近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
同時也有1部Youtube影片,追蹤數超過3萬的網紅睿富財經頻道WealtHub Channel,也在其Youtube影片中提到,早前新樓盤開售,市場反應非常熱烈。《致富解碼》今集邀請到祥益地產總裁汪敦敬(Lawrance),介紹新書《龍市樓論》並分析龍巿模式,剖析香港2009年後至今的「新常態」樓市數據,助你配置 Smart Money 入市。 【第7集主題:#香港樓市】 主持:天窗文化集團 CEO 李偉榮、資深 iBa...
雍智科技李職民 在 李開復 Kai-Fu Lee Facebook 的精選貼文
近日,我與阿萊克斯·彭特蘭教授(Alex Pentland)展開了一場”AI如何重塑人類社會”的精彩對話。
《連線》雜誌的資深撰稿人威爾·奈特(Will Knight)主持了這場對話。
阿萊克斯·彭特蘭教授任教于麻省理工學院,為全球大資料權威專家之一,現任MIT連接科學研究所主任、MIT媒體藝術與科學教授,擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜,曾參與創建MIT媒體實驗室,是全球被引述次數最多的計算科學家之一。
對話金句:
李開復:
AI最大的機會蘊藏在與傳統企業的結合中,這種價值的產生極其迅速,只需要幾個月,甚至短短幾周。
未來突破很難預測,對奇點、超級智慧的爭辯,在我看來都過於樂觀了。
小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,不要與巨頭核心業務正面硬碰。
阿萊克斯·彭特蘭:
AI絕非試圖取代人類,而是促進多元文化之間的相互連接、團隊合作,讓人們更好的進行社交和連接彼此。
最困難的其實是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
我在對話中表示,當我們試圖解決AI問題時,應該用技術來解決技術的問題,可以尋求與監管部門協作,而不只是丟給他們,“新技術會衍生新的問題,我們應該多方嘗試用更進階的技術性解決方案,就像電腦病毒剛出現時,殺毒軟體隨之誕生。”
彭特蘭教授認為,人工智慧的核心,是促進多元文化之間的相互連接。不只是工程師或科學家,連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準,就像TCP/IP互聯網協定那樣,避免AI冷戰。” 我們都贊同,AI發展從來不是單打獨鬥,跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇(MIT-CHIEF) 組織的高峰對話系列活動,主題是《計算與未來: AI與資料科學如何重塑人類社會》。
麻省理工學院中國創新與創業論壇(MIT-CHIEF)由麻省理工學院的中國留學生創立,至今已有十年,是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者,共同探討科技創新及商業化過程中面臨的挑戰。
以下是我們對話的核心內容,由我的同事整理、分享給大家:
Part I 主題演講
▌李開復:各方應協作,讓AI 更務實
非常榮幸再次受到MIT-CHIEF的邀請,對於人工智慧的看法,這次我主要想講四點。
第一點是我書裡的主題,人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段,從應用落地層面來說,正迎來了AI發展最大的機遇。
很多科技公司目前已對人工智慧進行了多樣化佈局,從視覺、語言、觸覺和其他感知技術,到自動化機器人、無人駕駛等,對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性,但我預測未來的格局會非常龐大,依據統計,各行各業採用AI的程度目前不到5%,AI應用的中長期增長曲線相當可期。
第二點是我很欣喜看到的一點,AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多,更多的AI公司湧現出來。
AI最大的機會蘊藏在與傳統企業的結合中,創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。
作為AI投資人,我認為在這些行業如果找到正確的AI應用方向,就能帶來上千萬的回報。這種商業價值的產生是極其迅速的,通常只需要幾個月,甚至短短幾周就能看到成果。
現在人工智慧在傳統產業的滲透率仍在個位數,仍然有很大的提升空間。然而對於很多公司來說,它們需要的是高度定制化的方案,而非通用型AI方案,所以融合的過程中,不可避免會遇到不少挑戰和痛點。
第三,我早年做過很多科研工作,很高興能看到關於系統一和系統二(System One, System Two)的討論,我們期待人工智慧技術從系統一升級為系統二,即從識別、決策、優化等能力,升級到感知、認知等進階智慧的能力。
有不同的學派都在努力讓人工智慧更接近人類智慧,其中一個流派主張回歸經典的AI理念,甚至重新構建嶄新的模型結構,在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。
回看人工智慧過去60多年的歷程,最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路(CNN)帶來的喜人成績,還有預訓練自然語言處理模型(Pre-Trained Models for Natural Language Processing)的廣泛運用。
預訓練模型與人類語言學習的模式類似,不管是英語還是中文,在習得這些語言之後,再去學習程式設計、藝術、化學。在無人監督的學習環境中,這種模式比我們想像得還要強大,就像阿爾法圍棋(AlphaGo)一樣。
最後一點我想說的是,如何讓AI變得更務實。
AI有很多問題,例如隱私、資料安全、治理和監管,在此就不一一討論了。當我們試圖解決這些AI難題時,有人認為讓監管部門加強管理是唯一辦法,其實不然,我們是否也可以朝著研發更厲害的技術性解決方案去努力?
