國外的轉(zhuǎn)移支付凈額技術(shù)的突破往往帶來翻天覆地的變化，我們現(xiàn)在的生活與10年前已經(jīng)大為不同。如何了解最新的前沿科技發(fā)展？這本書就給了我們很好的一些啟發(fā)。這為我們預(yù)測(cè)未來，選擇行業(yè)，都有很好的效用。
我最感興趣的是reinforcement learning，無人駕駛，太陽能熱光伏電池。當(dāng)然，生物方面的細(xì)胞圖譜和基因療法也都是對(duì)人類影響深遠(yuǎn)的，不過應(yīng)該還需要多年的發(fā)展。
量子計(jì)算機(jī)的前途不可限量，量子力學(xué)可以突破摩爾定律的瓶頸，很期待未來商業(yè)化的那一天。
Reinforcement Leaning， RL
AlphaGo的成功讓我們意識(shí)到人工智能的突飛猛進(jìn)，程序員完全不是專業(yè)棋手的對(duì)手，但是可以編寫出自主學(xué)習(xí)的AI超越人類，這也就意味著AI未來可以在很多領(lǐng)域?qū)崿F(xiàn)遠(yuǎn)超人類的能力。
實(shí)現(xiàn)RL的三個(gè)問題：
1. 規(guī)則
2. 如何評(píng)價(jià)優(yōu)劣
3. 如何改善
背后的技術(shù)是蒙特卡洛樹搜索和兩個(gè)神經(jīng)網(wǎng)絡(luò)的結(jié)合（價(jià)值網(wǎng)絡(luò)與策略網(wǎng)絡(luò)），并通過數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)。讓機(jī)器參悟出“直覺”。發(fā)展路線參考心理學(xué)的試錯(cuò)學(xué)習(xí)和控制里的最優(yōu)控制規(guī)劃，交叉學(xué)科碰撞出火花。
無人駕駛的mobileye 就利用的強(qiáng)化學(xué)習(xí)的算法，智能工業(yè)機(jī)器人學(xué)習(xí)分揀，數(shù)據(jù)中心的冷卻控制，互聯(lián)網(wǎng)營銷推廣等，都是RL發(fā)揮作用的理想應(yīng)用。
瓶頸在于兩點(diǎn)：
1. 需要大量的數(shù)據(jù)，讓AI反復(fù)模擬
2. 在試錯(cuò)的過程中可能會(huì)損壞或者報(bào)廢
Hot Solar Cells 太陽能光伏電池
太陽能光伏的效率瓶頸，由于太陽能電池只能利用太陽光譜的一部分，所以理論極限僅為32%，但現(xiàn)在已經(jīng)達(dá)到了20%以上的效率，已經(jīng)很接近瓶頸了。另外太陽能的生產(chǎn)無法滿足精確調(diào)控，會(huì)需要“棄光”，中國的電力結(jié)構(gòu)決定了并網(wǎng)的比例不能超過10%。
Hot solar cells 通過調(diào)控入射光的光譜，將太陽能發(fā)電的理論極限提高到60%。
另外一個(gè)需要解決的是儲(chǔ)能問題，將太陽能熱光伏電池與儲(chǔ)熱技術(shù)結(jié)合在一起，可以打破對(duì)于新能源并網(wǎng)電流的限制。
自動(dòng)駕駛貨車
能夠在油耗方面有很大的節(jié)省，同時(shí)對(duì)于貨車司機(jī)的依賴降低，降低疲勞駕駛事故率。從經(jīng)濟(jì)效益上看比自動(dòng)駕駛汽車更有意義。
領(lǐng)頭企業(yè)Otto，被Uber收購。
Uber與Google認(rèn)為激光雷達(dá)是未來的發(fā)展方向，而tesla是以毫米波雷達(dá)和攝像頭來實(shí)現(xiàn)。中國方面圖森公司和百度是走前前面的。
