📖 ZKIZ Archives

上市银行2014年年报资产质量简读 斯坦福桥皇帝

http://xueqiu.com/8220406949/42685383
大家五一假期好，这几天整理了些数据与大家分享。这次不想过多的说银行股的好话，每个人的投资理念不同，在国内这种不成熟的市场，特别在牛市中，基本面也许并不是最主要的。但同时也希望能够提醒大家，唯一真正的知识是知道自己的无知，世界是由非常不可能发生的事物主导的。在暴风雨来临之前，望大家都能全身而退。

表一：
信贷质量情况表

备注：民生银行拨备不足，平安银行信贷风险未来2年可能会集中暴发。

表二：
担保方式分布表

备注：1、平安银行贴现贷款占比1.21%未分保证方式。招商银行贴现贷款占比2.98%未分保证方式。兴业银行贴现贷款占比1.73%未分保证方式。
2、按担保方式不同，一般情况下坏账比率按保证、抵押、信用、质押递减。

表三：
按产品类型划分的贷款结构及贷款质量

备注：1、平安银行信用卡坏账率达2.77%，零售贷款实际为0.95%，综合个人贷款不良率为1.44%。
2、北京银行、宁波银行未统计。

表四：
贷款损失准备计提情况

备注：1、平安、兴业本年核销及转出均归为本年核销统计。
2、对于损失准备计提不是太清楚的朋友可参考下@那一水的鱼 的文章，有非常详细的讲解。

表五：
信贷资产黄金表：

个人认为这张表是最关键的一张，后文将做简单分析。

表六：
银行累计涨幅统计


好了，表格差不多就列到这里，简单解释下表五中的各项数据。
1、不良贷款/逾期贷款：北京、工行、浦发、招行做的比较好，均大于0.5，上次文章中已说过，该比率越接近1，越能体现不良贷款的真实性。而该指标平安仅为0.24。
2、贷款拨备/不良+关注：北京银行非常华丽，达到了1.41；平安银行严重不足，仅为0.44。
3、贷款核销及转出/不良贷款：民生与平安是2014年核销及出售不良资产比例最高的两家银行。

总体来看，除了平安其他银行信贷资产都还算稳健。
我真的不知道邵平行长和他的高层团队去年都做了些什么，营业收入增长40%，净利润增长30%的背后却是一颗颗的定时炸弹。我并非危言耸听，也许背靠大平安集团，目前的坏账与潜在风险不算什么。但在其他银行减缓增速，勒紧裤腰带过冬的背景下，平安毫无质量的增速又有何持续性呢？
相反北京银行与宁波银行作为地方性商业银行代表，让人眼前一亮，同时也在股价上得到了体现。
对于银行有两点与大家分享，仅代表个人观点。
第一，很多人认为随着新三板市场及注册制的实施，企业融资渠道得到拓宽，传统银行信贷业务将受到挤压。其实是狗屁，新三板上市的绝大部分企业如无抵押资产，根本就在银行贷不到钱。
第二，很多人认为银行要创新，比如互联网金融等等。其实也是扯淡。可口可乐公司你让他去卖豆浆，茅台你让他去卖啤酒，会好吗？商业银行这个行业根本上讲就是靠存贷利差赚钱，此外提高非利息收入占比。这个是长期的基调，当然我们不能排除黑天鹅事件的不确定因素。

這位斯坦福高材生，用5毛錢買下210萬人的手機屏 | 每日黑馬

來源: http://www.iheima.com/project/2016/0104/153593.shtml

7.5億美元怎麽花 斯坦福大學史上最高額獎學金

來源: http://www.infzm.com/content/116350

2014年，亨尼斯邀請比爾·蓋茨到斯坦福大學的畢業典禮上進行了一場以慈善為主題的演講。在亨尼斯看來，蓋茨基金會是慈善機構的典範。（CFP/圖）

卸任之前，斯坦福大學校長約翰·亨尼斯為這所大學成立了一筆高達7.5億美元的獎學金。其中4億來自耐克公司創始人之一。他目前是世界上數額最高的獎學金，每年將有100名學生受惠於這個項目，斯坦福希望他們在20年後能真正改變社會。

2014年，約翰·亨尼斯就在考慮，還能做點什麽。從2000年至今，作為斯坦福大學第10任校長，他已經在任16年。2016年夏天，他即將卸任。

約翰·亨尼斯是美國國家工程研究院院士及美國科學藝術研究院院士。2011年奧巴馬訪問矽谷時，在場的人有馬克·紮克伯格、史蒂夫·喬布斯，而亨尼斯是其中唯一的大學校長。

和各學院院長、校理事會溝通了一圈之後，亨尼斯決定成立一個新的獎學金項目。2015年7月，他去和老朋友菲利浦·H·奈特談。

奈特是耐克創辦人之一，也是斯坦福大學校友。2006年曾向商學院捐款。考慮了一個月後，他答應捐一筆錢。只有兩個條件：獎學金的名稱由“奈特獎學金”改為“奈特—亨尼斯獎學金項目”、項目從創建開始就由亨尼斯擔任主管。

奈特捐出的這筆錢高達4億美元，加上其他捐款人的捐款，奈特-亨尼斯獎學金計劃共計獲7.5億美元捐款，將成為全球資助金額總數最大的獎學金，且向全球學生和所有學科開放。

想要獲得獎學金的學生必須滿足三個條件：學術方面有傑出表現、有領導潛力，並且有意願讓社會變得更加美好。“我們的獎學金項目希望能夠培養明日領袖。”亨尼斯介紹。

獎學金將於2017年夏季接收入學申請，並於2018年秋季招收第一批學生。每年將會有100名學生拿到這筆獎學金，包括學費和生活費在內，一年是六萬到六萬五千美元左右。“保證他們在畢業時，不會有任何債務，”亨尼斯笑道，“這就相當於他們免費在斯坦福讀書了。”

除了獎學金，這些學生還可能有機會在谷歌或者Facebook等公司、社區或非贏利機構實習。

“我們的獎學金項目有助於學生尋求適合的職業發展機會，獎學金計劃的參與者將形成一個巨大的人際網，這個關系網本身就有價值。包括我們現在全球有二十多萬的校友，通過這些網絡，我們可以幫助獎學金獲得者找到相應的職位。”亨尼斯最希望的是，這些學生，20年後能真正改變社會。

有人想捐冰球場我們沒要

約翰·亨尼斯（南方周末資料圖/圖）

中國學生應該學會打斷老師

為何斯坦福、康奈兒的海歸愛在那紮堆創業

來源: http://www.iheima.com/zixun/2016/0615/156565.shtml

去年以來，聯合辦公的概念在中國興起，SOHO中國董事長潘石屹推出了自己的聯合辦公品牌SOHO3Q，原萬科高級副總裁毛大慶也在不久後正式公開了他的聯合辦公創業項目——優客工場，與此同時，毫無地產背景的90後海歸Randy也看準了這個市場，成立“無界空間”。

與這些地產大佬選擇同一個領域創業，Randy並不十分擔心。他認為地產行業是一個分散型市場，不可能一家通吃。“萬科多麽牛逼的一個企業，但它的市場份額不到1%。”所以，他判斷自己肯定是有機會的。

另外，他認為，每個公司的產品和其創始人的基因是直接相關的，不同的產品會吸引不同特質的用戶。無疑，8歲就去海外留學又是90後創業者的Randy更能吸引一些海歸創業者和年輕創業者，斯坦福、康奈爾創業系的很多創始人都選擇了無界空間作為辦公場所。

但是，無界空間目標用戶並不只是海歸，“只是恰巧我們的圈子在這里，自然而然吸引了很多海歸。”Randy說。據他透露，目前無界空間一般三個月能招到百分之八十五，留存率達到80%，大多數都是一些比較年輕、不缺乏資金的優秀創業團隊。而令人吃驚的一點是，他們沒有銷售團隊，只有運營人員，完全依賴於品牌營銷吸引了眾多創業團隊入駐。

下面是i黑馬對無界空間創始人Randy的采訪：

i黑馬：沒有銷售團隊，無界空間是如何達到85%的入駐率的？

Randy：主要靠品牌和營銷。品牌決定多少人知道你，多少人來參觀，營銷即具體轉化率，由我們的運營人員來做。但是現在，無界空間擴張速度很快，工位越來越多，所以需要做更多的營銷，我們打算去做關鍵詞優化等。

i黑馬：無界空間吸引和留住創業者的優勢在那里？

Randy：首先，我們早在去年5月份就已經拿到了梅花天使創投和經緯中國的投資，這是很好的品牌背書。另外，我們的價格十分透明，一個工位只需每月1600——2000的租金，水電暖、打印、會議室、遊戲室等全都免費，並且，無界經常舉辦社區活動、幫助創業者對接投資人、邀請導師來指導團隊等。只要顧客滿意了，他們自然會推薦其他朋友過來。

i黑馬：你們選擇地方的標準是怎樣的？

Randy：主要有兩個維度：一是創業氛圍，二是競爭格局。

比如，三元橋的創業氛圍就很好，這個區域離望京、中關村、國貿很近，整體都可以覆蓋。並且，三元橋的競爭格局非常低，沒有幾家公司能在這個位置能找到好物業，即使找到了，也會比較貴，定價又會貴一些。