就像電腦病毒剛出現時,殺毒軟體隨之誕生;面對千年蟲難題時,也迅速找到了技術應對方案。我們可以通過研發新技術,應對DeepFake深度換臉程式的挑戰;或者通過聯邦學習技術,在保證資料私密性的同時,滿足深度學習訓練需求。
作為握有技術能力的群體,我們需要與監管部門一起協作,而不只是把工作丟給他們。相信有了各方的助力,我們可以讓AI的應用變得更有深度,更加務實,更高效地克服現在面臨的種種問題。
▌阿萊克斯·彭特蘭:國家間應建立互通標準,避免“AI冷戰”
我對當前的深度學習技術不太樂觀。
最為主要原因是,深度學習不僅需要龐大的資料來源,而且要求這些資料長時間恒定不變,以保證模型訓練結果的可靠性,例如人類的面容、語言,就是相對穩定不變的資料來源。
但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時,出現了倉庫貨物緊缺,不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰,就是因為快速變化的疫情,和深度學習對恒定資料來源的需求是矛盾的。
另外,我想談談如何通過聯邦學習,促進資料的流通。
大多數公司沒有足夠豐富的資料,需要聯合不同的資料來源。基於這種需求,出現了很多新商業模式,比如“資料經紀人”——他們不出售資料,而是把資料借出去,作特定需求的使用。
“資料經紀人”業務湧現了很多,他們促進了資料的流通,也加強了資料的隱私性。因此,像聯邦學習這樣的技術和商業策略結合,有效解決了資料在合規性和所有權方面的難題。
聯邦學習也依賴於新的基礎設施建設,為資料應用和深度學習提供基礎環境,比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗,新加坡等國家設置了一種相互競爭的區塊鏈系統,來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗,涉及不同資料的互通性和連貫性問題。
我們仍在研究如何用儘量少的資料,實現人工智慧的目標。少量資料是指不斷更新的短期資料,這些資料能使AI應對迅速變化的情況,並及時做出調整。
我們打算將AI與其他基礎科學結合,例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料,可能會比深度學習更加強大。
除此之外,我們在探討用AI保障聯邦學習過程中不同資料方的權益,這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。
另一方面,我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作,找出解決系統入侵和保障網路安全的方法。
我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策,也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率,比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。
基於我們已有的多中繼資料庫,現在可以利用AI實現全新的資料優化方式,將貧困、不平等這種之前無法量化的指標,通過可量化的指標進行評估。
同時,要真正實現這個目標,我們還需要制定統一的互通性標準。如果沒有這個標準,國家之間就不會相互信任去合作,就可能出現AI冷戰。
因此我們需要找到促進合作的方式,就像TCP/IP互聯網協議那樣。而之前我提到的,新加坡、瑞士等現在正在嘗試的區塊鏈系統,將有希望解決國家間缺乏互通標準的問題。
Part II 對話
▌ 美國線上教育發展難度更大,只在ZOOM上講課是不夠的
Q1:疫情加速了行業的改變,遠端醫療、線上教育開始蓬勃發展,這只是AI對人類社會產生影響的冰山一角。想請兩位談一談,目前看好AI在哪些領域應用的未來前景?
