WeWork创始人仍旧相信IPO估值将可远超470亿美元

北京时间9月19日凌晨消息,共享办公空间公司WeWork因其不同寻常的商业模式和治理结构而备受关注,但据外媒报道,WeWork的奇特之处似乎始于该公司CEO及联合创始人亚当·诺依曼(Adam Neumann)。

报道称,据熟知内情的消息人士透露,诺依曼表示他有兴趣成为以色列总理和世界总统、以及成为世界上第一个万亿富豪。消息人士还称,他还向WeWork员工表示,该公司有朝一日可以让世界上不再有人挨饿。

外媒还报道称,尽管WeWork的IPO(首次公开招股)估值目标已被大幅下调,诺依曼仍然相信该公司的价值可能将会远远超过今年1月的470亿美元。这与诺依曼就在昨日刚刚发表的言论相互矛盾,当时据英国《金融时报》报道称,他向员工称其对该公司IPO的失误感到“惭愧”,并表示他需要更多地了解如何经营一家上市公司。

与此同时,WeWork母公司We Co.已在本周早些时候推迟了IPO上市的时间,原因是投资者继续质疑其公司治理结构和不断膨胀的亏损。该公司目前正在考虑如何在启动IPO路演之前加强投资者信心,同时坚持预计这笔交易将在今年底以前完成。(唐风)

文章


微软宣布回购400亿美元股票 盘后股价涨超1%

北京时间9月19日早间消息,微软周三盘后股价上涨1%,原因是该公司称其董事会已经授权额外投入400亿美元用于回购股票,并宣布将季度股息调高5美分,至每股51美分。

在CEO萨提亚·纳德拉(Satya Nadella)上任以后,微软经常都会回购股票。在截至6月30日的上一财年中,该公司回购了价值1954亿美元的股票;而在此前一个财年,回购金额也达到了107.2亿美元。在纳德拉过去5年半的任期里,微软股价上涨了将近4倍,公司市值突破万亿美元大关。

微软在2003年首次向股东派发股息,随后该公司通常每过一年左右都会调高季度股息。在一年以前,该公司宣布将季度股息调高4美分,至每股46美分。

在此次上调后,微软的季度股息达到每股51美分,较接受财经信息供应商FactSet调查的3位分析师的平均预期高出2美分。

微软表示,该公司将于12月12日向截至11月21日的在册股东派发股息。当这一新的股息生效时,将可达到纳德拉从史蒂夫·鲍尔默(Steve Ballmer)手中接管微软时的将近两倍。

根据Factset的数据,按微软138.52美元的收盘价计算,其股息收益率将达1.47%,但低于标普500指数1.93%的收益率。(唐风)

文章


几个本科生画的“城中村地图”,关于高楼大厦之外的北京

水磨有几个小小的、临街的入口,坐车路过很难发现在这样一排小餐馆和彩票店的后面,还藏着一片密集的屋舍。唯一暴露了其身份的是一架拱形的铁门,这是北京城中村的标配,上面有四个不太明显的大字:水磨社区。

再往里,路越走越窄,两侧三四层高的自建楼房紧挨着,头顶电线管道交缠在一起,划出一些黑洞洞的院落。到处能看到房屋出租的告示, 1000 元就可以在这里租到几平米的单间,里面衣橱桌子床头柜床挤成一团。卫生间在另一层。楼道里很安静,租客们到傍晚才会陆续回来。房东驾轻就熟地引人上楼,说:“这是最后一间了。”

离水磨入口几百米的地方就是清华大学的西门。 2007 年,村里建起第一栋二层小楼,又随着地铁四号线开通,水磨村人口迎来暴涨,仅 0.25 平方公里的空间里住进了近万人,大部分都是外来流动人口。

2017 年,当王子豪和赵珮昕对城中村开始产生兴趣的时候,自然想到先来这里转转。他们是北大社会学系的本科大三生,北大离这里不远。后来,借着课程调研的机会,他们又陆续去了一些其他的城中村,比如挂甲屯、大有庄和骚子营。

他们都是两年多前才来到北京上学,“对北京嘛,第一印象要么是二环里故宫中轴线什么的,要么就是高楼大厦”。城中村很难与他们脑海中的北京挂钩,身边的朋友似乎也并不怎么了解。

但实际上这一切离他们的生活真的很近。周围同学时常光顾的一家烤翅店,就位于水磨沿街的一条小餐馆聚集的街道,而对面,就是在学生中远近闻名的“卖电动车的地方”。当王同学回头想,“我跟清华同学偶尔去去的网吧也在水磨社区”。

