科技島讀
  • 登入
  • 關於
    • 關於島讀
    • 出刊日程
  • 內容索引
    • 文章
    • Podcast
    • 常見標籤
  • 會員滿意度
    • 2020 調查
    • 2019 調查
    • 2018 調查
    • 2017 調查
  • 訂閱
    • 成為會員
    • 免費電子報
    • 常見問答?
  • 登入
  • 關於
    • 關於島讀
    • 出刊日程
  • 內容索引
    • 文章
    • Podcast
    • 常見標籤
  • 會員滿意度
    • 2020 調查
    • 2019 調查
    • 2018 調查
    • 2017 調查
  • 訂閱
    • 成為會員
    • 免費電子報
    • 常見問答?
  • 登入
  • 關於
    • 關於島讀
    • 出刊日程
  • 內容索引
    • 文章
    • Podcast
    • 常見標籤
  • 會員滿意度
    • 2020 調查
    • 2019 調查
    • 2018 調查
    • 2017 調查
  • 訂閱
    • 成為會員
    • 免費電子報
    • 常見問答?

科技島讀 科技島讀

最新會員限定文章
  • 2021-05-26 週三 Google I/O 2021 — 工作軟體 Workspace|人工智慧模型 MUM 與 LaMDA|Google Shopping
  • 2021-05-25 週二 簡訊實聯制大獲成功|開放設計|校正回歸與規模化
  • 2021-05-19 週三 東南亞獨角獸 Gojek 與 Tokopedia 合併|華納媒體與 Discovery 合併
#200

2018-07-06 週五

2018 / 公開文章 / 年份 / 形式 / 文章 / 評析

橘子集團推虛擬寶物交易所 — 數位收藏品的巨大潛力

閱讀時間 9 分鐘

早安!今天有 3 件事情宣佈。

1. 我跟夥伴郁青參加 The Information 媒體加速器的過程,被拍成了 Netflix 風格的紀錄片《PRESSED》。歡迎觀賞前導預吿(我只有一閃而過)。

2. 島讀將於 8/11(六)下午舉辦會員活動。這一次擴大舉辦,題目為《線性企業的方法論》。線性企業是指不打算成為平台,而是專注在垂直領域做出價值的企業。

活動會採「爐邊對話」(fireside chat)形式,由我訪談三位線性企業的創辦人。這次卡司堅強,他們分別是:

  1. 繪畫體驗空間 Escape Artist 創辦人陳建衡
  2. 台灣茶品牌京盛宇創辦人林昱丞
  3. 防摔手機殼品牌犀牛盾創辦人 Ray Wang

為了讓活動更聚焦,我捨棄了論壇(panel discussion)的形式,只有一對一的訪談以及現場觀眾提問。此外也不提供直播、文字或影音紀錄 — 我甚至打算沒收觀眾的手機!

票將於 7/19 開賣。第一週限會員購買,每人限購兩張。如果票還有剩,會在第二週開放給一般大眾,但票價較貴。如果你想邀請多位朋友或同事,請他們現在訂閱。

3. 今天是試驗一週 4 篇的最後一天。下週將恢復一週三篇。請大家在信末投票告訴我感受。我會參考大家的意見做最後決定。

進入正題。


橘子集團將推出虛寶交易所

在「.com」泡沫破滅後不久,出現了一個頗具野心的遊戲《第二人生》(Second Life)。它有點像《模擬市民》(The Sims)遊戲或是電影《一級玩家》(Ready Player One)中的虛擬世界。人們可以透過化身(avatar)在其中遊走、社交。其中,它有兩項超前時代的設計。

第一個設計是虛擬貨幣,叫做 Linden 幣。可以跟美金兌換,也是遊戲世界內稅收的基礎。第二個是它創造了一個虛擬經濟體,其基礎是房地產。虛擬世界中的「土地」是可以擁有、分割、交易的。遊戲商希望透過釋出「土地」以及抽取土地交易稅來賺錢。

《第二人生》雖然轟動一時,但最終沒有成功。其中一個可能原因是「土地」的真正價值難以確定。土地的數量由遊戲商控制,沒有人知道遊戲商實際上「生產」了多少土地。事實上遊戲商釋出土地的方式多次改變,交易規則也不完善,使得玩家對經濟體失去信心。

這也是今天遊戲內交易虛擬寶物的問題。買家如何確定購買的裝備是獨一無二,且不會再被大量生產?今天有許多虛擬寶物交易所試圖用區塊鏈來解決此一問題,例如我曾提過 Y Combinator 孵化的 OpenSea。

最近台灣的橘子集團也宣布投入其中。根據數位時代報導:

橘子集團宣布將推出虛擬道具交易所,讓遊戲商可在區塊鏈上發行遊戲道具、並讓玩家自由交易 . . .