李開復:疫情的確對整個社會產生了實質性的影響,人們行為習慣發生了很多改變,更願意接受線上學習和工作了。
這種新的行為習慣產生了大量資料流程,為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料,可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究,因此我相信AI在醫療健康領域的潛能是非常巨大的。
AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務,例如批改作業,讓老師得以將時間精力投入到更有創造性的事情上,能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性,比如設置卡通版AI虛擬老師,讓課程充滿趣味性。
在中國,有很多線上教育公司在疫情之前就已經發展迅速,像創新工場投資的VIPKID,讓國外的純正英語老師線上上教授中國學生。目前,中國的線上教育已經擴展到了更多科目,包括體育、舞蹈、書法等素質教育課程。
相比之下,美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的,好的線上教育必須要有好的內容。
▌AI核心是增強人際互聯,應注重文化多樣性
阿萊克斯·彭特蘭:李開復博士提到的教育案例,我不是很認同。
MIT大約20年前就在教育中使用AI,重點根本不是內容,我們甚至提倡將內容免費開放給大眾。
AI絕非試圖取代人類的作用,我們更強調用AI增強人與人之間的互動,讓人們更好的社交和連接彼此。比如手機上人工智慧技術,不是要取代你,而是讓你高效地找到最適合的工作、最正確的人,讓你更容易的獲取資訊,並進行創新。
我們可以利用資料激發更強的創新力,培養領導力。只有基於這樣的宗旨,才能促進更有創造力的教育和學習,這比關注教育內容本身重要得多。
在加拿大,有家創業公司正在訓練普通民眾學習AI,比如水管工,教學效果非常不錯。他們的教育方式不是簡單的教授基本知識,而是以一種能夠激發人們互動思考的方式。
我們之前在中國調研了3000多個孵化器,發現創業公司成功的要素裡,第一個是文化多樣性,也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性,他們能否發揮自己所長,並很好地進行團隊合作。
1956年,馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解,不應該只停留在“人工”層面,而應擴展到多元文化之間的相互連接、團隊合作,我把它叫做延伸智能(Extended Intelligence)。這也是我想強調的,人工智慧這個名詞有一定的偶然性,但它的核心點是增強人與人之間的互聯性。
▌AI未來突破難預測,奇點、超級智慧過於樂觀
Q2:未來十年AI有沒有可能取得重要突破?比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼?
李開復:過去60多年來,深度學習是唯一的重大突破。在這之後,卷積神經網路(CNN)和GPT-3等都算是重要的改善,我對於人工智慧的漸進式改善保持樂觀。
對科學家來說,他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易,只要有大量的資料,就可以從實驗室進入到行業應用,CNN和GPT-3都是模型加海量資料的成果。
我是務實派的,雖然持有樂觀態度,但並不是一位“未來學家”。未來的突破很難預測,對奇點(Singularity)的爭辯,甚至預測超級智慧的出現,在我看來都過於樂觀了。
阿萊克斯·彭特蘭:我同意李博士的觀點。很多生物機制很難解釋,包括用感知認識事物、理解聲音、尋找食物等,是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論,並進行實踐。
從務實的角度來說,我最感興趣的就是聯邦學習。就醫療而言,我們有這麼多醫院,在新冠疫情期間做了很多的實驗,為什麼這些實驗資料不能進行聯合呢?
儘管資料有不相容的地方,但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來,我們對資料的需求也許會越來越少,外科醫生或者物理學家或許不需要太多資料,因為他們對規則已經瞭若指掌了。
▌不要墨守成規,要跨領域、跨學科應對挑戰
Q3:人工智慧會有什關鍵挑戰?對於想從事這個行業的人,有什麼是需要瞭解的關鍵點?