相比广州和深圳成规模的握手楼,北京的城中村似乎更加隐形。人们往往不知道它们的存在或是接触甚少——但它同样是城市规划中难解的一道大题。

2017 年,这群学生第一次关注到城中村的议题,并借着课程调研和课余的一些时间,四处跑动了一下。今年初,王子豪在自己的豆瓣上发布了他和朋友制作的“北京城中村地图”,引发远远超出预期的关注。

5 月,他们在北京的一场城市青年对谈中又分享了这个话题,讨论城中村怎样让他们更理解城市、以及人们如何在城市中生活。

水磨社区

1

在画地图之前,小组成员对北京的一些城中村先进行了简单的探访。路径主要集中在海淀大学城周围,离学校比较近的一些村子,比如他们比较熟悉的水磨社区。

让他们印象最深刻的人是一位北大的博士后,也许是因为身份相近而带来的认同感和“冲击感”。“迎面走来一个穿着还挺干净的年轻人,聊着聊着就发现和我们是校友,是个博士后,还发过两篇 Science 。”

因为没有海外留学的经历,这位博士后无法确定是否能够得到留校的机会。但他还是希望留在北大,所以决定先在周边租一个便宜的单间作为临时居所。“我们告诉他,这个地方被列入 2018 年的棚改计划了,他就向我们打听了最近的另外两个城中村。”

这使他们意识到,虽然城中村被和所谓“低端”联系在一起,但对于很多居住在里面的人来说,这是一个在这座城市起步的,必要的缓冲地带。村子里看起来基础和“低端”的行业,比如早餐店以及各类小摊贩,提供了一个较低的生活成本,并担负起每个人日常生活所需的各类功能。

“即便是月入一万出头,或是七八千的年轻人,他也可以在商品房小区里找别的房子,但整个生活成本就上去了。可能在一个利弊权衡之后,他有很强的积累意愿,就更愿意住在便宜的城中村里。”

与此同时,城中村拥有着比城市更为丰富和多样化的景观。它会灵活地受到周围的影响,以“消费需求”为主导来自我塑形。

比如,在圆明园附近的城中村里,居住着很多来清华北大考研或者刚毕业的学生;四五环南边聚集着大量的产业工人;而在昌平的城中村里则有很多互联网从业者选择在此居住……一些村子里开起精致的咖啡馆和书店,也有戴着金链子的东北二房东将自己的屋子精装修再出租,告诉他们“现在人都追求品质生活”。

在不规则的巷子里,楼上是出租的单间,临街往往就开满小餐馆、便利店,还有裁缝店、弹棉花铺子这样的店铺。

研究城市政策的钱星宇博士在讨论会上指出,城中村实际上完全可以形成一套自治模式。无论是生活还是公共服务的提供,都不需要外界的执法力量去介入,通过市场机制就可以自然而然地形成一个内在的体系。反而当执法试图介入时,一个原本可能的基层治理会被破坏掉。

北京市村落拆迁点变迁示意图。许多人随着拆迁的节奏一步步往城市的边缘迁移。

身在其中的人们似乎对此没有太多的抱怨,只是试图在这座城市里继续待下去。对于很多低收入的人群来说,这意味着需要不断地搬家。

他们遇到过自 1990 年代就来到北京的弹棉花老人。他从二环搬到三环,又到了现在的四环外,随着城市的扩张和拆迁的进程不停地往外走,从一个城中村搬到另一个城中村。

人民大学公共管理学院助理教授赵益民在《城市人口调控的谱系》一文中写道:“因为他们落脚的城乡结合部的村子常常在不知什么来头的‘运动’、‘整治’、奥运会、园博会、 APEC 峰会来临前就莫名消失。(有本地户口的)村民们因为拆迁一夜致富,但是出租屋里真正的居民却只能像蜂鸟一样迁移。”

失地农民在这个过程中完成了从房主到房东的身份转换,并且变得比这座城市中大部分的打工族更加富裕。当然没有什么来钱来得比拆迁更快,“南城五套房”这样的说法也应运而生。

对于一些房东们来说,这成为一场颇为焦灼的等待。他们在一些房东群中看到,“盼拆”成为尚未被拆迁的村民中的普遍现状。房主们热切地关注着政府发布的信息、政策变化,在群里互相问候,“今年有没有盼头啊?”,紧密地关注着隔壁村的近况,打听拆迁款的数额……

这其中也有例外。在一些村落里,人们仍然生活在原先的房子里,没有加盖也没有租出去,维持着原本的生活状态;还有人则安于收收房租的日子,不愿意搬到远离原本社群,位置更偏的地方——但同样可能进入被拆除的序列。

