雷锋网 AI 科技评论按:我们都知道,深度学习的三驾马车获得了 2018 年的图灵奖,这是对深度学习的技术成功以及三人贡献的最佳肯定。最近几年里,Geoffrey Hinton 带来了知识蒸馏和胶囊网络,Yann LeCun 在继续研究 CV+机器人的同时,也坚持和 Gary Marcus 打网络口水仗。

具有高效集约的仓配一体化网络,覆盖国内布料流通核心集散地,能为客户提供端到端的一站式供应链解决方案,从而实现全程交易闭环。

伴随终端消费快时尚的兴起,纺织布料行业的订单呈现“小批量、多批次、多SKU、快速度”的趋势,这将促使服装供应链从长生产周期的订货模式向快反模式转变。大型服装制造厂由于体量较大,较难满足“小批量、多批次、多SKU、快速度”的订单模式。此外,为尽量规避行业季节性风险(如每年的春节和6-7月份的转季),大型服装制造厂也会采用外包模式,将部分订单分包给中小服装制造厂。因此,中小服装制造厂在未来还会持续占据绝大部分的市场份额。

元学习(学习学习的模型)是可能实现机器学习到 OOD 和模型快速迁移的一个办法。说到 OOD,究其原因是有行为的变化,或者是用户行为对于数据的干预。元学习的知识表示可以有效帮助克服 OOD,比如通过元迁移学习到变量之间的因果关系,这里的挑战是如何学习到未知干预变量的因果特性。最后是如何学习样本的可能操作,类似自动机器学习,但这里是在对象的不同操作层面。

百布业务构成,资料来源: 华兴资本整理

也有一些人和我有一样的想法,我们觉得应该在过去这些年设计的深度学习工具的基础上实现这些功能,这和人类做推理的方式更相似;而人类做推理的方式是和纯粹的逻辑系统、基于搜索的执行方式完全不同的。

一份恰到好处的礼物不仅是直男的救生艇,也是仙女的加油站。虽然说“包”治百病,女神们无包不欢,但人包分离的时候,还需要颜值撑起自信。SK-II神仙水米老鼠限量版富含Pitera成分,能深度滋润、修复皱纹、收敛毛孔,让女盆友逆生长,拒绝做“资深”女神。京东平台已为你备好SK-II神仙水的各种套装,还有大红瓶、小灯泡等礼盒等你get,补水保湿、提拉紧致、奢宠修护,一站式满足女盆友的所有护肤需求,二十四孝男友就是你!

上游相对分散,下游更为分散;

Bengio:我们对神经网络的能力有过一些想象,在其中,推理能力、记忆能力、想象力其实是人脑思考这同一件事的三个不同的部分。你假想自己在过去或者未来做什么事、产生什么后果,随着你假想的时间倒流或者前进,你实际上在做推理。如果你预计到未来会发生什么不好的事情,你会现在就采取一些措施改变事情发生的轨迹,这就是规划了。记忆力也用到了,因为你需要回忆你知道的信息来做出决策。你会选出当前的重要的事情,以及选出过去的相关的事情。

如今有一个主要的争论是,高层次的认知是由哪些基础组件构成的?我们猜测因果关系是其中一个组件,另外还有推理、规划、想象力、归因。在传统 AI 中,尝试解决这些问题的方法是逻辑和符号。有人提出我们现在也可以用传统 AI 的方式来做,不过可能要做一些改进。

记者:现在有很多人都在讨论深度学习的限制,你有什么看法?

「威力型」状态下的海道,擅长运用巨大的身躯进行豪迈的战斗,不受体型影响的灵敏动作,让他使出的攻击带着压倒性的破坏力。

我们希望语言理解系统也能对这个世界有更多的了解。目前来说,AI 研究人员们都在抄近道,但抄近道是没法真正解决问题的,AI 系统最终还是需要建立起一个世界运行的模型。

二是逆周期调节力度加大可以缓冲经济下行压力。中央经济工作会议强调,坚持稳中求进工作总基调,全面做好“六稳”工作,保持经济运行在合理区间。做好“六稳”工作的一个重大举措是加大逆周期调节力度。具体措施包括:积极的财政政策要大力提质增效,更加注重结构调整;继续推进减税降费,降低企业用电、用气、物流等成本。稳健的货币政策要灵活适度,保持流动性合理充裕,同时通过深化金融供给侧结构性改革,增加制造业中长期融资,缓解民营和中小微企业融资难融资贵问题,降低社会融资成本。这些逆周期调节工具的使用,将通过增加政府财政支出、保持资本市场流动性充裕、降低企业经营成本等方式,增强微观主体活力,缓冲经济下行压力。