李開復:首先,大背景在改變,新科技層出不窮,我們每年都需要學習新的東西。
其次,人工智慧可能引起各種問題,包括偏見、歧視、倫理道德等,是否危害人類的身體健康,無人駕駛技術該何去何從等等。
第三,人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校,能夠把AI教育擴展到各個學科,讓研發人員及早意識到自己的責任和價值。
阿萊克斯·彭特蘭:是的,我朋友做過一個有關電的趣味類比,電動馬達最初在工廠裡用於生產的時候,並沒有發揮出多大的作用,因為大家並不知道如何改造生產流程。
AI在一些領域發揮的作用是顯著的,但應用到其他領域時,就需要改造流程。很多情況下,最困難的就是說服人們改變商業流程去使用AI,因為大多數人是墨守成規的。
而有意思的是,就像李博士提到的,像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。
比如,我今天早上正好就這個話題跟G20領導人對話,大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題,不能只是工程師或者社會科學從業者們在做,經濟學家,政治家等等都必須參與進來緊密合作。
隨著AI的應用領域越來越廣,除了必須具備強有力的技巧來建立社會規則,還需要對研究經費、企業投入等進行各種調整。
▌雖然大公司實力不容小覷,但依舊對小公司抱有期待
Q4:AI研究會消耗大量的資源,我們是否應該將資源往學術界平衡?現在已經發生資源的重新分配和平衡了嗎?
李開復:就人才而言,現在已經有重新平衡的跡象了。
過去,頂尖大學的學者基於待遇和種種考量,不少選擇去企業界工作。而近期,曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。
但像GPT-3這樣的技術,仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練,就要花費460萬美金,只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。
我觀察到,近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建,為了解決特定問題而生,並非紙上談兵做突破性科研,切入的領域也往往是巨頭公司忽略的地方。
例如,為製造業進行AI賦能,不是一件輕鬆的事,需要去工廠實地勘查,瞭解運作方式。大公司因為賺錢很容易,不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果,就會給產業界帶來革命性的影響。所以,雖然大公司的實力不容小覷,但我依舊對小公司抱有期待。
阿萊克斯·彭特蘭:大學和公司是一種融合的關係,不僅體現在人才流動上,也會進行資訊資源分享,彼此是整體性的合作態勢。
當然這也不是絕對,產業界的保密需求還是存在的,只是從學校的出發點來說,我們願意毫無保留地為大家提供更好的研究成果,並與企業合作,形成標準化平臺。
▌人工智慧取代人類需要上百年或更久
Q5:兩位認為什麼是AI不能取代的?
李開復:一類是創造力、分析能力、邏輯辯論能力,瞭解自己知道什麼不知道什麼,這些是人工智慧無法取代的。另外一類是同理心,人類之間的信任、友誼,自我認知、意識等。
阿萊克斯·彭特蘭:人工智慧有朝一日可以取代人類所有的能力,但是這個過程會非常漫長,可能需要上百年或更久。
▌AI創業建議I:找到小切入點,不要與巨頭正面硬碰
Q6:李博士提到了AI在小企業中的運用,可否再舉例說明是如何運用的?
李開復:這個問題分兩部分:一個是小型AI公司與巨頭競爭,我的建議是找准巨頭沒有平臺優勢的細分領域,為某個針對性產業創造價值,並且不要與巨頭核心業務正面硬碰。
對於那些中小型非AI、但想應用AI的公司,需要確保有足夠的資料,以訓練與核心商業價值掛鉤的AI模型,並且有願意變革的開放性公司文化。
所以,早期應用AI的公司可能規模較大,因為他們有足夠大的資料,和可相容變革的商業模型。每個例子都不同,不是任何一家公司都要應用AI。
阿萊克斯·彭特蘭:如果我們放寬AI的定義,或許水管工、合同工都有資料,通過一些簡單的分析、整合,AI也可以在很大程度上改進他們的工作。
這些都是很小的切入點,基於簡單的AI分析、機器學習,依舊可以產生巨大的潛力。
▌ AI創業建議II:知曉技術,同時理解商業
Q7:兩位再分享一下最後的建議?