房东和租客的关系并不是对立的,两者在拆迁的过程中都有各自的诉求。只是比起房东,租客们协商讨价还价的能力并不存在。“我们会很遗憾地发现,其实那些流动人口他们本身是在整个拆迁中缺位的。”

受到 1990 年代关于“浙江村”一系列田野调查影响,他们也试图观察现存的城中村内,是否存在那样紧密的社会关系网络。但发现自己遇见的大多数住户都是个体打工者,同乡支持和社会网络显得没有那么重要,当拆迁来临就四散,各自找房。时间和能力的限制都造成了这种缺位。

《跨越边界的社区》(项飙)。来源于豆瓣读书

2

调研走访推翻了他们原本的一些想象。比如,城中村就代表了脏乱差,在里面生活的人也都是流动人口,从事着低薪、基础的行业,特别边缘化的一群人。他们回头看的时候,将其称之为“刻板印象”。

会这样想也不无道理。从城乡结合部到城中村,再到棚户区,这些容纳了大量外来人口的地方,在不同阶段被冠以不同的名字,但似乎从未被接纳成为城市的一部分。尤其是棚户区的称谓,将城中村和工地大棚等性质不同的搭建一并囊括,一下子就让人把它与“临时”、“违建”、“群租乱象”、“贫民窟”这样的词汇联系在一起。

但性质其实非常不同。钱星宇指出,“城中村”的现象为中国独有。它与国外很多大城市中出现的“贫民窟”有本质上的不同——虽然位于城市范围内,这些村落的土地没有立刻转换为城市用地,而是仍属于村集体。

“以前我以为北京就像我们小城市一样,城市规划没有什么障碍,想建成啥样就建成啥样。”王同学说。

城中村打乱了这份规划。当城市包围乡村,土地性质和补偿成本的双重障碍使得乡村变成城市海洋里的一个个孤岛。但村民们并没有听其自然,他们在原有的住房上搭建起多层的居住空间,并低价出租,成为失去农田后的主要收入。人群的聚集带动了一种自下而上的城市化进程,让城中村成为容纳上百万外来人口的缓冲地带。

另一种叙事也在同时展开,城中村被认为是城市的不稳定因素,充满治安与消防隐患,拆除一直都在进行。高楼大厦的阴影之下,人们聚集流散,往外环迁移,或是卷起铺盖回到老家,然后新的人口涌入。

北京城区的扩张逐渐吞并包围了乡村。

2017 年,当这些学生注意到城中村拆迁的话题时,媒体上密集地出现了许多相关的“名词”,但这些术语背后究竟意味着什么,让他们感到好奇。

北京有多少流动人口?他们都住在哪里?这些地方怎么分布?在此基础之上,什么是城中村?什么是小产权房?什么是违建?城市更新是以何种方式展开的?都会影响到哪些人?

这么多的问题,简单的走访并不能给出答案,所以他们决定从更宏观的角度去观察。作为社会学的学生,他们选择了一种自己比较熟悉的方式——画地图。如果将城中村的散布标记,再对不同年份的数据进行比较,某种趋势可能就会显现出来。

问题很快出现,这些数据并不像设想得那样容易获取。在城中村问题同样突出的广州和深圳,都编制和公开过对于城中村的统计地图。虽然北京环境综合整治委员会也在 2004 年左右做过一次摸底,但数据一直没有对外公布。“我们也不是正经的学术研究理由,不太方便申请信息公开”。

现有数据库 cnki、google scholar 中的资料不尽人意,有的分辨率太低,有的则需要收费。为了获取一套比较理想的数据,这群学生决定采用一个非常“原始”的办法:亲自上手数。他们戏谑地称之为“人工智能”——主要费的是“人工”。

在街道的层面,城中村的外观并不那么好辨认;但如果是从鸟瞰的角度,城中村的形态与城市建筑大为不同。街道往往更狭窄,建筑密集,排布不规整。

这意味着通过 Google 地图的卫星遥感影像,可以识别出具体的村落位置;而只要将不同时间的卫星影像进行比对,就可以发现哪些村落于什么时间点前后被拆除。

2018 年 8 月开始,王子豪把北京中心六区划为 12 个地块,分给 12 个同学,开始对北京城中村进行地毯式的检索和手动标注。

这其中运用了一些简单巧妙的方法,比如用网格来保证不会缺漏,通过楼房的阴影来估算楼层的加盖程度等;但也有不甚准确之处,比如仅凭肉眼他们无法判断土地的归属,因此有可能出现标注出的“村落”并不能严格算作城中村的情况,像是工矿棚户区。