. . . [今天] 遊戲玩家若要交易虛寶,只能約到網咖面對面交易 . . . 除了交易不方便,玩家也很難驗證遊戲商發行的稀有虛寶,是否真的限量,過程並不透明。

因此,橘子希望透過區塊鏈的不可竄改特性,記錄虛寶所有權的轉移,讓虛寶交易變得更安全及透明,另一方面,以區塊鏈作為公正第三方,透過智慧合約在遊戲道具發行的同時就限制發行量,讓遊戲商無法超發限量虛寶,保障交易者權益。

. . . 而以技術來說,該平台採橘子自行開發的私有鏈,並由他們負責運算維護。

兩個現在的問題

橘子的虛寶交易所要解決兩個現有的問題:交易速度與限量發行。

第一個問題很容易理解。假設我要跟別人買一個《英雄聯盟》(League of Legends)的角色服裝。由於遊戲內禁止金錢交易,因此我只能在遊戲外匯錢給對方,祈禱對方會真的把裝備轉移給我(的角色)。不然就得約在網咖,一手交錢,一手看著對方轉移裝備。

但虛寶只是一串數字,沒有道理交易要搞得那麼複雜。這時可以利用區塊鏈。區塊鏈可以把交易紀錄層層疊疊包在資料庫中,無法竄改。當 A 把裝備轉移給 B 的紀錄寫入鏈中,A 就無法再重複轉移給 C。B 的錢就可以轉給 A。全部可以透過程式執行。

第二個問題更重要,也就是《第二人生》碰到的問題:限量發行。如何確認我的寶劍比你的飛龍更稀少?同樣可以利用區塊鏈。

區塊鏈能創造「數位的稀缺」(digital scarcity)。今天的網路其實擅長創造數位豐盛(abundance),跟稀缺是相反方向。我常比喻網路為一台巨型影印機:當我寄出電子報,其實是複製很多份給每一位會員。這對傳遞資訊很有用,但不適合做交易 — 錢可不能複製啊。

而區塊鏈解決此一問題的方法,是把觀念倒過來,把主體由「錢」轉為「帳本」。區塊鏈利用網路「複製」的特性,把有史以來的所有帳本大量複製給每一個人,而且大家的帳本必須同時不斷更新。如此一來帳本上的交易紀錄就無法竄改。其結果是帳本複製的越多,帳本上的交易紀錄越無法竄改;交易紀錄無法竄改,用戶就可以放心帳戶內的錢的數量不會改變。這就創造了數位的稀缺。

例如比特幣總數只有 2,100 萬枚,生產完就沒了。同樣的工具也可以創造其他數量有限的數位資產,例如虛擬土地、虛擬寶物。橘子集團的作法便是希望能串接遊戲商的系統,將來可以在交易所上宣告:「這是漫威遊戲內的美國隊長盾牌,只有一副喔!」

然而橘子集團採用私有鏈(private chain)來設計交易所,只有經過許可的人可以「看」到區塊鏈上的資料。換言之,玩家還是得信任橘子交易所,無法自己驗證虛寶的數量或發行歷史。而虛寶也只存在遊戲以及交易所之內。這沒有完全發揮「數位稀缺」的力量。

謎戀貓的應用

走得更前面的是謎戀貓(CryptoKitties)。複習一下謎戀貓的玩法(根據數位時代報導):

