AI取代人力 衝擊華爾街生態
By 聯合新聞網, udn.com查看原始檔四月 2日, 2017
A-A+
2017-04-02 04:08聯合報 編譯鍾詠翔／綜合外電
機器人浪潮來襲，日前全球最大資產管理公司貝萊德集團（BlackRock）裁掉將一批主動型基金經理，改派機器人上陣，貝萊德僅僅是冰山一角，為了壓低成本，自動化已經是整個美國金融業的重大趨勢。
因自動化而起的裁員現象，是整個華爾街生態的重大演變。金融服務顧問公司Opimas最近提出的報告顯示，到了二○二五年，金融機構的人力會縮編百分之十，相當於減少廿三萬人，原因就是電腦搶走人類的飯碗，並且在這些被裁撤的工作中，預期百分之四十屬於財富管理領域。
Opimas表示，貝萊德與整個華爾街改變的動機很清楚：以人工智慧（AI）取代人力，可壓低成本獲利率百分之廿八。過去有些基金操盤手因做出正確投資決定而聲名大噪，如今就連這些大牌經理人也採用AI，持續追求投報率。
上周貝萊德宣布將資遣四十多名主動型基金部門員工，改採用AI及電腦股票交易演算。財星雜誌（Fortune）報導，研究報告顯示，主動型基金經理操盤的投資報酬率通常都無法打敗大盤，導致客戶付給這些經理人費用時有點心不甘情不願。
愈來愈多投資人改尋求股票指數型基金（ＥＴＦ）等更便宜的選項，有些ＥＴＦ是透過電腦進行管理，這股趨勢也使得最近貝萊德旗下管理的資產規模首度超過五兆美元。
去年年中裁減百分之十五人力後，投資圈大咖瓊斯（Paul Tudor Jones）也引進電腦驅動工具，這種工具可模仿公司最佳經理人的交易策略。瓊斯也運用機器學習科技，力圖提升公司的電腦化交易能力。
全球最大避險基金橋水聯合（Bridgewater Associates）創辦人達里歐（Ray Dalio）則持續投資與交易有關的AI科技，並致力於推動橋水聯合管理過程的自動化。
人工智慧威脅逼近 霍金：人類應盡早建立對抗機制
By Fb, www.ettoday.net查看原始檔
▲英國物理學家霍金博士再次呼籲人類早點意識到AI智慧的威脅。（圖／達志／示意圖）
國際中心／綜合報導
英國著名物理學家霍金（Stephen Hawking）接受《泰晤士報》的訪問中，再次發出人工智慧對人類帶來的毀滅威脅及影響。他告誡人類應該要早點建立有效機制，並且盡早意識到日新月異的科技會帶來的威脅。這也是他在2015年之後，對人力發出的第二次警告，未來浩劫絕對少不了「過度發展的人工智慧」。
據英國《獨立報》報導，霍金博士先前就曾經多次警告人工智慧可能會對人類自身帶來威脅。他指出，自人類有文明生活以來，這個「侵略」就開始存在，並且出現在相對具有生存優勢的群體之間，而近年大幅發展的人工智慧，最有可能進一步發展成這種優勢。
霍金曾在《衛報》撰文表示，人類的生存環境正在改變，這種改變結合了過度的科技，因此大於歷史上的任何時期，我們人類更需要拋棄世俗的政治觀念，應該要跨種族與族群進行合作。他更於2015年8月，在美國Reddit網站上的問答互動，首次提出自己對人工智慧的「威脅論」看法；他確信「優異的AI」絕對會「實現它的目標」，因此當人類與它「道不同」時，絕對有間接獲直接剷除人類的可能。
最新研究：機器人將取代先進國家的大量工作
資誠的研究顯示，到2030年，美國將有38%的工作被機器人或人工智慧（AI）取代，英國為30%，德國為35%，日本為21%。圖為軟體銀行在德國漢諾威數位科技展（CEBIT）展出的機器人。（法新社）
〔記者盧永山／台北報導〕資誠會計師事務所的一項研究顯示，到2030年，美國將有38%的工作被機器人或人工智慧（AI）取代，英國為30%，德國為35%，日本為21%。
但研究人員指出，這未必導致就業減少，因工作可能隨著自動化而改變，而非消失。但男女性的就業型態受到自動化的影響，差別十分明顯。
資誠預估，男性35%的工作將受到自動化波及，女性僅26%，因很多女性從事的是教育和醫療照護等需要社交技巧的職業，男性則主要從事不須太高教育水準的職業，如交通或製造業。
人工智慧當選美評審 為什麼都選出白人？｜產業｜201 : 1｜即時｜天下雜誌
偏見有時很難追蹤，有時就像你臉上的鼻子一樣清楚可見，特別是當演算法要判斷、處理的對象是人臉時。青年實驗室（Youth Laboratories）主辦的網路選美比賽Beauty.ai證明了這點。
青年實驗室在選美網站上列出微軟（Microsoft）、輝達（Nvidia）等響亮的科技公司，稱為「合作支援夥伴」，並找來60萬人參加，宣稱將由人工智慧來選美。他們的演算法，會透過皺紋、相貌對稱程度、痘斑、傷疤、種族、容貌年齡來選美。
但從最後結果來看，種族佔的判定比例特別大。在44位選美冠軍中，36人是白人。
這次負責選美的工具是以深度神經網絡為基礎，是一種透過大量數據找出模式的人工智慧。舉例來說，這種演算法可能看過幾百萬張有皺紋和沒皺紋的人臉照片，慢慢學習判斷臉上不同皺紋的長相，而後能在新的照片中辨識出各種皺紋。
但如果演算法的學習，主要是來自白人照片，面對膚色較深的面孔時，判斷正確性就會下降，至於判斷其他特徵使用的演算法也是一樣。
這次選美比賽，75%參賽者是白人、歐洲血統，但理論上這不應該影響結果。對機器來說，這些參賽者不是人類，只是各種相似的畫素。當畫素不符合預期的模式，就意外成為演算法誤判的受害者。換句話說，相片中的美，是由客觀標準而定，但這項客觀標準是從白人的照片集合裡建立起來的。
Beauty.ai科技長札哈佛朗科夫（Alex Zhavoronkov）說：「在機器的視覺裡，顏色恰巧扮演要角。」
「對某些人口群體來說，這些數據組缺乏適當的樣本數，不足以訓練深度神經網絡。」
要解決這個問題，需要更好的數據資料。如果你餵給演算法更多樣化的資料組，他們的辨別能力也會比較好。
Google的DeepDream實驗也有相同問題。Deepdream演算法處理建築物、地景、知名藝術作品的影像後，找出一些共通模式並作畫，結果產生了一大堆混雜著狗臉的夢魘圖像。這是因為DeepDream是透過開放源資料庫ImageNet的資料接受訓練，而ImageNet裡面有幾千張狗的照片，所以人工智慧變得很擅長找出符合狗狗形狀的模式，這個問題讓Google和惠普深受其擾。
微軟駐紐約首席研究員克勞佛（Kate Crawford）說：「如果你丟給系統的訓練用照片壓倒性以白人為主，它就更難辨認非白人臉孔。」
「（一旦失去包容性），我們的風險是建造出反映社會偏狹特權觀點的人工智慧，帶有社會上陳舊、再熟悉不過的偏見和刻板印象。」
Beauty.ai將在10月舉辦另一場人工智慧審美大賽，但還不知道人工智慧是否會使用不同的數據資料組來訓練。
（資料來源：Quartz、Motherboard）
留言列表