尤其是靠近城市中心的村落,许多已经不太具备村子的形态,有的改为社区,有的则被拆得只剩下零星的几栋几户。这给村名的标注和辨识带来了不小的困难,他们翻阅了一些上世纪编撰的北京市地名志,比如 1992 年出版的《北京市海淀区地名志》,来试图对其进行补全。

就这样,到第二年的年初,他们基本整理出了一份数据库。

北京市村落点变迁:红点(主体拆迁于 2002-2008 年);黄点( 2009.6-2012.12 );绿点( 2013.1-2015.12 );蓝点( 2016.1-2018.8);灰点( 2018.8 现存村落)

 

 
各区分时段村落点拆迁数统计(不包括山区)

比对各个年间村落点的数量会发现,2009 至 2012 年间的拆迁数量达到最高峰,拆迁村落总数多达 430 个;而后这个节奏放缓,在 2017 年出现一个小高潮;到 2018 年 8 月,北京 16 个市辖区内所有平原地区的剩余村落点数量为 2351 个,1089 个村子自 2002 年以来被完全拆除。这其中,既有城中村,又有城郊的自然村。

结合此前探访以及资料的查询,他们猜测,近几年人口疏解的效果可能更多地来源于不可见的层面,比如对群租现象的整治(划定最低人均面积)、对工业大院转租情况的管控、对一些特定区域出租的治理等措施,这些行动在地图上都很难体现出来。

如今,北京大部分的城中村集中在四环到六环之间。根据周边交通便利程度、工业区的聚集,这些村落的加盖程度不一,但很少出现像南方一样极其紧凑,动辄七、八层的高楼。一方面是因为这些村子离城市中心已经有一些距离;另一方面,北方的日照采光也让原本建筑之间的间隔比南方要更宽。

拉动时间轴则会发现,在 2015 年以前,城中村的拆迁大致拥有一个随着城市扩张自内向外推除的趋势;到了最近三年,拆迁点的分布就变得十分离散,呈现出来很多超远端拆迁、跳跃式拆迁的特点。

到了这一步,一些最开始的疑问已经得到了解答,但更多的问题也冒了出来:为什么 2011 年前后拆迁数量激增?外来常住人口增长率、城中村拆迁数、房地产开发面积在那两三年里出现的转折之间,究竟有多大程度的联系?土地开发利用、城市更新和规划师以一种什么样的方式联系在一起的?

随着课题的转向,他们没有继续去深入这些问题。但对城市的探究没有就此止步,新的课题指向了二环以里。这里虽然不存在城中村,但也在新一轮的人口腾退中,面临历史遗留下的、复杂的经租房产权问题。

而在跑动的过程中,他们建立了书本之外的,对于城市更为感性的认识。这点在制图的时候体现出来,虽然资料并不全,他们还是尽量标注了每个村落的名字。“城中村作为一个整体,仿佛有一种就要和落后、拥挤挂钩的倾向;但当村子以具体的名字出现的时候,村里的故事和记忆就会浮现出来。”文章中写道。

3

他们一再强调,自己了解的真的很少,“毕竟只是本科生嘛”。

而这一系列“非专业”的城中村地图,“在学术上的意义其实也不大”。从文章的措辞看来,这原本只是想写给身边的同学们看看,“如果能让对社会学、城市研究感兴趣的人看了,觉得有所启发,就很好了”,没想到被广泛传播——他们在采访中屡次提及的赵益民,也在自己的豆瓣广播上转发了这篇文章。

在《城市人口调控的谱系》一文最后,赵益民提出了一个问题:现在的城市及其空间,需要进行哪些变革,来更好地服务于生活于其间的人?“用一句话概括的话,”他似乎自问自答道,“城市空间只是纯形式,它变成什么样,是由其中的人(和人与人的关系)决定的。”

这也是这些学生的一个感受,城市空间是由生活在其中的人所塑造的。而城中村,虽然可能不那么规整有序,但它可以包容很多的东西,很了解人们生活的需求,给试图在这座城市落脚的人提供了喘息之地。

正如文章中写道的,“城中村很拥挤,有一些安全和卫生的隐患,但一点也不肮脏,更不需要紧张。它是这个城市真实的、冒着热气的一部分。这就是为什么我觉得这些地图有分享的价值。”

题图为“城中村地图”,及文内图表均由王子豪提供;未标注图片为水磨社区,来源于好奇心日报(www.qdaily.com)


我们还有另一个应用,会在上面更新文章。去 App 商店搜 好奇怪 下载吧。


苹果:已开始研究如何从自家产品中回收稀土材料

9月19日消息,据外媒报道,苹果公司负责环境、政策和社会倡议的副总裁丽莎·杰克逊(Lisa Jackson)日前证实,苹果在新款iPhone 11和iPhone 11 Pro的Taptic引擎中都使用了回收稀土材料。

