0
| 本文作者： 張利 | 2017-03-11 21:37 |
人工智能（AI）經(jīng)以雷霆萬鈞之勢從學(xué)術(shù)界潛入產(chǎn)業(yè)界的每一個角落，AI已經(jīng)不是科技公司創(chuàng)新創(chuàng)業(yè)的專屬武器，因其價值之大，也成為了傳統(tǒng)行業(yè)變革求新、提高效益的利器。AI掘金志致力于傳統(tǒng)行業(yè)AI應(yīng)用的解讀，幫助從業(yè)人士尋找最有價值的模式與落地路徑，記錄AI浪潮之巔的時代變遷。
未來，我們還將舉辦相關(guān)培訓(xùn)訓(xùn)練營，以及行業(yè)首創(chuàng)的“首席數(shù)據(jù)官峰會”，搭建起數(shù)據(jù)科學(xué)家與首席數(shù)據(jù)官之間的橋梁。
AI掘金志本周關(guān)鍵詞：Google的DeepMind Health，智能診斷，IBM Watson，平安科技，Amazon Go；格靈深瞳。
IBM Watson是認知計算系統(tǒng)的杰出代表，認知計算能力能使金融服務(wù)機構(gòu)更深入了解用戶的盈利性和偏好，進而為用戶提供更加個性化的新一代產(chǎn)品和服務(wù)。Watson還可以幫助企業(yè)靈活地應(yīng)對管理風(fēng)險和合規(guī)問題，提高適應(yīng)變化的監(jiān)管環(huán)境能力。
Brian Walter是新成立的Watson金融服務(wù)機構(gòu)中客戶洞察和認知體驗全球項目主管。Omri Barzilay與Walter 討論了 AI 是如何改變金融世界。
Omri Barzilay：你現(xiàn)在看到的最有吸引力的行業(yè)趨勢是什么？
Brian Walter：當然是AI和認知計算在金融服務(wù)領(lǐng)域的應(yīng)用。
Barzilay： Watson金融服務(wù)的主要關(guān)注點在哪兒？
Walter：我們的工作重點是幫助銀行、金融科技公司和開發(fā)者建立創(chuàng)新的解決方案。我們還通過運用Watson超級計算機、機器學(xué)習(xí)和高級分析等技術(shù)，提供用戶前瞻性預(yù)測，用戶留存和流失分析，產(chǎn)品偏好，動態(tài)分段和個性洞察服務(wù)。
Barzilay：在這個領(lǐng)域，你們還發(fā)現(xiàn)了什么機會？
Walter：除了認知計算和AI之外，我們還看到了云計算和區(qū)塊鏈等子領(lǐng)域的潛在機會。銀行和金融市場非常青睞區(qū)塊鏈的商業(yè)應(yīng)用方案，接受程度遠遠高于預(yù)期。
Barzilay：你們?nèi)绾闻c初創(chuàng)公司合作？
Walter：我們會指導(dǎo)初創(chuàng)公司上市事宜、業(yè)務(wù)和技術(shù)發(fā)展，還對它們開放了訪問IBM AI平臺的權(quán)限。
Barzilay：最近有哪些創(chuàng)業(yè)公司在做一些有趣的事？
Walter：監(jiān)管、風(fēng)險和合規(guī)行業(yè)的數(shù)字化轉(zhuǎn)型會是未來幾年的掘金地。
近日，平安科技人臉識別團隊在國際權(quán)威人臉識別公開測試集LFW(Labeled Faces in the Wild)中，獲得在無限制條件下人臉驗證測試（Unrestricted，Labeled Outside Data Results）0.9960±0.0031的成績。
目前，很多成果在 LFW 人臉數(shù)據(jù)集上的準確率都停留在 99.5% 左右，平安科技團隊的成績意味著人工智能技術(shù)之人臉識別又獲得了突破，人臉識別、人工智能作用于金融業(yè)有了更穩(wěn)固的保障。
據(jù)雷鋒網(wǎng)了解，這項技術(shù)，來自于平安科技人工智能實驗室，以及大數(shù)據(jù)平臺等團隊。這次測試結(jié)果的發(fā)布，是平安科技的領(lǐng)先技術(shù)在國際學(xué)術(shù)層面的一次亮相。
