从风投角度看区块链将会颠覆的三个行业

Jalak Jobanputra是纽约新成立风投基金Future/Perfect Ventures的联合创始人。


Jobanputra在本文中向世人展示了区块链技术应用的未来,重点突出了三个即将受到影响的领域。


大概每二十年,就会出现新的技术;它的潜能可以改变人们交流的方式、贸易的方式,并超越人类原来的能力极限。


1970年出现了个人电脑,90年代中期见证了商业互联网的诞生;现在新的技术创新浪潮正在慢慢酝酿,我们称之为区块链技术。


区块链是分布式共识系统,撇除中心机构的参与,进行数据和交易的安全存储及验证。所有交易都是链上的一环,区块网络中的节点完成数据验证,因此被称为区块 链。系统应用的数学算法保证保存的交易信息记录不会被篡改。交易信息是存储在全球账本上的,因此区块链技术也常常被称作分布式账本。


尽管目前银行在进行该技术的后台应用测试,区块链上的交易可不一定是金融业的,转移的数据也不一定是货币。


该系统只需要一个代币就可以支持交易数据的存储,当然目前最常用的还是比特币;并且相应的激励机制会给使用算力进行交易验证的节点一定奖励,这些节点被称为矿工。




它的重要性体现


以下图表展示了我对该技术发展的理解:依次是独立的计算机(个人电脑)、分布式用户/服务器/云计算(也就是我们现在的时代)、点对点网络;然后是去中心化模型,机器、人和企业之间直接互连,无需中央服务器或中介。


没有点对点网络提供单个中心渠道的交易信息下载,物联网也不可能存在。Gartner预测接下来十年内,将会部署250亿个新传感器。很多传感器都需要机器之间的微交易,包括数据、软件升级,可能还有“智能合约”。


这些交易包含三个有趣的因素:
 1、微支付支持大量的无摩擦交易
2、去中心化网络生成的数据量大的惊人,因此需要机器语言学习技术,认知计算的重要性也更及时突出
3、低成本交易扩大了全球商品和服务市场的范围
并且现在的数据已然成为货币,因此可以用不同数据进行交易,就好像“数字易货”系统。更让人兴奋的是,新的货币是可编程的,人们称之为智能合约。


你可以将手机看作节点。


物联网中的冰箱都可以是一个节点,我的智能手表也可以是节点,甚至我也可以成为节点;因此我认为区块链和个人身份变得更加有趣。全球账本使任何人都可以在数据库中安全的存储个人数据。


然后就可以决定交易哪些数据。比如每次去看医生都要填写病例,现在我们可以把这些病例、处方和医生信息存储到区块链上。


然后你就可以验证信息,选择发送给任何人;无论是医生、保险公司、调查研究机构或者是亲戚;并且可以确定不会受到黑客骚扰(很多大型健康保险公司的数据库都是黑客的目标,非法网站上的健康信息记录需要额外费用)。


下面我们看看将来区块链技术潜在的三个应用。




金融业


 从风投角度看区块链将会颠覆的三个行业
 
资产易手之后就很难确定拥有者是谁,尤其现在的交易速度那么快。


这就导致了系统明目张胆的故障,包括计算错误,2008年银行曾因为资产交易太快而无法追踪资产的合法性;或者是接收者众多的情况,就会出现资金捆绑,增加贸易的成本。而区块链技术就可以解决这些问题。


账本可以将资产和个人配对,记录准确的所有权信息,只要符合条件,任何人都可以看到这个全球账本的信息。


银行或买家可以数字化地要求区块链保障交易商品的所有权是真实的,并且这个过程是即时完成的。因此就不需要支付高昂的重复验证费用,理论上说银行也可以收取更少的费用。


想想现在全球几十亿的人口还没有银行账户,在美国想要申请贷款,就会评估申请人的财务状况历史记录,以及是否按时偿还欠款。


全球25亿以上的人没有良好的银行服务和历史财务记录,因此不能支付孩子的教育费,提高自己的生活,收成不好的时候,农民也就无计可施。


或者想象以下,用于验证个人身份和信誉的数据是不可篡改的。


如果个人或企业可以获取储蓄账户或贷款等金融服务,他们就可以得到更多的经济机遇。如果可以评估交易和借贷风险,完成交易的可能性就更高。




房地产


 从风投角度看区块链将会颠覆的三个行业
 
美国人一生平均搬家次数为11次。


大多数买卖双方用托管机构和所有权认证公司进行第三方验证,减少文件造假等诈骗风险,保障交易顺利进行;只是托管费就要房子总价直的1-2%。


所有权保险也是巨大的行业,有一篇文章可以让你窥见一二,“1870年美国出现所有权保险,保护买家免遭可疑房地产交易损失”,现在该行业的“损失率为7%,每笔100美元的保险费用仅仅获得7美元的损失补偿”。


区块链验证所有权的方法可以免除产权者的交易费用。


交易房产的所有信息都可以记录在区块链上,包括修理情况、产权流转情况、电能消费情况;这些不可篡改的记录使潜在买家有据可循。


卖家提供信息越多,在价格交涉中就越有利。这种信息透明度和效率市场为买卖双方都带来了利益,还可以激励产权者更好地管理资产。




艺术


 从风投角度看区块链将会颠覆的三个行业
 
艺术品市场是全球最大不受监管的市场。


全球几千亿美元的资产转移缺少正规文件手续,现有的系统增加了艺术品历史信息追踪的难度。


区块链作为全球公共账本,可以增加这个市场的透明度。艺术品、艺术品交易历史、交易价值等信息都可以有效得到存储。


造假变得不可能,因为艺术品的原始认证信息会成为不可篡改的记录。目前艺术品价值大多是由少部分人决定的,区块链可以消除这种主观性因素,为更多投资人群提供获取艺术品的渠道。




期货


 从风投角度看区块链将会颠覆的三个行业
 
这些例子仅仅是沧海一粟,眼前区块链技术的应用领域我们也只能窥见一角,谁知道20年后是不是人人的口袋里揣着互联的计算机。


目前高盛、IBM、思科等公司,世界经济论坛、国际货币基金组织、英格兰银行等机构都在进行区块链技术试验;这足以证明它不是昙花一现,而是会一直发展下去。


区块链的世界里,互相交易的双方完全不需要互相认识。


因此区块链常常被称为“去信任的信任”。现有系统运行成本都是我们自己负担的;而区块链的世界里,交易速度更快、更便宜、更全球化,人人都可以追踪和控制自己数据的分配。


区块链技术、机器语言学习、相关应用开发的组合将为全世界解锁史无前例的经济机遇。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值