📖 ZKIZ Archives

钢铁业“十家分晋”太钢产能6年举一“翻”三

2014想生小朋友、想今年內搬出、舉一反三(答) Home Blogger

私樓居屋定村屋

BY買樓問題首先要解答問入何種住宅，私樓對於大部份打工仔一族肯定是最好的。因九成打工仔都缺錢，買樓要配合銀行做按揭。而私樓用作抵押借錢可借最多成數、息口又低，較易批核。居屋當然借錢易，但如日後你想套現作私人用途，一來未補地價之居屋近乎做不到，二來居屋客路總是「平民」，大部份時候跑輸大市。當然現時政府每年為市場引入5000買家，令居屋市場「十年逄一潤」，往後居屋變化還看政府政策。村屋通常只借一半或七成，小心買入時要同律師搞好業權(尤其丁屋)和其餘法律責任，適合已有一定經濟能力者購入。當然有部份不願花錢於樓房者亦會買入偏遠村屋，做法會令本段所提及之壞處集合起來。

先要步驟都要計算兩人之購買力，在家庭月入$36500下，可撥最多月入50%作首套自住房的按揭供款，即$18500。根據現時按揭年息2.15%，分30年清還每一萬元供款可借入約2.65mil，讀者可借盡1.85*2.65=4.90mil。當然這假設了借款人無重大欠債及買入樓齡25年下之樓房。樓齡太高之樓宇如35年，一般只可做(55-35)=20年之供款，當然美孚新村或太古城的屋苑會有例外，錦鏽花園或康樂園的業主做按揭亦有機借足九成上會。買入村屋不好選擇附近連路都無一條的，更要問DD/LOT NUMBER，先可準確地將估價給後，再評估是否能「上會」。

居屋不一定實用高

至於居屋不一定實用高，75-80%實用之居屋大有存在，85-90%實用的私樓亦不乏供應，實自己先在數據網站一看。至於你提議的公屋少年「上流」步驟，筆者認為是可取的。方法一為先將自己除名買細屋私樓，及後儲錢將父母的公屋升格至三房居屋。到有小朋友可以交小朋友比父母照顧，自己同老婆住返係細樓，周未先「領回」仔女，減少自己換房壓力。因細屋換大樓，在現時市升時不難做到，但花無百日紅，最慘奠過於在好市時「洗大左」到市差時痛苦萬分。

方法二已由讀者來文提供，即先買細樓，然後再儲錢買入三房居屋，等父母百年後再舉家搬入三房自住，細樓租出去幫補供樓。此做法要自己兄弟姊妹不反對才可行，亦將父母身故時間與自己小朋友發展扯上關係，如弄得不好小心對小朋友發展構成問題。因小朋友和大人不同，搬新居亦會更換朋友圈子，或會成為插班生。當然你選擇兩間樓房買在同一區域便無朋友圈子問題，但此方案要顧及較多是肯定的! 可能在現時父母多生一個小朋友之下，實行方法二會容易更多!

方法三最適合庸才，結婚時先用自己單名買入細樓，如細樓樓價上升(當然要升先得!)先套現首期，再用另一半之單名用九成按買三房上會邀請父母與自己同住，「捱過」小朋友一到五歲幾年。係呢幾年將細樓租出補貼供三房，父母原本自己樓房如可租出更令你有錢儲，夠交下書薄費。到小朋友入小學享受免費教育，讀書支出反會減少(自資名校除外)，又同父母拆返開住。及後父母舊樓收租，細樓父母入住，自己住三房。只要乖乖地供完哂三間樓退休基本上無憂，四十五歲比人裁左都未係絕路。當然此方案最大問題係你老婆(或老公)要同父母一齊住幾年，但可以慳返些少又唔使請工人，更可減少湊好仔女工作，都是不錯之法。庸才不作苦忍，在港難改善生活。如你是人才就不用受此苦難。

黃學東： 機器翻譯離舉一反三還很遠

曾經培養過李開複、陸奇，如今還擁有沈向洋、洪小文的微軟從來不缺華人技術大咖。

而黃學東一直是這家老牌IT巨頭的一線大咖中相當有個性的一位。作為微軟公司語音識別領域的領軍人物，加入微軟25年的老將黃學東至今仍活躍在人工智能領域科學研究的前線。