我看好朝陽區，尤其望京、三元橋這兩個地方。中關村創業氛圍好，但競爭格局很激烈，所以會減分。

上地短期內不會考慮，因為那里和我們想吸引的創業者不太符合，上地的創業者偏草根和技術型，他們對聯合辦公空間的接受度比較低。

i黑馬：你們對民房辦公的替代性有多大？

Randy：聯合辦公的優勢在於，民房需要至少簽約一年，但創業公司擴張速度不能預測，這樣會給團隊帶來許多不便之處，而無界空間可以三個月起簽，並隨時增加工位，這種彈性租賃可以隨時滿足創業公司的擴張。另外，聯合辦公可以認識許多其他創業者，進行資源共享，而更現實的一點是，創業公司招聘時，在聯合辦公空間比在一個民宅要更容易招到人。

俞敏洪對話斯坦福新生：互聯網時代商業的核心價值是什麽？

來源: http://www.iheima.com/zixun/2016/0623/156837.shtml

文|AngelPlus洪泰幫

6月18日晚，洪泰基金和新東方首次聯手舉辦了2016年斯坦福新生見面會。俞敏洪、盛希泰攜歐美同學會秘書長張學軍先生、北京大學斯坦福中心執行主任程嘉樹先生出席。

曾經最大的夢想是出國讀書的俞敏洪，卻在機緣巧合之下創立了教育界巨人新東方，如今又成功跨入投資界。面對即將去往斯坦福讀書的新生們，俞敏洪說，只有正確的思想和行為，才能讓中國走向遠方。

這個時代到底需要什麽樣的人才，在出國前我們應該思考些什麽，讓我們一起聽聽洪哥怎麽說。

去斯坦福讀書是個非常好的機會

親愛的同學們，大家下午好。首先向大家表示祝賀，因為我們在座的大部分人要到斯坦福去讀碩士或者博士。我人生中最大的一次夢想就是想去國外讀書。當時北大畢業努力了好多年，但是我一次都沒敢申請斯坦福。即使是美國的普通大學都沒要我，沒給我獎學金。

如果說我人生有最大的一次遺憾，那就是我從來沒有到國外去認真讀過書。雖然我後來有些機會到美國旁聽課程，帶著新東方團隊去學習，但是都無法一心一意。這與心無旁鶩的在一個優秀大學里讀兩到三年書、做三到四年深入研究，以及認真深入到美國的教育體系相比較，不可同日而語。所以到現在為止，我在國外讀過書的朋友，王強、徐小平他們，左看右看上看下看依然把我看成“土豬”。

當然，我不認為沒有上過美國大學，我就是一個封閉的思想落後的人。如果是這樣的話，我也不可能把新東方做到今天，同時還和泰哥弄個洪泰基金，包括徐小平的基金我也是非常重要的LP。我的錢投進了至少200個創新創業的項目，這些項目涵蓋了各個領域，有最基本飲食男女的，也有最高級的未來科技的。

當初有一個美國大學錄取我，給了我兩萬美元的獎學金。雖說與學費就差一萬美元，但是這就把我給憋死了，因為當時我在北大的工資只有120塊錢一個月。在座的如果是你父母出錢讓你留學的話，要感謝你的父母，因為這樣的機會是你父母給的。

我在新東方常常碰到這樣的情況：有學生給我寫信說被美國的好大學錄取了，但沒給獎學金，俞老師你能不能資助一下？很多學生最後因為沒錢，不得不像我當初一樣，中斷出國留學的夢想。你們父母能夠給你們錢，真是太偉大、太合格了，你要感謝他們！

當然，如果沒錢也有好處，從我身上體現得淋漓盡致。如果當初我有錢到美國讀書了，我估計現在最好的結局就是在美國某個大學當兼職教授或者終身教授。憑我的智商混到終身教授水平的可能性不是那麽大，我在北大就是個學渣性的人物。

沒有出國，才有了我創立新東方的機會。這件事情得出的結論是：有一得必有一失，有一失必有一得。大家去斯坦福大學一定是好事兒，但這和你未來人生真正的成功也還是有距離的。

你們到斯坦福，以及斯坦福畢業以後，怎樣為自己、為家庭、為社會、為中國、為世界做出貢獻，其實是每個人要思考的問題。我認為上大學容易，上斯坦福對在座的各位也不難。但最重要的是你上了幹嘛，這件事情要解決。

只有正確的思想和行為，才能讓中國走向遠方

再回過頭來思考，我們要考慮的是中國需要什麽樣的人才？往大了說是世界需要什麽樣的人才？我一直認為中國人的腦袋是聰明的，跟猶太人比，我們不比猶太人笨。國外的科技發明創造，不少都是中國人幹出來的，高科技公司的員工也有很多是中國人。

我想說，聰明的腦袋，我們不應該僅僅用在高科技上。回到中國的現狀，我特別希望你們能夠思考一件事情——我認為最重要的——我們如何通過在國外的學習和生活，真正理解中國未來的改革方向。憑著中國人民的聰明才智，以及國內巨大的市場，為了保持中國一百年、兩百年、三百年的繁榮，我們到底應該做什麽？

我覺得中國最缺少的就是這些東西。我們一心一意想的是要掙錢、要賺錢、要造公司、要發財。如果有機會到國外那就不回來了，很多中國人就是這麽想的，有很多人對國家失望以後就移民海外了。

我覺得這絕對不是中國人民長久的幸福和生存的解決方法。中國所有的繁榮——如果我剛才講到的這些問題沒有解決的話——將是轉瞬即逝的。偉大時代的到來，是需要我們做出正確的努力的。

只有正確的思想和行為，才能讓中國走向遠方。我認為中國現在的思想基礎、社會機制、治理結構，都有極大的改進余地，而改進這些領域的人，一定是你們。

中國大部分人都沒有學會真正獨立思考，基本上是在以服從和接受為主的狀態下度過自己生命的。很多中國人嚴重缺乏明辨是非的能力——不知道什麽是對的、什麽是錯的。比如說創業當然是對的，但是創業中到底什麽該做、什麽不該做，就不知道了。

現在很多創業公司制造假數據，很多互聯網平臺，數字都是假的，表面上幾百萬人的用戶，可能實際用戶只有幾千人。為什麽這麽做？有些創業者明確說是為了騙投資人的錢。號稱只要有了錢，真數據就出來了，真數據出來了就不是騙錢了。

在美國上市的中國公司里，幾乎有一半被摘牌或者被警告。原因很簡單，就是數據做假或者企業老總不正當套利。在我們看來好像很正常，因為在中國A股市場，這種行為層出不窮。我們已經發展到了覺得騙不是事兒，造假不是事兒，說違心話不是事兒的現狀。

我比較驕傲的是，新東方到今天，沒有做過假數據，我知道作為美國上市公司，新東方需要有很高的底線。我要努力把新東方做成中國上市公司中的優秀代表，不允許商業模式中有任何坑人害人的行為。

盡管也有局部對客戶不負責任的行為，但一旦發現我會堅決懲罰。一個公司大小無所謂，關鍵是你是怎麽大的。有些中國的大公司，甚至是巨大的公司，都是只講生意不講道義的。我認為講生意就必須講道義。

互聯網時代，是拼人品的時代

新東方上市後，曾經被渾水公司攻擊過。他們專門查世界上有假賬的公司，目的是通過做空這些公司自己賺錢，之前他們攻擊的中國四家公司全被整倒。他們攻擊新東方時，確實把新東方弄得夠嗆，原來是每股25塊錢，第二天掉到14塊錢，第三天掉到9塊錢，就這麽簡單！

後來經過了獨立委員會調查，發現新東方什麽問題都沒有。用了一年時間調查，這個調查委員會的錢還要新東方出，出了1500萬美金付給獨立調查團，結果發現新東方一切正常，什麽毛病都沒有！其實他們攻擊的第一天我就知道新東方沒有毛病。

第二天，我和馬雲、柳傳誌等一起吃飯，他們問需要我們做什麽？我說很簡單，買新東方的股票。他們問我一個問題說，你說新東方到底有沒有問題？我說保證沒問題。他們說那就好辦了。第三天在他們的支持下，新東方的股票就回到了12塊錢。人做事兒有底線是有好處的，人家會相信你，這個非常重要。

現在這個時代，是如何證明自己比別人人品優秀的時代。中國不僅需要一批生意人，中國更需要一批偉大的改革家和偉大的思想家。這些人應該出在你們中間。

怎麽樣能夠使中國人民真正明辨是非，使中國的制度不斷向善發展，使中國人民逐漸具備獨立思考能力和自由精神，使中國二十四個字的核心價值觀、民主、自由、法治等落到實處，這是你們的重要使命。你們要有一點偉大的胸懷，這個胸懷如果跟祖國連在一起那才是對的。

中國有2500多年文字記載的歷史，創造了人類燦爛的文明之一。但到現在為止，我們還沒有真正獨立、自由、有尊嚴、平等地生活過。中國人民比全世界哪個國家的人民都更加聰明、勤勞、忍耐、寬容。

但是我們知道，沒有正確的方向指引，中國人民面臨著不斷走向道德衰退以及社會潰敗的局面。等到那天真的出現，在座的各位將無家可歸！所以我們不僅僅是簡單進入到斯坦福學習，而是要帶著讓祖國長久繁榮昌盛的理想去學習。

科技創新不能解決一切問題

盡管互聯網時代帶來了世界的急劇變化和發展，但總有一些東西是不會變的。教育已經有了很多次叠代。原始社會大家是以口相傳，後來發明文字，故事被寫了下來。有了印刷術以後，人類產生了現代文明，擺脫了中世紀的黑暗。中國文明也是因為文字的發明、印刷術的發明，得以廣泛傳播。