日前，雷鋒網(wǎng)與平安科技智能引擎部總經(jīng)理兼大數(shù)據(jù)首席總監(jiān)、“”國家特聘專家肖京博士，以及平安科技人工智能實驗室主任、首席AI科學(xué)家劉飛進行了對話，談及平安科技在人工智能研發(fā)和應(yīng)用的進展與未來思考。
AI助長金融
早在2013年，平安就針對人臉識別方面開始做了一個前期的調(diào)研。從2014年開始，平安科技組建了自己的人工智能實驗室團隊，開始研究算法和核心技術(shù)應(yīng)用。人臉識別技術(shù)作為人工智能核心一環(huán)，目前已經(jīng)應(yīng)用到金融、安防、身份識別類等嚴肅應(yīng)用上，以金融業(yè)為例，包括刷臉開卡、刷臉取款，保險中理賠對象識別等等。AI技術(shù)的成熟運用，是“未來銀行”、“新金融”的基礎(chǔ)。比如，人臉識別技術(shù)全球首發(fā)應(yīng)用于平安普惠小額貸款 “平安i貸2.0”的融資場景。
平安科技研究深度學(xué)習(xí)，走不一樣的路
人工智能在綜合金融的大規(guī)模應(yīng)用，關(guān)鍵在于安全、準確、高效，某些規(guī)則性問題下，效率和成效甚至比人做得更出色，比如人臉識別。然而，這背后的摸索，如同黑暗隧道中前行時看到的曙光。
更少的數(shù)據(jù)，更高的精度
平安科技在研究的是，如何通過較少的樣本來達到更高的精度。劉飛表示，如果要用比較少的數(shù)據(jù)也能訓(xùn)練出很高水平的話，法寶在于算法?！拔覀冏罱陀幸粋€讓人興奮的研究課題，也是最近這幾年在學(xué)術(shù)界也有提及的，叫‘one-shot learning’技術(shù)?！薄皁ne-shot learning”技術(shù)，可以在一個單點領(lǐng)域有足夠高效、深入的應(yīng)用
AI規(guī)?；瘧?yīng)用，需要通用型AI
劉飛表示，其實我們現(xiàn)在的人工智能技術(shù)在解決當前的問題是相對分立和孤立的，人臉識別通過圖象就解決了身份識別的問題，而至于其它的方向，比如識別一個目標物體，一個電話、一輛汽車，它又是一個問題。目前人工智能，包括深度學(xué)習(xí)的介入，還是正在解決這些單獨的問題，甚至還用不同的方法解決單個問題。
“人工智能界還需要一些比較通用的方法，使得人工智能的技術(shù)基于某一個單一方案解決更多的問題。比如現(xiàn)在在研究的多任務(wù)網(wǎng)絡(luò)。一個神經(jīng)網(wǎng)絡(luò)能不能解決多個不同的問題？包括靜態(tài)和動態(tài)?！?/p>
從規(guī)則利用到數(shù)據(jù)分析，金融業(yè)進入深度人工智能階段
除了算法上的摸索，平安科技造的另一個輪子是大數(shù)據(jù)挖掘。這兩件事，都并非一蹴而就的。
劉飛解釋稱，即便更少的數(shù)據(jù)、更高的精度成為可能，但我們也不能否認數(shù)據(jù)的重要性?！爱旑I(lǐng)域進入差異化發(fā)展的時候，一方面數(shù)據(jù)可帶來算法前瞻的預(yù)言，幫助做出差異化的算法成果，同時借助數(shù)據(jù)規(guī)模又能夠較早地投入商用。而能夠較早地商用就意味著，又能幫助我們發(fā)現(xiàn)別人還沒有機會發(fā)現(xiàn)的問題，從而優(yōu)化算法，反復(fù)來訓(xùn)練?！?/p>
而做數(shù)據(jù)集中，這就需要先搭建清洗、整合等一系列的底層數(shù)據(jù)應(yīng)用以及平臺。這些做完了以后，最重要還是要挖掘數(shù)據(jù)的價值。做這么多事情，所花的力氣也可想而知。對平安來說，其無非是堅持向數(shù)字化轉(zhuǎn)型。目前第一步，是趕上了大數(shù)據(jù)、AI的列車，通過挖掘數(shù)據(jù)的價值，來提升客戶的體驗，擴大自身服務(wù)能力。