就服装制造环节,东南亚国家如越南和柬埔寨在劳动力成本、能源价格、出口关税等方面具备比较优势,中国大型服装制造厂如维珍妮、晶苑国际和南旋控股近几年均在向东南亚进行产能迁移。申洲国际集织布、染整、印绣花、裁剪与缝制四个完整工序于一身。其在2013年开始也向越南布局产能,累计投资额约40亿元。在申洲国际2018年的布料产能分布中,越南约占45%;在服装制造产能分布中,越南约占13%-14%,柬埔寨约占14%-15%。

标准化和可快速复制的履约服务;

资料来源: 华兴资本整理

对于处理数据分布,传统机器学习都是基于 IID(independent and identically distributed),也就是独立同分布的假设,但实际现状是很多真实场景下我们感兴趣的数据往往是出现次数非常少的数据,也就是我们在处理时需要关注更多的是 OOD(out of distribution),也就是在数据中出现较少的分布,当然这需要我们在机器学习算法中有新的数据假设。尤其是从 Agent 的角度来考虑,需要考虑哪些是影响数据分布变化的因素,以及不同分布的可组合性等方法如何对现在的 IID 和 OOD 进行泛化。相对传统的符号 AI 系统,当前的 AI 需要更多具有泛化能力的机器学习能力。

Yoshua 的第一个观点,是指人的认知系统包含两个子系统(这是认知理论中大家共识的观点):System1 直觉系统,主要负责快速、无意识、非语言的认知,这是目前深度学习主要做的事情;System2 是逻辑分析系统,是有意识的、带逻辑、规划、推理以及可以语言表达的系统,这是未来深度学习需要着重考虑的。当然 Yoshua 也提到计算机作为 Agent 实现 AI,需要从计算机角度考虑,比如更好的模型和知识搜索等。

不幸的是这个过程被 Gary Marcus 这样的人找茬了,然后从他的嘴里说出来就变成了「你们看,我就说深度学习不行吧」。不管他怎么说,像我这样的研究人员们其实都在想方设法拓展深度学习的能力范围。当我说到 AI 系统需要有能力理解因果关系的时候,我的意思也不是说要用因果关系把深度学习推翻,我想要做的是给我们当前的工具箱里再添一些新东西。

国内的纺织布料B2B企业在发展路径方面,对终端客户(中小服装制造厂/大型服装制造厂)、期货生产订单来源(国内一批商/外贸客户)、IoT设备与坯布厂的合作方式(仅IoT设备供应/同坯布厂签署生产订单)、坯布品种(净色布/花型布)的选择均不尽相同。我们认为,现货需求丰富、期货需求稳定、供给端长期合作,品种多元但可标准化,是在纺织布料行业中迅速规模化并占据市场份额前列的核心决定因素。

大型服装制造厂的产能向海外持续迁移,占据国内绝大部分市场份额的中小服装厂继续留在国内

领先的交易型B2B企业往往拥有以下特征:

记者:最近你在因果关系方面的研究和这些之间有没有什么关系?

Yoshua 认为,AI 作为本世纪的惊人进步,仅仅依靠增加数据集、模型大小、电脑速度是否就足够了呢?实际上 AI 距真正的人工智能还差的很远!

四是确保完成两大目标任务和打赢三大攻坚战为经济稳定增长提供支撑。确保实现全面建成小康社会和“十三五”规划目标任务是2020年全党工作的重中之重,其中坚决打好三大攻坚战是硬任务。2020年,对照这些目标要求,我们要抓重点、补短板、强弱项,强化民生导向,保持基础设施投资合理增长,加大政策、资金向“三区三州”等深度贫困地区倾斜力度,调整收入分配结构,着力提高中低收入群体的收入。这些将有利于切实增加有效投资,释放国内市场需求潜力,推动消费稳定增长。

记者:基本物理规律为什么能对对话系统起到帮助呢?

纺织布料产业链特别是印染环节面临国内环保高压,未来印染环节市场集中度有望提高

雷锋网版权文章,。详情见转载须知。

Bengio:还不行。我刚才谈到的这些都是非常基础的科学研究,都是在非常简单的问题上做验证。不用觉得遗憾,现在我们的进度就是只到这里。我们现在先检验这些想法,然后不断提出新的假说。它们都没办法很快就用在工业界。

记者:有没有办法把聊天机器人做得更好?