《CryptoKitties》是全球第一款採用區塊鏈技術並架構在以太坊(Ethereum)平台上的遊戲,玩家可以蒐集與繁殖電子貓,而以太幣就是遊戲中唯一交易貨幣。玩家必須用以太幣購買電子貓,每一款電子貓的價格由玩家自訂。遊戲團隊每 15 分鐘會釋出一款新品種的電子貓,新品種的電子貓預計未來價格會水漲船高,如果讓兩隻電子貓交配,生出的孩子會遺傳到各自的 256 個位元基因組,影響外觀、個性、特徵等,總計有 40 億種變化可能。

圖:Cryptokitties

每一隻謎戀貓包含 256 個基因,決定顏色、形狀、毛髮、大小等表徵。當兩隻謎戀貓交配,便會產生新的貓咪,每一隻的樣子都不同。這些基因與表徵當然全都是程式碼,因此可以不斷衍生出新品種。而由於謎戀貓是建立在以太坊這個公鏈上,因此每一個玩家都可以「看」到生成貓的紀錄,也可以放心手中的貓是獨一無二的。

不僅如此,就像比特幣可以分叉(fork)出新的加密貨幣,每一隻謎戀貓實際上可以看作是以太坊上的一個代幣 — 一串數據資料的集合。因此其他團隊可以在謎戀貓之上再設計新的應用。例如 KittyHats 是一個為謎戀貓設計帽子的遊戲。它的帽子可以「附著」在謎戀貓之上,就像一般虛寶穿在角色身上。還有 KittyBattles 是一款謎戀貓對戰遊戲。

圖:KittyHats

重點是這些衍生的遊戲與謎戀貓的製造團隊無關,而是其他團隊自行開發出來的。

這種作法與橘子的交易所正好相反。橘子的做法是為遊戲虛寶創造一個數位代碼,讓虛寶可以集中交易;但虛寶仍只能在各自的遊戲內使用。而謎戀貓則是創造了一個獨立存在的數位資產,可以被拿去用在不同的應用中。

讀到這裡,你可能要忍不住發飆了:「這都很好,但到底有什麼價值?我又不喜歡貓!」

近期的價值在於可以創造獨一無二的數位收集品(digital collectibles),也叫「不可替代代幣」(non-fungible token)。而且這些數位收集品可以不斷衍伸出新的應用場景。例如 Decentraland 基本上就是區塊鏈時代的《第二人生》。但這一次土地是可以確認稀缺的。而且土地不會只鎖在一個「世界」內,而可以被不同人拿去做不同的應用。

今天許多人參加演唱會,會在現場拍照、打卡,上傳到社群媒體。他們其實不是真的想傳遞場內的狀態 — 模糊的照片也很難感受現場氣氛。他們是想要宣告「我來到五月天的演唱會了!」是一種紀念或是炫耀。

但這獨一無二的體驗,現在可以有一個數位的標誌。例如五月天可以在演唱會發佈該場演唱會的「數位徽章」。觀眾可以收集不同演唱會的徽章,作為不可磨滅的證明。

更大的價值來自融合數位與真實世界的體驗。例如五月天可以舉辦「VIP 演唱會」,僅限曾經參加過至少 5 場演唱會的鐵粉參加。或是所有車廠、零件商可以在每次銷售產品時,同時提供一個數位代幣。當美商藝電(EA)推出新的賽車遊戲,就可以有「真實車主」模式,依據車主的數位代幣提供對應的虛擬車輛。車主也可以憑此代幣參加車廠舉辦的活動 — 或是任何人舉辦的活動。

新技術的應用需要想像力。我另外想到的例子是讓所有 NBA 球星創造數位替身。這些數位替身內建特定使用條件,例如要支付一定的價格。任何遊戲、媒體、應用團隊只要滿足使用條件,都能使用這些數位替身,不需要經過傳統的官方經紀人體系。

肯定還有更多可能性,只是我想像力現在貧乏了。還有哪些獨一無二的體驗,是具有彰顯地位或是心理滿足意義,值得在數位世界裡被再利用?搭乘商務艙、去米其林餐廳、玩迪士尼樂園、擁有名畫、參加畢業典禮 . . . ?