AI 技術(shù)的成熟，使得由人工智能來自動消化海量監(jiān)控視頻數(shù)據(jù)成為可能。目前，人工智能已經(jīng)逐步滲透到安防行業(yè)，最終將會把以視頻網(wǎng)絡(luò)為核心的安防產(chǎn)業(yè)，重塑為以結(jié)構(gòu)化數(shù)據(jù)為核心，以精確情報生產(chǎn)為目標的智慧物聯(lián)網(wǎng)產(chǎn)業(yè)。
作為智能安防的先行者，格靈深瞳在近 4 年間推出多款應(yīng)用于安防的 AI 產(chǎn)品，包括基于三維計算機視覺技術(shù)的皓目行為分析儀、基于結(jié)構(gòu)化數(shù)據(jù)的威目視圖大數(shù)據(jù)分析平臺、威目車輛特征識別系統(tǒng)、威目人臉識別系統(tǒng)，以及全新產(chǎn)品深瞳人眼攝像機。
在這期雷鋒網(wǎng)硬創(chuàng)公開課上，格靈深瞳 CEO 趙勇博士基于自己多年的研究和行業(yè)經(jīng)驗，深入分享 AI 技術(shù)將怎樣以智能硬件、大數(shù)據(jù)挖掘和物聯(lián)網(wǎng)的形式，深刻地變革整個安防行業(yè)。
本次公開課包括以下內(nèi)容：
? 基于人工智能的最先進的人臉、人體和車輛識別技術(shù)
? 安防產(chǎn)業(yè)為什么需要智能硬件
? 基于仿生原理的人眼相機，是怎樣實現(xiàn)大場景、遠距離人臉識別的
? 當前的人臉識別技術(shù)，在解決實際安防問題過程中面臨的挑戰(zhàn)
? 深層大數(shù)據(jù)挖掘在人工智能物聯(lián)網(wǎng)中的意義
本次公開課中，趙勇博士展示大量生動的案例和視頻，并回答多個網(wǎng)友精彩問題，所以推薦優(yōu)先觀看視頻。
一、傳統(tǒng)安防的現(xiàn)狀和急需解決的問題
在今天的安防監(jiān)控行業(yè)里，幾乎所有組成都是以視頻為核心：攝像頭是視頻的生產(chǎn)者，錄像機是視頻的存儲者，網(wǎng)絡(luò)是視頻的傳播者，監(jiān)控中心是視頻呈現(xiàn)的地方。
所以我們整個安防體系，從攝像頭到存儲都是一個擁有極大數(shù)據(jù)量的網(wǎng)絡(luò)。但一個主要矛盾：我們產(chǎn)生了太多的視頻，可這些視頻卻沒辦法消化。
目前，急需解決的問題：把普通視頻數(shù)據(jù)變?yōu)橛幸饬x的“情報”。目前以視頻數(shù)據(jù)為核心的安防監(jiān)控體系，其實給客戶帶來了大量的麻煩。因為你產(chǎn)生了非常多的數(shù)據(jù)，把這些數(shù)據(jù)放在客戶跟前，然后尋找線索，這好比大海撈針。所以整個行業(yè)都把希望寄托在智能化上，所謂智能化就是能夠把人工智能引進來，把所有的視頻數(shù)據(jù)除了人以外，引進人工智能 Consumer，能自動把這些視頻數(shù)據(jù)里面的內(nèi)容和目標變成結(jié)構(gòu)化數(shù)據(jù)。
但是當人工智能把這么多的錄像轉(zhuǎn)變成結(jié)構(gòu)化數(shù)據(jù)后，就會產(chǎn)生一個新的數(shù)據(jù)海洋：結(jié)構(gòu)化數(shù)據(jù)海洋。如果數(shù)據(jù)沒有經(jīng)過很好的挖掘，那它也不是有意義的情報。
當今天這些數(shù)據(jù)變成了結(jié)構(gòu)化數(shù)據(jù)以后，在不同行業(yè)、不同場景要有大量的數(shù)據(jù)挖掘應(yīng)用才能夠有效地把結(jié)構(gòu)化數(shù)據(jù)變成有意義的情報。
二、圖像識別在垂直安防行業(yè)的成果
1. 已經(jīng)成熟的車輛識別
2. 人物屬性識別
3. 人臉識別
三、AI 應(yīng)該用在前端還是后臺？
