聚福彩票手机登录|注册
聚福彩票手机 >新闻 >重点新闻推荐

聚福彩票手机-聚福彩票合法的吗

作为一位新锐基金经理,在过往一年半的管理生涯中,葛晨不断在市场中磨练、沉淀和总结,不断修正自己的投资理念,始终走在正确的道路上。他说,“第一年管理是研究员思维,总希望挖掘出市场不一样的东西,但后来发现,市场选择出来的东西一定有它的道理,永远要敬畏市场。你可以有不一样的想法,但是一定要极度的谨慎。复杂市场中,生存下来是第一要务,必须对基民负责、对自己负责。”

亚马逊面部识别系统对不同肤色、性别的测试准确度Google将这位用户的朋友识别为“大猩猩”“不管其正确性如何,面部识别技术都可能被滥用,”Joy说道。准确或者不准确地使用面部识别技术对他人的身份、面孔、性别进行分析,都可能侵犯到他人的自由。比如,不准确的识别可能会使得无辜者蒙冤,受到执法人员的无理审查,这并不是假想的情况。

研究人员还测量了图像中女性面部与男性面部的大小情况(目前的技术只能捕捉人脸的大小情况,忽略了头发、珠宝和头饰等因素的影响)。结果显示,男性面孔平均占到的图像面积更大,这种差异导致图像中男性平均面部尺寸比女性大出了10%。在Facebook的图像中,这表现为男性人物能给读者带来更大的视觉冲击。

为了减少对面部识别技术的滥用,算法正义联盟(Algorithmic Justice League)和隐私与技术中心(Center on Privacy & Technology)发起了“安全面孔承诺”(Safe Face Pledge)活动。

关于医药的长期投资,葛晨提供了一个不一样的认知角度:我们需要什么样的收益率?他认为,无论做什么投资,其实不在乎一两年内的短期弹性有多大,只要每年能比大家好一点,长期积累下来的超额收益是非常惊人的,而医药就是一个具有这样典型特征的行业。“我们统计29个申万一级行业的年度排名,发现十几年来医药生物指数在绝大多数时候排前1/2,但排名并不是特别靠前,然而过去十几年累计下来,该指数的涨跌幅是排在前列的。”

从这个角度看,皮尤研究中心用一个简化的实验,展示了用于训练算法的数据是如何将隐藏的偏差、意外的错误引入到了系统结果中。研究人员表示,随着算法正在人类社会中发挥越来越重要的决策影响力,了解它们的局限、偏差具有重要意义。

为了更好地了解这一过程中的规则,皮尤研究中心进行了一个有趣的实验,他们将自己中心工作人员的图像上传到机器视觉系统,并对图像内容进行部分遮挡,希望从中寻得规律,找到是哪些面部区域会让算法做出或改变决策。

在TED演讲中,Joy和大家分享了一个小故事:在同样的光线条件下,面部识别系统只能检测到浅肤色的参与者;只有戴上白色面具,才能检测出深肤色的参与者。“在人工智能工具确定人脸的身份或者辨别表情信息前,最基本的前提是,检测出人脸。但是,面部识别系统在检测黑皮肤个体上,屡次失败。我只能安慰自己,算法不是种族主义者,是自己的脸太黑了。”Joy说道。

超额收益主要来自哪几个方面呢?首先,是跨行业的机会,葛晨年初发现非洲猪瘟导致养猪行业发生变化,通过研究分析认识到,生猪大量死亡将导致猪小肠减少,而某上市公司出产的某种药品就是从猪小肠中提取的,作为原料的猪小肠减少,但该药品的需求量是刚性的,很可能会导致价格暴涨,那么库存多的该上市公司必然会受益于药品提价,。基于葛晨年初买入该公司,这一跨行业额的研究成果确实为投资组合带来了超额收益。

不过医药主题基金毕竟还是重仓在某一个行业,投资者仍然会担心行业风险,对此葛晨认为,首先医药行业和其他行业不同,是一个长期稳健的行业;其次,医药板块的特点是细分子行业非常多,即便大行情不好,还是有股票不跌反涨,有非常大的腾挪空间;最后,政策变动确实会导致整个行业逻辑发生大变化,比如4+7带量采购扩围带来医药的短期阵痛,如何认识到这种变化?靠的是行业研究的基本功。

博时基金葛晨:医药行业长期乐观 聚焦三大增长点

从历史上看,医药生物是值得长期投资的;从目前看未来,葛晨总结了该行业的三大增长点。首先,是医保内市场的结构性变化,包括疗效导向的创新药及产业链、性价比导向的仿制药一致性评价,“将原来不在医保里的、效果好但价格贵的药,纳入医保当中来,这就是创新药的机会”;其次,是医保外市场的自费可选医疗消费,如部分眼科、口腔、体检、医美等,这些并不是极度刚性的需求,用或不用患者可以自主决定,葛晨表示,一方面,自费领域医疗机构可以差异化定价,另一方面,用户会主动加深对产品的了解,更容易形成黏性;最后,是全球视角下的中国优势,比如工程师红利和产业链优势,具体受益领域包括医疗设备、CRO/CDMO 行业等。

