大青山下「光伏城」

「以前家裡燒水呀,取暖呀,電視、冰箱等家電使用呀,電費開支不小。現在有了這個光伏太陽板,用電再也不用花錢啦。」看著院里的光伏發電系統,呼和浩特賽罕區榆林村村民石翠翠滿臉幸福。大青山下,榆林村、東干丈村、窯子什村等多個村莊普遍安裝了光伏發電系統。 在發展戰略性新興產業的布局中,呼和浩特市目標之一就是打造「中國光伏材料之都」。產業鏈上,上游企業負責石英坩堝、砂漿回收、矽材料加工等服務,中游企業生產多晶矽原料,中下游企業生產聚光反射鏡、對太陽能電池組件系統集成,下游企業承擔光伏電站建設。賽罕區光伏產業園內,上游有「神舟矽業」,中游有「中環光伏」,再到下游「中環能源」和「華夏聚光」,已形成高效單晶矽片、高效光伏發電系統和關聯配套產品於一體的綜合光伏產業發展鏈。 內蒙古日月太陽能科技有限責任公司的接待大廳似乎也在驗證這一點。入口處,第一個映入眼帘的是幾塊石頭,名曰「低硼矽礦石」。然後進行多晶矽生產,接下來就是拉單晶、切片、太陽能電池組件、太陽能電站,終端是總控大屏幕,實時滾動出最新上網電量。走出接待大廳進入公司的2萬千瓦「金太陽示範項目」,頓覺進入一片電池組件的「藍海」。登上觀景台,一派「新田園風光」躍入眼帘,光伏板下藥材作物泛綠,遠處牛羊漫步。 經過10年的發展,呼和浩特已擁有光伏製造企業10家,單晶矽和多晶矽產量分別達到8569噸和4966噸,光伏發電企業達到28家,全市併網的太陽能發電裝機69萬千瓦,光伏產業形成集群。其中,賽罕區「光伏+」將光伏產業與農業、工業、社會服務業和人民生活緊密結合,共安裝12000多座光伏大棚,年均發電量18億千瓦時。中環光伏、晶環藍寶石晶棒等一批光伏產業項目投產達效,實現產值144億元。 「未來5年,賽罕區將全力打造以多晶矽、單晶矽、矽片為原材料的生產平台,以大型光伏併網發電站和分散式農業設施光伏發電項目為主的應用平台,帶動電池、組件、光伏配套產業的發展,打造完整的光伏產業鏈及配套產品的製造基地。」賽罕區區長吳文明告訴記者,「力爭到2020年,實現多晶矽產能2萬噸,單晶矽產能5萬噸,太陽能電池片及組件產能500萬千瓦,光伏發電裝機150萬千瓦,實現產值350億元,早日建成『中國光伏材料之都』的核心區。」 詳全文 大青山下「光伏城」-財經新聞-新浪新聞中心 http://news.sina.com.tw/article/20170730/23251054.html
六種「內容行銷」新手法,帶領品牌攀上另一高峰! 編輯/蕭譯婷 你知道嗎?其實有高達68%的公司企業,其線上行銷團隊只有不到三人。這代表其實有許多中小型公司的行銷預算規模有限,無法大量投放廣告增加曝光率,因此許多「小編」在經營社群媒體時會試著以「內容」取勝,吸引潛在顧客,並運用最少的資源發揮最大的創意。 而這就稱做「內容行銷」,這是藉由製作具有價值、和目標客群有高度相關的內容,吸引並維持與顧客的聯繫,最後能從顧客身上獲利的行銷技巧。因此,《Forbes》撰稿人Brian Sutter提出了內容行銷的六大心法,讓你在粉絲專頁上所發布的內容更不容易被潛在顧客忽視,進而成功達到宣傳效果! 影響者行銷 作為預算規模有限的新創公司,你的粉絲專頁或貼文即便有好內容,但卻沒有「讀者」願意點進時,你該如何是好呢?你所能做的是:和「有影響力的人」進行合作。你可以尋找一個「影響者」,其發布的貼文內容常常能引起讀者共鳴,甚至改變其行為,而這些讀者正好是你的潛在客群。就像是美妝部落客時常會接到美妝產品試用,他們會撰寫文章、拍攝影片去評價商品,進而影響讀者的想法。而與這些影響者合作的好處是,他/她比你還了解消費者的心理,也比你還懂得該如何使用「內容行銷」。 說故事 即使你無法像大企業一樣拍攝微電影、宣傳廣告來「說故事」,讓你的潛在客群因此而被感動,你的公司一定也有品牌理念或是創業故事,可以拉近品牌與顧客的距離吧?與目標客群產生連結,最簡單的方法就是「說故事」,而不是不斷強調產品或服務有多好、有多專業。請想像你和你的顧客正坐在酒吧裡,你想用一杯啤酒的時間和對方「博感情」,讓他/她對你的品牌產生情感上的聯繫,你會想告訴對方什麼? 站在「觀眾」的角度想 許多公司的行銷部門都專注在每季的ROI(投資回報率)上,但內容行銷的重點其實是:藉由製作吸引目標客群的內容並定期發布,來建立忠實的讀者/觀眾群,而當他們有需要商品或服務時,會第一個想到你的品牌,如此一來,就可望達成增加銷售的目標。你需要更多「耐心」來使用內容行銷的手法,因為你可能需要花上數個月甚至數年以上的時間去建立你的觀眾群,短時間內你可能不會在財務報表上看見顯著的利潤成長,但一旦你成功打造出品牌形象,你同時也抓住了顧客的心。 照顧舊顧客優先 內容行銷不只能用來開發潛在顧客,也能帶給舊有顧客使用商品或服務的良好體驗。許多中小型企業都認為,原本的顧客如果願意回籠並推薦給身邊的親朋好友,這遠遠比擁有許多新客戶還重要!畢竟這些老客戶和品牌擁有更深的聯繫,而且也比行銷團隊還了解身為一名「顧客」,他們究竟需要什麼。 你的觀眾「在哪裡」 你的潛在客戶的性別、年齡、使用社群軟體的偏好、喜歡閱讀部落格文章還是觀看影片,都會影響你要在「哪裡」實行內容行銷,以及使用什麼樣的手法去讓你的觀眾接收你的行銷內容,例如文字、影音、圖片、直播、GIF圖檔等。畢竟你要傾注大多數的行銷預算在某幾個社群平台之上,事前做好研究是非常重要的。 寫一本書 以《airbnb教我懂得人生是一場分享:開啟房門,開啟了全世界》這本書為例,書中描述了許多出租者與租客之間的動人故事,閱讀完之後也讓你興起了一種「很想試試看」的衝動!而對於Brian Sutter,這是最長遠而成功的內容行銷手法之一。有許多寫手能為你的品牌代筆,無論是你的創業理念、品牌故事、使用者經驗,都能轉化成文字。而這項行銷工具可不只有一種目的,出書除了能夠建立該品牌的權威之外,還能讓你在更廣大的觀眾群面前鋪公,而且你還能將這本書當成給新客戶或潛在消費者的一份禮物。而當你的品牌有了屬於自己的一本書之後,你還可以將書中內容以其他形式呈現與行銷,例如演講、投影片或部落格文章等。 參考來源:Forbes