我覺得智能放在前端最大的好處是針對一個視頻流時，它所有的運算資源都專注于前端。放在前端有一個好處就是大量數(shù)據(jù)，用不著通過非常擁擠的網(wǎng)絡(luò)傳到數(shù)據(jù)中心去。
把智能放在后臺的好處有點像云計算，云計算的一大優(yōu)點是分享，我在后臺可以用非常強大的硬件、非常復(fù)雜的軟件把識別性能做得非常好，因為人們對識別的精度要求永遠是無止境的。但這樣會導(dǎo)致對識別算法、硬件要求比較高，如果放在服務(wù)器里可以達到這個條件，同時分享給不同的前端。
四、人臉識別的真實現(xiàn)狀
很多公司認為人臉識別已經(jīng)做得很好，但另一方面，如果大家去調(diào)查一下如果使用了人臉識別，尤其是使用動態(tài)人臉識別的客戶，大多數(shù)客戶都認為誤報率太高，而且高到基本上這個系統(tǒng)就沒有辦法使用。
五、智能安防接下來該怎么走？
1. 人工智能+人類智能
2. 人工智能+大數(shù)據(jù)
六、前沿生物視覺技術(shù)在安防領(lǐng)域的應(yīng)用
大自然是一個非常豐富的知識庫，我們可以從里面學(xué)到很多知識。計算機視覺是關(guān)于“視覺”的，所以我們會關(guān)注人的眼睛以及動物的眼睛。
據(jù)OMIM數(shù)據(jù)庫（人類孟德爾病數(shù)據(jù)庫）數(shù)據(jù)，單基因遺傳病的病種數(shù)量約有7000種，其中約4000多種致病基因和發(fā)病機制比較明確。單基因遺傳病單個發(fā)病率低，但單基因病種類極多，所以總體發(fā)病率高，且具有先天性、致死致殘性的特點。
就診斷而言，單基因遺傳病涉及多個學(xué)科，臨床癥狀復(fù)雜，且由于基因的突變具有多樣性，每種突變都可能導(dǎo)致不一樣的臨床癥狀，而突變的臨床意義也相當復(fù)雜，故診斷較為困難。而且，許多遺傳病都及其罕見，屬于罕見病，對于一名醫(yī)生來說，診斷經(jīng)驗不足，根據(jù)癥狀極易誤診。
所以對于臨床醫(yī)生而言，這些問題顯得頗有挑戰(zhàn)性：根據(jù)患者癥狀如何快速鑒別其是否為遺傳??？患者表現(xiàn)為某些特定癥狀時，哪種基因突變的概率最大？
如今，隨著基因測序成本的大幅下降，隨之而來的是基因大數(shù)據(jù)的出現(xiàn)，在這種形勢下，基于基因型和表型的關(guān)系，建立輔助診斷系統(tǒng)和臨床知識庫看起來是一條容易且有效的路徑。那么，具體搭建過程是怎樣的呢？會遇到什么意想不到的挑戰(zhàn)呢？這種方式做遺傳病診斷，遇到最大的瓶頸是什么呢？
本周四，雷鋒網(wǎng)邀請了發(fā)布了國內(nèi)首款遺傳病智能問診系統(tǒng)的北京金準基因公司副總裁孫雋回答這些問題。課程總結(jié)文將會在下周AI掘金志公眾號欄目首發(fā)。
3月9日，Google旗下的AI健康科技子公司——DeepMind Health，宣稱將使用比特幣底層技術(shù)區(qū)塊鏈，讓醫(yī)院、NHS、甚至病人自身都能實時跟蹤其個人健康數(shù)據(jù)。
該技術(shù)，又被稱為“可驗證數(shù)據(jù)審核”，可創(chuàng)建一個特殊的數(shù)字分類帳，以加密可驗證的方式自動記錄患者數(shù)據(jù)的每次交互，這意味著對數(shù)據(jù)任何更改或訪問都會被記錄到，正是這種特點，對困擾DeepMind已久的問題——患者的數(shù)據(jù)隱私問題有幫助。
2016年12月，DeepMind曾與帝國理工學(xué)院醫(yī)院合作，共同發(fā)布了一款腎臟監(jiān)控APP Streams，在這項合作中，DeepMind將會獲取到100萬患者的醫(yī)療數(shù)據(jù)。但兩者的合作因數(shù)據(jù)隱私問題備受質(zhì)疑，民眾懷疑其與NHS的數(shù)據(jù)共享協(xié)議過于廣泛，擔心這可能給予DeepMind太多的權(quán)利，甚至超過NHS。（關(guān)于這次合作，雷鋒網(wǎng)曾有詳細報道：DeepMind與帝國理工學(xué)院醫(yī)院合作，獲得100萬患者數(shù)據(jù)）