对于一批商:公司通过对坯布厂产能的实时数据,可以将一批商的订单实现合理组织生产,同时,基于与坯布厂的深度合作和流程把控,保证了合作织机产能的优质稳定,从而帮助一批商实现对坯布的品质保障、可靠的生产期以及更合理的采购价格。

(Gary Marcus 后来对此解释道:「在 Yoshua 的话里我好像是一个完全反对深度学习的人,实际上我是混合派,我还是看好深度学习的,但我认为它应该和其它的方法结合使用。深度学习是一个挺不错的工具,但它肯定不是唯一的工具。」)

中游流通环节面临的主要痛点如下:

Bengio:过去二十多年里我们对深度学习的研究进度可以这样评价:直到今天,这些系统能达到的智慧程度都没法和一个 2 岁的小孩相提并论。不过,我们的算法在感知任务里可能能达到一些更低级的动物的水平。我们现在也有越来越多的工具可以帮助一个系统探索它所在的环境,所以这些系统的智力水平也在慢慢地逐步提升。

服装制造是劳动密集型产业,相对于中国,东南亚国家如越南和柬埔寨在劳动力成本、能源价格、出口关税等方面具备优势。中国大型服装制造厂有向东南亚布局的趋势。而占据国内绝大部分市场份额的中小服装厂,由于转移成本高,其产能分布稳定在国内,并没有向海外转移的趋势。

对于如何用深度学习来实现 System2?

交易环节业务板块:建立了中国最大的线上成品布流通平台,连接一批商和下游中小服装厂,通过SaaS实现布料交易全流程线上化,为全国各地中小服装厂提供覆盖全品类布料的一站式采购服务。作为中国最大的线上成品布现货交易平台,在交易采购体验提升的基础上,从物流仓配、金融产品等方面为上游一批商和下游中小服装厂实现进一步赋能。

2、头部B2B企业的破局之道

被数字化和标准化的商品SKU。

服装制造厂的发展依托于其下游的品牌客户,而服装品牌根据品牌特点的不同,其背后的服装制造厂会存在巨大差异:通常功能性越强、时尚性越低的品牌起单量更大,更容易造就规模较大的服装制造厂。然而作为国内服装制造企业龙头的申洲国际,其2018年约210亿元的营业收入,市占率仍然很低。

Bengio:元学习是近期的一个热门话题,就是「学习如何学习」。我在 1991 年的时候也写论文讨论过这个概念,不过一直到最近几年我们才终于有了足够的计算能力可以实现这种东西;它们需要消耗很多的计算能力。

Yoshua 还提到了前意识/意识先验。具体可以使用稀疏因子图,稀疏因子图不是一个新的事,基本思路是图模型的统一模型,因子图的好处是可以把有向图和无向图都统一起来。稀疏因子图可以用来学习变量之间的因果关系,从而构造变量之间的因果关系(找到真正的因果关系,而不是给不同变量给一个权重,这是为什么考虑稀疏的原因)。

3、行业未来趋势的三点判断

它的核心思想是,为了能够泛化到一个新的环境,就需要练习如何泛化到新环境。这种思想很简单,其实小孩就一直是这样的,从家里的一个房间走到另一个房间,环境不是固定的,一直在改变,小孩就逐渐学会了适应。为了能高效地适应,小孩还需要用到他们以前学到的知识。我们对这种能力的理解正在逐渐加深,也在尝试构建工具来复制这种能力。

Bengio:注意力机制让我们可以把计算能力集中在某几个物体、某几个计算上。人类的这种工作方式是「有意识的处理过程」中的尤其重要的一个部分。当人有意识地关注某件事时,你的注意力在很少的几个元素上,可能就只是某个念头,然后会转向下一个念头。这种过程和标准的神经网络完全不同,神经网络的处理方式是大规模的并行化处理。在深入学习引入注意力机制之后,我们在计算机视觉、翻译、存储方面都有很大的进步,而我觉得这只不过是仿大脑的这种新的计算形式的开始而已。

注意力是其中的一个关键的基础功能。比方说我正在把一本书翻译成另外一个语言。每翻译一个词,我需要仔细阅读的是书里的很小很小一部分内容。注意力就可以帮我们抛弃很多不相关的细节,关注真正重要的东西。能够挑出相关的、重要的元素,这就是注意力的作用。

纺织布料行业作为一个万亿级市场空间的赛道,特征完全符合以上各点,行业内也已经出现头部的B2B企业。

记者:我们要如何创造和人类的推理方式类似的功能呢?

