京公网安备 11010802034615号
经营许可证编号:京B2-20210330
导读:几十年来,人工智能(artificial intelligence,AI)一直是学术界的白日梦。计算机可以像人类一样学习的想法似乎是不可能的。
随着处理能力成本的大幅下降,科学家们终于发现了如何编写和实现人工智能程序,这些程序可以教计算机学习如何使用类似人的逻辑来解决问题。到目前为止取得的阶段性成功,令人印象深刻。
计算能力的进步,再加上人工智能,意味着我们作为一个社会所面临的许多重大问题的解决方案,都是可以实现的——当然相反地,人工智能也可能会带来一些新的问题。
作者:乔恩·D.马克曼(Jon D. Markman)
来源:大数据DT(ID:hzdashuju)
内容摘编自《投资未来:重构世界与财富的12大科技投资领域》
01 战争中的人工智能:与“屠杀机器人”见面
想象一群微型无人机。现在,想象一下它们拥有致命武器和人工智能:微小的飞行杀手。
这看起来像是糟糕的科幻小说。它不是。
欧洲主要防务承包商Thales UK的高管阿尔文·威尔比(Alvin Wilby)表示,这种技术已经存在。
2017年11月,威尔比告诉英国上议院人工智能委员会(Lords Artificial Intelligence Committee),恐怖分子释放“大批”小型致命智能无人机只是时间问题。
其他知道内情的人应该也很担心。
谢菲尔德大学人工智能和机器人荣誉退休教授诺埃尔·夏基(Noel Sharkey)就是其中之一。诺埃尔·夏基向英国上议院人工智能委员会表示,他担心未经测试的临时技术可能最终落入ISIS等恐怖分子之手。
2017年11月,在葡萄牙举行的一次网络会议上,已故著名理论物理学家斯蒂芬·霍金(Stephen Hawking)甚至更为悲观。他警告称,全面人工智能的发展可能意味着人类文明的终结。
特斯拉(Tesla)电动汽车和SpaceX运载火箭背后的技术梦想家埃隆·马斯克(Elon Musk)则表达得更为简洁。他宣称人工智能是“我们最大的生存威胁”。
人们很容易对这些担忧置之不理。然而,我们生活在一个信息技术以指数级速度发展的时代。亚马逊、英特尔和高通(Qualcomm)已经展示了能够自主导航和瞄准的无人机。
诺埃尔·夏基说,将这种技术扩大到无人机集群并不需要“任何创造性的步骤”。
2017年10月,美国空军演示了一群无人驾驶飞机如何用于监视。三架F-18超级黄蜂战机释放了103架翼展只有12英寸的无人机。这种小型的珀迪克斯无人机(Perdix)都有一个软件控制的大脑,编程目的只有一个——安装自定义雷达。
在测试中,所有无人机在没有领袖的情况下表现为一个整体。但是在自然界中,蜂群失去了领袖是不可想象的。
五角大楼于2011年开始建造珀迪克斯无人机。小型无人机的想法来自麻省理工学院的一群航空学学生。
2014年9月,该项目在爱德华兹空军基地进行了首次试飞。一年后,90架珀迪克斯无人机在阿拉斯加进行了军事监视测试。2016年10月,一架F/A-8超级大黄蜂无人机在加利福尼亚州中国湖的一个试验场上空降落了一群珀迪克斯无人机。
拥有人工智能大脑的大型武装无人机已经成为现代战争的支柱。
2016年5月,美国海军展示了一种像导弹一样发射到空中的无人机系统。
蝗虫无人机(Locust drones)一旦升空,就会装上微型炸药,形成包裹。然后无人机群组通过自定义雷达进行通信。总的来说,它们定位目标,然后做出自杀式的俯冲轰炸。
《屠场机器》(Slaughterbots)是一部将军方和私营企业的技术进步融合成一场反乌托邦噩梦的短片。这部电影的卖点是:“看看当武器做出决定时会发生什么。”
这看起来很可怕。
然而,所有实现这一目标的技术今天都已经存在,而且正在以飞快的速度发展。智能手机给了我们微电子机械系统(MEMs)。其他电子元件,如加速度计、GPS和固态罗盘,最终都变得足够小巧和便宜。
由于数十亿人随身携带智能设备,就有足够的数据最终推动了科学家几十年前承诺的人工智能革命。算法在处理和消化海量数据的过程中,每分钟都在进步。
在此过程中,投资者积累了巨额利润。经过仔细的选择,下一步可能会更加有利可图。
人工智能正在创造截然不同的赢家和输家。它将权力集中在那些早期明智地下注的公司身上。它们实现了规模经济,也有能力设置独特的行业准入壁垒。