术语“稀土”是指17种化学元素的总称,它们常被用于生产高性能磁体、玻璃、合金和电子产品。在iPhone中,稀土材料被用在Taptic引擎中,Taptic Engine是新款iPhone所使用的新型线性马达。

杰克逊表示,苹果使用从旧设备中回收的稀土材料不仅可带来经济效益,而且可能有助于维持稳定的稀土供应,这使得苹果的供应链更具弹性。

使用回收稀土材料对环境也有好处。当开采和加工时,稀土会渗入土壤并造成污染,导致一系列问题。有些稀土元素可以被吸收到野生动物和人类食用的植物中,另一些则会污染地下水。

苹果将使用来自一家未具名外部供应商的回收稀土材料,而不是来自回收的iPhone。杰克逊称,苹果的成功使该项目具有可行性。 苹果还开始研究如何从自家产品中回收稀土材料,并鼓励其他公司尝试这样做。

近年来,苹果在iPhone回收方面取得了令人印象深刻的进展,该公司2016年推出的机器人利亚姆(Liam)能够将iPhone分解为核心组件。然后,这些组件可以用于新的产品,如切割工具或太阳能电池板等。(小小)

文章


高盛:今年IPO的企业是20年来最不赚钱的 仅24%能盈利

北京时间9月18日晚间消息,据国外媒体报道,高盛今日发布报告称,今年进行IPO(首次公开招股)的企业将成为自1999年科技繁荣期以来利润最低的一年。

报告显示,到目前为止,今年已有超过75家公司进行了IPO。但在这些新上市的公司中,预计只有24%的公司能在上市后的第一年实现盈利。相比之下,在1999年科技繁荣顶峰时期的这一比例为28%。

虽然今年最火爆的IPO来自科技行业,但生物技术公司却应该为低于平均水平的盈利能力而负责。报告称,到目前为止,生物技术公司占今年IPO的1/4以上,但未来三年内,预计没有一家生物技术公司能够盈利。

虽然如此,今年的IPO收益预计至少将超过1995年以来的任何一年。今年到目前为止,通过IPO募集的资金已经超过310亿美元,仅次于1999年的580亿美元。

与科技繁荣时期相比,近年来的IPO平均数量也有所减少。在过去的20年,平均每年有120起IPO事件。但在上世纪90年代末,投资者纷纷投资有前途的科技公司,每年平均有400起IPO事件。

共享办公空间巨头WeWork昨日刚刚推迟了备受瞩目的IPO。WeWork原计划于今年10月进行IPO,但昨日宣布推迟到今年年底前。据悉,推迟IPO的主要原因是市场估值太低,只有约100亿美元至120亿美元,远低于之前470亿美元的估值。(李明)

文章


科创板|传音控股今日申购 每股35.15元网上申购上限13500股

【TechWeb】9月19日消息,申请在科创板上市的深圳传音控股股份有限公司,离上市又更近了一步,其股票在今日开放申购,每股35.15元,网上申购上限13500股。

传音控股_500

传音控股和保荐机构(主承销商)协商确定本次发行8000万股新股,占本次发行后公司股份总数10%,本次公开发行后总股本为8亿股,协商确定的发行价格为每股35.15元。

传音控股此次计划发行的8000万股新股中,初始战略配售1200万股,最终战略配售403.3886万股,与初始战略配售股数的差额796.6114 万股将回拨至网下发行。

战略配售调整后,网上网下回拨机制启动前,网下初始发行6236.6114万股,网上初始发行1360万股,网上及网下最终发行数量将根据回拨情况确定。

传音控股股票代码为“688036”,该代码同时用于本次发行网下申购,网上申购代码为“787036”,网上申购上限为13500股。

根据此前所披露的发行上市重要时间安排,传音控股是在今日开放申购,网下申购时间为9:30-15:00,网上申购时间为9:30-11:30、13:00-15:00,任一配售对象只能选择网下发行或者网上发行一种方式进行申购。

首次公开发行股票并在科创板上市发行公告显示,传音控股本次发行拟募集资金30.110322亿元,若发行成功,预计募集资金总额为28.12亿元,扣除1.373439亿元发行费用之后,预计净募集资金26.746561亿元。