雷锋网(公众号:雷锋网) AI 科技评论首先把 IEEE Spectrum 电子杂志采访编译如下。 

直男们也许内心在颤抖,送不送礼是态度问题,送得好不好似乎就是智商问题了。看看别人家的男盆友都是怎么选的~2019年七夕节当天,SK-II在京东“艳压群芳”,成为京东美妆当天销售No.1,为618日均销售的8.7倍,创出SK-II开店以来单日销售额历史最高纪录!其中,神仙水销售占比高达73.6%,75ml护肤套装销售是618日均的66倍,230ml护肤套装销售是618日均的19倍,小灯泡30ml护肤套装销售是618日均7.5倍!大数据撑你,闭着眼睛都不会错~

资料来源: 华兴资本整理

五是改革开放深化将更好释放市场主体活力。党的十九届四中全会对“坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化”作出了部署。以此为契机,改革开放将在新的起点上进一步深入推进。可以预见,在今后一个时期,坚持以供给侧结构性改革为主线,我国的产权制度、要素市场、财政金融、科技体制、国有企业、开放体制等改革将会取得积极突破,这将有利于我们把制度优势转化为治理效能,进一步改善营商环境,充分释放市场主体的活力,助力经济高质量发展。

当变身为「空中型」的龙形之后,将能施放冰、火球和闪电横扫战场!

掐指一算,距离圣诞节真的没几天了,“神仙级”礼物你get到了吗?从直男癌一秒变暖男,就赶快上京东下单SK-II神仙水米老鼠限量版,开启你和女友“鼠”不尽的妙趣,共度不一样的圣诞节!

注意力机制是最近几年深度学习发展的一个重要技术,最近几年在很多系统中都有大量应用,注意力机制可以看做实现意识的第一步,在人类大脑中有自上而下的注意力和自下而上的注意力。

记者:这种想法很棒,但它要怎么用在机器学习里呢?

终端消费快时尚兴起,催生供应链快反机制,中小服装制造厂在未来还会持续占据绝大部分的市场份额

纱线制造:中国纺纱环节市场分散,上市公司如百隆东方、华孚时尚2018年的纱线营业收入分别约57.3亿元和72.2亿元,市占率均不足1%。

这和「有意识知识」和「无意识知识」之间也有一些关系,「无意识知识」就是那些我们知道但是讲不出来的东西。一个典型的例子是物理直觉,一个两岁的小孩就能建立起物理规律的直觉,不需要学习牛顿的万有引力定律就有重力的概念。现在已经有一些研究人员在尝试构建能和环境互动、探索基本物理规律的系统。

记者:你如何评价深度学习的当前状态?

展望2020年,由于我国仍然处在转变发展方式、优化经济结构、转换增长动力的攻关期,结构性、体制性、周期性问题叠加碰头,新旧矛盾相互交织,国际国内因素交叉影响持续深化,我国经济仍然面临较大的下行压力。对于2020年中国经济增长速度的预判和目标的设定,经济学界存在较大争议。乐观派认为,相比美国等发达国家,我国人均GDP水平仍然较低,经济发展的潜力和空间仍然很大,完全有能力保持6%以上的增长速度。悲观派认为,受老龄化加快、资本报酬递减、创新能力不足等因素影响,我国经济潜在增长率在下行,增速可能会降到5%至6%之间。比较折中的看法认为,2020年我国经济增长可能在6%左右。我们认为,2020年,只要经济增速下降幅度不太大,而发展质量有所提高,能够实现量的合理增长和质的稳步提升,就没有理由对中国经济感到担心。综合分析,受国内外诸多因素综合影响,加之经济转型升级和新旧动能转换尚未取得重大突破,2020年经济增长速度将继续小幅回落,面临的困难可能更多,尽管如此,也有不少新亮点值得期待。

需要说明的是,我们距离解决这些问题还远,但我们手里已经有不少工具,已经可以动起来了。我也没觉得这会很容易。2017 年的时候我写过一篇论文《The Consciousness Prior》(意识先验,https://arxiv.org/abs/1709.08568),里面就提出了这个问题。我有好几个学生就在研究这个问题,我也知道这需要付出长期的努力。

