片，解釋何謂「蛋白質折疊」。     自 1972 年，諾貝爾化學獎得主克里斯蒂安．安芬森（Christian Anfinsen）就表示：若要從胺基酸序列預測蛋白質架構，折疊的可能方式會多到無法估計；生物學家塞瑞斯．列文塔爾（Cyrus Levinthal）具體指出，蛋白質折疊有「10 的 300 次方」種可能方式，想靠人工計算來暴力破解，花費時間可能比宇宙存在的時間都長。 這也是為什麼 DeepMind 開發出可以預測蛋白質最終結構的 AlphaFold，會讓全世界震驚於 AI 的突破。   能預測蛋白質結構的 AI 系統「AlphaFold」 DeepMind 表示，AlphaFold 可以藉由胺基酸序列，快速且準確預測蛋白質的三維立體結構。 AlphaFold 的神經網路上添加了注意力機制（Attention Me...

透過 人工智慧 的超強自學能力,挖掘西洋棋的不同可能性!   前世界冠軍與人工智慧讓西洋棋起死回生 經 過雙方的合作研究，最終於 2020 年 9 月發表一篇長達98頁的論文：《使用 AlphaZero 評估遊戲平衡：探索西洋棋中的替代規則》（Assessing Game Balance with AlphaZero: Exploring Alternative Rule Sets in Chess），由 Deepmind 的 Nenad Tomasev、Ulrich Paquet、Demis Hassabis 以及克拉姆尼克一同撰寫。 在此篇論文中，團隊發表了九種西洋棋變體型式，AlphaZero 則負責在幾個小時內模擬出數十年遊戲會怎麼發展、探索不同規則的西洋棋具有什麼樣的可能性。有 AlphaZero 的助力，使研究團隊能看到在不同規則下的人類玩家能開創出什麼別出心裁、出乎意料的玩法。 AlphaZero 測試出的九種西洋棋變體規則： 1. 禁止「國王入堡」（No-castling）： 整個棋局都禁止使用「國王入堡」走法。這種走法讓棋國王躲進由其他棋子組成的防護後面，減少國王被威脅的機會，但也會令比賽變得沉悶。 2. 10 步內禁止「國王入堡」（No-castling (10)）： 在前10步以內禁止使用「國王入堡」下法。 3. 兵走一格（Pawn one square）： 兵棋（Pawn）只能前進一格。目標為增加彈性，減緩遊戲速度。 4. 無子可動時即勝（Stalemate=win）： 其中一方無子可動時，即為另一方勝利（原先為平局）。 5. 水雷（Torpedo）： 兵可以選擇在棋盤的任何地點走 1 或 2 格。這意味著隨時都可以使用吃過路兵（En passant）走法。 6. 半水雷（Semi-torpedo）： 兵只有在第 2 或 3 線時才能移動 2 格。 7. 兵可以後退（Pawn-back） 棋子可以向後移動到一個正方形內的格上，只能返回到 2nd/7th 橫線上（此時的移動不計入「50步規則」內）。 8. 兵可以橫走（Pawn-sideways）： 棋子也可以橫向移動一格。（此時的移動不計入「50步規則」內） 9. 自己吃棋（Self-capture）： 可以吃自己的棋子，用...

先讓我們來了解 人工智慧 和西洋棋是如何結下樑子的! 以西洋棋賽為主題的 Netflix 影集《后翼棄兵》近來大受好評，其中刺激精彩的棋局對弈，不但讓這齣劇高佔台灣熱門排行榜第一名，也讓原本對西洋棋不了解的觀眾產生興趣、紛紛探查起這個歷史悠久的二人對弈遊戲。而西洋棋——這個世界上最流行的遊戲之一，現在正遭受 人工智慧 的破壞與威脅？而前西洋棋世界冠軍又正和 AI 聯手拯救西洋棋？   ▲ 現在的西洋棋比賽，贏家幾乎都是人工智慧。（Photo by Felix Mittermeier on Unsplash）     人工智慧與西洋棋的愛恨情仇 西洋棋在世界各地有數以百萬計的粉絲，而編寫出一個能與人類對弈的軟體程式，曾是科學家追求的目標。 首個挑戰人類棋王的電腦系統為 1997 年 IBM 的「深藍」（Deep Blue），更成為首個在標準比賽時限內擊敗人類冠軍的電腦系統。其後依然有數次「人機大戰」，但人類始終難以在 64 格的天地裡戰勝電腦。 到 人工智慧 公司 DeepMind 的 AlphaZero 登場時，AI 只是憑藉自我對弈的不斷學習，在完全沒有輸入人類的棋譜、沒有特別設計的專用計算程式的情況下，就已經征服西洋棋、將棋、圍棋等最複雜的棋類遊戲，打敗這些領域中最頂尖的人類玩家了。 在科學家們將 AlphaZero 稱為「深度學習 AI 的終極解答」、欣喜於 人工智慧 技術的快速進步時，另一方面也有人開始擔憂 AI 正在毀滅這些棋類遊戲——因為棋手們開始死記硬背 AI 的下棋手法來擊敗對手，讓棋類遊戲失去了原先的美麗。 前西洋棋世界冠軍克拉姆尼克就是憂心忡忡的其中一人。不過，他現正與開發 AlphaZero 的DeepMind團隊合作，嘗試開發出西洋棋的若干變種形式，試圖找回棋類遊戲的迷人風采。   64 個方格構成無限可能的世界   ▲ 西洋棋下棋示意圖（Photo by JESHOOTS.COM on Unsplash）   曾為世界冠軍多年的俄羅斯職業棋手弗拉基米爾．克拉姆尼克（Vladimir Kramnik）認為，西洋棋也是一門美麗的藝術。思維在棋盤上彼此碰撞，優雅而又複雜的挑釁、反擊、你來我往——「這是一種創造。...