李開復:我們在步入一個AI開始滲透到方方面面的令人振奮的時代,我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地,而不僅僅鑽研技術本身。
阿萊克斯·彭特蘭:不要太較真於深度學習或者冗長的演算法,一切始於要解決的現實問題。不要止步於技術本身,要明白資料類型、形態和規律,關注商業流程。
感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。
雍智科技李職民 在 酸酸時事鐵絲團 Facebook 的最佳解答
一「兩岸哪裡一家親!研究:台灣人基因與中國不同」
ㄧ「台灣非中國一部分!以色列學者撰寫首本希伯來文台灣專書 - 政治 - 自由時報電子報」
#兩岸一家親還是基調 #中國有機會就吃吃我們豆腐 #台灣只是川普貨架上的商品 #統獨是個假議題 #你們台灣人 #說以後要統一或獨立的那現在打 #現在好好的管它過去幹什麼 #惡性循環兩岸關係不會好 #兩岸一家親標籤化 #合作代替對抗 #你統我我也能統你 #沒必要逞口舌之快 #我們都是Chinese中國人
https://m.facebook.com/story.php?story_fbid=1259641420842601&id=584986081641475
「#台灣族人依舊在,#只是忘了我是誰!」
日本文獻,1895-7年,台灣居民分限處理手續通告記載:台灣現有華人16,474人,其中6,546人將於二年之內返回中國,其餘10,291人,將以華僑身份,繼續居留在台灣。另有257,104人,則將以台灣人身份居住台灣。
當時留下來的華人對全島平埔族群台灣人的比例僅約3.8%。這還是在清帝國時期純種平埔族人被大舉漢化後的結果。而根據記載1895-1945這50年間,台灣的華人僅僅增加4萬人。
「 #你我都是原住民」
台灣人的祖先很多人都以為是來自福建的中國移民,此種自認中國漢人乃台灣人祖先的刻板印象其實是透過有政治目的的教育所造成。如今,許多的歷史、考古及醫學研究都否定了這個說法,底下將就各方面的研究及資料,說明台灣人大多數都是台灣原住民平埔族漢化的後代。
台灣被列入歷史記載的時間始於1582年,葡萄牙船長在船行經過台灣時高呼「Ilha Formosa」,意思是美麗的島嶼,並紀錄於航海日誌中。然而,考古學上於台東"長濱文化"的發現,證明了台灣早於據今五萬年以前的舊石器時代就已經有人居住,並不是荒蕪之島,而新石器時代的遺跡更是遍佈台灣全島。 早期居住台灣的原住民屬於「南島民族」,使用的語言屬於「南島語系」,與南太平洋區域住民的語言同屬一系。 約略分為20多個族群,住在山區者稱為「高山族」(約九族),住在平地的稱為「平埔族」(約十族)。
1616年已經有日本人來到台灣從事貿易, 荷蘭人於1624年佔據台灣,期間為了開墾及農耕需求,引進漢人從事耕作,然這些人力只是僱傭性質,而非移民。 荷人的政、教措施全不及漢人,未為漢人設置學校、教會, 荷人不視漢人為其屬民,教會亦視漢人為異教徒。因此所做的台灣「蕃社戶口調查」,均不將漢人計算在內。