印染环节是整个纺织布料产业链中污染最为严重的环节。近年来中央及地方政府陆续颁布了一系列政策法规,要求按照“建设资源节约型、环境友好型社会”的要求,持续推动印染行业的“高端、绿色、智能、集聚”发展。在如此高压的环保态势下,企业只能加大环保支出力度。环保成本上升,大企业由于规模效应能够承担环保成本,而小企业有可能被淘汰,行业集中度有望得到提升。

坯布生产:同样呈现分散的市场集中度。中国目前大约有2万多家坯布厂,保有150多万台织布机设备。中国最大的上市坯布厂——魏桥纺织2018年的坯布营业收入约60亿元,在万亿级的坯布市场中,市占率同样不足1%。

基于上述分析,我们认为百布针对行业痛点,把握趋势建立壁垒,具备行业优质B2B企业的能力与禀赋,也因此奠定了中国纺织布料智慧供应链领域的龙头地位。华兴资本长期看好公司凭借科技赋能和数字驱动重构纺织布料产业链的潜力,并将作为公司在资本市场的长期合作伙伴,坚定支持公司未来发展。

印染行业:中国印染行业地域集中、单家企业市场占有份额较低特点明显,生产主要集中在上下游产业链配套、专业市场比较发达、水资源较为丰沛、环境承载能力较强的浙江、江苏、福建、广东、山东等东部沿海五省,其印染布产量占比超过95%以上。国内印染布产能最高的江苏盛虹集团和航民股份仅占全国总产能的约4%和2%。

从人类大脑得到启发的计算模式的破晓时分

百布是目前国内最大的纺织布料智慧供应链服务平台,公司旗下有两大业务板块

Yoshua 认为,对于计算机来说,最关键的是处理数据分布中的变化。对于 System 2 来说,基本的要素包括:注意力和意识。注意力(Attention)实际在目前的深度学习模型中已经有大量的实现和探讨,比如 GAT(图注意力机制)等;意识这部分则比较难,其实意识最关键的是定义到怎样的边界。Yoshua 提到意识先验可以使用稀疏因子图模型来实现,这是一个思路,实现了因果关系。从整体的理论框架方面可以考虑元学习(Meta-learning)、局部修正假设(localized change hypothesis)、因果发现(causal discovery),最后架构方面可以考虑如何学习不同对象的操作。

机器学习和意识模型相结合的关键是如何在机器学习中实现意识,或者说意识相关的理论/模型如何帮助机器学习。比如可以基于意识理论构造一些假设,然后用机器学习的方法来验证这些假设。当然从人的角度来看意识,高层次的表示可以说是语言,这需要把人的两个认知系统 System1 和 System2 有机地结合起来,也就是说把低层次的表示和高层次的决策结合起来。

纺织布料行业产业链较长,上游的纤维原材料(天然纤维&化学纤维)经过纱线厂纺成纱线,并经过坯布厂的织造以及印染厂的印染后,形成净色布与花型布两种成品布类型。成品布在经过一级及多级批发商流通后,被销售至下游的服装制造厂。

生产环节业务通过对产业链上游的智能化改造,同时实现了对坯布厂和一批商两个产业链核心角色的多维度赋能

有一些声音批评深度学习需要大量的数据,如果想要在一个任务上训练深度学习模型的话确实是这样的。而小孩只需要很少的数据就可以学习,他们能重复利用以前学习过的东西。但更重要的是,他们利用了适应、泛化的能力。

不过有两个来自工业界的、对他们造成实际困扰的限制是这些研究可以起到作用的。第一个是,构建一些对环境中的变化更鲁棒的系统;第二,如何构建自然语言处理系统、对话系统、虚拟助手?目前的这些基于深度学习技术、达成了非常高的表现的系统的问题在于,虽然它们都是用海量数据训练出来的,但是它们并不完全理解它们说的话是什么意思。Gary Marcus 这样的人会跳出来说:「这不就说明了深度学习不行吗」,而我这样的人就会说:「这很有意思,我们来解决这个挑战吧。」

在成品布的交易环节,头部纺织布料B2B企业通过技术赋能,将传统行业中分散、信息不对称的多维度布料相关交易数据整合,建立行业最全面的标准布料数据库,并凭借强大成熟的图搜技术,实现交易的自动化与智能化匹配,同时拥有海量数据沉淀,优化交易环节。