並且中國人形成了一個在古代可以說是先進的制度，就是科舉考試後知識分子可以掌權。中國2500年的所謂封建社會，是一個帝王社會。能夠撐起中國古代道德脊梁骨的，就是中國的士大夫知識分子們。他們上影響帝王、下影響百姓，奠定了中國所有的文化、道德基礎。今天到臺灣還能看出來士大夫的遺風。

教育的傳播手段包括，從電視到廣播、從文字到圖像再到視頻、從延時性到即時性，以及現在的移動互聯網時代下的教育傳播。但是，不管線上線下結合也好，還是純線上也好，都是教育傳播的手段，不是教育的目的。

這些東西要不要做？當然要做，新東方每年投入2億用於研發互聯網時代的各種學習系統，確實能幫助學生成績提高。原來用2個小時學習的東西，現在可能用一個半小時就夠了。但這和教育的本質依然沒有關系。請問它能改變中國教育落後的面貌嗎？它能改變中國老師和學生的思維習慣嗎？移動互聯網能挽救中國教育嗎？基本不可能。

科技不能解決一切。什麽能解決一切？人類最大的創新絕對不是科技，科技是人類創新的結果。人類最大的創新是制度創新，是把人從奴隸社會帶入到自由社會，使人們有了自己的思考和尊嚴。所以，希望大家在進入斯坦福之前先帶著這些思考，再走進去，我覺得你們的學習才會真正有意義。謝謝大家！

獲千萬美元B輪融資，這位斯坦福碩士如何一手創立聚合支付Ping++？| 每日黑馬

來源: http://www.iheima.com/zixun/2016/0921/158847.shtml

年僅30歲的金亦治是一個不折不扣的創業老兵，早在斯坦福讀書時，他就開始了第一次創業，提出“眾包交通地圖”理念，獲得雅虎天使投資人Fred Gibbons 得好評和推薦。

2012年，金亦治回國創業，一頭紮進支付行業，並參與了首批銀聯認證的智能POS機產品的研發和推廣。雖然這個項目沒有成功，卻啟發金亦治與朋友著手開發聚合支付產品—— Ping++。經過兩年的曲折發展，Ping++ 獲得了千萬美元B輪融資。

那 Ping++ 是如何從初始走到今天？在團隊組建、企業文化、客戶獲取等方面金亦治有什麽獨到的經歷與思考？近日i黑馬采訪了金亦冶。

以下是 Ping++ 創始人金亦冶口述：

第一個項目給我的最大的啟發是，當時對於一些企業、一些支付系統，我們花了很多時間去沈澱、做接口，跟他們對參數，用戶體驗很差。我當時就有了一個想法 ： 為什麽沒有人願意把這件事情做好？

其實做好這件事對於企業來說，可以省下很多的人力和時間成本，也許你把這些時間花在更重要的事情上，這項目就成了。所以，我們就開始做 Ping++ 這件事情。

先有產品，後有公司

我們是先有產品，後有公司，因為開始我們並不知道這件事情能不能做起來。我們覺得可以嘗試一下，所以我們先有產品，先去嘗試解決客戶的問題，然後慢慢發現里面好像還有一些需求，再通過公司這種載體把它做得更大一些。

做了兩年多後，Ping++ 現在大概有13,000多家企業客戶，主要向電商、O2O、SaaS、B2B、遊戲、互聯網金融等領域，基本上大家認為有在線交易需求的，無論是互聯網創業公司還是傳統行業轉型的公司，或是往線上走互聯網+的公司，都是 Ping++ 的目標客戶。

我們做這件事情其實稍微解釋一下挺好理解的，就是對於一個公司來講，它如果要去對接支付系統的話，需要做以下幾件事情：

一、對接支付寶、微信這些不同的公司去做入網的申請。

二、做接口開發，包括後期它可能需要內部的管理來進行對賬和退款、轉帳，還有跟進訂單的處理。

所以對於一家公司來講，特別是對於一家在高速成長的公司來講，這些事情都需要時間和人力的投入。

我們現在提供的服務，就是說當客戶有這樣的需求的時候，他來到我們平臺，只要註冊我們的帳號，提交他的支付通道就可以了。我們會幫他去提供不同的入網申請，這個流程由我們的運營團隊來完成。

同時，我們會把對接的大大小小的支付公司做系統的整合，也就是說當他需要對接的時候，再也不需要像以前一樣，去看不同的文檔，對接不同的接口，看不同測試的參數。他們只需要一種方式，用我們提供的代碼，可能一兩個小時就能搞定。

所有技術上的接入時間，同時會給客戶提供財務和運營的管理平臺。因為當你有支付訂單發生的時候，一定會涉及到對賬、轉賬、退款等日常跟訂單相關的操作。

你可以理解成，我們把整個跟交易相關的所有環節都通過SaaS服務完成了，這也是我們在過去兩年多時間能發展到1萬多家企業客戶的重要原因。

Ping++ 創始人兼CEO 金亦冶（受訪者供圖）

從第一個設計師到第一個程序員

然後，我來講講我們團隊是怎麽搭建起來的，因為我覺得這樣講你會更理解產品背後的東西。產品有時很容易去理解，但是背後做產品的人可能會更有意思。

最早是我跟一個合夥人開始做的Ping++，兩人決定要做這件事情的時候，我們覺得很有意思，很酷，但不知道能不能做起來。所以當時招特別早期同事的時候，我們希望他是與眾不同的人。

很多人說 Ping++ 的設計很好，其實這是一件非常有機緣巧合的事情。我們招的第一個人是設計師，所以一開始設計文化就植入到了公司。我們非常強調Design，Design並不是DIY，並不是你看到的這些表象的東西，不是色彩、構圖，而是氣質。

是你第一眼看到它，你是否信賴它，它是否能給你一些很好的引導。你可能感覺不到這東西的存在，就自然地去使用它。所以我們對設計，很天然地把它當成一件很重要的事情去做。

當良好的設計師加入我們之後，我們第一個研發人員的加入也非常有意思。設計師在吃飯時碰到了一個在幫兒子找工作，投遞簡歷的阿姨。她說自己有一個兒子，他寫的代碼還不錯，問我們公司招不招人。當時我們很奇怪，因為在這樣的途徑中獲得的簡歷一般很難去Work。

但我們還是想給他一次機會，後來發現真的還不錯，很聰明，人也很Smart，就招進來。後來我們問他，你媽怎麽幫你找工作，他說上家的公司倒閉之後就在家玩遊戲。媽媽就很生氣，說他一定要去工作，他說好，但是必須在家里步行5分鐘之內範圍。媽媽就以他家劃了個圓圈，在5分鐘走路到的寫字樓去發簡歷。我們第一個engineer是這樣找到的。我們公司產品的第一個版本是他做的，是個非常有意思、非常酷的人。

基本上我們每一位特別早期的人都有一些不太一樣，而且他們大多數今天還在公司。很多公司發展到兩三年之後，可能很多早期的人員都不在了，我們是大多數人都還在，而且擔任著非常適合的崗位。

我一直以來的觀點，就是所有的問題本質上都是人的問題，很多市場、產品、技術的很多問題，都與人密切相關，所以我們花很多時間在人的身上，包括招人，培養。

所以，我們團隊現在也是一樣，面試的方式非常奇怪，使用的是群面的邏輯，就是一個人進我們公司，要被招聘他的團隊幾乎所有人面試，他會跟有合作關系的團隊或者工作人員去面談，然後和一個不可能有合作關系的團隊或者人員進行面試談話，再是HR，最後可能CEO來面試。我覺得這種方法完美有效的地方在於：

讓你協作團隊的人對你進行面試，是要看你的跨團隊協作能力是否OK；找一個跟你完全沒有協作關系的人來面試，是保證你跟公司的文化是一致的；當然HR還會看你其它各方面的東西。

所以我們通過這種方式能保證所有進來的人都是符合我們需要的，這塊我們花了非常多的精力，包括客戶在使用我們的產品時，都是可以感覺到的。

客戶回饋是最好的激勵

我們在最早期沒有什麽客戶，增長也特別慢。那我們怎麽支撐下來的呢？

其實我們在推廣中，有一點點客戶的時候，我們就開始收到客戶的感謝信。每周五下午，我們都會坐在一起，讀客戶的感謝信，互相鼓勵一下，這周就渡過去了，下周繼續。我們就是靠著這種信念去支撐下去。

我們第一個上線大宗交易的客戶是一家慈善機構，發生在 Ping++ 系統里面的第一筆交易是一筆善款。所以我們在做產品的時候，會做公益套餐，就是說所有公益組織使用 Ping++ 聚合都是免費的，這是一個非常重要的文化。

我們非常感謝在早期支持我們的人，因為2B和2C不太一樣，2B在早期獲客非常困難，它會碰到這樣一個問題，你可能活得沒客戶久，為什麽客戶敢把這麽重要的功能讓你來做，這是個無解的問題。

因為你無法解釋這個問題，你只能證明做得比其它的更好，你能做客戶值得信賴的夥伴，這個真的很困難，但你還是要往前走。

Ping++ 二級商戶 頁面展示

泛支付需求是大趨勢

產品這塊，我想簡單講一下我們的新產品和之前產品很不一樣的地方。

我們以前更多的是圍繞第三方支付去聚合，比如大家熟悉的支付寶、微信、銀聯，包括ApplePay等，主要是對這些主流支付方式的整合，包括對一些消費金融和分期公司的整合，比如聚合分期樂，京東白條等。

這次我們做帳戶體系，很重要的驅動是除了跟支付、分期相關的交易邏輯之外，我們認為在接下來類似余額和優惠卷這些帶有一定營銷屬性的泛支付的需求也會很大。這是我們看到的趨勢，所以這塊做的事情會有很大的不同。