今天最熱門的區塊鏈應用是可替代的代幣(fungible token),例如比特幣。我付 100 元,跟你付 100 元可以互相交換,沒有任何差別。但實體世界中大部分東西其實是不可替代的,貨幣是例外。我的吉他、書籍、兒女跟生活體驗都是不可替代的,可是缺沒有數位世界的對應。即便有,也被困在某一數位世界內,無法自由移動。區塊鏈提供了新的可能。

未來說不定每一篇電子報都會附上一個代幣。集滿 100 個的可以優先參與會員聚會?

Ep.21

2018-07-02 週一

音頻

[Podcast] 用人話談人工智慧

機器學習將成為進取者的武器,防守者的警鐘。本期音頻從商業策略的角度來探討人工智慧的發展,以及未來的各種應用方式。

#196

2018-06-29 週五

2018 / 公開文章 / 文章 / 評析

輕或重的選擇 — 冥想平台 Calm 募資|房屋買賣平台 Opendoor 募資

閱讀時間 8 分鐘

早安!

提醒本週五沒有 podcast,改到下週一。

台北小有名氣的健身房新創「Myfitness 幫妳顧小孩健身房」最近宣布歇業。其創辦人在臉書上分享失敗教訓,包括擴充太快、固定成本高以及與外包廠商的糾紛等。最終虧欠 4 千多萬,靠抵押創辦人父母的房子償還。字字血淚,值得借鏡。

有些網路圈的朋友感嘆「實體創業風險果然很高」。其實網路創業不一定成本低,真正的優點是軟體可以快速修改,彈性較大;不像健身房需要土地、器材。今天就討論一個「輕」資產與一個「重」資產的網路創業。

進入正題。


冥想平台 Calm 募資 2,700 萬美金

你覺得生活忙碌,需要冥想嗎?Calm 宣布募資 2,700 萬美金,估值 2.5 億美金(約 76 億台幣)。更難得是已經盈利。根據中國獵雲網報導:

位於舊金山的 Calm 是 . . . 可幫助用戶冥想的應用程序之一,能使用戶緩解壓力並保持冷靜。若訂閱一年其每月費用為 4.99 美元,服務包含多種節目並包含超過 100 小時的音頻內容,旨在幫助減輕焦慮,抑鬱和失眠。少量功能和程序可免費使用。

. . . 據團隊表示 Calm 已經盈利,在銀行內另有 2,700 萬美元的資產,並計劃未來的全球增長率將翻 [倍]。

Calm 提供 10 分鐘的免費冥想課程。用戶可以在地上打坐,戴上耳機,Calm 會播放協助用戶進入冥想狀態的口白。另外用戶可以購買加值內容,例如「成人的睡前故事」,或是買一年 60 美金的生活課程。創業 6 年,Calm 現在有 60 萬用戶,去年營收 3,700 萬美金。

這是標準的網路「輕」題材。冥想是一個人在家中的靜態活動,非常適合透過 app 與耳機服務。

而且甚至可以說是網路催化了冥想的需求。網路帶來的資訊爆炸、紛紛擾擾,佔據人們的注意力,讓人經常覺得身心俱疲。許多人覺得生活失去控制,反而開始追求心靈的平靜。過去表彰優化生產力的「生活駭客」(life hack)運動這幾年消聲匿跡,反而是強調靈性的「活在當下」(life well-spent)運動興起。

那麼想必開發 Calm 的是一位充滿平靜的睿智長者?Calm 創辦人的故事其實比產品更有趣。根據 The Hustle 報導,創辦人 Alex Tew 第一個做的產品跟 Calm 截然不同。當時他 21 歲,因為學生貸款而頻臨破產。為了快速賺大錢,他做了一個幾近詐欺的創業點子,叫做「百萬首頁」計畫(The Million Dollar Homepage)。

該首頁就是一個網頁,開放廣告主競標。每一個廣告主最少出 100 美金,可以購買 10 x 10 像素的空間,放上廣告主的商標以及連結。就這樣,沒了。這本身就是一個買空賣空的噱頭,希望能吸引廣告主參加這個噱頭。

結果他成功了。第一天他賣出了 3 千美金的像素。到第 4 個月內他賣掉了所有像素,總營收超過 1 百萬美金,從破產變成百萬富豪。下圖是該首頁的最終拍賣成果(到今天仍在線):