Bengio:最近有个点子叫做「有依据的语言学习」(grounded language learning),吸引了很多研究人员的注意力。它的核心是提出 AI 系统不应该仅仅通过文本学习,它应该同时学习(认识)这个世界的运行方式以及学习如何用语言描述世界。我们可以问问自己,如果一个小孩只愿意从书本上了解世界,我们会觉得他能对世界建立起完整的了解吗?我觉得是很难的。

如果嫌给女盆友的惊喜还不够,那就预约一下“京尊达”,将有穿着正装、戴白手套的配送人员,驾驶新能源汽车,把SK-II神仙水米老鼠限量版送到女盆友手上。精美的包装、仪式感的配送,再难伺候的女盆友,也要偷着乐了吧~

具备高度闭环的一站式履约能力

记者:人类智慧中还有哪些方面是你希望能在 AI 中重现的?

《ONE PIECE 海贼无双4》可变换型态角色「百兽海道」画面分享!

三是5G等新技术商用加快为经济高质量发展积蓄新动能。2019年是中国5G商用元年,2020年将是加速推进年,这意味着席卷全球浪潮的5G技术和产品正在走进千家万户,对我国经济产生重大影响。首先,5G商用将拉动以新一代信息技术为核心的基础设施投资,对稳投资具有积极作用。其次,5G商用将在消费端刺激与5G相关的电子信息产品和技术消费需求,有利于稳定国内消费。再次,5G商用不仅会带动移动终端、泛娱乐、工业互联网、远程辅助医疗、智能网联汽车等新兴产业发展,而且还将通过技术赋能加快传统产业改造提升,有利于培育壮大新动能,推动经济高质量发展。

对于坯布厂:为合作坯布厂提供持续稳定的一批商订单来源,并通过智能化订单分配,实现产能利用率的提升。与百布生产环节业务合作的坯布厂织布机平均开机率可达90%。此外,公司同时引入第三方金融机构,在为坯布厂集中采买纱线、降低原材料采购成本的同时,资金由第三方金融机构提供,减缓坯布厂的流动资金压力。

一是中美贸易摩擦缓和有利于改善外部发展环境。随着中美达成第一阶段贸易协议,这将有利于稳定我国外向型企业的出口预期。同时,受中美贸易摩擦缓和的提振,全球贸易商的信心有所恢复,对推动全球经济增长回升具有积极作用,有利于改善我国经济的外部环境。

搭建产业新生态,充分赋能产业链上下游

在成品布生产环节,头部纺织布料B2B企业通过AIoT+SaaS实现在线织布产能的管理与运维,提升坯布厂的织布机开机率,从而大幅提高生产效率;在成品布交易环节,头部纺织布料B2B企业通过建立行业标准布料数据库,并凭借强大成熟的图搜技术,实现交易的自动化与智能化匹配。同时,实现生产和交易环节的海量数据沉淀,为指导生产和交易提供数据基础。

市场上拥有近10万家二级批发商,年营业额以千万元为主,市场集中度很低。二批商无现货仓储能力。二三级批发商在产业链中承担纯粹的流通经销角色。

产品定价能力和健康的经营现金流;

中游流通环节包括一级批发商,以及二三级等多级批发商。

(作者系中国宏观经济研究院产业经济与技术经济研究所所长)

上游成品布生产环节包括纱线制造、坯布生产以及印染。

推广:猎云银企贷,专注企业债权融资服务。比银行更懂你,比你更懂银行,详情咨询微信:zhangbiner870616,目前仅开通京津冀地区服务。

更多相关资讯请关注:海贼无双4专区

生产环节业务板块:通过铺设AIoT设备,实现织机的产能线上化管理并通过智能匹配产能,实现高效组织生产,成为中国最大的智能织布厂,连接坯布厂及一批商,凭借领先的SaaS和AIoT数字化管理资产,实现织机产能的互联与共享。通过集中组织坯布生产并集中为坯布厂采购纱线原材料,大幅提高了坯布厂的生产和交付效率。

头部的纺织布料B2B企业在具备全面布料产品数据库的同时建立行业标准,并进一步推出仓储及物流服务、为满足服装制造厂的现金流需求推出金融产品,从而在信息、仓配、金融方面提供全方位赋能,使下游服装制造厂客户的采购体验与传统线下布料批发市场相比大幅提升。