值得庆幸的是,由屠杀机器人组成的无人机群仍然是虚构的。但是这种可能性为一些专注于飞机和导弹的国防承包商创造了巨大的商机,比如Northrop Grumman(NOC)、雷神公司(RTN)和洛克希德·马丁公司。合理的担忧意味着,人工智能很可能成为行业中一个新的主要助推器。
能够应对这一挑战的企业集团数量很少。
当合同订单在狂热妄想中分发出去的时候,这些公司以及他们的供应商生态系统,将赢得巨大的奖励。
记住,这些通常是政府合同。公司需要满足严格的安全准则。
多年来,我一直在推荐拥有大型人工智能项目的国防承包商。这将是一个非常大的趋势而且即将发生,投资者现在就需要开始建仓。
妖怪从瓶子里释放出来了,它们肩上扛着自动制导的火箭筒。
02 当心你的背后:无处不在的监控
现在请不要往后看,说不定视频监控就在你身后。这是不可避免的潮流。自愿放弃隐私,对坏人的恐惧,以及先进人工智能的出现,构成了一个强有力的组合。
2017年上半年,迪拜警方开始在城市街道上测试一辆小型自动驾驶汽车。这个机器人平台大约有一辆婴儿车那么大,配备了先进的视频设备、可以联网的人脸识别软件,以及一架无人驾驶飞机,以防不速之客偏离原有车道。
在人工智能的推动下,视频监控已成为一项专业服务。这项业务就要爆炸了。
根据全球研究咨询公司Markets and Markets的数据,对视频监控服务(VSaaS)的需求将从2016年的303.7亿美元增长到2022年的756.4亿美元,年复合增长率为15.6%。
视频监控服务供应商及其组件供应商准备进行清理。
由于人们认识到犯罪率逐年上升、恐怖袭击不断增多以及对视频监控干扰隐私的麻木接受,需求正在飙升。与此同时,相机传感器、网络存储和计算能力的成本正在直线下降。
然后是自动化的进步。视频监控曾经是劳动密集型的。尽管人类有时会打瞌睡,但他们每天24小时都在监控视频屏幕。人工智能的算法正在很大程度上取代这些人,这些算法能够识别人脸并检测运动,即使是在黑暗中。
而国家拥有的网络机器人在无处不在的社交媒体上爬行和获取信息,这是公共摄像机无法捕捉到的。
在迪拜,最初的雄心要低得多。据《连线》(Wired)报道,阿联酋与新西兰马丁飞机制造公司(Martin Aircraft Co.)签订合同,为消防员配备喷气背包。这一警用机器人策略似乎展示了人工智能监视的正当用途。对于一个想要走在技术最前沿的城市或州来说,这是一项很酷的技术。
这些机器由新加坡OTSAW Digital公司制造。该组织主席凌亭明(音译)在一份官方新闻稿中解释说,他们的目标更多的是利用机器人来加强治安,而不是追踪人类。
“机器人的存在是为了提高人类的生活质量。”凌说。
撇开快乐的话题不谈,我自己对此也感到乐观,因为新技术通常会带来重要的新行业和新业务模型,比如视频监控服务。
尽管有巨大的潜在市场,但视频监控服务的崛起几乎没有引起投资者的注意。虽然北美的视频监控在短期内不会推广到中国,但在机场或体育场等拥挤的公共场所摄像头的数量正在增加,并可以进行实时的随意观察显示。
在当前恐怖主义和旅行禁令的环境下,这一发展将急剧增长。
然而,选择正确的投资标的非常重要。视频监控硬件是一个分散的市场,而视频监控服务软件市场往往更加复杂。
小结
对我们很多人来说,人工智能是可怕的。我们习惯性地忽略了机器学习像人类一样思考的惊人可能性,因为我们深刻地意识到人类会做很多自我毁灭的事情。大批没有灵魂的电脑将大规模地学习我们所有的坏习惯,这种前景是灾难性的。
事实并非如此。当然,人工智能确实可以用于军事和监视目的。世界仍然是一个危险的地方。我们相信那些保护我们安全的人会利用每一项技术进步,加大对坏人的打击力度,这是有道理的。
然而,许多公司现在正在使用人工智能来制造自动驾驶汽车,设计更安全的基础设施,以及寻找治疗疾病和基因缺陷的方法。解决这些棘手的问题将挽救无数人的生命。
关于作者:乔恩·D·马克曼(Jon D. Markman),一位资深投研分析师、投资组合经理和获奖通讯作者,他是广受欢迎的投研类时事通讯《技术趋势交易者》、《战略优势》和《权力精英》的编辑和创始人。他不仅经常在全国性的会议上、也在电视和广播上谈论这些话题,他还是《福布斯》的长期股权科技投资专栏作家。
本文摘编自《投资未来:重构世界与财富的12大科技投资领域》,经出版方授权发布。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13