因為支付聚合過程中，更多的是偏網關的概念，當你去做到帳戶系統或余額、優惠券的時候，它更多會偏向於一個更深入用戶的訂單管理體系產品。所以我們內部對這塊產品還是寄予很多期待的，包括我們接下來要發布的多級商戶產品。

如果對支付行業有一點點了解，你應該這個行業還存在很多灰色地帶，而我們推出的多級商戶系統，其實很好地解決了這個問題，因為它既能實現你以前需要的信息流和交易的管理方式，同時它又是完全合規的 。

我的一個觀點是有些東西存在一定是有原因的，它是有需求的，但它並不符合央行的規定，所以我們當時在做這個產品的時候，說我們要在合規的情況下，去最大限度地滿足現在客戶的需求。

Q&A

i黑馬：Ping++ 現在主要是服務中小型企業的公司，不知道你們有沒有服務大企業的計劃，在這個跨度過程中，思路有沒有需要改變的地方？

金亦冶：我們是從中小企業起家，所以我們這塊依然投入很多力量來做，而且我們依然看好長尾的價值，我們希望往更中大型客戶走，原因是：

一、中大型客戶對產品的要求會更高，這對你整個產品螺旋上升、叠代的要求也會更好。如果你只做中小客戶，會有很大的問題，你很快就會發現沒有任何客戶向你提新的需求了。但你做中大型客戶的好處在於，他會不斷地給你提需求，而且隨著他的產品的越來越豐富，他的商業模式在演變，會引領你去做更多新的東西。

二、大客戶的付費能力，付費周期會比較長。從商業上來考慮也是比較合理的東西。但是服務大客戶和中小客戶的差異會非常大。

但當前很大的一個問題就是你安全不安全，你安全投入多少錢，有多少人，穩定不穩定，然後你這個東西的性能怎樣，你的監控怎樣，有沒有24小時監控，有沒有做到15秒鐘報警，這些都需要非常大的投入，而這並不是每個商戶都可以做到的。

i黑馬：你覺得從一個業內人士來看，目前支付系統機會在哪里？

金亦冶：我覺得最有機會的就是我們即將推出來的東西，可以快速滿足當下一些客戶的需要，如二級商戶等。因為其存在是有一定原因的，加之用合規的方式來做，這是我們推出多級商戶的意義。那些東西我認為是有需要的，它是對支付之上的更多場景的一個深度理解。

黑馬檔案

公司：上海簡米網絡科技有限公司

創始人：金亦冶

所在地區：上海

所屬行業：企業級服務

融資狀況：千萬美元B輪融資

斯坦福“人工智能百年研究”首份報告：2030年的人工智能與生活

來源: http://www.iheima.com/zixun/2016/0922/158880.shtml

推薦人：黑馬哥

推薦星級：☆☆☆☆

閱讀時間：全文14220字，閱讀時間預計15分鐘

推薦理由：重要的人工智能相關的進展已經在過去十五年內給北美的城市造成了影響，而未來十五年還將有更大幅度的發展發生。本文節選自斯坦福大學「人工智能百年研究」的首份報告：《2030 年的人工智能與生活》，描述了目前人工智能相關技術、法律以及道德上的挑戰，並對產業界、學界、政界三方人士提供了人工智能技術、應用、政策上的指導與建議。本文由雲啟資本YUNQI（ID：yunqipartners）授權i黑馬發布。

節選自Stanford   編譯 | 機器之心

全文目錄:

序言

概述

第一部分：人工智能是什麽？

定義人工智能

人工智能研究趨勢

第二部分：人工智能應用領域

交通

家庭/服務機器人

醫療

教育

低資源社區

公共安全與防護

就業與勞資

娛樂

第三部分：人工智能公共政策的預期與建議

如今與未來的人工智能政策

附錄：人工智能歷史簡述

序言

2014 年秋季，人工智能百年研究（OneHundred Year Study）項目啟動，這是一項對人工智能領域及其對人類、社區、社會影響的長期學術研究。這項研究包含使用人工智能計算系統的科學、工程和應用實現。監督該「百年研究」的常務委員會（Standing Committee）組建了一個研究小組（Study Panel）來每五年評估一次人工智能所處的狀態——這是本項目的核心活動。

本研究小組要回顧從上次報告到現在這段時間人工智能的進展，展望未來潛在的進展並且描述這些進展對於技術、社會的挑戰與機遇，涉及的領域包括：道德倫理、經濟以及與人類認知兼容的系統設計等等。

「百年研究」定期進行專家回顧的首要目標是：提供一個隨著人工智能領域發展的關於人工智能及其影響的收集性的和連通的集合。這些研究希望能在人工智能領域的研究、發展以及系統設計方面、以及在幫助確保那些系統能廣泛地有益於個人和社會的項目與政策上提供專業推斷上的方向指南及綜合評估。

這篇報告是計劃持續至少 100 年的研究系列中的第一篇。常務委員會在 2015 年的暑期成立了一個研究小組來負責組建現在這個初始的研究小組，並任命了得克薩斯大學奧斯汀分校的教授 Peter Stone 擔任該小組的主席。這個包含了 17 名成員的研究小組由人工智能學術界、公司實驗室以及產業界的專家與了解人工智能的法律、政治科學、政治以及經濟方面的學者組成，並於 2015 年秋季中期啟動。

參與者代表著不同的專業、地區、性別以及職業階段。常務委員會廣泛討論了 Study Panel 相應的責任，包括人工智能最近的發展與在工作、環境、運輸、公共安全、醫療、社區參與以及政府的潛在社會影響。委員會考慮多種聚焦研究的方式，包括調查子領域及其狀態、研究特定的技術（例如機器學習與自然語言處理）以及研究特定的應用領域（例如醫療與運輸運輸）。

委員會最終選擇了「2030 年的人工智能與生活（AI and Life in 2030）」為主題以強調人工智能的各種用途與影響的發生不是獨立於彼此，也不獨立於其他許多社會和技術上的發展。意識到了城市在大多數人類生活中的核心作用之後，我們將專註重點縮小到大多數人居住的大都市。

第一部分：什麽是人工智能？

本節介紹了研究人員和從業者如何定義「人工智能」以及目前正在蓬勃發展的人工智能研究和應用領域。它提出了人工智能是什麽和不是什麽的定義，並介紹了一些當前人工智能研究的「熱點」領域。

本節為第二部分的內容奠定了基礎，第二部分闡述了人工智能在八個領域和在第三部分中的影響與未來，第三部分介紹了涉及人工智能設計和公共政策的問題，並提出在保護民主價值的同時如何鼓勵人工智能創新的建議。

1.定義人工智能

奇怪的是，人工智能缺乏一個精確的、被普遍接受的定義，這或許有助於該領域的加速成長、繁榮以及前進。雖然人工智能的從業者、研究人員和開發人員由一種粗略的方向感和一個「與它相處」的命令所引導，人工智能的定義仍然很重要，而 Nils J. Nilsson 就提供了一個有用的定義：「人工智能就是致力於讓機器變得智能的活動，而智能就是使實體在其環境中有遠見地、適當地實現功能性的能力。」

從這個角度來看，對人工智能的表征取決於個人願意「適當地」並「有遠見地」為功能性提供合成軟件和硬件的信用。一個簡單的電子計算器比人類大腦進行的計算要快得多，而且幾乎從來不出錯。

電子計算器智能嗎？像 Nilsson 一樣，研究小組以一種寬泛的視角來看待此問題，認為智力取決於一個多維頻譜。根據這一觀點，算術計算器和人腦之間的區別不是某一類，而是規模、速度、自主性和通用性的區別。

同樣的因素可以用來評估智能的其他各例——智能語音識別軟件、動物大腦、汽車巡航控制系統、圍棋程序、自動調溫器——並將它們放置在頻譜中的適當位置。雖然我們的寬泛解釋把計算器列在了智能頻譜中，但是如此簡單的設備與今天的人工智能相比幾乎沒有相似之處。

從這個角度看，對人工智能的表征取決於個人願意「適當地」並「有遠見地」為功能提供合成軟件和硬件的信用。一個簡單的電子計算器比人腦計算快得多而且幾乎從不出錯。

人工智能的邊界已經遠遠走在前面，而計算器可以實現的功能只是當下的智能手機的百萬分之一。目前人工智能開發人員正在改進、推廣和擴大從當下的智能手機中所建立起來的智能。事實上人工智能領域是一個不斷努力推動機器智能向前發展的過程。

具有諷刺意味的是，人工智能正在遭受失去話語權的長期災難，最終不可避免地會被拉到邊界內，即一個被稱為「人工智能效應（AI effect）」或「奇怪悖論（odd paradox）」的重複模式——人工智能將一種新技術帶到了普通大眾中去，人們習慣了這種技術，它便不再被認為是人工智能，然後更新的技術出現了。

同樣的模式將在未來繼續下去。人工智能並沒有「交付」一個驚雷般改變生活的產品。相反人工智能技術以一個連續的、進步的方式正在繼續更好的發展。

2.人工智能研究趨勢

直到本世紀初，人工智能的吸引點主要在於它所傳遞的承諾，但在過去的十五年里，大多這樣的承諾已經得到兌現。人工智能技術已經充斥了我們的生活。當它們成為了社會的一股中心力量時，該領域正在從僅僅建立智能系統，轉向了建立有人類意識的、值得信賴的智能系統。

幾個因素加速了人工智能革命。其中最重要的是機器學習的成熟，部分由雲計算資源和廣泛普及的、基於 Web 的數據收集所支持。機器學習已經被「深度學習（deep learning）」急劇地向前推進了，後者是一種利用被稱作反向傳播的方法所訓練的適應性人工神經網絡的一種形式。