圖:The Million Dollar Homepage

他成為網路發展初期,年輕人「一夕致富」的故事之一,就像中樂透一樣。少年得志,伴隨的是巨大的失落。接下來幾年 Tew 想複製類似的成功卻不可得,陷入焦慮、睡眠問題以及失去生命意義。後來他從冥想中找尋慰藉,才有了 Calm 的誕生。

從策略的角度,很難說 Calm 有什麼絕對的優越性。它的商業模式不複雜,需求也很明確。今天有很多家冥想平台,都募到不少錢。或許 Calm 成功的關鍵就是「起跑早」,撞上了冥想的風潮。它在 2012 年創立,當時冥想還只是神秘的「東方儀式」,瑜伽、有機文化剛開始發軔,app 付費也不普及。Tew 說他多次募資簡報都被 VC 嘲笑。但現在天時地利人和齊備,恐怕 Tew 也沒有預料到有那麼多人從網路遁入冥想之中。

Paypal 創辦人 Peter Thiel 說創業最重要的是要有一個「秘密」:你相信為真,但大部分人不相信的事情。或許當時的 VC 對上面這張圖的「爆炸式吸引注意力」比較感興趣,更符合當時追求點擊、眼球的氛圍;唯有 Tew 第一線理解激情後的疲乏,反而踏上了新一波的浪潮。


房屋買賣新創 Opendoor 募資 3.25 億美金

這則新聞有一點久,但很適合討論重資產創業。Opendoor 用平台的方式做房地產投資客:買進房子,稍微翻修後再賣出。現在估值約 20 億美金。根據華爾街日報報導:

該公司擅長買進房屋再快速賣出,將用該筆資金於 2020 年前擴展至美國 50 個城市。目前其在 10 個城市運作。

. . . 加上本輪,Opendoor 共募了 6.45 億美金,另外有 15 億美金的債。

有買賣過房子的會員應該知道,買賣房屋的過程非常無效率。買方得跟仲介到處看房子。賣方得忍受一堆買方來看房子(若還住在裡面更麻煩)。雙方必須不斷「相親」,多次談判。更不利的是賣方在賣出房子之前,手頭沒有錢買新房子。Opendoor 希望能用科技改善流程。它標榜屋主可以在手機上就完成賣房子,而且註冊當天就能拿到平台的出價。

怎麼做?屋主先上 Opendoor 申請,填寫房屋狀況的問卷。Opendoor 會根據地段、鄰里環境等「大數據」(現在流行叫人工智慧)出價。出價內含平均 8% 的佣金。這佣金包括要分給買方仲介的佣金,以及「風險溢價」。若屋主同意,Opendoor 會派人去檢查房子狀況,列出修繕的清單。只要屋主完成修繕,Opendoor 就會完成交易。

圖:Opendoor

換言之,Opendoor 是一個不囉唆的買家。屋主的收入比較少 — 8% 的佣金高於傳統仲介的 6% — 但換來速度與確定性。不用帶客、裝飾,也不用焦慮等待。這有點像賣二手車。在網路上賣給個人的價格較好,但是得花很多時間。賣給車商通常當天就可以敲定,只是價格較差。

屋主賣屋的摩擦力減少了,但要怎麼減少 Opendoor 轉手賣出的摩擦力呢?它研發了一些自動化賣屋的技術。例如潛在買家可以用 Opendoor 的 app 接收房屋的門禁密碼,自己進房子檢查屋況(屋主賣完房子已經搬走了)。當然屋內外會安裝監控系統。根據統計,大部分買家會在交易前 7 天連續去看房子,然後在交易後 7 天連續去看房子。

這種做法對許多賣家非常有價值,例如急需用錢,或是已經選好下一間房子,手頭缺乏資金的屋主。對於重視資產流動性的高收入族群也有價值。因此 Opendoor 成長得很快。只要定價精準,Opendoor 可以從房屋的價差與佣金賺很多錢。而且 Opendoor 越受歡迎,使用的屋主越多,其定價模型越準確。使用的買方(或是買方仲介)越多,其週轉壓力越小,就能購買越多屋主。形成正向循環。

但是,快速成交也代表快速出現存貨。Opendoor 必須掏出真金白銀買房子,還要承受房屋「滯銷」的存貨壓力。只要定價模型不準、利率或市場景氣大幅度震盪,或是周轉不靈就會陷入危機。所以 Opendoor 必須儲備很多資金,是名副其實的重資產新創。