文章


三星、LG同日举行技术说明会 互相指责对方是假8K电视

据韩国时报消息,9月7日,LG公开表示三星的8K电视是“假8K”,并指出三星是在欺骗消费者;LG当日表示会在9月17日举行新闻活动来进一步讨论8K电视规格。

4

9月17日,LG如约举行了8K电视技术说明会,有趣的是三星恰好也在这一天举行电视技术说明大会。当日,三星与LG双方互相指责对方的8K电视是“假8K”,并列出其电视存在的缺陷。

LG家庭娱乐研究中心主任南Ho-jun表示,8K电视必须要有一定的像素和超过50%的对比度调制(CM)值,而三星8K电视的CM值是要远远低于这一阈值的。他强调,三星8K电视“是不能按分辨率划分为8K电视的”。Ho-jun还引用Intertek和VDE的数据,称“LG的8K电视有90%的CM值,而三星的8K电视只有12%的CM值。”

三星并不认同LG的说法并为自家的产品辩解,称CM值并不是衡量8K电视性能的唯一关键因素。三星视觉显示部门副总裁Yong Seok-woo指出,“要想定义8K电视的标准,我们必须同时考虑亮度和色彩等光学元素和分辨率处理技术等因素,而不是靠对比度调制的值。”

此外,valuewalk还报道称,在17日的技术说明会上,工作人员同时播放标准解码的8K视频,三星的8K电视立刻出现画面,LG的8K电视却播放失败了;之后将现场拍摄的报纸照片直接投放到电视上比较,三星的产品字体显示清晰,LG的产品相对不是很清晰。

文章


聊天机器人再受追捧?Facebook押注下一代交互界面

WechatIMG72_meitu_1

【猎云网(微信号:)】9月19日报道(编译:葛兰东)

早在2015年,聊天机器人就备受关注。其中一个被大肆宣传的是Facebook的M,它的目标是成为一个灵活的、适用广泛的机器人,它可以做很多不同的事情,比如购买物品、安排送礼、预定餐厅和计划旅行。但这些声音远远超过了机器人本身。当Facebook在湾区对2500人测试M时,该软件并未能完成要求它完成的大部分任务。

在对M和其他聊天机器人的热情爆发之后,随之而来的是一波失望(微软首席执行官纳德拉曾说“机器人是新的应用”)。聊天机器人不像机器人那么爱聊天,那是因为他们被训练只谈论一小部分事情,执行特定的、有限的任务。它们无法与人进行自然的对话,无法根据对单词及其含义的一般理解产生自己的反应。它们只能提供一般性的答复。

在M测试版之前,Facebook缩减了对这款机器人的宏伟计划,尽管它的一些自然语言技术已经进入了相对保守的Messenger聊天机器人领域,这些聊天机器人可以做一些简单的事情,比如点餐或发送问答信息。美国运通和1-800-FLOWERS等公司仍然使用这种简单的聊天机器人来回答客户服务问题、接受基本订单和提供账户余额。如果你问一些超出它们理解范围的问题,则会让你和人工客服联系。

但Facebook的人工智能研究小组已经从那种只能简单聊天的机器人发展起来。Facebook自然语言研究人员Antoine Bordes表示:“过去3到4年我们一直在说,对目标导向对话的研究不是我们需要探索的道路,因为它太难,风险太大。”他还表示,如果一个旅游聊天机器人预订了“错误的飞机、错误的航班,那在金钱、旅游等方面都是一个很大的错误。”

Bordes解释说,Facebook并没有专注于特定任务的机制,而是后退一步来解决一个更深层次的问题——教虚拟代理像人一样交谈。他们认为,如果聊天机器人能够更好地理解,并与人类交流,它们最终可能会成为更好的助手,帮助人们完成实际任务,比如预订机票。

Facebook在这方面投入了大量资金,聘请了自然语言人工智能领域的一些顶尖人才。该公司喜欢表明的是,与一些大型科技公司不同,它通过将人工智能研究成果发布到网上,让整个研究社区都能看到,这可能会帮助其他正在构建下一代人工智能的公司。但这项研究肯定也会在自己的产品中体现。

消息应用与人们的日常生活深度捆绑,包括Messenger和WhatsApp,后者也是Facebook的子公司,目前仍在研究如何盈利。随着首席执行官扎克伯格为公司提出一个更加重视私人对话的新愿景,Messenger和WhatsApp将需要增加一些功能,以保持相对于微信、Telegram和苹果iMessage等其他信息平台的领先地位。

构建一种可以随意与人聊天的算法,已经成为大型科技公司的一个关键目标。亚马逊、谷歌和微软都加入了Facebook的行列,押注于人类对话的力量——不仅是基于文本的消息应用,还包括语音助手和其他体验。由于最近的研究进展,通往真正的对话式计算机的道路突然变得清晰起来,但首先到达目的地的奖品仍有待商榷。