這就解釋了，谷歌AI團隊為什么搞起了區(qū)塊鏈？
我們的使命始終如一，核心探索我們?nèi)绾文荛L期建立信任、透明度和對數(shù)據(jù)更好的控制。
這此次開發(fā)區(qū)塊鏈計劃發(fā)布后，DeepMind聯(lián)合創(chuàng)始人Mustafa Suleyman如是說。Suleyman指出， DeepMind已經(jīng)采取了很多措施促進民眾信任，包括組織成立AI行業(yè)聯(lián)盟等，但是技術(shù)的方法是公司促進信任的另一種手段。
事實上，關(guān)于區(qū)塊鏈與人工智能的結(jié)合，業(yè)界早有討論，區(qū)塊鏈在人工智能的一些應(yīng)用很普通，正在逐步改變?nèi)斯ぶ悄堋Ｆ渲?，區(qū)塊鏈不可改變/審計跟蹤記錄的特點，可以為人工智能帶來訓(xùn)練數(shù)據(jù)和模型方面的數(shù)據(jù)溯源，從而改善數(shù)據(jù)和模型的可信度。
據(jù)雷鋒網(wǎng)了解，3月7日早間消息，IBM Watson即將與Salesforce的人工智能平臺Einstein合作。在IBM官網(wǎng)上，這樣介紹了他們的合作關(guān)系：
Salesforce人工智能平臺Einstein上客戶的數(shù)據(jù)與Watson的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)結(jié)合，后者有各行各業(yè)、各個來源的的數(shù)據(jù)，包括天氣、醫(yī)療保健、金融服務(wù)和零售。兩者結(jié)合后，將能夠理解數(shù)據(jù)、推理并生成決策，加速企業(yè)決策和提供更好的客戶體驗。
在其官網(wǎng)上，具體介紹了合作細則：
IBM Watson和Salesforce Einstein整合。整合IBM Watson APIs到Salesforce中，可以將非結(jié)構(gòu)化、企業(yè)內(nèi)外數(shù)據(jù)與Salesforce Einstein顧客數(shù)據(jù)產(chǎn)生的預(yù)測性洞察結(jié)合，使得銷售、服務(wù)、市場和商業(yè)等過程更智能。
提供Salesforce的IBM天氣洞察。IBM的一個業(yè)務(wù)，The Weather公司，為Salesforce AppExchange提供有關(guān)天氣洞察，這些信息可能影響客戶的行為和公司業(yè)務(wù)表現(xiàn)。
提供Salesforce的IBM應(yīng)用整合組件。客戶能將內(nèi)部部署的企業(yè)數(shù)據(jù)和云數(shù)據(jù)與Salesforce的個性化集成產(chǎn)品結(jié)合起來，直接在Salesforce的智能平臺上呈現(xiàn)。
IBM的咨詢公司Bluewolf將創(chuàng)建一個實踐單元為Einstein的軟件和服務(wù)。
這些合作細節(jié)勾勒出一個這樣的未來：能夠“預(yù)測未來”的CRM系統(tǒng)。并且據(jù)外媒報道，通過Salesforce的Einstein平臺和Watson一些業(yè)務(wù)的整合，這次合作還為IBM銷售其咨詢服務(wù)開辟了道路。
Amazon Go 從推出到現(xiàn)在已過去四個月，這期間，國內(nèi)不少傳統(tǒng)零售商和創(chuàng)業(yè)者受到影響，開始試水搭建無人零售商店。但由于對技術(shù)和工程細節(jié)不熟悉，往往無從下手。