医药的三个增长点名牌大学生物学背景,6年的医药行业研究员打下的专业基础,造就了如今对医药行业有着非常敏锐洞察力的“医药一哥”。

亚马逊的面部识别系统为奥普拉·温弗里的这张图片打上了男性标签,并给出了数据置信度Joy表示,现实世界中的脸部识别要比实验检测更为复杂和困难,他们建立的基准数据集也并非完全经受得住考验,“但这就好比跑步比赛,在基准测试中的出色表现,起码能保证你不会刚起步就摔倒。”

超额收益的另一个来源是深度挖掘。通过研究葛晨发现医药行业里面有个市值非常小的公司,该公司正在生产一款非常有竞争力的药品,而且具有一定安全边际,因此大胆买入并耐心持有。对于深度挖掘的重点,葛晨表示,“其实就是要能从底部挖掘出跟别人不一样的股票,然后这些股票还要比之前大家拥有的共同持仓要有更好的表现,这就非常考验我们的投研能力和个股的挖掘能力了。”

在目前,包括亚马逊在内的很多科技公司尚未加入这一承诺。“根据我们的研究,贸然向执法部门或者政府机构出售面部识别系统将是不负责任的。”作为算法正义联盟创始人之一的Joy希望,在未来,更多的机构能加入到“安全面孔承诺”,能够负责任地、符合道义地为面部分析技术的发展付出行动。

“无论是筹码还是公司基本面都要考虑到安全边际,还要考虑到基金规模大小、公司股本、公司流动性等等。而且对公司的研究要非常深入,因为你发现的优质公司可能暂时没有关注度和热度,如果不是有深刻的认识很容易动摇,耐不住寂寞、不能坚持长期持有,容易倒在黎明前。”葛晨说。

Joy提醒我们关注基准数据集的偏差。“当我们讨论面部分析技术的准确性时,是通过一系列图像或者视频测试来完成的。这些图像数据构成了一个基准,但并不是所有的基准都是平等的。”

偏差来自哪里?如果对比开发者自己声明的准确率和研究者们的研究结论,会发现一个有趣的事情:公司发布的数据和独立第三方的外部准确率总是有所出入。那么,是什么导致了这一差异?

毕竟,算法偏见的背后,其实是我们人类自己的偏见。参考链接:1.https://www.journalism.org/2019/05/23/men-appear-twice-as-often-as-women-in-news-photos-on-facebook/

你也许会为女性身影的稀少而感到疑惑,这在一定程度上和更大的社会现实相关。比如,在关于职业足球队的新闻报道中,识别出的图像大多都是男性;在针对美国参众两院(女性占比为25%)的报道中,识别出的女性面孔当然要比男性少得多。

正是基于这个更平衡的数据集,他们对亚马逊、Kairos、IBM、Face++等公司的面部识别系统进行了重新评估。在2018年8月的研究中,他们发现,亚马逊和Kairos在白人男性识别工作上表现优秀,但亚马逊对有色人种的女性面孔识别的准确率很低,仅为68.6%。

不同系统对深肤色演员的识别数据不同Facebook曾宣布,在名为Labeled Faces in the Wild的数据集测试中,自己面部识别系统的准确率高达97%。但当研究人员查看这个所谓的黄金标准数据集时,却发现这个数据集中有近77%的男性,同时超过80%是白人。

AI的种族歧视,是算法盲点还是人心叵测?

在这个“人机博弈”的交互挑战中,你不妨也大胆猜测下,哪些部分影响了系统的判断?首先,输入一张清晰的图片到机器视觉系统,此时,不管是算法还是你,都可以清楚地判断出照片中人物的性别。接下来,照片中出现了若干方框,提示信息告诉你,“选中某一方框意味着,在图片中遮挡隐藏该部分内容,你的选择有可能影响性别判断。”

3.https://medium.com/@Joy.Buolamwini/response-racial-and-gender-bias-in-amazon-rekognition-commercial-ai-system-for-analyzing-faces-a289222eeced

“偏见”带来了什么?最近,包括图灵奖获得者Yoshua Bengio在内的26位AI领域顶尖研究者,在一篇公开博文中要求亚马逊立即停止向警方出售其人工智能服务Amazon Rekognition。亚马逊云计算部门前首席科学家Anima Anandkumar等人也加入了这一联合呼吁。

最后,当你完成选择后,图片将呈现出能影响性别分类改变的所有区域。感兴趣的读者,可以登陆皮尤研究中心网站,自己动手完成这个小实验。传送门:https://www.pewresearch.org/interactives/how-does-a-computer-see-gender/