换句话说,Facebook的自然语言研究远不止是复活M或者改进基于Messenger的聊天机器人,而是事关整个公司的未来。

神经网络

构建一个能与人进行逼真对话的数字代理人,可以说是所有自然语言问题中最难的。它需要一台机器来学习一本充满单词的字典,以及所有的用法和细微差别,然后在与一个无法预测的人的实时对话中使用它们。

直到最近几年,自然语言的AI社区才开始向通用知识机器人迈出更大的步伐。这部分是因为神经网络的巨大进步,这是一种机器学习算法,通过分析大量数据来识别模式。

在AI发展的大部分历史中,人类一直在观察软件在机器学习过程中的表现。在一种被称为监督学习的技术中,人类教师通过提供一个问题的正确答案来慢慢训练神经网络,然后调整算法使其达到相同的解决方案。

当有大量的数据都是经过精心标注的时候,监督学习就能很好地工作——比如,通过识别照片中有猫、狗或其他物品。但这种方法在聊天机器人的世界里往往行不通。数千小时的人与人之间的对话记录很难大量找到,而且对于一家公司来说,创建这些记录的成本很高。

由于很难教聊天机器人使用这些较老的方法进行对话,研究人员一直在寻找替代监督学习的方法,让神经网络在没有人参与的情况下自己从数据中学习。

减少对训练数据需求的一种方法是教机器基本常识。如果一台计算机对世界有一些了解,比如物体的相对大小、人们如何使用它们,以及一些物理定律如何影响它们的知识,那么它可能会将选择范围缩小。

人类这样做很自然。例如,假设你在一个陡峭的悬崖边开车,突然看到前面的路上有一块大石头,你要避免撞到石头。但在考虑你的选择时,你永远不会决定突然向悬崖边艰难地转弯。你知道,由于重力的作用,汽车会猛烈地落在下面的岩石上。

“我们所做的大部分学习是观察世界,”Facebook副总裁兼首席人工智能科学家Yann Lecun是人工智能领域的传奇人物,自上世纪80年代以来一直在应对最大的挑战,他表示:“我们从父母和其他人身上学到了很多东西,但我们也正是通过与世界互动,通过尝试、失败和改正,学到了很多东西。”

使用这种技术训练的人工智能,称为无监督学习,工作原理是一样的。例如,一辆自动驾驶汽车通过它的许多传感器和摄像头收集有关世界的数据,就像一个孩子通过她的五种感官了解世界一样。通过这种方法,科学家们为机器提供了大量的训练数据供其仔细研究。他们不会要求它给出正确的答案,也不会哄它朝着某个目标前进。相反,他们只要求IT部门处理数据并从中学习,找到模式,并映射不同数据点之间的关系。

在许多情况下,这些必要的数据很难获得。但是AI的一个领域是,神经网络可以在不需要传感器的情况下了解世界,即自然语言处理。研究人员可以使用大量现有的文本来帮助算法理解人类世界,这是理解语言的必要部分。

假设给一个神经网络两个短语来理解:

“奖杯放不进手提箱,因为它太大了。”

“奖杯放不进手提箱,因为它太小了。”

要知道“它”在每个句子中指的是不同的事物,模型需要知道一些关于世界上的对象及其相互关系的信息。LeCun表示:“文本中有足够的结构,它们正在接受训练,知道当你有一个对象适合另一个对象时,如果对象太大,其中一个就不适合。”

这项技术可能成为新一代更具对话性和实用性的Facebook聊天机器人的秘密。

BERT和RoBERTa

目前在自然语言系统的无监督训练方面的进展始于2018年的谷歌。它的研究人员创建了一个名为BERT(Bidirectional Encoder Representations from Transformers)的深度学习模型,并从11038本书中提取了未加注释的文本,以及维基百科英语词条中的25亿个单词。研究人员随机屏蔽了文本中的某些单词,并对该模型提出了挑战,让它找出如何填入这些单词。

在神经网络分析了整个训练文本后,它发现了经常出现在同一上下文中的单词和句子的模式,帮助它理解单词之间的基本关系。由于单词是物体或概念在现实世界中的表现形式,该模型学到的不仅仅是单词之间的语言关系:它开始理解物体之间的关系。

BERT并不是第一个使用无监督方法训练计算机理解人类语言的模型,但它是第一个在上下文中学习单词含义的模型。

“我想说它是自然语言处理领域的前两三大突破之一,”微软研究院深度学习小组的合作伙伴研究经理Jianfeng Gao表示。“你可以看到人们使用该模型作为构建所有其他自然语言处理模型的新基线。”到目前为止,BERT研究论文有超过1000条学术引用,其他研究人员也在谷歌的模型上进行了构建。