信息處理算法的這種性能飛躍一直伴隨著用於基本操作的硬件技術的顯著進步，比如感覺、感知和目標識別。數據驅動型產品的新平臺和新市場，以及發現新產品和新市場的經濟激勵機制，也都促進了人工智能驅動型技術的問世。

所有這些趨勢都推動著下文中所描述的「熱門」研究領域。這種編輯只是想要通過某個或另一個度量標準來反映目前比其他領域得到更大關註的領域。它們不一定比其他領域更重要或更有價值。事實上目前的一些「熱門」領域在過去幾年中並不怎麽流行，而其他領域可能在未來會以類似的方式重新出現。

大規模機器學習

許多機器學習的基本問題（如監督和非監督學習）是很好理解的。目前努力的一個重點是將現有算法擴展到更龐大的數據集上。例如鑒於傳統方法能夠負擔得起若幹遍數據集的處理，現代方法是為單次處理所設計；某些情況只認同非線性方法（那些只關註一部分數據的方法）。

深度學習

成功訓練卷積神經網絡的能力非常有益於計算機視覺領域，比如目標識別、視頻標簽、行為識別和幾個相關變體的應用。深度學習也在大舉進軍感知方面的其他領域，如音頻、語音和自然語言處理。

強化學習

鑒於傳統機器學習主要關註於模式挖掘，強化學習將重點轉移到決策中，這種技術將有助於促進人工智能在現實世界中更深入地進入相關研究和實踐領域。作為一種經驗驅動型的序貫決策框架，強化學習已經存在了幾十年，但是這個方法在實踐中沒有取得很大成功，主要是由於表征和縮放的問題。然而深度學習的出現為強化學習提供了「一貼強心劑」。

由谷歌 DeepMind 開發的計算機程序 AlphaGo 在五次對抗比賽中擊敗了人類圍棋冠軍，它最近所取得的成功在很大程度上要歸功於強化學習。AlphaGo 是通過使用一個人類專家數據庫來初始化一個自動代理的方法被訓練的，但隨後提煉的方法是通過大量地自我對抗遊戲以及應用強化學習。

機器人

至少在靜態環境中，機器人導航在很大程度上被解決了。目前的努力是在考慮如何訓練機器人以泛型的、預測性的方式與周圍世界進行交互。互動環境中產生的一個自然要求是操縱，這是當下所感興趣的另一個話題。

深度學習革命只是剛開始影響機器人，這在很大程度上是因為要獲得大的標記數據集還很困難，這些數據集已推動了其他基於學習的人工智能領域。

免去了標記數據需求的強化學習可能會有助於彌合這一差距，但是它要求系統在沒有錯誤地傷害自己或其他系統的情況下能夠安全地探索出一個政策空間。在可信賴的機器感知方面的進步，包括計算機視覺、力和觸覺感知，其中大部分將由機器學習驅動，它們將繼續成為推進機器人能力的關鍵。

計算機視覺

計算機視覺是目前最突出的機器感知形式。它是受深度學習的興起影響最大的人工智能子領域。直到幾年前，支持向量機還是大多視覺分類任務所選擇的方法。但是特別是在 GPU 中的大規模計算的匯合，使得更大數據集的可獲得性（尤其是通過互聯網）以及神經網絡算法的改進導致了基準任務中能的顯著提高（比如 ImageNet 中的分類器）。計算機首次能夠比人類更好地執行一些（狹義定義的）視覺分類任務。目前的研究多是關註於為圖像和視頻自動添加字幕。

自然語言處理

自然語言處理是另一個通常與自動語音識別一同被當做非常活躍的機器感知領域。它很快成為一種擁有大數據集的主流語言商品。谷歌宣布目前其 20% 的手機查詢都是通過語音進行的，並且最近的演示已經證明了實時翻譯的可能性。現在研究正在轉向發展精致而能幹的系統，這些系統能夠通過對話而不只是響應程式化的要求來與人互動。

協同系統

協同系統方面進行的是對模型和算法的研究，用以幫助開發能夠與其他系統和人類協同工作的自主系統。該研究依賴於開發正式的協作模型，並學習讓系統成為有效合作夥伴所需的能力。能夠利用人類和機器的互補優勢的應用正吸引到越來越多的興趣——對人類來說可以幫助人工智能系統克服其局限性，對代理來說可以擴大人類的能力和活動。

眾包和人類計算

在完成許多任務方面由於人類的能力是優於自動化方法的，因而在眾包和人類計算方面，通過利用人類智力來解決那些計算機無法單獨解決好的問題，該領域研究調查了增強計算機系統的方法，這項研究的提出僅僅是在大約 15 年前，現在它已經在人工智能領域確立了自己的存在。最有名的眾包例子是維基百科，它是一個由網絡公民維護和更新的知識庫，並且在規模上和深度上遠遠超越了傳統編譯的信息源，比如百科全書和詞典。

眾包專註於設計出創新的方式來利用人類智力。Citizen 科學平臺激發誌願者去解決科學問題，而諸如亞馬遜的 Mechanical Turk 等有償眾包平臺，則提供對所需要的人類智力的自動訪問。通過短時間內收集大量標記訓練數據和/或人機交互數據，該領域的工作促進了人工智能的其它分支學科的進步，包括計算機視覺和自然語言處理。基於人類和機器的不同能力和成本，目前的研究成果探索出了它們之間理想的任務分離。

算法博弈理論與 (基於) 計算機 (統計技術的) 社會選擇

包括激勵結構、人工智能的經濟和社會計算維度吸引到了新的關註。自 20 世紀 80 年代初以來，分布式人工智能和多代理（multi-agent）系統就已經被研究了，於 20 世紀 90 年代末開始有顯著起色，並由互聯網所加速。一個自然的要求是系統能夠處理潛在的不恰當激勵，包括自己所感興趣的人類參加者或公司，以及自動化的、基於人工智能的、代表它們的代理。

備受關註的主題包括計算機制設計（computational mechanism design）（一種激勵設計的經濟理論，它尋求激勵兼容的系統，其中輸入會被如實報告）、(基於) 計算機 (統計技術的) 社會選擇（computational social choice）（一種有關如何為替代品排列順序的理論）、激勵對齊信息獲取（incentive aligned information elicitation）（預測市場、評分規則、同行預測）和算法博弈理論（algorithmic game theory）（市場、網絡遊戲和室內遊戲的平衡，比如poker——它在近幾年通過抽象技術和無遺憾學習（no-regret learning）已經取得了顯著的進步）。

物聯網（IoT）

越來越多的研究機構致力於這樣一個想法：一系列設備可以相互連接以收集和分享它們的感官信息。這些設備可以包括家電、汽車、建築、相機和其他東西。雖然這就是一個技術和無線網絡連接設備的問題，人工智能可以為了智能的、有用的目的去處理和使用所產生的大量數據。目前這些設備使用的是令人眼花繚亂的各種不兼容的通信協議。人工智能可以幫助克服這個「巴別塔」。

神經形態計算

傳統計算機執行計算的馮諾依曼模型，它分離了輸入/輸出、指令處理和存儲器模塊。隨著深度神經網絡在一系列任務中的成功，制造商正在積極追求計算的替代模型——特別是那些受到生物神經網絡所啟發的——為了提高硬件的效率和計算系統的穩定性的模型。

目前這種「神經形態的（neuromorphic）」計算機尚未清楚地顯示出巨大成功，而是剛開始有望實現商業化。但可能它們在不久的將來會變成尋常事物（即使僅作為馮諾依曼所增加的兄弟姐妹們）。深度神經網絡在應用景觀中已經激起了異常波動。當這些網絡可以在專門的神經形態硬件上被訓練和被執行，而不是像今天這樣在標準的馮諾依曼結構中被模擬時，一個更大的波動可能會到來。

總體趨勢以及人工智能研究的未來

數據驅動型範式的巨大成功取代了傳統的人工智能範式。諸如定理證明、基於邏輯的知識表征與推理，這些程序獲得的關註度在降低，部分原因是與現實世界基礎相連接的持續挑戰。規劃（Planning）在七十和八十年代是人工智能研究的一根支柱，也受到了後期較少的關註，部分原因是它強烈依賴於建模假設，難以在實際的應用中得到滿足。

基於模型的方法——比如視覺方面基於物理的方法和機器人技術中的傳統控制與制圖——已經有很大一部分讓位於通過檢測手邊任務的動作結果來實現閉環的數據驅動型方法。即使最近非常受歡迎的貝葉斯推理和圖形模式似乎也正在失寵，被數據和深度學習顯著成果的洪流所淹沒。

研究小組預計在接下來的十五年中，會有更多關註集中在針對人類意識系統的開發上，這意味著它們是明確按照要與之互動的人類特點來進行建模與設計的。很多人的興趣點在於試圖找到新的、創造性的方法來開發互動和可擴展的方式來教機器人。

此外在考慮社會和經濟維度的人工智能時，物聯網型的系統——設備和雲——正變得越來越受歡迎。在未來的幾年中，對人類安全的、新的感知/目標識別能力和機器人平臺將會增加，以及數據驅動型產品數量與其市場規模將會變大。

研究小組還預計當從業者意識到純粹的端到端深度學習方法的不可避免的局限性時，會重新出現一些人工智能的傳統形式。我們不鼓勵年輕的研究人員重新發明理論，而是在人工智能領域以及相關領域（比如控制理論、認知科學和心理學）的第一個五十年期間，保持對於該領域多方面顯著進展的覺察。