本文来自公众号:全媒派(ID:quanmeipai)。

此前,多伦多大学的研究人员Deborah Raji和麻省理工学院媒体实验室的研究人员Joy Buolamwini撰写了研究报告,指出亚马逊的Rekognition在检测图像中肤色较深的女性性别时,要比判断肤色较浅男性性别的错误率高得多。该研究成果也得到了学者们的支持,但亚马逊曾对两人撰写的这篇报告及研究方法提出过异议。

亚马逊相关负责人表示,该公司使用了超过100万张面孔数据作为基准来检测产品的准确率。但是,不要被这个看起来很大的样本迷惑了。“因为我们不知道基准数据的详细人口统计学数据。没有这些信息,我们就无法判断,是否在基准选择上,就可能埋下了种族、性别或者肤色等偏见的可能。”

超额收益的两个来源循着行业主线做好基本配置,第二个问题就是:如何跑赢竞争对手?葛晨表示,第一种方法是仓位选择做得更好、更灵活,上涨时比别人仓位高、下跌时比别人仓位低,但择时太难了,很容易出现失误;第二种办法是寻找阿尔法收益,在别人没有发现的时候提前发现优秀的标的,靠的就是基金经理勤奋不停地挖掘。葛晨其实采用的就是第二种方法,相对同类基金而言过往各季度仓位并不高,更注重个股的选择。

具体来看,在涉及经济相关的帖子中,女性面孔的平均尺寸比男性小19%,但在娱乐相关的内容中,女性面孔的平均尺寸比男性大7%。

2.https://www.pewresearch.org/interactives/how-does-a-computer-see-gender/

当这些有偏差的识别系统被广泛应用到社会生活中,就可能导致更糟糕的后果。Joy Buolamwini在TED上发表题为How I"m fighting bias in algorithms的演讲

皮尤研究中心的一项最新研究发现,Facebook的新闻图片中,男性出现的频率是女性的两倍,且大部分的图片是关于男性的。

为了在数据层就尽最大可能地剔除偏差,Joy提出,应当构建更具包容性的基准数据集。为了平衡基准数据,她列出了世界上妇女在议会所占比例最高的十个国家,其中卢旺达以超过60%的女性比例领先世界。考虑到北欧国家和少数非洲国家具有典型代表性,Joy选定了3个非洲国家和3个北欧国家,通过选择来自这些国家年轻、深肤色的个体数据来平衡数据集中的皮肤等类型。

在具体操作中,葛晨主要集中在三条主线上面,“我们是跟行业基准进行比较的,首先大方向不能错,必须站在行业发展的潮流上面,才能保证不会与行业发展的趋势相背离。”

即便在同样的基准下,面部识别系统的准确度数字可能也会发生变化。人工智能并不完美。在这种情况下,通过提供置信度给用户更具体的判断信息是一个有用的做法。

像面部识别这样的机器视觉工具,正被越来越广泛地应用在执法、广告及其他领域,对性别的识别,是其基本功能之一。

著名非裔记者、平权运动家Ida B.Wells被识别为男性。为了减少搜索人脸所需的时间,执法部门正在大量使用性别分类。如果需匹配人脸的性别是已知的,通过简单的二分法,就可以大量减少需要处理的潜在匹配数。性别分类正广泛应用到警务活动中。

那么,是谁在“扭曲”两性?为何有时候,算法眼中的你处在可男可女的模糊地带?进一步讲,性别之外还有哪些偏见?为了应对这种状况,我们可以做些什么?人脸识别下的性别失衡皮尤的这份报告指出,在Facebook上不同类型的新闻报道中,女性在图片中的“在场”情况始终低于男性。在与经济有关的帖子中,只有9%的图片为纯女性内容,与此形成鲜明对比的是,纯男性图像占到了69%。女性在娱乐新闻图片中拥有更多展示机会,但总体上仍低于男性。

机器学习的确可以极大地提高我们处理数据的效率,但与传统的计算机程序不同,机器学习遵循一系列严格的步骤,它们的决策方式在很大程度上隐而不显,并且高度依赖于用来训练自身的数据。这些特点可能导致,机器学习工具产生更难以被人理解和提前预测到的系统性偏差。

永远要敬畏市场在行业和个股的研究中,葛晨始终强调要勤奋勤勉、积极主动,但提起投资风格,葛晨坦言自己“比较怂”。他表示,自己很少做极端仓位选择,不会在一个方向上押重注,非常注重投资的安全边际。

本文来自公众号:全媒派(ID:quanmeipai),原标题为:《人脸识别的肤色性别偏见背后,是算法盲点还是人心叵测?》,题图来自:。

责任编辑:99彩娱乐彩票登录

聚福彩票手机版权与免责声明

凡本网注明“X月X日讯”的所有作品,版权均属聚福彩票手机,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:聚福彩票手机”。违反上述声明者,本网将追究其相关法律责任。

聚福彩票手机授权咨询:0392-3201587

客服电话:0392-3313875 投稿箱: 2315789961@qq.com

聚福彩票手机 版权所有:Copyright © hebiw.com All Rights Reserved.

河南省互联网违法和不良信息举报中心

X关闭
X关闭
友情链接: