...继续阅读 (29)

关于聊天机器人（Chatbot）是下一个风口的说法不绝于耳，甚至有人喊出了：“总有一款聊天机器人适合你”的口号，让人想起苹果的经典广告语：“总有一款APP适合你”。不少海内外科技媒体认为聊天机器人是风口，创业公司需要把握这个机会，然而真的是这样么？我们把聊天机器人定义为：基于聊天平台，通过自然语言模拟人类进行对话来完成一定任务的程序，和智能助理（Smart Assistant）区分开。比如微软小冰就是聊天机器人，而微软小娜就是智能助理。聊天机器人前景似乎美好目前移动APP有着诸多弊端。每个APP都有自己的用户界面、用户体验，每个APP都在占据着设备空间。而聊天机器人将各种程序功能整合起来是一个美好的愿景，可以免去用户繁琐的筛选。通过与机器人会话，就能够调用所需功能，得到服务和信息，而且免去了注册和登录等繁琐的动作。聊天机器人似乎给人们的生活带来更多便利。比如，必胜客在8月将推出聊天机器人，从Facebook和Twitter社交平台上接受订单；http://Booking.com的聊天机器人可以推荐当地的美食和旅游景点。（Pizza Hut推出聊天机器人）可以想象的是，聊天机器人的开发成本将显著的低于APP，而集成聊天机器人也会比让用户下载APP更加便利。但是，我们认为，在未来几年内聊天机器人对于初创公司来说很可能是一个美好的陷阱，只会是大公司的玩具。聊天机器人技术不成熟Operat ...继续阅读 (31)

...继续阅读 (31)

...继续阅读 (36)

Snapchat 这一轮估值主要的逻辑在这里有说http://www.adweek.com/news/technology/snapchat-will-hit-nearly-1-billion-ad-revenue-end-2017-173287核心就是，在2017年营收能达到10个亿，这种情况下它的price earning ratio就是 25倍。一般情况下这种广告互联网的公司一半的钱会变成纯利，那么这个收入是相当可观的。支撑这一个Billion的收入是这四个（数字是早先的计算）：Snapchat Ads Discover ：250MSnapchat Ads Live Stories：300MSponsored Lenses：160MSponsored Geofilters：100M个人认为Lenses和Geofilter都是闹着玩的（立这个贴就是日后可以拿来打脸的），都是希望brand在自己的平台上面刷形象来付钱。这个逻辑我觉得是不通的，但是我具体就不多说为什么，因为反正都是小头。我觉得成败就看discover 和live stories。为什么这么说呢？Snapchat有一亿5千万active users［1］，然后还说6千万是北美［2］。赚钱主要靠北美，Snapchat的逻辑主要是赚brand的钱，6千万用户平均每天看10个广告，CPM算2刀吧，一年就是438M，加上剩下 ...继续阅读 (33)

...继续阅读 (30)

...继续阅读 (33)

...继续阅读 (32)

...继续阅读 (32)

...继续阅读 (32)

...继续阅读 (34)

每次遇到和老人相关的问题，我都会先想想同样的情境，放在年轻人身上是怎样的。上网的时候，我们在做什么？社交、获取信息知识、购物、娱乐。这是我自己每天上网会做的事情，也是我教爸爸妈妈上网做的事情。这方面实证研究不算多，咱就结合生活中的例子聊聊。1. 社交从前的生活慢，生活圈子的熟人范围流动性也不大。老人家的社交生活，大约就是一条弄堂从头走到尾的老街坊邻居逐个打个招呼，不然就是公园里晨练。而互联网和相应app的作用就是，让他们除了见面那一下之外，在自家的时候也能保持联络，通过朋友圈知道彼此的近况。我对我爸妈的观察是，他们因为兴趣爱好加入的圈子都有自己的微信群，自己玩的不亦乐乎，还经常组织线下的各种同城活动。即便没有扩大新的朋友圈，起码互联网方便了我们之中许多离家千万里的朋友，和家乡的父母亲人保持联络。而和家人朋友的亲近感，和世界的连接感，都能激发积极的情绪。2008年CyberPsychology & Behavior发表了一篇老人上网的研究，Internet Use and Loneliness in Older Adults，在澳洲222位55岁以上的长者中展开了问卷研究，结果发现，如果把互联网当做一个沟通的工具，长者的孤独感显著减弱。但是，如果把互联网当成认识新朋友的工具，孤独感则显著加强。所以，社交如果由线下开始，线上作为辅助，很大程度上能减低长者的孤独感。2. 知识信息 ...继续阅读 (30)