相較於 Opendoor,其他更早期的房地產新創都採用更「輕」的切入點,也不會實際參與交易。例如最知名的 Zillow 的服務是把房屋放到地圖上,並列出每一個房子的估價 — 類似台灣的實價登錄網。其商業模式最終演變為向賣方仲介收取廣告刊登費,有點類似 Linkedin 變成獵人頭公司的廣告通路。

Zillow 也很有價值,但沒有根本性的撼動房地產業,也沒有創造新價值。它只是搶奪了報紙的房地產分類廣告市場。Opendoor 卻是實際解決了買賣雙方的重大痛點(pain point)。

特別是賣方在交易中非常不利。這通常是屋主一輩子最大金額的交易,卻要同時面對具有資訊優勢的仲介,以及具有談判優勢的買方。屋主只能仰賴賣方仲介;但賣方仲介要的是抽佣,因此通常最在乎成交,不太在乎創造最高價格。

Opendoor 給了賣方信任與確定性。這都很有價值,因此 Opendoor 的單位交易利潤可以很高。然而這一切的基礎都是高成本。

要「平台化」房屋交易,Opendoor 必須讓房子流動起來 — 像是放在 Amazon.com 上的商品一樣。首先必須讓屋主搬出房子,潛在買家才能自由地看屋。但要讓屋主搬出房子,Opendoor 就買下房子。要大規模的買房子,就必須有資金、精準的定價模型,還要讓屋主可以自助(self-serve)辦理的介面,以及快速成交的執行力。這都需要大規模的投資。

輕資產或重資產創業,其實取決於要解決的問題。Opendoor 遠比 Calm「重」,但潛在利潤與護城河也數倍於後者。世界上沒有太小的生意,只有太高的成本。反過來說,也沒有太高的成本,只有太小的生意。

推薦閱讀

  • Gogoro 換電站的規模優勢|高通擬擴大在台研發
  • 最低的水果摘完之後
  • Airbnb 與 Uber 的 IPO 差異|聲控助理是特洛伊木馬
  • 謬論:台灣市場太小,做不起來 [填入產業] 的
#195

2018-06-28 週四

2018 / 公開文章 / 文章 / 評析

如何理解機器學習的威力

閱讀時間 7 分鐘

早安!

謝謝已有數百位會員填寫了島讀滿意度調查。許多都留下寶貴的意見。其他朋友們也希望能撥 5 分鐘填寫。

進入正題。


是人工智慧還是機器學習

我不時會寫一些標題為「如何理解 XXX」的文章,試圖釐清一些大家耳熟能詳,但又模模糊糊的東西。例如「如何閱讀 IMD 世界競爭力排名」、「如何保守的投資比特幣」等。今天討論人工智慧。

每一本商業雜誌都拿人工智慧作封面。但大部分人還是模模糊糊,不太確定人工智慧厲害在哪。同時又有許多人言之鑿鑿,恐嚇人工智慧勝負已定。例如李開復說中國掌握資料,因此將掌握人工智慧(阿里巴巴技術委員會主席王堅反駁)。還有如 Elon Musk 宣稱人工智慧可能滅絕人類,搞得大家更是人心惶惶。

人工智慧究竟會帶來什麼影響?首先要理解今天技術上的突破,並不是創造了像電影《雲端情人》(Her)中的通用人工智慧(General Purpose Artificial Intelligence)。業界在討論的人工智慧,指的是機器學習(Machine Learning)的成熟。

機器學習的重要應用之一是圖像辨識(image recognition)。例如以下這張照片:

圖:Mariya Yao

一般人可以分辨出藍莓馬芬與吉娃娃,現在機器學習讓電腦也可以分辨了。這包含兩層創新。

第一層創新是人類不用為電腦寫規則。過去要教導電腦挑出吉娃哇,必須由人類寫出規則再交由電腦執行。這是「規則主導」模式(rule-based model),或稱專家模式。這種規則容易建立、不需要大量資料;缺點是很僵硬,不容易更新或應用到其他問題。例如把問題改成「辨別巧克力馬芬與吉娃娃」,就需要重寫規則,缺乏規模性(scalability)與彈性(optionality)。