謠言生產系統

在中文語義中「謠言」更具有貶義性,往往不是依據事實,而是憑空想像或根據主觀意願刻意編造的傳言,製造這種傳言的行為被稱作「造謠」,傳播這種傳言的行為被稱為「傳謠」。

AI 的發展歷史與深度學習的崛起

AI 的發展歷史與深度學習的崛起 AI 並不是一個新概念,早在上世紀 50 年代就已經被提出。只是期間經歷了幾次起落,直到最近深度學習的興起才又回到了大眾的視野。 類似的,深度學習也不是一個「新技術」,它底層的技術從人工智慧被提出之初就已經有了,只不過不是叫「深度學習」,而是叫「神經網路」。可以說人工智慧的興衰和神經網路的興衰是直接相關的。 在上世紀 50 年代人工智慧的概念被提出,神經網路的雛形感知機被提出。早在 1966 年,就有人提出了在 3~8 年內人工智慧將達到和人類智慧相似的程度。然而,早期的人工智慧系統具有很大的局限性,比如線性不可分的異或問題就無法通過單個神經元來解決。盲目樂觀也給人工智慧的發展帶來了反作用。政府發現雖然人工智慧說得那麼厲害,但是在十幾年內並沒有帶來翻天覆地的變化,所以大幅削減了研究經費。 在 1980 年左右,多層神經網路和反向傳播演算法的提出讓神經網路和人工智慧的研究又火了一段,然而因為當時計算能力和數據量的限制,也沒能使得人工智慧得到廣泛的應用。 直到最近因為計算能力的提升,GPU 以及大規模分散式集群的出現,深層神經網路,也就是深度學習,突破了很多學術研究的瓶頸,在計算機視覺、語音、自然語言處理等眾多領域都取得了突破性的進展。像無人車、翻譯軟體、智能機器人等各種人工智慧應用逐漸進入成熟階段,再加上 AlphaGo 圍棋機器人的推波助瀾,使得人工智慧又掀起了一個高潮。 哪些職業會被 AI 淘汰?又有哪些新崗位會出現? 人工智慧的興起也帶來了一些擔心,有人覺得自己的工作將會被人工智慧所取代,甚至有人擔心人類將會被機器人滅亡。在芒果台一個非常火的節目明星大偵探中就有一期以人類和機器人之間的矛盾為主題,表達了技術的發展對人類帶來的潛在威脅。 人工智慧技術雖然得到了突破性的進展,但是要達到完全取代人類的地步還為時過早。不過在某些領域,人工智慧的應用已經可以部分取代人類。 最早收到波及的行業就是那些存在大量重複勞動的製造業。目前已經有很多生產流水線已經被機器人取代了,在未來的幾年內,我相信會有更多的簡單重複勞動將被機器取代。 與簡單重複勞動相反,目前人工智慧已經進軍一些度專業知識要求非常高的領域。其中基於醫學圖像的診斷、大型設備、廠房的智能調優、金融領域的職能風控、投顧等問題都能夠通過人工智慧的演算法得到較為滿意的結果。不過在這些問題上,機器在短期內要取代人類還是非常有難度的,需要有新的突破。比如深度學習被詬病得比較多的一個問題就是黑箱問題。深度學習的模型很難被直觀的理解,有研究指出稍微修改一些圖片的像素,儘管修改後的圖片和原圖對人來說幾乎一模一樣,但是可以使得機器得到不一樣的分析結果。不過我相信這些問題隨著人工智慧技術的進一步成熟,很有可能在 10-15 年之後開始慢慢取代人類。 普通程序員如何從零入手系統學習 AI 提到入門人工智慧,特別是深度學習,很多人最大的擔心就是我是不是需要先學好數學然後才能掌握人工智慧,特別是深度學習演算法」。在網上有人說數學是基礎,不學好數學無法掌握深度學習的精髓。