第二部分：人工智能在各領域的應用

雖然人工智能的很多研究和應用會基於一些通用技術，比如說機器學習，但在不同的經濟和社會部門還是會有所區別。我們稱之為不同的領域（domain），接下來的這部分將介紹人工智能研究和應用的不同類型，以及影響和挑戰，主要有八個方面：交通、家庭服務機器人、醫療健康、教育、低資源社區、公共安全、工作和就業、娛樂。

基於這些分析，我們還預測了一個有代表性的北美城市在未來 15 年的趨勢。與人工智能的流行文化中的典型敘述不同，我們尋求提供一個平衡的觀點來分析，人工智能是如何開始影響我們日常生活的，以及從現在到 2030 年，這些影響將如何發展。

1.交通

交通可能會成為首批幾個特定應用領域之一，在這些領域，大眾需要對人工智能系統在執行危險任務中的可靠性和安全性加以信任。自動化交通會很快司空見慣，大多數人在嵌入人工智能系統的實體交通工作的首次體驗將強有力的影響公眾對人工智能的感知。

智能汽車

交通規劃

即時交通

人機交互

2.家庭服務機器人

過去十五年中，機器人已經進入了人們的家庭。但應用種類的增長慢得讓人失望，與此同時，日益複雜的人工智能也被部署到了已有的應用之中。人工智能的進步常常從機械的革新中獲取靈感，而這反過來又帶來了新的人工智能技術。

未來十五年，在典型的北美城市里，機械和人工智能技術的共同進步將有望增加家用機器人的使用和應用的安全性和可靠性。特定用途的機器人將被用於快遞、清潔辦公室和強化安全，但在可預見的未來內，技術限制和可靠機械設備的高成本將繼續限制狹窄領域內應用的商業機會。至於自動駕駛汽車和其它新型的交通機器，創造可靠的、成熟的硬件的難度不應該被低估。

真空吸塵器

家庭機器人 2030

 3.醫療

對人工智能而言，醫療領域一直被視為一個很有前景的應用領域。基於人工智能的應用在接下來的幾年能夠為千百萬人改進健康結果和生活質量，但這是在它們被醫生、護士、病人所信任，政策、條例和商業障礙被移除的情況下。主要的應用包括臨床決策支持、病人監控、輔導、在外科手術或者病人看護中的自動化設備、醫療系統的管理。

近期的成功，比如挖掘社交媒體數據推斷潛在的健康風險、機器學習預測風險中的病人、機器人支持外科手術，已經為人工智能在醫療領域的應用擴展出了極大的應用可能。與醫學專家和病人的交互方法的改進將會是一大挑戰。

至於其他領域，數據是一個關鍵點。在從個人監護設備和手機 App 上、臨床電子數據記錄上收集有用的數據方面，我們已經取得了巨大的進展，從協助醫療流程和醫院運行的機器人那里收集的數據可能較少一些。但使用這些數據幫助個體病人和群體病人進行更精細的針對和治療已經被證明極其的困難。

研究和部署人工智能應用已經被過時的條例和激勵機制拉扯後腿。在這樣大型的、複雜的系統中，貧乏的人機交互方法和固有的難題以及部署技術的風險也阻礙了人工智能在醫療的實現。減少或者移除這些障礙，結合目前的創新，有潛力在接下來幾年為千百萬人極大的改進健康結果和生活質量。

臨床應用

醫療分析

醫療機器人

移動健康

老年看護

4.教育

在過去的十五年間，教育界見證了為數眾多的人工智能科技的進步。諸如 K-12 線上教育以及大學配套設備等等應用已經被教育家和學習者們廣泛利用。盡管素質教育還是需要人類教師的活躍參與，但人工智能在所有層面上都帶來了強化教育的希望，尤其是大規模定制化教育。如何找到通過人工智能技術來最優化整合人類互動與面對面學習將是一個關鍵性的挑戰，這一點醫療行業也是如此。

機器人早已經成為了廣為歡迎的教育設備，最早可以追溯到 1980 年 MIT Media Lab 所研制出的 Lego Mindstorms。智能輔導系統（ITS）也成為了針對科學、數學、語言學以及其他學科相匹配的學生互動導師。

自然語言處理，尤其是在與機器學習和眾包結合以後，有力推進了線上學習，並讓教師可以在擴大教室規模的同時還能做到解決個體學生的學習需求與風格。大型線上學習的系統所得的數據已經為學習分析產生了迅速增長的動力。

但是，學院與大學采用人工智能技術的步伐依然很緩慢，主要是由於資金的缺乏，以及其可以幫助學生達成學習目標的有力證據。一個典型美國北部城市的未來五十年，智能導師與其他人工智能技術幫助教師在課堂或家中工作的規模很有可能會顯著擴大，因為意願學習是基於虛擬現實的應用。但是計算機為基礎的學習系統將無法完全替代學校里的教師們。

教育機器人

智能輔導系統（ITS）與線上學習

學習分析

挑戰和機遇

更廣大的社會成果

自廣大人民難以獲得教育的國家，如果這些群體有可以獲取在線教育的工具，那麽在線資源將會產生重要的積極影響。在線教育資源的發展應該能讓支持國際教育項目的基金會可以通過提供工具和相對簡單的使用培訓來更輕松地提供素質教育。比如說，針對 iPad 開發出了大量的、且大部分免費的教育應用。

在消極的一面，現在學生已有把自己的社會接觸限制在電子設備上的趨勢了，他們在網絡程序的互動上花費了大量時間，卻沒有進行社會接觸。如果教育也越來越多地通過網絡進行，那麽在學生的社會發展階段缺乏與同齡人有規律的面對面接觸會帶來怎樣的影響呢？特定的技術已經表明這會產生在神經方面的影響。另一方面，自閉癥兒童已經開始從與人工智能系統的互動中受益了。

5.低資源社區

人工智能存在許多機會去改善生活於一個典型北美城市的低資源社區中的人民生活狀況——事實上在某些情況下已經有所改變。了解這些人工智能的直接貢獻也可能會激發對於發展中國家最為貧窮的地區的潛在貢獻。在人工智能的數據收集過程中並沒有對這個人群的顯著關註，而且傳統上人工智能資助者在缺乏商業應用的研究中表現得投資乏力。

有了有針對性的激勵和資金優先次序，人工智能技術可以幫助解決低資源社區的需求。萌芽中的努力是有希望的。人工智能可能會有有助於對抗失業和其他社會問題帶來的恐懼，它或許會提供緩解措施和解決方案，特別是通過受影響的社區以與其建立信任的方式來實現。

6.公共安全與防護

城市已經為公共安全和防護部署人工智能技術了。到 2030 年, 典型的北美城市將在很大程度上依賴它們。這些措施包括可以檢測到指向一個潛在犯罪的異常現象的監控攝像機、無人機和預測警務應用。與大多數問題一樣，好處與風險並存。

獲得公眾信任是至關重要的。雖然會存在一些合理的擔心，即與人工智能合作的警務可能會在某些情況下變得霸道或是無處不在，而相反的情況也是可能的。人工智能可能使警務變得更有針對性並只在需要時被使用。而且假設經過仔細的部署，人工智能也可能有助於消除一些人類決策中固有的偏見。

對於人工智能分析學更成功的一個應用是檢測白領犯罪，比如信用卡詐騙罪。網絡安全（包括垃圾郵件）是一個被廣泛關註的問題，而機器學習也對其有所影響。

人工智能工具也可能被證明有助於警察管理犯罪現場或是搜索和救援活動，它可以幫助指揮官排列任務的優先次序以及分配資源，盡管這些工具還沒有為這些活動的自動化做好準備。在一般的機器學習尤其是在轉換學習中的改進——在新情境中基於與過去情況的相似性而加快學習——可能有利於這樣的系統。

7.就業與勞資

盡管人工智能很有可能會對典型北美城市的就業和工作場所產生深遠的影響，但對當前的影響我們目前還難以作出評估——是積極的還是消極的。在過去十五年，由於經濟衰退和日益的全球化，尤其是中國參與到了世界經濟中，就業狀況已經發生了改變，非人工智能的數字技術也發生了很大的變化。自 1990 年代以來，美國經歷了生產率和 GDP 的連續增長，但平均收入卻停滯不前，就業人口比率也已經下降。

有一些數字技術有重大影響（好的影響或壞的影響）的行業的顯著案例，而在一些其它的行業，自動化將很有可能能在不久的將來發生重大的改變。許多這些改變已經得到了「例行的」數字技術的推動，其中包括企業資源規劃、網絡化、信息處理和搜索。理解這些改變應該能為人工智能影響未來勞動力需求的方式（包括技能需求的改變）提供見解。

到目前為止，數字技術已經給中等技能的工作（比如旅行代理）帶來了更大的影響，而不是非常低技能或非常高技能的工作。另一方面，數字系統所能完成的任務的範圍正隨著人工智能的演進而提升，這很可能會逐漸增大所謂的「例行任務」的範圍。人工智能也正向高端的領域蔓延，包括一些機器之前無法執行的專業服務。

為了獲得成功，人工智能創新將需要克服可以理解的人們對被邊緣化的恐懼。在短期內，人工智能很有可能會取代任務，而非工作，同時還將會創造新類型的工作。但新類型的工作比將可能失去的已有工作更難以想象。就業領域的變化通常是漸進的，不會出現劇烈的過渡。

