2017年5月30日星期二

余额宝最高额度下调为25万

  天弘基金在其官网发布公告称,自5月27号零时起,将个人持有余额宝的最高额度由100万调整为25万元。也就是说,今后用户在余额宝里的钱若达到或超过25万,将无法再转入资金。

  余额宝是支付宝在2013年打造的一项余额理财服务。用户把钱转入余额宝,实际上是购买了由天弘基金提供的货币市场基金,不仅能获得收益、随取随用,还能直接用于购物、转账等消费支付,从一推出便受到不少人的欢迎。

  实际上,早在是十几天前,就有传言称余额宝将调整个人账户限额,原因或与之前央行提醒其存在挤兑风险有关。尽管此前的部分传言得到证实,但这次限额下调的力度之大还是超出大家预料。

  数据显示,借助余额宝的成功,天弘基金管理资产净值从2014年开始已经连续三年行业排名第一。今年一季报显示,截至今年3月底,天弘余额宝货币基金以1.14万亿元规模创下历史新高,稳稳地占据全球第一货币基金的宝座。

  以下为公告原文:

  天弘基金管理有限公司关于调整天弘余额宝货币市场基金个人交易账户持有额度的公告

  天弘基金秉承“稳健理财,值得信赖”的经营理念,一直致力于为用户提供稳健、普惠的理财服务。4年以前,我们推出余额宝,为广大普通百姓提供了便捷的现金管理工具,将普惠金融服务带到了每一个城市和乡村的角落,广受大家喜爱,已经成为用户日常生活中的一部分。

  天弘基金始终坚持服务大众的初心,为保持余额宝现金管理工具的基本定位,从用户根本利益出发,天弘余额宝货币市场基金于2017年5月27日起将个人交易账户持有额度上限调整为25万份,已有存量不受影响。余额宝转出等其他服务功能均不受影响。

  针对理财需求较强的用户,天弘基金已提供了丰富的理财选择,感谢广大用户一直以来对天弘基金的关心和支持!

  天弘基金管理有限公司

  二�一七年五月二十七日

银联联合多家商业银行推出云闪付二维码

  据证券时报报道,5月27日,中国银联联合40余家商业银行在北京共同宣布,正式推出银联云闪付二维码产品,持卡人通过银行APP可实现银联云闪付扫码支付。

  据每日经济新闻报道,中国银联是央行批准设立的中国银行卡联合组织,中国印钞造币总公司、建设银行、工商银行等都是银联的股东,在支付领域是名副其实的“国家队”。2016年银联卡全球发行累计超过60亿张,银联卡全球受理网络已延伸到160个国家和地区。

  5月27日的发布仪式规格也很高。央行副行长范一飞作了书面致辞,央行支付结算司司长谢众、科技司司长李伟,中国支付清算协会秘书长蔡洪波,中国银联董事长葛华勇,以及多家商业银行负责人、主要非银行支付机构、知名手机厂商、商户代表等共同出席发布仪式并见证。

  中国银联宣布:目前,首批支持云闪付二维码的商业银行已超过40家,包括工商银行、农业银行、中国银行、建设银行、交通银行、招商银行等全国性商业银行,另有近60家商业银行正在加紧测试并即将开通,年内其他主要银行也将基本实现全部开通。受理方面,全国近60万商户已经支持云闪付二维码支付,约有266万商户技术开通银联云闪付二维码服务。

马云谈人机大战:中国许多公司没必要做AlphaGo

  26日,在中国国际大数据产业博览会“机器智能”高峰对话现场,阿里巴巴集团董事局主席马云说,“不要让机器去学习人类,要让机器独立思考,去做人类做不到的事。”

  马云针对人机围棋大战评论称,“我觉得人类是最有意思的动物,中国我们很多公司别再去搞AlphaGo这样的东西了,没有多大意义,因为可以做的事情实在太多了。”

  会上,马云调侃,汽车如果按照人类去走,是两条腿走路,那永远跑不快。所以,人类要呈现自己的局限性,呈现局限也是一种智慧。

  在马云看来,人类和机器竞争是体验的竞争,其竞争方式将对教育体制改革有调整,如果继续以前教学方法,对孩子进行记、背、算,不让孩子去体验和学会琴棋书画,我可以保证三十年后孩子们找不到工作。