根據荷蘭人的人口統計,荷據時期(1624-1662)台灣各地就有約30萬人的平埔族 (註1), 而在荷蘭駐台最後一任長官揆一所寫「被忽視的台灣」中有記載,當時漢人庸工人數為2.5萬人。然而荷蘭勢力範圍只涵蓋台灣西部,且主要統治地區為台南,高雄一帶。
沈建德博士以1624年為起點以日本學者(註1)及文獻會資料建立人口模型以人口年增率0.7%估計(同時期明朝人口平均成長率為1.054%), 認為荷蘭時期台灣平埔族約有38萬人,非歸附原住民(含平埔族及高山族)有25萬(註2)。
1662 年荷蘭降於鄭成功,鄭家的東寧王國治理平埔族,態度與方法都比荷蘭人嚴苛激烈,對平埔族的剝削程度,更甚於荷蘭人,驅使奴役、虐待刻薄的情況時有所聞,使平埔族大為反感,並起來反抗。鄭式高舉反清復明大旗, 清帝國為消滅防堵鄭家勢力, 於1661年起實施堅壁清野的戰術。對山東、江蘇、浙江、福建、廣東等地實施海禁,禁止人民跑到台灣,同時劃界遷民,在沿海地區的住民強制要遷到界內,並築界墻、立界石,派兵戌守,若越界則殺無赦。
以福建為例, 1048公里的海岸線居民都要遷移到界內。 鄭式王朝時期, 漢人為11萬左右(註3)。
1683年清帝國消滅鄭氏王朝,實施驅漢政策,把鄭式王朝的漢人通通驅離台灣。 1684年施琅「諸羅減租賦疏」說得很清楚:「自臣去歲奉旨蕩平偽藩,偽文武官員丁卒,與各省難民,相率還籍,近有其半」。可見1683年滿清入台後約僅一年,就將鄭氏軍民趕回約有一半。到了1688年,「華夷變態」上記載:「以前台灣人口甚為繁盛,漢人民兵有數萬人,自隸清以後,居民年年返回泉州、漳州、廈門等地,現僅有數千漢人居住」。可見,從1683年的數萬趕到1688年,只剩幾千漢人在台灣,而驅漢行動並未因而停止。
清帝國納台灣入版圖,常駐在台灣的官士兵約1.5萬人,三年為一到就離開台灣輪調,為防止反清復明或造反再發生(事實上還是三年一小反五年一大亂),官士兵選有家眷者,但家眷不可攜往台灣, 以其家眷為人質,這樣官員到了台灣就不至造反。 於是海禁不但不因此被撤消,而且再加上特別嚴格的禁令。
從1661 年起超過兩百年的時間採嚴格的海禁政策,直到1875年「牡丹社事件」,日軍出兵臺灣,清廷在外強壓境之下,採納沈葆楨之建言才廢止。 期間此禁令只有在1732(註4),1748,1760年短暫開過三次給官士兵能攜帶家眷一同前往台灣。
1724年藍鼎元「論治台灣事宜書」:「若云番地,則全台皆疆番……。宜先出示,令各土番自行墾闢,限一年之內,盡成田園,不墾者聽民墾耕」,可見1724年清帝國據台時,全台灣仍皆「番」地。
雖然清帝國嚴格禁止中國人民移民到台灣,然而犯罪者,逃犯,或是在中國生活不下去的人仍想辦法偷渡到台灣,這些人多為來自泉州漳州兩地的男性,也就是俗稱的"羅漢腳"。他們冒者生命危險通過"10去6死3留1回頭"的黑水溝到台灣謀生,羅漢腳到台灣後,因清帝國法律的規定,漢人不得進入生番(未歸附)及熟番(以歸附)地界開墾或佃田。但因全台非番地者非常少,兵律及戶律的規定,令偷渡者在台無法生存。於是透過結婚政策(入贅),同化政策,武力及騙取土地等手段(註5),取得土地,在台灣定居下來。
有些人認為康熙40年以後因海禁令漸為鬆弛,漢移民偷渡接踵而至。然而根據《台灣府誌》記載,1691 (康熙30年) 至 1711(康熙50年) 二十年期間台灣漢移民戶數並沒有增加而丁口亦僅成長1,377人, 其中1691 (清康熙40年)至1,711(康熙50年) 間丁口僅增加 755 人。