這是對的,但是也不是所有人都需要掌握精髓才能將人工智慧運用到具體的問題中。 對於僅僅是想把深度學慣用於具體問題的人,我比較推薦在實戰中學習。這些人可以不用對模型背後的數學原理有太深的了解,只要大概知道是怎樣做的,如何將自己遇到的問題轉化為一些經典問題就可以。我的書《TensorFLow:實戰 google 深度學習框架》就是在實戰中介紹深度學習的原理和使用方法,可以幫助大家在實戰中了解基本原理和使用方法。學習的過程中大概有三個階段,第一個階段需要大概了解人工智慧是什麼,能夠解決什麼類型的問題,在哪些領域中可以帶來幫助;第二個階段是自我發現的階段,找到自己想要應用人工智慧的領域,並且運用學到的知識來解決具體的問題;第三個階段帶著經驗來學習更加系統化的知識。同時我將於 9 月與 InfoQ 合作一個帶 CapStone 項目的在線課程,在介紹基本原理的同時,我們將給出 3 個具體的項目,參與項目的同學將得到來自才雲科技的資深大數據科學家的輔導。 當然,如果我們要更加深入的了解深度學習,並能夠在技術上有突破,那麼深入數學公式就是在所難免的了。對於這一類的同學,我推薦大家從 GoodFellow 的《Deep Learning》這本書開始,扎穩數學根基。同時關注機器學習領域一些比較重要的會議,比如 ICML、NIPS、AAAI、CVPR、ACL、EMNLP、WWW 等國際頂級會議。鄭老師在 StuQ 有一門《TensorFlow 實戰》,現在報名還有大力優惠,感興趣可以點:http://new.stuq.org/course/74 AI 在落地過程中會遇到的挑戰及解決方案 雖然人工智慧這個概念已經非常火了,而且也有了類似 AlphaGo、無人車等最新的人工智慧研究成果,然而,要將人工智慧應用於實際的生產生活中仍然面臨很大的挑戰。 人才方面的挑戰。每個公司都有很多場景需要使用到人工智慧,然而人工智慧方面的人才有限,而且目前都集中於 BAT 等少數大公司,所以對於很多企業來說,招人成為了一個非常大的挑戰。 數據方面的挑戰。深度學習需要海量數據,要收集海量有用的數據不容易,也需要時間。比如在做自動診斷時,很多時候一個醫院一年也就只有幾百個甚至只有幾十個病人,那麼這樣樣本數太少導致很難使用深度學習。 平台方面的挑戰。海量的數據與超大的運算量往往會帶來平台層的壓力。比如從頭開始在 ImageNet 數據上訓練 Inception-v3 模型,即使在有 GPU 的情況下也需要將近半年的時間才能達到和傳統機器學習方法類似的效果。那麼并行化加速成為了必然的需求。雖然目前開源的深度學習工具不甚枚舉,而且支持分散式的也不在少數,但是能支持企業級用戶的系統還是空缺。Caicloud 提供的 TensorFlow as a Service 平台就提供了國內首個商用深度學習平台,幫助企業更快的掌握 AI 能力。 近日,由 InfoQ 參與承辦的以「在一起,夢飛揚」為主題的 2017 華為開發者大賽正式開賽,大賽設置百萬現金獎勵,面向參賽者徵集採用華為 11 個領域開放能力的優秀作品,包括:雲計算、大數據、物聯網、企業雲通信、eLTE、視頻、CloudCaaS 、移動、開放工場、運營商運營管理、IES SmallCell。如果你是華為的合作夥伴,或者對華為合作夥伴生態感興趣,趕緊註冊參賽,凡提交作品均有開發者禮包相贈。