这个问题很有意思。这中间的区别更多的是历史遗留问题，并且来源于学术上的流派不同。多因子资产定价模型只是对定价核(Pricing Kernel)的线性逼近，ICAPM，APT和Fama-French是三个最流行的分支。先列个小提纲吧。心急的人可以跳过第1部分和第3部分。定价核(Pricing Kernel)和边际消费效用增长率多因子模型是定价核的线性逼近ICAPMAPTFama-French1.定价核(Pricing Kernel)和边际消费效用增长率在一个经济体里，投资者配置资产的目的是为了最终获得财富，而财富最后用于消费，消费产生效用(utitlity)。可以证明，对于任意的资产，总是满足下面的关系即，在期的资产价格是的价格和红利之和的折现。由于下一期的价格和红利的数值都是不确定的，所以我们对其取期望。而这个用来折现的函数本身也是一个随机变量，一般称作stochastic discount factor(SDF)或者更流行地被称作定价核(Pricing Kernel)。学术界流行的观点是，任何资产定价模型只是CCAPM(CCAPM 模型和 CAPM 模型的关系是什么？ - 金融学)的一个特例而已。在CCAPM中，定价核可以被写成一个关于边际消费效用增长率的关系式其中是一个主观折现率，它的数值越大则下一期发生的事件在决策者的心中越重要。是边际消费效用。2.多因子模型是定价核的线性逼 ...继续阅读 (33)

人工智能这把火已经烧到了国家战略层面，连美国总统和政府机构也卷了进来。上周四，奥巴马主持白宫前沿峰会，展望美国在未来50年的发展。峰会中，白宫发布报告《国家人工智能研究与发展策略规划》。相关情况，大家可以参考《连线》杂志的总统专访（Barack Obama on Artificial Intelligence, Autonomous Cars, and the Future of Humanity） 。这两天，自媒体没少炒作这个报告；我自己呢，倒是特别地对这个报告中的两张趋势图感兴趣。报告中说，从2013年到2015年，SCI收录的论文里，提到“深度学习”的文章增长了约六倍，同时强调，“按文章数计算，美国已不再是世界第一了。”美国不是世界第一？谁是世界第一呢？来看报告中的两张趋势图：上图是每年SCI收录的文章里，提到“深度学习”或“深度神经网络”的文章数量变化趋势，同时按国家做了区分。数据本身是从Web of Science核心数据库里查询得到的。第二张图和第一张图其他条件一样，只是增加了一个“文章必须至少被引用一次”的附加条件。也就是说，第二张图统计的文章数，是被引用过的“有效文章数”，相对来说更合理一些。两张图里，中国都在2014年和2015年超过了美国（以及其他所有第二梯队的国家），居于领跑者的位置。问题来了，在AI研究领域，中国人真有这么强吗？从这些年的直觉看，中国人/华人 ...继续阅读 (34)

...继续阅读 (32)

...继续阅读 (32)

...继续阅读 (30)

...继续阅读 (30)

...继续阅读 (30)

谢刘同学邀。这不是我的工作方向，试着回答一下，如有专家请补充回答，勿喷。机油量不是一个非常严格的指标，多加一点少加一点其实都问题不大。（汽油缸，水箱等的设计也一样）设计的时候通常需要设定一个最小值和一个最大值，因为机油在使用过程会有少许损耗所以必须在最小值上面放一定的余量，最小量是模拟机油泵高速运转时机油可以蔓延到机体内各个指定位置时所需量来进行计算的。现在的发动机的设计已经发展到试做机出来之前既可以非常精确的建立流体模型，所有弯弯曲曲的流体道容积都可以精确到毫升，这在没有电脑建模技术之前是不可想象的。同理最大量就是以不要溢流为上限，还要考虑到机油虽然是非压缩流体但也不可避免会有体积膨胀的情况，多多少少都要放一定的余量的。机油尺就更简单了，等视作机出来之后，按照设计的最小值和最大值投入机油量一下就可以作为用户的识别指标了。上图的F是上限，L是下限。是不是发现下限并不是零？这个值就是根据最小量设计的。一般的乘用车所需的机油大概为3～4升，发动机体积越大基本上需要量也就越多。－－－－－－－－－－－－－－－－－－－－以上为回答。稍微多聊几句。发动机油的油种设计涉及到流体力学，热力学，润滑学等等学科，据我了解在完成车maker里面不是作为一个专科来研究，通常是外部的专业公司（例如castrol）进行开发后推荐给各个汽车商，然后汽车大厂根据需要的各种性能来选别机油。不要小看机油，机油可以全面 ...继续阅读 (30)

...继续阅读 (38)

...继续阅读 (31)

...继续阅读 (30)

...继续阅读 (35)

...继续阅读 (30)

...继续阅读 (32)

...继续阅读 (29)

...继续阅读 (33)

...继续阅读 (35)

...继续阅读 (36)