而今天的機器學習採用由下而上的作法。人類先餵給電腦數千張藍莓馬芬與吉娃娃的照片,讓電腦自己找出圖片的相關性。接著混合藍莓馬芬與吉娃娃的照片,測試電腦。每當電腦判斷錯誤就「釘」它,讓它自行從錯誤中學習(所以叫機器「學習」)。今天電腦的辨識率已經可以勝過人類。

第二層創新在於人類可以交付電腦執行一些過去難以描述的任務。例如「分辨藍莓馬芬與吉娃哇」其實是複雜的指令,必須先定義「藍莓馬芬」與「吉娃娃」。現在可以用餵圖片與「釘」電腦取代。這有點像養育小孩。「捷運月台很危險」是抽象的概念,不容易教導。但每次小孩一靠近月台就打他屁股,他就會理解「那種空空的地方不能靠近」。

當然,你會問:「圖像辨識有什麼用?」

這是矽谷創投 Andreessen Horowitz 合夥人 Benedict Evans 最近討論的問題。他寫了一篇文章,舉出三個討論機器學習的切入點,我覺得很有啟發。分別是:

  • 關聯式資料庫(relational database)
  • 賦權的技術層(enabling technological layer)
  • 自動化(automation)

關聯式資料庫與賦權的技術層

他認為機器學習的價值將會類似關聯式資料庫(relational database)的影響力。

關聯式資料庫是今天所有企業軟體的底層架構之一。其於 1970 年由 IBM 的科學家提出。在此之前,企業使用「階級式資料庫」(hierarchical database)。有點類似醫院的紙本病歷庫。病歷一張張的放在檔案夾中,檔案夾放在一排一排的架子上,依年份或科別存放。資訊的階層位置是固定的;若有人需要「跨」病例的資訊,只能沿著原有的階層去上下搜尋。

一旦有人問一個新的問題,與原來的階層架構不符,就會產生問題。例如「2017 年台灣男性前三大死因為何?」要回答這問題,必須調出所有男性病歷,移除還活著的病歷,再分析所有死因。

而在關聯式資料庫中,資料庫是以資料之間的關係來架構,而不是資料本身。換言之每一個病歷報表包含不同欄位,欄位又與其他報表上的欄位連結。因此只要變動資料的結構關係 — 例如改以「年齡」、「性別」及「死因」為分類 — 就可以回答上述問題。

關聯式資料庫的問世,創造了一個新的技術層(technological layer),引發許多後續重要的應用。根據 Benedict Evans:

這深深的改變了使用資料庫的方式,也帶來新的使用情境與獨角獸。關聯式資料庫帶來了甲骨文(Oracle),也帶來 SAP,而 SAP 與其同業帶來了全球即時供應鏈,因此有了蘋果與星巴克。到了 1990 年代,幾乎所有企業軟體都是用關聯式資料庫 . . . 這個技術成為所有東西的賦權層(enabling layer)。

這是今天討論機器學習比較實在的角度 — 是我們用電腦的方式的飛躍式進步,將來機器學習會嵌入不同公司的不同產品之內。最終,所有東西裡面都會有機器學習,大家再也不會特別留意。

機器學習將為電腦帶來新的能力,解決新的問題。但不要太快跳到《雲端情人》或是《魔鬼終結者》裡的機器人。更實際的例子是洗衣機。

洗衣機也是一種機器人。它分擔了人的工作。未來的洗衣機可以做得更好,例如可以辨識衣物的質料,人們就不必先行分類衣服。或是能夠辨識污漬的成分,自動調整水量、旋轉力道與溫度。過去洗衣機的使用規則很僵硬,仰賴人類預先做許多判斷,就像階層式資料庫受到僵硬的結構限制。未來卻可以更彈性、更靈活。

自動化

機器的最大價值之一是自動化。例如洗衣機自動化了洗衣服。而機器學習能讓自動化一些過去只有人類會做的工作。例如上述「馬芬與吉娃娃」的例子,就可以看作是自動化一個 10 歲小孩能做到的事情。換言之,今天人類可以無限地複製很多位 10 歲兒童,幫忙看照片、聽聲音。你每天有多少待辦事項希望能外包出去,而且其實只要兒童就能完成?(我第一個想到的是洗碗)