隨著人工智能進入工作場所，這很有可能是一個持續的趨勢。影響的範圍也將擴大，從少量的替代或增強到完全的替代。比如說，盡管大部分律師的工作還沒被自動化，但人工智能在法律信息提取和主題建模方面的應用已經自動化了一部分第一年工作的律師新人的工作。在不遠的將來，包括放射科醫生到卡車司機到園丁等許多類型的工作都可能會受到影響。

人工智能也可能會影響工作場所的大小和位置。許多組織和機構很龐大的原因是他們所執行的功能只能通過增加人力來擴大規模，要麽是「橫向」擴展地理區域，要麽是「縱向」增多管理層級。隨著人工智能對許多功能的接管，擴展不再意味著會帶來大型的組織。

許多人已經指出一些知名的互聯網公司只有很少數量的員工，但其它公司並不是這樣。人類企業可能存在一個自然的規模大小，在這樣的企業中，CEO 能夠認識公司里的每一個人。通過將創造有效地外包給人工智能驅動的勞動力市場，企業會傾向於自然的大小。

人工智能也將創造工作，特別是在某些行業中，通過使某些特定任務更重要，以及通過產生新的交互模型創造新類型的工作。複雜的信息系統可被用於創造新的市場，這往往會帶來降低門檻和增加參與的影響——從應用商店到 AirBnB 再到 taskrabbit。人工智能界有一個活躍的研究社區在研究創造新市場和使已有市場更高效地運作的進一步的方式。

盡管工作本身有內在的價值，但大部分人工作是為了購買他們看重的商品和服務。因為人工智能系統可以執行之前需要人力的工作，因此它們可以導致許多商品和服務的成本下降，實實在在地讓每個人都更富有。當正如當前的政治辯論中所給出的例子一樣，失業對人們的影響比對散布的經濟效益的影響更顯著——尤其是那些直接受其影響的人；而不幸的是，人工智能常常被視作是工作的威脅，而不是生活水平的提升。

人們甚至在某些方面存在恐懼——害怕人工智能會在短短一代人的時間內迅速取代所有的人類工作，包括那些需要認知和涉及到判斷的工作。這種突變是不太可能發生的，但人工智能會逐漸侵入幾乎所有就業領域，這需要在計算機可以接管的工作上替換掉人力。

人工智能對認知型人類工作的經濟影響將類似於自動化和機器人在制造業工作上對人類的影響。許多中年工人失去了工廠里的高薪工作以及伴隨這個工作的家庭和社會中的社會經濟地位。長期來看，一個對勞動力的更大影響是失去高薪的「認知型」工作。

隨著勞動力在生產部門的重要性的下降（與擁有知識資本相比），大多數市民可能會發現他們的工作的價值不足以為一種社會可以接受的生活標準買單。這些變化將需要政治上的，而非單純經濟上的響應——需要考慮應該配置怎樣的社會安全網來保護人們免受經濟的大規模結構性轉變的影響。如果缺少了緩解政策，這些轉變的一小群受益者將成為社會的上層。

短期來看，教育、再訓練和發明新的商品和服務可以減輕這些影響。更長期來看，目前的社會安全網可能需要進化成更好的服務於每個人的社會服務，例如醫療和教育或有保障的基本收入。事實上，瑞士和芬蘭等國家已經在積極地考慮這些措施了。

人工智能可能會被認為是一種財富創造的完全不同的機制，每個人都應該從全世界人工智能所生產的財富中分得一部分。對於人工智能技術所創造的經濟成果的分配方式，相信不久之後就會開始出現社會爭議了。因為傳統社會中由孩子支持他們年老的父母，也許我們的人工智能「孩子」也應該支持我們——它們的智能的「父母」。

8.娛樂

隨著過去十五年互聯網的爆發式增長，很少有人能想象沒有它的生活。在人工智能的驅動下，互聯網已經將用戶生成的內容作為了信息和娛樂的一個可行的來源。Facebook 這樣的社交網絡現在幾乎已經無處不在，而且它們也成為了社會互動和娛樂的個性化渠道——有時候會損害人際交往。WhatsApp 和 Snapchat 等應用可以讓智能手機用戶與同伴保持「接觸」和分享娛樂和信息源。

在《第二人生》這樣的在線社區和《魔獸世界》這樣的角色扮演遊戲中，人們想象在虛擬世界中有一個虛擬的存在。亞馬遜 Kindle 這樣的專用設備已經重新定義了打發時間的要領。現在只需手指點點劃劃幾下，就可以瀏覽和獲取書籍了；一個口袋大小的設備就可以存儲成千上萬本書，而閱讀體驗基本上可手持的紙質書差不多。

現在我們有了共享和瀏覽博客、視頻、照片和專題討論的可信平臺，此外還有各種各樣用戶生成的內容。為了在互聯網的規模上運行，這些平臺必須依賴現在正被積極開發的技術，其中包括自然語言處理、信息檢索、圖像處理、眾包和機器學習。比如，現在已經開發出了協同過濾（collaborative filtering）這樣的算法，它可以基於用戶的人口統計學細節和瀏覽歷史推薦相關的電影、歌曲或文章。

為了跟上時代的步伐，傳統的娛樂資源也已經開始擁抱人工智能。正如書和電影《點球成金》中給出的例子，職業運動現在已經轉向了密集的量化分析。除了總體表現統計，賽場上的信號也可以使用先進的傳感器和相機進行監控。用於譜曲和識別音軌的軟件已經面世。

來自計算機視覺和 NLP 的技術已被用於創建舞臺表演。即使非專業用戶也可以在 WordsEye 等平臺上練習自己的創造力，這個應用可以根據自然語言文本自動生成 3D 場景。人工智能也已經被用於協助藝術品的歷史搜索，並在文體學（stylometry）得到了廣泛的應用，最近還被用在了繪畫分析上。

人類對人工智能所驅動的娛樂的熱情是很令人驚訝的，但也有人擔心這會導致人與人之間的人際交互減少。少數人預言說人們會因為在屏幕上花費了太多時間而不再與人互動。孩子們常常更願意在家里快樂地玩他們的設備，而不願意出去和他們的朋友玩耍。人工智能會使娛樂更加交互式，更加個性化和更有參與感。應該引導一些研究來理解如何利用這些性質為個人和社會利益服務。

第三部分：人工智能公共政策的前景與建議

人工智能應用的目標必須是對社會有價值。我們的政策建議也會遵循這個目標，而且即便這個報告主要關註的是 2030 年的北美城市，建議依然廣泛適用於其他城市，同時不受時間限制。一些提升解讀和人工智能系統能力並參與其使用的策略可以幫助建立信任，同時防止重大失敗。

在增強和提升人類能力和互動時需要小心，還有避免對不同社會階層的歧視。要強調多做鼓勵這個方向以及溝通公共政策探討的研究。鑒於美國目前的產業監管，需要新的或重組的法律和政策來應對人工智能可能帶來的廣泛影響。

政策不需要更多也不要更嚴，而是應該鼓勵有用的創新，生成並轉化專業知識，並廣泛促進企業與公民對解決這些技術帶來的關鍵社會問題的責任感。長期來看，人工智能將會帶來新財富，整個社會也要探討如何分配人工智能技術帶來的經濟成果的分配問題。

如今以及未來的人工智能政策

為了幫助解決個人和社會對快速發展的人工智能技術產生的憂慮，該研究小組提供了三個一般性政策建議。

1. 在所有層級的政府內，制定一個積累人工智能技術專業知識的程序。有效的監管需要更多的能理解並能分析人工智能技術、程序目標以及整體社會價值之間互動的專家。

缺少足夠的安全或其他指標方面的專業技術知識，國家或地方政府官員或許或拒絕批準一個非常有前途的應用。或者缺少足夠訓練的政府官員可能只會簡單采納行業技術專家的說法，批準一個未經充分審查的敏感的應用進入市場。不理解人工智能系統如何與人工行為和社會價值互動，官員們會從錯誤的角度來評估人工智能對項目目標的影響。

2. 為研究人工智能的平等、安全、隱私和對社會的影響掃清感知到的和實際的障礙。

在一些相關的聯邦法律中，如計算機欺詐和濫用法案（Computer Fraud and Abuse Act）和數字千年版權法的反規避條款（theanti-circumvention provision of the Digital Millennium Copyright Act），涉及專有的人工智能系統可能被如何逆向向工程以及被學者、記者和其他研究人員評價的內容還很模糊。當人工智能系統帶來了一些實質性後果需要被審查和追究責任時，這些法律的研究就非常重要了。

3. 為人工智能社會影響的跨學科研究提供公共和私人資金支持。

從整個社會來看，我們對人工智能技術的社會影響的研究投入不足。資金要投給那些能夠從多角度分析人工智能的跨學科團隊，研究範圍從智能的基礎研究到評估安全、隱私和其他人工智能影響的方法。一下是具體問題：

當一輛自動駕駛汽車或智能醫療設備出現失誤時，應該由誰來負責？如何防止人工智能應用產生非法歧視？誰來享有人工智能技術帶來的效率提升的成果，以及對於那些技能被淘汰的人應該采取什麽樣的保護？

隨著人工智能被越來越廣泛和深入地整合到工業和消費產品中，一些領域中需要調整現有的建立監管制度以適應人工智能創新，或者在某些情況下，根據廣泛接受的目標和原則，從根本上重新配置監管制度。

在美國，已經通過各種機構將監管具體到各個行業。在設備中使用人工智能實現醫療診斷和治療由食品藥品監督管理局（FDA）監管，包括定義產品類型和指定產生方法，還有軟件工程的標準。無人機在管制空域中的使用由美國聯邦航空局（FAA）監管。面向消費者的人工智能系統將由聯邦貿易委員會（FTC）監管。金融市場使用的人工智能技術，如高頻交易，由證券交易委員會（SEC）監管。