  “因为他没有办法竞争过机器时代,机器将会取代过去两百年来很多知识和技术,所以未来要求各国各地区各个家庭高度关注未来孩子的教育。”马云说。

  近日AlphaGo和人类下围棋引社会各界关注,马云认为,中国的许多公司没必要别再去做AlphaGo这样的东西,因为没有多大意义。

  马云打趣地说到,下围棋本是很有乐趣的事,等对方下一步错棋我赢一把,结果对方这机器从来不会下错其,算得又理性又客观,“你想三步,它三百步都想好了,还永远不错棋,这有什么意思,把我们最快乐的东西剥夺掉,还侮辱我们一把。”

  “所以没有必要去跟机器再叫板谁更聪明,我们一直希望人是最聪明,未来机器人一定不是像今天的机器人,就像外星人长得跟我不一样的道理是一样的。”马云说。

  马云近日在公开场合表示研究AlphaGo没有意义,把乐趣都下没了,对于马云的这番言论,聂卫平也做出了回应,不知道马云是做什么的,认为对方应该将精力放在自己擅长的领域上。

2017年5月26日星期五

人机大战最终战:柯洁中盘认输 AlphaGo获胜

  5月27日,中国围棋峰会人机大战三番棋第三局继续在乌镇进行,柯洁九段执白对阵DeepMind人工智能AlphaGo。应柯洁赛前请求,他在此局执白棋。在历经约3个半小时的对弈后,柯洁投子认输,执黑的“阿尔法围棋”(AlphaGo)中盘获胜。至此,柯洁在与“阿尔法围棋” (AlphaGo)的三番棋较量中,连输三局完败。

  比赛进行到1小时后,有“棋圣”之称的聂卫平接替中国围棋协会主席王汝南担任现场解说嘉宾时,就刚走完20手的盘中局势判断,“黑棋已经赢了”。从现场精彩的解说可以感受到,聂卫平对“阿尔法围棋”赞誉有加。

  在历经约3个半小时的对弈后,柯洁投子认输,执黑的“阿尔法围棋”(AlphaGo)中盘获胜。尽管柯洁目前等级分世界第一,比赛中的表现也相当精彩,但在人机大战中仍处于绝对弱势。“阿尔法围棋”(AlphaGo)给人类带来很大的挑战,但它也给我们带来很多喜悦。它不仅追求着简单求胜,在选点上更为精简,它在大局观上也有了增强。

  当然,“阿尔法围棋”也并非完美无缺,自身也还有很大的进步空间。如王汝南所言,“现在说AlphaGo是‘围棋上帝’似乎有点太高了,我更愿意称它为‘围棋之神’”。

  以下为人机大战第三局比赛棋谱图。Youtube播放地址参见这里。 

人机大战最终战:柯洁中盘认输 AlphaGo获胜

2017年5月25日星期四

配对赛和团体赛组队刷AlphaGo

  人机大战今日开启“花样虐狗”的环节,国内几大高手通过不同的规则与AlphaGo过招,包括配对赛和团体赛,其中团体赛堪称“群殴”。
 
  配对赛:古力+AlphaGo VS 连笑+AlphaGo 双人围棋
 
  这个比赛的本质是双人围棋赛,是一种历史悠久的赛制,典型的双人围棋赛是混双围棋赛,即一男一女两位棋手组队轮流下棋。比赛期间同队的男女棋手严禁任何语言交流。
 
  用时规则:每方1小时自由思考时间,用完以后60秒一步读秒。
 
  特点:既然双方一人一手轮流下棋,同时严禁语言交流,双人围棋赛的竞技水平取决于两位棋手配合默契、或者说相互理解对方想法的程度。因为围棋比赛中一个战斗下来需要若干手棋,每一手之间是有联系的,两个棋手如果默契不够,就会出现一方落子以后另一个队友没能把后续手段下出来的情况。这样就会错失机会甚至造成失误。
 
  组队的两个棋手水平越接近,组队效果越好。水平差距大的情况下,水平较差的一方不能理解水平较高一方所下的棋,不能把队友的好棋的后续手段施展出来,好棋也变成坏棋。换句话说,双人围棋符合木桶理论原则。
 
  组队的两个棋手在水平接近的情况下,相互之间风格越接近,越容易理解对方的想法,棋的连贯性越强。
 
  配对赛的比赛过程中,出现了很有喜感的一幕:由于古力的失误,棋局处于下风,和古力配合的AlphaGo表示要认输,古力却拒绝认输,继续下棋,然后AlphaGo就开始乱下,几手之后古力也举牌同意认输。
 
  下午的比赛,由五人组队“群殴”Alphago,五人包括:时越、芈昱廷、唐韦星、陈耀烨和周睿羊,这 五名棋手集体讨论研究进行对局,合力对抗Alphago。五人团队持黑先走。 ????
 