可見或許有羅漢腳偷渡到台灣, 然能落地生根者仍在少數, 而能落地生根著也多以娶平埔族為妻。乾隆二年(1737)戶律又規定,漢民不得擅娶番婦,番婦亦不得牽手漢民。違者, 即行離異。
起因乃是因為羅漢腳藉入贅平埔族(母系社會)取得土地後,不但違反漢人不可進入平埔族地界開墾的禁令,且常引起漢人跟平埔族人的糾紛。 因此"有唐山公、無唐山媽"的情形在1737年戶律規定之後必定減少甚至消失。
依照《台灣府誌》的記載1711年時漢人戶數為12,727 戶,丁口僅18,834 人,以一戶平均四口人計算,漢人(含混血)約49,088人,而此時的平埔族及非歸附原住民從1661的38萬及25萬以0.7%人口成長率計算, 則分別是54萬及35萬, 漢人(含混血)人口僅佔全台灣住民的5%。
這樣的估算雖然不夠精確, 然而漢人移民人口佔台灣人口比例不高仍是正確的。
根據清帝國宮中奏摺提到的台灣府社番人口數(註6),1766年(乾隆三十年)為66萬6,380人,1768為68萬7,290人,1769 年為69萬1338人,1774年(乾隆三十八年)為76萬5,721人。這些數據顯現荷治時期平埔族人口以0.7%的人口成長率自然成長的結果跟清宮奏摺的數字是很接近的。
從1732年開始至1760三次開放攜眷只有3萬人不到的眷屬來台,因此漢人(含混血)人口佔全台灣住民比上升到7.6% 。 而最後一次開放則僅兩百多人,顯現台灣因為人口增加,謀生不易,加上渡海風險,以及台灣三年一小反,五年一大亂,已經很少人願意冒著危險移民到台灣。
平埔族人原本沒有姓氏只有名字,在命名上採連名制,簡單的說,新生嬰兒的名字,除了新名之外還加上母親的名字在後面(隨繼承法則)。清領時期採用賜姓政策當時的平埔族、賽夏族、排灣族等。漢姓是漢族血統與出身的一種表徵。《史記》云:「天子賜姓命氏,諸侯命族。族者,氏之別名也。姓者,所以統繫百世,使不別也。」
據伊能嘉矩《臺灣文化志》所列,土番之姓有机、羅、李、卯、標、卓、萬、戴、穆、寧、來、毒、孽、乃、兵、竭白、北、鄂、岳、雙、尤、溫、鬱、大、蚋、月、落、璞、力、宜一字者,有道泌、埤弄、目加、舊來、之机、合萬、羅皆、池皆、加惹二字者,有弟其力、呂猫落三字者,不過這些姓並非由賜姓而來,而是藉由「番語家名」羅馬拼音的漢譯而來。
清國對臺灣歸化番何時開始實施賜姓政策,文獻雖然闕如,不過當可推測是在「土番歸化」薙髮(即剃髮)納餉(鹿皮、小米)之後。
連橫《臺灣通史》記載:「歸化熟番漸從漢俗,乃令薙髮,錫姓,以遵國制。」乾隆23年(1758年),諭令歸化平埔熟番應薙髮結辮(請參「社學」條),並賜與潘、蠻、陳、劉、戴、李、王、錢、斛、林、黃、江、張、穆、莊、鄂、來、印、力、鍾、蕭、盧、楊、朱、趙、孫、金、賴、羅、東、余、巫、莫、文、米、葉、衛、吳、黎等姓,其中以「潘」姓最多。
1763年,楊景素任台灣道任內,嚴加禁止漢人越界侵擾平埔族,除此,並奏請準,對其轄內平埔族眾,鼓勵改姓漢化。他任內共對平埔族賜了潘、陳、 劉、戴、李、王、錢、斛、蠻、林、黃、江、張、穆、莊、鄂、來、印、力、鍾、蕭、盧、楊、朱、趙、孫、金、賴、羅、余、米、葉、衛與吳姓。
