整理 | 小虎
资讯
Google Cloud 机器学习大赛揭晓，最认可医疗应用和推荐系统
为了与亚马逊 AWS 和微软 Azure 抗衡，谷歌云正努力成为初创公司友好的云服务供应商。今年三月，谷歌在 Google Cloud Next 大会上推出一项针对机器学习初创公司的大赛，前三甲将获得 DCVC 和 Emergence 提供的资金，以及相当数量的谷歌云积分。近日，该竞赛的结果公布，获得前三名的分别为医疗分析平台 BrainSpec、推荐系统 LiftIgniter、医疗记录系统 PicnicHealth。
其中，BrainSpec 可以辅助医生利用 MRI 进行大脑代谢物的检测。通过改进中央数字医疗记录系统，PicnicHealth 帮助制药公司和研究小组数据生产更便捷。除了医疗应用，个性化推荐也是利用机器学习的热门领域，亚马逊和 Spotify 依托自身平台发展了推荐系统，不过，更多有需求的企业本身没有能力发展类似的技术。LiftIgniter 应运而生，为其他企业提供更便捷的个性化推荐服务。
获奖初创公司也体现出机器学习技术应用领域和投资趋势。普华永道预测，零售、金融服务、医疗健康等行业都将随着 AI 技术的发展迎来新一轮增长。
打造 Skype 车载应用场景，微软把会议室搬进宝马车
车载系统一直是 AI 落地的重要应用场景。近日，微软称计划将企业版 Skype 服务推广到宝马汽车，用户在行车途中也能参加商务会议。这项服务首先落地德国、法国和英国应用，再向其他国家推广。此前，微软已把办公软件 Office 365 整合到宝马 5 系当中，Cortana 语音助手也搭载到宝马的 iDrive 中。微软试图将车辆打造成现代移动办公室，积极抢滩另一大人类重要活动场景。
躺着也能玩爵士，神经科学家通过脑电波演奏乐器
来自华盛顿大学的神经科学家托马斯（Thomas Deuel），已经开发出了可以用脑电波控制演奏的乐器。这款仪器可以与特定脑电波联系，识别大脑信号，发出特定音符。「作为一个神经病学家，同时也是音乐家的我，曾经见过很多因为身体瘫痪、残疾的人，放弃了自己的音乐梦想。」托马斯说。「所以，如果能让他们躺在床上一动不动就能演奏出优美的音乐，那会是多么伟大的一件事。」即便是没有受过音乐训练的人也可以轻松地演奏一些简单的旋律。
这项研究利用了两种非侵入式脑机接口：眼动和瞳孔震荡和脑电图技术（EEG），从而避免了昂贵而危险的手术。该仪器还在进行另外一项改进，被实验者在自己的脑洞中，闭着眼睛幻想自己双手熟练地操作乐器的场景，然后这种脑波信号通过传输设备直接反馈到现实里的乐器上，从而真的实现「心灵感应」。
应用
英国金融行为监管局要用 RegTech 辅助合规检查
RegTech 被定义为一种科技创新应用，即「监管」+「科技」，一般指利用新技术来更有效和高效地解决监管和合规问题。FCA 将其描述为：「运用新技术，促进达成监管要求。」
监管对于当今的金融科技企业来讲是一个非常普遍和重要的话题。面对金融技术的提升和突破，各个国家都颁布了一套较为严格的监管政策，以应对潜在的风险问题。为了应对这些监管措施，不少金融科技公司不得不提高其运营成本。在这种情况下，RegTech 被看作是一种「以科技应对监管」的颠覆性的创新。
目前，英国金融市场行为监管局（FCA）正在利用机器学习提升监管效率。数据信息中心主管 Nick Cook 称，目前正与科技公司、相关监管机构合作，这项技术也在不断「学习」。
Fintech 被认为是金融圈的科技革命，RegTech 将为成为监管领域的里程碑。据预测，RegTech 将为全球的金融监管减少 800 亿的支出。报告显示，全球对监管、合规、政府软件的需求将在 2020 年达到 1187 亿美元，监管科技行业将迎来蓬勃发展。可以相信，RegTech 将为金融技术领域带来一场新的变革，也将成为投资领域的另一热门。
2 型糖尿病患者减肥有什么好处？机器学习技术告诉你答案
近期发表在《柳叶刀》上的一项研究表明，对于大部分 2 型糖尿病患者而言，减肥可以减少长期的心血管疾病风险，降低死亡率。但是，对于少部分 2 型糖尿病患者而言，大幅减重只会让结果更糟糕。