AI.解決社會問題 NHK獨步全球首開發

AI.解決社會問題 NHK獨步全球首開發 2017/07/24 19:29 Play Video 人類社會有什麼問題,又要如何解決?現在AI人工智慧或許能提供部分解答,日本NHK電視台開發了新型態AI,幫忙為社會問題找解藥,AI在對日本人的行動模式和價值觀進行深度學習後分析,AI不會用人類慣用的邏輯思考,也不在乎數據名字或代表的意義,這樣的AI為日本未來分析出的關鍵就是40多歲的獨居率比例越高,日本貧困率少子化趨勢更明顯,將影響未來國家社會發展。 跟機器人說話聊天,汽車自動駕駛AI下棋程式,現在AI人工智慧還有新功能或許能為人類社會面臨的少子、高齡化、國家負債、貧富差距等問題找出對策,日本NHK電視台開發出全球第一個社會課題解決型AI,要為現代社會開藥方。 東京大學教授坂田一郎:「文化經濟社會看起來有相關的不全盤去看、去追究原因,就不會有好的解決方法,要靠人類的力量一個一個抽絲剝繭實際上幾乎不可能,但AI就可以。」 首先對AI輸入5千種,共700萬筆資料,包括人口增減高齡化率、豆芽菜價格、賓館數量等,跟生活相關的各種數據,然後反覆進行50兆次的運算,紅色代表增加的事物,藍色則代表減少, 現代人生活不可或缺的超商,根據AI運算不知道為什麼超商數量增加,自殺人數也連帶跟著增加。 超商店長山本憲司:「看到跟自殺者等很多事物連結在一起,可以了解到超商真的對很多人產生社會影響。」 像這樣社會課題解決型AI為日本社會提出五大建言,包括如果想要健康就減少醫院病床數,要阻止少子化與其結婚不如買車等天馬行空的結論,不過其中最叫人震撼的恐怕是40歲獨居將毀滅日本,根據AI分析,40到50歲的獨居率越高餓死的人數和空屋數也會跟著增加。 40多歲獨居人士,除了享受生活的單身貴族外,也有為了三餐溫飽煩惱的人,這名在東京超市兼職的40多歲男子,平日收入不多扣掉生活費後家計相當吃緊。 40多歲獨居男子:「半價的時候買起來然後冷凍保存。」 每天光是填飽肚子就很傷腦筋,根本無暇也無力考慮結婚。 40多歲獨居男子:「結婚已經變成遙遠的夢,已經不把結婚列為選項之一。」 AI分析發現40歲的獨居人士正是地方行政機關的盲點,這批中年人多不需申請醫療照護也沒有要上學的小孩跟行政單位幾乎沒有接觸。 東京荒川區職員:「因為沒有跟行政單位合作,因此感覺是相對缺乏支援的世代。」 但其實日本40多歲獨居人口,只占整體1.9%,但卻將牽動未來日本社會。 日本福祉大學教授藤森克彥:「(40歲獨居者)到了高齡大多沒有配偶也沒有小孩,因此我們要去創造就算獨居老了也不用擔心也能活下去的社會。」 AI另一個結論,要想健康就減少醫院病床數,沒想到在北海道的夕張果真如此,2007年當地財政破產唯一的綜合醫院關門,病床數只剩下約十分之一,居民有了危機意識,積極組織運動社團讓肺部癌症心臟相關疾病比十年前減少。」 北海道夕張市居民:「運動是健康的秘訣,我已經86歲了,我83歲,我87歲。」 AI也找到令人意想不到的連結,就是香蕉採購量,走一趟夕張市的超市,擺滿一整排香蕉還真有老人家其實不喜歡,但為了健康還是買。 北海道夕張市居民:「我不太喜歡(香蕉),我一整年都會買,這邊沒有醫院這是最大的障礙。」 夕張市也因為破產無力整理市容,居民只好自立自強,投身志工參與社會活動的平均時間反而增加。 AI分析的數據量是一般研究人員的100倍,人腦想不到的邏輯甚至沒有因果關係,AI卻能從中挖掘出隱藏的連帶關係,但要如何活用AI創造更良善的社會,還考驗人類智慧。