同樣來自 Benedict Evans:

機器學習不需要打敗專家或是數十年的經驗。我們不是要自動化專家。我們要的是能「聽這些來電然後辨識出憤怒的人」、「讀這些 email 找出焦慮的人」、「看上千張照片然後找出酷(或是奇怪)的人」。

從某方面來說,這就是自動化一直以來的貢獻。Excel 沒有製造出機器人會計師,Photoshop 與 Indesign 也沒有帶來機器人平面設計師,而蒸汽引擎也沒有做出機器馬( . . . 西洋棋電腦也沒有創造出裝在盒子裡的愛發脾氣的中年俄羅斯人」。我們只是自動化特定任務,但能空前的規模化。

例如 Facebook 能自動辨識照片中的朋友、Siri 能把話語轉變成文字、商湯科技能從機場監視器中辨識形跡可疑的人士。這些都是 10 歲兒童受過訓練後能做到的事情,現在電腦可以瞬間、大規模的完成。

由此推展,Benedict Evans 認為機器學習的用處可整理為三大項:

  • 優化既有能力:如果你原本就用電腦分析資料,例如優化銷售轉化率、工廠生產效率,甚至顧客滿意度,那麼機器學習能強化既有的能力。例如代買跑腿平台 Instacart 用機器學習重新規劃跑腿的移動路線,省下 50% 時間。
  • 從既有資料找到新洞見:例如過去檢察官必須分析成千上萬的 email,工程浩大。現在可以先叫電腦找出所有「憤怒」、「焦慮」、「說謊」的 email,再從中找出蛛絲馬跡。工廠可以為產品照相,叫電腦找出人類看不見的瑕疵。
  • 開啟新的資料類型:如前述,過去電腦無法直接處理影像、聲音甚至文字 — 必須先轉換成指令。現在可以了。電腦甚至可以輸入影片,再輸出影片,例如我寫過的 deepfake。

創造狹隘的專家

最後機器學習還有一種應用,不是複製成千上萬個一般兒童,而是創造狹隘領域內的頂尖高手。這以圍棋機器人 AlphaGo 為代表。

人類給 AlphaGo 一套圍棋規則,再叫它不斷的自我對弈,從中發展出最佳策略。這相當於培養一個專注單一領域,但思考速度非常非常快的兒童。如果你的領域有一套明確規則,那麼機器學習就大有可為。

今天我們不清楚「機器學習能做什麼」就像 1980 年代大家都在問「關聯式資料庫很酷,但有什麼用?」當時關聯式資料庫相對耗能、耗算力,也缺乏支援的環境。但隨著摩爾定律發威,關聯式資料庫成為標準。資料不再是困在檔案庫中的紀錄,而是可以據以判斷、預測的智能(intelligence)。未來人們會將機器學習嵌入各式各樣的產品中,提供各式各樣的能力,並且又再次的習以為常。

Ep.20

2018-06-22 週五

音頻

[Podcast] 投資 ICO 合法嗎?

本期音頻特別邀請區塊勢作者許明恩共同主持。代幣眾籌(Initial Coin Offering,ICO)如火如荼,儼然新創募資的最快管道。然而投資人擔憂血本無歸。美國證券交易委員會主管最近提出準則,用來判斷加密貨幣的適法性,為混亂的產業帶來一線清晰。

Ep.19

2018-06-15 週五

音頻

[Podcast] 電商不只是電商

本期音頻中,我們討論 PChome 面對的不公平競爭、企業轉型的無解、蝦皮的長期優勢、網路平台的集中性,以及亞馬遜如何重新定義競爭。

  • « 前一頁
  • 1
  • ...
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • ...
  • 53
  • 下一頁 »
科技島讀
  • 關於我們
  • 常見問題
  • 服務條款
  • 隱私權聲明
COPYRIGHT © 2025 DAODU TECH, ALL RIGHTS RESERVED.
聯絡我們
  • Mail
  • Messenger
掌握最新科技趨勢,你可以 訂閱科技島讀 或 收到最新通知