無人零售除了應(yīng)用到計算機視覺等 AI 技術(shù)外，還涉及到大規(guī)模的傳感器和智能設(shè)備，是一個復(fù)雜且龐大的項目。雷鋒網(wǎng)了解到，雖然已經(jīng)有人分享了對無人零售商店的原理解讀，但大多只講述了粗略的實現(xiàn)方式，沒有深入到細節(jié)。為此，雷鋒網(wǎng)采訪了無人零售商店創(chuàng)業(yè)者陳維龍（微信：daoyuan3），通過講述基于 Amazon Go 原理為主的無人零售商店項目來幫大家解答疑問。
陳維龍?zhí)岬?，要打?Amazon Go 這樣的無人零售商店最核心的是要解決“什么商品被誰怎么處理了”這個問題，需要處理的因素有5個：人、人的位置、商品、商品的位置、動作。
陳維龍舉了個非形象動的例子：對于超市而言，商品存在兩種狀態(tài)——賣掉或沒賣掉；對貨架而言，商品的狀態(tài)是在或不在；對顧客而言，商品的狀態(tài)是買或不買；對人的手而言，商品的狀態(tài)是在手或不在手，進一步簡化成拿起或放回。相機和傳感器都可以表示該狀態(tài)。
其中，商品的識別應(yīng)該是難度最大的關(guān)鍵點之一。陳維龍指出，在初始狀態(tài)，特定品類的商品被放在特定位置，由相機和傳感器偵測。對相機和傳感器而言，它們只需優(yōu)先識別少數(shù)且特定的商品類及數(shù)量。這個相對而言是簡單的。即使圖片無法識別，也可以根據(jù)重量識別和篩查。在品類擺放的時候可以選擇易區(qū)分的品類擺放一起，所有被拿取的商品記錄在顧客的購物清單里。困難在中間狀態(tài)。由于顧客放回會破壞初始狀態(tài)，導(dǎo)致識別難度急劇上升。因為顧客可能放回任意商品，所以商品的識別范圍又擴大到無法解決的情況。
將商品記錄到動作的發(fā)起者身上是一件較為復(fù)雜的工程。陳維龍介紹到，識別人大體通過 2 種方式：身體特征或附帶物，例如人臉和手機。人臉識別的精度在室內(nèi)還在可接受范圍，幾乎可以當做唯一標識。手機也是一個人的唯一標識，通過判斷是誰的手機從而判斷顧客是誰。
而要匹配顧客和商品的 ID，首先要確定人和商品的定位。關(guān)于人的定位，可以用到追蹤系統(tǒng)。手機的 GPS、wifi、藍牙也可以提供較準確豐富的位置信息。關(guān)于商品的定位，紅外、重量感應(yīng)、相機、商品和貨架初始的問題都是已知的，可以推測出來。例如，通過隔板，將同類商品分在不同的網(wǎng)格種，每個網(wǎng)格對應(yīng)不同的紅外或重量感應(yīng)器，可以知道被拿取或放回商品的位置。
總之，難度沒有憑空想象的難，但是工程量不小。即使動作和商品識別能達到 100%，因為定位方案和精度問題，導(dǎo)致整體的識別存在一定的誤差，而使整個方案無法使用，或者只能部分依靠顧客協(xié)助實現(xiàn)。所以 Amazon Go 以及未來的其他無人零售店還只能在小部分范圍內(nèi)對特定人群使用，例如信用度較高的會員。
陳維龍將無人收銀分成三個階段：商品和顧客行為數(shù)據(jù)統(tǒng)計階段、識別正常購物的無人收銀階段、識別作弊的無人收銀階段。
? 第一階段比較容易實現(xiàn)，因為僅僅是統(tǒng)計，顧客不會存在作弊情況，而且統(tǒng)計誤差范圍相對于無人收銀較大。
? 第二階段是顧客不作弊的情況下，100% 記錄顧客和商品數(shù)據(jù)，達到無人收銀的效果。目前 Amazon Go 處于這個階段。這個階段的明顯特征是建立在高素質(zhì)會員人群中。
? 第三階段是識別任意作弊行為，并且準確統(tǒng)計。這個階段超市或零售行業(yè)所以的作弊行為都能被識破、杜絕，不僅可以實現(xiàn)無人收銀，還徹底解決了盜損問題。
由于成本和技術(shù)問題，陳維龍認為達到第二階段，往第三階段靠近就可以了。
相關(guān)文章：
畢馬威發(fā)布2016 Fintech投資報告、支付寶決定放棄社交 | AI金融評論周刊
Google旗下AI健康子公司DeepMind Health，為什么搞起了區(qū)塊鏈？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