  团队赛:时越、芈昱廷、唐韦星、陈耀烨和周睿羊5人 VS AlphaGo 相谈棋
 
  相谈棋指几名棋手集体讨论研究进行对局,在职业棋界不算是正式比赛,但作为一种联谊交流的手段曾经多次采用。
 
  用时规则:每方2.5小时自由思考时间,用完以后60秒一步读秒。
 
  特点:围棋作为个人竞技项目,并不是人多力量就大的。相谈棋如果组合的不好,很可能发挥的水平还不如单个选手,相谈棋要想发挥出最大威力,有如下几个方面的要点:组队选手年龄、身份相近,关系友好,可充分展开讨论;组队选手的棋风差异不能过大;组队选手之间要有明确的分工协作。

2017年5月24日星期三

人机大战第二局:柯洁中盘认输

  5月25日,人机大战第二局在乌镇举行。柯洁执白迎战AlphaGo。弈至155手,柯洁认负,AlphaGo执黑中盘胜,目前比分2比0,AlphaGo赢下与柯洁的人机大战。27日10:30进行三番棋第三局。

  AlphaGo执黑先行,将棋下在了棋盘右下角的位置。熟悉围棋的朋友都知道,按照人类的礼仪,黑棋的第一手应下在右上角,这种仪来源于日本,既黑棋的一手棋如果是占角的话,则应下在右上角,把距离对方右手最近的左上角留给对方,表示对对方的尊敬。看来AlphaGo虽然具有强大的学习能力,却没有接受礼仪方面的“培训”。

  中午11点半的时候,DeepMind创始人Demis Hassabis更新了自己的推特,内容是“简直不敢相信。根据AlphaGo的判断,柯洁现在下的非常完美。

  古力九段在解说中表示,根据目前的判断,柯洁今天的胜算很大。

  但是赢面大好的情况下,柯洁出现一个失误,导致局面处于劣势,很快不得不中盘认输。??

  以下为人机大战第一局比赛棋谱图。Youtube播放地址参见这里

人机大战第二局:柯洁认输 AlphaGo中盘获胜

AlphaGo 深度揭秘

   今日,在乌镇围棋峰会人工智能高峰论坛上,AlphaGo之父、DeepMind创始人戴密斯·哈萨比斯(Demis Hassabis)和DeepMind首席科学家大卫·席尔瓦(David Silver)在论坛上透露了关于AlphaGo的重要信息,以及AlphaGo究竟意味着什么?让人们能详细了解到AlphaGo背后的秘密。

 
  AlphaGo是什么?
 
  AlphaGo 是第一个击败人类职业围棋选手并战胜围棋世界冠军的程序,是围棋史上最具实力的选手之一。2016 年 3 月,在全世界超过一亿观众的关注下,AlphaGo 经过5局对弈,最终以 4 比 1 的总比分战胜了围棋世界冠军李世石,这场比赛成为了人工智能领域的一个重要里程碑。过去曾有专家预测人工智能需要十年的时间才有可能战胜人类职业选手,在这场比赛之后,AlphaGo 凭借其“充满创意而又机智”的下法,跻身围棋界最高职业称号——职业九段行列,成为历史上首个获得这一荣誉的非人类棋手。
 
  AlphaGo如何进行训练?
 
  一直以来,围棋就被认为是传统游戏中对人工智能最具挑战性的项目。这不仅仅是因为围棋包含了庞大的搜索空间,更是因为对于落子位置的评估难度已远远超过了简单的启发式算法。
 
  为了应对围棋的巨大复杂性,AlphaGo 采用了一种新颖的机器学习技术,结合了监督学习和强化学习的优势。通过训练形成一个策略网络(policy network),将棋盘上的局势作为输入信息,并对所有可行的落子位置生成一个概率分布。然后,训练出一个价值网络(value network)对自我对弈进行预测,以 -1(对手的绝对胜利)到1(AlphaGo的绝对胜利)的标准,预测所有可行落子位置的结果。这两个网络自身都十分强大,而 AlphaGo将这两种网络整合进基于概率的蒙特卡罗树搜索(MCTS)中,实现了它真正的优势。最后,新版的AlphaGo 产生大量自我对弈棋局,为下一代版本提供了训练数据,此过程循环往复。
 
  AlphaGo 如何决定落子?
 