LeCun和他的团队就是其中之一。他们构建了自己版本的模型,然后进行了一些优化调整,大大扩展了训练数据量,并增加了允许的训练时间。在神经网络运行了数十亿次计算之后,Facebook的语言模型RoBERTa的表现要比谷歌的模型好得多。与BERT的80.5%相比,它的准确率达到了88.5%。

BERT和RoBERTa代表了一种全新的方法来教计算机如何交谈。“在这个过程中,系统必须表示它看到的单词的意思、句子的结构和上下文,”LeCun表示。“结果,它学会了语言的本质,这很奇怪,因为它对世界的物理现实一无所知。它没有视觉,没有听觉,什么都没有。”它只知道语言——字母、单词和句子。

慢慢接近真正的对话

LeCun表示,使用BERT和RoBERTa训练的自然语言模型,仍然没有足够的常识来开始生成基于广泛常识的聊天。这只是训练一个算法像人一样说话的开始。

Facebook的自然语言研究者也试图在RoBERTa的基础上建立更多的对话特征。他们首先研究了与聊天机器人的实际人类对话,以了解对话如何以及何时会中断或变得无聊。他们的发现推动了一项研究,可以通过训练,让机器人避免最常见的对话失败。

例如,聊天机器人经常自相矛盾,因为它们不记得自己在对话中说过什么。聊天机器人可能在前一分钟还声称喜欢重播的《霹雳游侠》,下一分钟又说不喜欢电视剧。聊天机器人会创建自己的原始响应(而不是从训练数据中检索示例),它们倾向于以模糊的方式回答问题,以避免出错。它们常常显得缺乏情绪,这使得它们缺乏吸引力。

聊天机器人还必须能够调用知识,成为有趣的健谈者。那些能够利用各种各样信息的人,更有可能与人类进行更长时间的对话。但是,目前的聊天机器人只接受一个领域的知识训练,这个领域与机器人的设计任务相对应——当人类开始对机器人领域之外的主题发表评论时,这就成了一个问题。例如,如果你问一个送披萨的机器人关于披萨以外的任何话题,对话就会迅速转移。

作为一种矫正方法,Facebook的研究人员一直致力于训练自然语言模型,从许多知识领域提取数据,并将这些信息以自然的方式输入到对话中。未来的研究将集中于教导机器人何时以及如何引导对话从一个一般性话题回到一个特定的任务。

开发聊天机器人面临的最大挑战之一是,让它们在调用后能够继续学习。单词的含义会随着时间的推移而变化,新的术语和俚语在文化上变得重要。与此同时,聊天机器人不能太容易受人影响——微软的Tay聊天机器人从在线对话中学到了太多、太快,在24小时内就变成了具有侮辱性的种族主义者。Facebook正在教授其实验性聊天机器人如何从顺畅的对话中学习,并分析人类聊天伙伴的语言,以发现机器人是否说了一些愚蠢或无聊的话。

预测Facebook在实验室中取得的进展可能会导致即时通讯聊天机器人的出现,这将是很危险的,因为这些聊天机器人能够进行对话,甚至具备某些类人类的肤浅技能。但也许不久我们就能自己判断结果了。Facebook研究员Jason Weston表示:“我们相信,我们已经非常接近拥有一个机器人,人们可以与机器人对话,从中看到价值。”


传思科溢价收购DataDog未果 后者仍谋求IPO

北京时间9月19日早间消息,据外媒报道,知情人士透露,思科最近几周与软件公司Datadog进行了接洽,给出了远高于70亿美元IPO目标估值的收购报价。

8322-ietnfsq7589550

知情人士表示,Datadog拒绝了这一要约,因为他们认为,随着时间的推移,该公司作为上市公司的估值可能会更高。知情人士称,思科与Datadog之间的谈判已经结束,Datadog仍将致力于上市。

思科发言人拒绝发表评论。Datadog尚未作出回应。

根据一份文件显示,Datadog本周将其IPO价格范围从每股19美元至22美元上调至每股22美元26美元,上限估值最高达到75亿美元。此次IPO预计将于周三完成定价。

由于利润率高且收入稳定,推动商业流程发展的软件公司今年的IPO表现不俗。根据彭博汇编的数据,Zoom Video Communications和Crowdstrike Holdings自上市以来市值翻番,跻身今年表现最好的十大IPO之列。

2017年,思科在数据分析公司AppDynamics确定上市定价之前,以37亿美元的价格将其收购。(思远)

文章