除了針對具體行業制定監管的方法外，「重要基礎設施」中定義模糊和廣泛的監管類別可能適用於人工智能應用。

鑒於目前美國行政法結構，短期內制定出全面的人工智能政策法規似乎不太可能。但是，可以根據人工智能在各種情境中可能出現的法律和政策問題，廣泛列出多個類別。

隱私

創新政策

責任（民事）

責任（刑事）

代理

認證

勞動力

稅務

政治

未來的指導原則

面對人工智能技術將帶來的深刻變化，要求「更多」和「更強硬」的監管的壓力是不可避免的。對人工智能是什麽和不是什麽的誤解（尤其在這個恐慌易於散布的背景下）可能引發對有益於所有人的技術的反對。那將會是一個悲劇性的錯誤。扼殺創新或將創新轉移到它處的監管方法同樣也只會適得其反。

幸運的是，引導當前數字技術的成功監管原則可以給我們帶來指導。比如，一項最近公布的多年研究對比了歐洲四個國家和美國的隱私監管，其結果卻很反直覺。西班牙和法國這樣的有嚴格的詳細法規的國家在企業內部孕育出了一種「合規心態（compliance mentality）」，其影響是抑制創新和強大的隱私保護。

這些公司並不將隱私保護看作是內部責任，也不會拿出專門的員工來促進其業務或制造流程中的隱私保護，也不會參與必需範圍之外的隱私倡議或學術研究；這些公司只是將隱私看作是一項要滿足規範的行為。他們關註的重點是避免罰款或懲罰，而非主動設計技術和采納實際技術來保護隱私。

相對地，美國和德國的監管環境是模糊的目標和強硬的透明度要求和有意義的執法的結合，從而在促進公司將隱私看作是他們的責任上做得更加成功。廣泛的法律授權鼓勵企業發展執行隱私控制的專業人員和流程、參與到外部的利益相關者中並采用他們的做法以實現技術進步。對更大的透明度的要求使民間社會團隊和媒體可以變成法庭上和法庭外的公共輿論中的可靠執法者，從而使得隱私問題在公司董事會上更加突出，這又能讓他們進一步投資隱私保護。

在人工智能領域也是一樣，監管者可以強化涉及內部和外部責任、透明度和專業化的良性循環，而不是定義狹窄的法規。隨著人工智能與城市的整合，它將繼續挑戰對隱私和責任等價值的已有保護。和其它技術一樣，人工智能也可以被用於好的或惡意的目的。

這份報告試圖同時強調這兩方面的可能性。我們急切地需要一場重要的辯論：如何最好地引導人工智能以使之豐富我們的生活和社會，同時還能鼓勵這一領域的創新。應該對政策進行評估，看其是否能促進人工智能所帶來的益處的發展和平等共享，還是說會將力量和財富集中到少數權貴的手里。而因為我們並不能完美清晰地預測未來的人工智能技術及其所將帶來的影響，所以相關政策一定要根據出現的社會難題和線索不斷地重新評估。

截至本報告發布時，重要的人工智能相關的進展已經在過去十五年內給北美的城市造成了影響，而未來十五年還將有更大幅度的發展發生。最近的進展很大程度是由於互聯網所帶來的大型數據集的增長和分析、傳感技術的進步和最近的「深度學習」的應用。

未來幾年，隨著公眾在交通和醫療等領域內與人工智能應用的遭遇，它們必須以一種能構建信任和理解的方式引入，同時還要尊重人權和公民權利。在鼓勵創新的同時，政策和流程也應該解決得到、隱私和安全方面的影響，而且應該確保人工智能所帶來的好處能得到廣泛而公正的分配。如果人工智能研究及其應用將會給 2030 年及以後的北美城市生活帶來積極的影響，那麽這樣做就是非常關鍵的。

斯坦福大學實現高性能低功耗人工突觸，可用於神經網絡計算

來源: http://www.iheima.com/zixun/2017/0224/161469.shtml

本文由機器之心（微信 ID:  almosthuman2014）授權i黑馬發布。

盡管這些年來，計算機技術取得不少進展，但是，在再造大腦低能耗、簡潔的信息處理過程這方面，我們仍然步履蹣跚。現在，斯坦福大學和桑迪亞國家實驗室的研究人員取得了重要進展，該研究可以幫助計算機模擬某塊大腦高效設計，亦即人工突觸。

Alberto Salleo，材料科學與工程學副教授，研究生 Scott Keene 在確知用於神經網絡計算的人工突觸的電化學性能。他們是創造這一新設備團隊的成員。

Alberto Salleo 說，它運行起來就像是真的突觸，不過，它是一個可以制造出來的電子設備。Alberto Salleo 是斯坦福大學材料科學與工程學副教授，也是這篇論文的資深作者（senior author）。「這是一套全新的設備系列，之前並沒有看到過這類架構。許多關鍵標準測評後，我們發現，這款設備的性能要比其他任何非有機設備要好。」

相關研究發表在了 2 月 20 日 的 Nature Materials上，該人工突觸模仿了大腦突觸從通過其中的信號中進行學習的方式。較之傳統計算方式，這種方式要節能得多，傳統方法通常分別處理信息然後再將這些信息存儲到存儲器中。就是在這里，處理過程創造出記憶。

或許有一天，這款突觸能夠成為一臺更接近大腦計算機的一部分，它特別有利於處理視覺、聽覺信號的計算過程。比如，聲控接口以及自動駕駛汽車。過去，這一領域已經研究出人工智能算法支持下的高效神經網絡，但是，這些模仿者距離大腦仍然比較遙遠，因為，它們還依賴傳統的能耗計算機硬件。

建造一個大腦

人類學習時，電子信號會在大腦神經元之間傳遞。首次橫穿神經元最耗費能量。再往後，連接所需的能力就少了。這也是突觸為學習新東西、記住已學內容創造便利條件的方式。人工突觸，和所有其他類腦計算版本不同，可以同時完成（學習和記憶）這兩項任務，並能顯著節省能量。

深度學習算法非常強大，不過，仍然依賴處理器來計算、模擬電子狀態並將其保存在某個地方，就能耗和時間而言，這可不夠高效，Yoeri van de Burgt 說，他之前是 Salleo lab 的博士後研究人員（postdoctoral scholar），也是這篇論文的第一作者。「我們沒有模擬一個神經網絡，而是試著制造一個神經網絡。」

這款人工突觸是以電池設計為基礎的。由兩個靈活的薄膜組成，薄膜帶有三個終端，這些終端通過鹽水電解質連接起來。它的功能就像一個晶體管，其中一個終端控制其與其他兩個終端之間的電流。

就像大腦中的神經通路可以通過學習得到加強，研究人員通過重複放電、充電，為人工突觸編程。訓練後，他們就能預測（不確定性僅為 1%）需要多少伏電，才能讓突觸處於某種特定電信號狀態（electrical state），而且一旦抵達那種狀態，它就可以保持該狀態。易言之，不同於普通電腦，關掉電腦前，你會先將工作保存在硬件上，人工突觸能回憶起它的編程過程而無需任何其他操作或部件。

測試人工突觸網絡

桑迪亞國家實驗室的研究者目前只制造了一個人工神經突觸，但是，他們使用有關突觸實驗中獲得的 15,000 個測量結果來模擬某一列（array）突觸在神經網絡中的運行方式。他們測試了模擬網絡識別手寫數字 0 到 9 的能力。三個數據集上的測試結果顯示其識別手寫數字準確度達 93%~97%。

盡管這項工作對於人類來說顯得相對簡單，但是對於傳統計算機而言，要解釋視覺與聽覺信號曾經是非常困難的。

「我們期望計算設備能做的工作越來越多，這就需要模擬大腦工作方式的計算方式，因為用傳統計算來完成這些工作，能耗巨大，」A. Alec Talin 說，「我們已經證實這款設備很適合實現這些算法，而且很節能。」A. Alec Talin 是桑迪亞國家實驗室的傑出技術研究員，也是這篇論文的資深作者。

該設備極其適合於傳統計算機執行起來很費勁的信號識別和分類工作。數字晶體管只能處於兩種狀態，比如 0 或 1，但是研究人員在一個人工突觸上成功編碼了 500 種狀態，對於神經元類計算模型來說，這很有用。從一種狀態切換到另一種狀態所使用的能耗約為當前最先進計算系統的 1/10，最先進的計算系統需要這些能耗將數據從處理單元移動到存儲器。

然而，較之一個生物突觸引發放電所需的最低能耗，這款人工突觸仍然不夠節能，所需能耗是前者的 10000 倍。研究人員希望，一旦他們測試用於更小的設備的人工神經突觸，他們可以實現類似生物神經元級別的能耗水平。

有機材料的潛力

設備的每一部分都由便宜的有機材料制成。雖然在自然界中找不到這些材料，但是它們大部分都由氫、碳兩種元素構成，而且與大腦化學物質兼容。細胞已經可以在這些物質上生長，並且已經被來打造用於神經遞質（neural transmitters）的人工泵。用於訓練這類人工突觸的電伏也和穿行人類神經元所需的能量相同。

這些都使得人工神經突觸與生物神經元之間的交流成為可能，可借此改進腦機接口。同時，設備的柔軟性與靈活性也使得它可被用於生物環境。但是，進行任何生物學方面應用之前，團隊計劃先打造一列人工神經突觸，用於進一步研究與測試。

原文鏈接：http://news.stanford.edu/2017/02/20/artificial-synapse-neural-networks/