2018年,中国纺织布料市场规模达到1.5万亿人民币(约合2170亿美元),在规模为6.5万亿人民币(约合9250亿美元)的全球纺织布料市场中占据重要份额。

作为一个科学家,对我来说真正重要的是还需要探索哪些新方向才能解决问题。谁对谁错、谁站了谁的队这种事情我并不关心。

中国市场上大约有上万家一批商,一批商的年营业额普遍在亿元左右,市场上最大的一批商年营业额约小几十亿元。一批商在整个纺织布料产业链中,处于承上启下的关键环节:一批商承担面料设计职能,可以向上游组织坯布厂进行坯布生产;同时,一批商是产业链中唯一承担备现货库存角色的产业链主体。

火球和雷声可持续一段时间,带来持续性的伤害,而野外残留的冰块则能使周围的敌人陷入冻结

在纺织布料行业巨大的市场空间下,产业链各环节的痛点亟待解决,行业存在B2B供应链巨头机会。

深度学习和现状和限制

纺织布料产业链环节,资料来源: 华兴资本整理

传统环节多,流通效率低下、改造空间大;

Bengio:很多面向大众的信息渠道都不理解学术人员做科研的方式,不管是针对 AI 领域还是其他学科,其实,我们研究和理解当前的理论和方法的不足之处,是为了能探索我们的智力工具之外的更大的空间。深度学习的研究人员们想要找到深度学习的效果并不如我们预想的那么好的场景,这样我们就可以知道还缺了什么、还要探索哪些新方向。

行业赛道市场空间广阔;

具备全链条的数字化改造能力,大幅提高生产和交易效率

上游成品布生产环节面临的主要痛点如下:

Bengio:人类在推理时用到的高层次概念,在我看来很可能是一些带有因果关系的变量。人类做推理并不是基于像素这种细枝末节的元素的,而是门、把手、门开着、门关了这样的概念。因果关系在机器学习的下一步发展中非常重要。

资料来源: 华兴资本整理

记者:我们能很快在真实世界看到这些想法吗?

同时,头部的纺织布料B2B企业需具备如下特点:

可以基于沉淀的大数据,进行生产订单的智能分配,高效调配并盘活织机产能。同时,能够整合坯布厂的需求,集中采购纱线,从而降低纱线采购成本。此外,还可以凭借快速成长的供应链金融服务能力,打造行业正向现金流。

下游服装制造面临的主要痛点如下:

服装制造属于劳动密集型行业,企业进入门槛低,市场上大约有40万家服装制造厂,规模以上(年主营业务收入在2,000万元以上)的厂家数量占比仅约5%。

Bengio:我们不需要告诉神经网络要把注意力放在什么东西上,这正是神经网络的魅力所在。它能够学习,它能自己学会要给一组元素里的每一个分配多少注意、多少权重。

记者:这种适应能力的关键是什么?

4、我们眼中的头部纺织布料B2B企业

中国中小服装制造厂不论从数量还是营收方面,均占据服装制造领域绝大部分的市场份额。

Bengio:对话系统的问题在于,它们通常都是不了解提到的那个词的复杂性的。比如有这样一句话,「Jim 想把台灯装进他的皮箱里,但是它太大了。」我们人类有常识,明白「太大了会导致装不进去」的只能是台灯,就能确认「它」的指代,能正确理解这个句子。这些知识的确有办法用语言描述,但对人类来说这些常识,比如一个箱子一般是什么尺寸,是不会总挂在嘴边的。

在成品布生产环节,头部纺织布料B2B企业通过AIoT+SaaS等技术革新,实现织布机产能的在线管理与运维,提升坯布厂的织布机开机率,从而大幅提高生产效率。

加拿大当地时间 12 月 11 日下午,Yoshua Bengio 在 NeurIPS 2019 现场进行演讲。清华大学唐杰老师对 Bengio 演讲内容做了转述总结,雷锋网 AI 科技评论摘录如下。

而且因果关系也和做深度学习的人都关心的另一个话题有关。人类有一种系统性泛化的能力,可以把已经知道的概念推广到更多的事情上,不同的概念用新的方式融合之后可以得到全新的东西。今天的机器学习还做不到这一点。当前的机器学习都是在某个特定的数据集上做训练,在一种情境下训练模型,然后在另一种情境(比如另一个国家里)使用模型,这样经常会带来问题。我们需要泛化能力,需要迁移学习。我们面前的一个重大挑战就是把模型迁移到一个新环境以后,如何保证它能继续正常工作、或者能快速适应。