“我負責的具體範圍過幾年就會有所變化，但是有一件事情沒變，我是微軟語音技術的創始人，微軟的語音識別、語音合成技術都是我一手創建出來的。”對自己成績足夠自信的同時黃學東對於技術本身又表現得足夠謙遜，真正的自然語言理解還需要更長的路要走，那才是人工智能真正的皇冠。

假裝聽懂人話

黃學東有一連串響當當的頭銜。

他是國際電子電氣工程師學會（IEEE）和美國計算機學會（ACM）的雙科院士，也是微軟認知工具包CNTK的締造者之一。2016年他被美國《連線》雜誌評選為全球創造未來商業的25位大牛天才之一。

同時，黃學東還是微軟全球技術院士，這代表著微軟技術人員的最高榮譽，現在全球也僅有20多人獲得這項殊榮，而黃學東是目前微軟唯一的華人技術院士。

但是這一切頭銜面前，讓黃學東目前最滿意的成績是在今年3月份，他帶領的團隊在機器翻譯領域拿下一項里程碑式的成就：其研發的機器翻譯系統在通用新聞報道的newstest2017中譯英測試集上，達到了人工翻譯水平。

“微軟機器翻譯第一次達到了媲美人的水平，這是非常有歷史性意義的事實。語音和語言是人類進化中重要的東西，而現在計算機第一次在翻譯質量上超過專業人士的水平，這對人類文明的進展來說是很震撼的。”黃學東這樣解釋道。

但上述成就對於黃學東所在的團隊而言，其實是不斷挑戰的結果。

2016年，微軟率先實現語音識別系統5.9%的低錯誤率，在Switchboard對話語音識別任務中已經達到人類對等的水平。

2017年8月，黃學東所在的團隊獎又將上述對話語音識別詞錯率降低至5.1%，創造了當時該領域內錯誤率最低紀錄，首次達成與專業速記員持平而優於絕大多數人的表現。

這意味著，如果讓一個人來翻譯，或者把錯誤率整出來，那絕對達不到5.1%，這是一群人聯合攻關才能做到的水平。

黃學東的觀點是，從研究角度來說，這個意義十分重大，即便是0.1%的差距，無論是運算量還是時間，耗費都是巨大的。

黃學東深信“對話即平臺”，“語音交互的發展是一個自然的過程，這是因為語音交互是一個無需觸碰設備即可完成的體驗，它可以讓人擺脫設備的枷鎖。”

目前，微軟已經將機器翻譯技術落地。

但高計算量、噪音問題、理解力這三個問題，目前還是限制了語音交互在實際應用場景中的效果。

“雖然如此，但是語音交互畢竟已經可以落地並產生了商業化應用，‘機器聽懂人話’這個目標已經基本實現。”但黃學東認為機器翻譯是位於感知到認知之間的一個過程，因為它可以“假裝”聽懂，翻譯出來的效果還不錯，但實際上它並沒有聽懂。

語音交互的難題

機器翻譯上從達到人類水平到超越人類水平，在業界一度被解讀為人工智能在研究領域的突破性進展。

但是現有大多數硬件與智能服務的交互體驗仍有很大缺陷。黃學東認為這應該歸於在“語義識別”方面大家還在止步不前。“我們在教計算機不僅是轉錄口語，而且要了解話語的意義和意圖方面仍有很多工作要做。從識別語音到理解話語，是語音技術的下一個主要挑戰。”

黃學東認為在沒有突發事件的情況下，現在的機器翻譯可以做到基本可信、基本可達、基本還算比較雅。但是如果出現突發事件，機器翻譯出錯誤會出得比人類更離譜。而最好的方法是在機器轉錄翻譯的時候，有人在旁邊看著，有錯誤就給糾正一下。

在黃學東看來，語義理解是語音交互中最難攻克的問題之一。他指出，這是因為語音理解方面的標記非常少，而且也沒有公認的標準，所以要通過非監督式學習來攻克這個困難，但是，非監督式學習目前還在探索階段，亟待突破。

“我們現在還沒有達到，什麽時候達到也不知道。”黃學東可以肯定的是，強人工智能一定是由自然語言理解、感知驅動的，讓計算機能達到人的知識獲取能力，可以通過閱讀自動獲取知識。