结果显示，85% 的 2 型糖尿病患者受益于体重适度减少，有效降低了心脏病等并发症的发病率，除此之外，也有 15% 的患者无法受益于减重。「我们的分析表明，机器学习因果推论的最新进展可以增加临床相关研究的数量，作为研究人员和数据科学家，我们总是担心整体研究结果可能掩盖不同类型的患者的重大差异，然而机器研究能够识别个人，为患者提供个性化的护理。
「除了临床发现，这项工作显示了先进的机器学习方法对精密医学遗传学的积极作用。此次研究分析了 5000 多名超重和肥胖的糖尿病患者，随访 13 年。其目的是要确定，通过生活方式的适度减肥降低了死亡率和严重的心脏病以及中风风险。早期试验并没有发现两者之间的关系。
观点
《连线》杂志：保护数据隐私技术举措，并未给苹果带来AI竞争优势
近期《连线》一篇分析文章表示，苹果一直在强调「拥有强大的数据隐私和安全保护机制，不会在任何苹果系统中创建后门」，并保证在预测表情偏好以及进行图片搜索时，仅在用户手机端运行相关机器学习算法。
苹果对数据隐私的重视，由来已久。在去年的苹果全球开发者大会，苹果就已提到差分隐私技术，能够通过密码学算法对用户的数据进行「加密」上传到苹果服务器。苹果能通过这些「加密」过的数据计算出用户群体的行为模式，但是对每个用户个体的数据却无法解析。
在今年，苹果又推出了面向开发者的机器学习框架 Core ML，开发者可以把训练完成的机器学习模型，装进 App 之中，而且 Core ML 所有的机器学习计算都在 iOS 设备本地进行，从而保护用户的隐私。可以预期的是，未来的苹果设备将搭载更支持机器学习的硬件，但硬件能够被所有其他有 APP 的公司利用，所以此举能给苹果增加的优势却不甚明朗。
苹果声明保护用户隐私，或许能够得到用户青睐。但随着机器学习技术对于所有的科技公司都愈发重要时，苹果的办法或许能开辟一条不同的路，但在深度上会有些折扣。
企业家杂志：自动化意味着人类需要终生学习
近日美国《企业家》杂志发表文章分析指出，提及自动化时，总是能想到工厂流水线上的机械手臂，也意味着用机器替代人类的体力劳动。现在，这个观念过时了。人工智能仅会从认知、物理空间上取代人类。
麦肯锡最近的报告预测，较小比例的工作将面临被机器完全取代的风险，但指出大部分人只是会看到部分工作被自动化取代。我们都会以某种方式感受到 AI 的影响。大多数现代企业所需的软技能和技术技能的数量都在激增。但是，人工智能加速了已掌握技能的淘汰步伐。为此，需要一种支持持续学习的教育和培训方法。目前的教育模型大体上是建立在「座位时间」的概念之上的：如果你需要 40 个学分毕业，你需要花费一定数量的小时在教室里听教授。由于人工智能加速了工人不断更新技能的需求，时间很快就成为一种稀缺的商品。
为此，我们可能需要改变人们学习的方向，比如，强调跨学科知识。为此，一些大学已经根据职业领域情况，重新定位了自己的部门，而不是停留在狭隘的定义中。比如，亚利桑那州立大学创建了一系列以职业为重点的部门，比如「地球与空间探索学院」，纳入了地球科学，天体物理学和环境工程学。
我们也需要变革学习责任范式。即使在毕业后，个人也要支持承担自己终身教育的责任。公司需要承担责任，不断为员工提供发展机会。
最后，高等教育和劳动力市场之间需要更大的衔接。学院可以通过专注于真正需求的技能来满足这一需求。在一定程度上，可以通过公司和高等院校之间的更多合作来实现这一目的。也可以通过创造更多的机会将工作和学习结合在一起，比如越来越多的实习计划。
图说
全球销售商如何利用 AI 技术？
传统销售行业正在面临巨大变革。人工智能带来的大数据分析可以辅助销售人员提供更体贴的客户服务、提升工作效率、缩短销售周期、减少行政压力等。上图表明，欧美销售商利用 AI 技术较为普遍，应用形式也广泛，包括辅助销售人员、自动化销售流程、销售预测等。
北美的应用最为普遍。例如，邓白氏除了利用自身的商业数据和营销能力外，还与人工智能销售工具开发公司合作，寻找最合适的客户。也有公司搭建自身 AI 平台，比如 Salesforce 推出了 Einstein，为每个客户定制模型，嵌入商业业务，自动挖掘商业报告、预测客户的行为、同时推荐最优化的策略。最直观的应用就是，客服代表可以利用 Einstein 分析筛选潜在客户电话号码，提升销售成功率。