  在获取棋局信息后,AlphaGo 会根据策略网络探索哪个位置同时具备高潜在价值和高可能性,进而决定最佳落子位置。在分配的搜索时间结束时,模拟过程中被系统最频繁考察的位置将成为 AlphaGo 的最终选择。在经过先期的全盘探索和过程中对最佳落子的不断揣摩后,AlphaGo的搜索算法就能在其计算能力之上加入近似人类的直觉判断。
 
  历代AlphaGo的数据对比
 
  DeepMind把AlphaGo粗略分成几个版本:
 
  第一代,是击败樊麾的AlphaGo Fan。与Zen/Crazy Stone等之前的围棋软件相比,棋力要高出4子。
 
  第二代,是击败李世石的AlphaGo Lee。与上一代相比,棋力高出3子。
 
  第三代,是柯洁如今的对手,也是年初60连胜的:AlphaGo Master。相比于击败李世石的版本,棋力又再次提升3子。
Alphago
 
  新版AlphaGo比旧版AlphaGo要“强三子”令柯洁十分惊讶,江铸久和芮乃伟特意找到哈萨比斯确认这个“三子”到底是什么意思,哈萨比斯明确表示是在棋盘上先摆上三颗子。芮乃伟私下笑说自己愿意被让三个与AlphaGo一战。 ????
 
  AlphaGo Lee和AlphaGo Master有着根本不同。
 
  新版AlphaGo Master使用单TPU运算,拥有更强的策略/价值网络,由于应用了更高效的算法,运算量只有上一代AlphaGo Lee的十分之一。所以单个TPU机器足以支撑。
 
  旧版的AlphaGo Lee使用50个TPU进行计算,每次搜索计算后续50步,计算速度为10000个位置/秒。
 
  作为对比,20年前击败卡斯帕罗夫的IBM深蓝,可以搜索计算一亿个位置。席尔瓦表示,AlphaGo并不需要搜索那么多位置。
 
  根据公开资料推测,此次AlphaGo2.0的技术原理与之前有着巨大不同:
 
  1. 放弃了监督学习,没有再用人的3000万局棋谱进行训练。这本是AlphaGo最亮眼的算法,也是今天主流机器学习不可避免的核心条件:依赖于优质的数据,在这个特定问题下就这么被再次突破了。
 
  2. 放弃了蒙特卡洛树搜索,不再进行暴力计算。理论上,算法越笨,就越需要暴力计算做补充。算法越聪明,就可以大大减少暴力计算。从AlphaGo 2.0的“马甲”Master的历史行为看,走棋非常迅速,约在每10秒钟就走棋一步,如此速度很可能是放弃了暴力的计算。
 
  3. 极大地强化了增强学习的作用,之前敲边鼓的算法,正式成为扛把子主力。想想看有多励志:两台白痴机器,遵守走棋和获胜规则,从随机走棋开始日夜切磋,总结经验,不断批评和自我批评,一周后终成大器。
 
  在这样的算法下,AlphaGo 2.0对计算资源开销极小,把当前棋局输入神经网络,电流流过,输出就是最佳的走棋方案。我猜测如此算法下,有可能仅仅依靠一个GPU工作,每一步棋消耗的能源接近人的大脑。
 
  换句话说,DeepMind的目标是构建通用人工智能。所谓通用人工智能,首先AI具备学习的能力,其次能举一反三,执行各种不同的任务。如何抵达这个目标?哈萨比斯说有两个工具:深度学习、强化学习。
 
  AlphaGo就是深度学习和强化学习的结合。AlphaGo也是DeepMind迈向通用人工智能目标的一步,尽管现在它更多的专注于围棋领域。
 
  哈萨比斯表示,希望通过AlphaGo的研究,让机器获得直觉和创造力。
 
  这里所谓的直觉,是通过体验直接获得的初步感知。无法表达出来,可通过行为确认其存在和正误。
 
  而创造力,是通过组合已有知识产生新颖或独特想法的能力。AlphaGo显然已展示出了这些能力,尽管领域有限。