1772年(乾隆37年)朱景英《海東札記》載:「番以父名為姓,以祖名為名。如祖名甲,父名乙,即呼曰乙礁巴甲。礁巴者,番口語也。近時各社均延師課讀番童,出就道試,錄取樂舞生,給予頂戴,與新生一體簪掛。前學政就番字加水旁,姓以潘者,今則張、王、劉、李,自為姓者多矣。」
唐贊袞《臺陽見聞錄》亦載:「初,熟番有名無姓,既准與試,以無姓不可列榜;某巡臺掌學政,就番字加水三點為潘字,命姓潘。故諸番多潘姓;後別自認姓,有趙、李諸姓。」可見,賜姓時,初以「潘」姓居多,之後漸有張、王、劉、李、趙諸姓。
有些番社,並不以「潘」姓為大宗,而是以「錢」姓最多,有些姓如黎、金,因繁衍數少,幾乎絕嗣。《新竹縣采訪冊》載,竹塹堡社(即新社)於乾隆年間,「丁口千餘,厥分七姓:曰錢、曰衛、曰廖、曰三、曰潘、曰黎、曰金。今惟錢姓丁口最繁盛,計有二百。衛、廖、潘、三等四姓,每姓丁口只有數十,其黎、金兩姓則已絕嗣矣。」
1778年(乾隆42年):明令官方戶籍登記上,台灣平埔族人不再被記為「土番」或「社番」,而登記為「民」,聚落稱「民社」。
1879年(光緒5年),後山統領兼辦卑南廳撫番事務的吳光亮寫成〈化番俚言〉三十二條,其中有一條曰:「分別姓氏,以成宗族。爾等從前父有父姓、子有子姓,數傳以後,就不知誰是祖宗、誰是子孫,血脈紊亂,實與野類相同。茲本軍門將爾等各莊分別姓氏,嗣後兒女須從父姓,一脈相傳,庶免錯亂宗支。」當時所賜漢姓,係擇自百家姓,如恆春縣各番社賜潘姓、金姓,卑南廳各番社賜陳、吳、戴、林等姓。
1881年(光緒7年),將台灣各縣平埔族皆劃為漢籍。1886年(光緒12年),為了防止番姓之混冒,中路理番同知蔡嘉穀規定襲用漢姓或潘姓者必須於姓下加一「新」,成為「雙字姓」,以示區別,而且也規定各番姓之堂號。
日治初期為管理方便,在戶籍登記上又出現「生番」與「熟番」登記,日據申報戶口自動登記為「熟番」的應該是遷居近山區拒受漢化不願背祖的一群,但人口數已寥寥無幾。
至日昭和十年六月四日,台灣總督府公佈「戶口調查」規定,改稱「生蕃」為高砂族,原「熟蕃」改為平埔族,寓賤視意味的「蕃」或「番」一名詞這才從官方文書中消失,但也造成台灣平埔族後裔考証的困難。
那麼平埔族又是怎麼漢化的?
從鄭家東寧王朝到清帝國,統治者的強勢文化加上透過開設學堂,教平埔族漢字,透過賜漢姓,賜漢人祖譜與平埔族人,以及利用稅賦及勞役上的差別讓平埔族人不得不漢化。 於是平埔族雖然擁有多數人口,但聚落型態為主的社會,缺乏大型社會組織,才會落入荷蘭、鄭家東寧王朝、清帝國等的統治。
經過外來政權兩百多年的統治,因而喪失了自己的傳統文化和語言。而隨著人口的增加, 生活空間變小,以及不願意被同化,平埔族展開了族群遷移,沿海的往內地遷移,內地的往山邊遷移(註7)。
以筆者父親故鄉雲林西螺,以及母親彰化竹塘為例,根據沈建德博士的研究—
6、7千年前,鄒族從玉山下,順著陳有蘭溪、清水溪,到達濁水溪、北港溪流域的雲林,故全縣原都屬於鄒族。但,數千年前平埔族到達之後,兩族在平地開始混血,混血後的新種族,後人稱為洪安雅平埔族。雲林人本都是平埔族,因為漢化的緣故,現都自稱是和佬人或客家人。各鄉鎮市真正血統的大要如下:
斗六、古坑:斗六社,屬洪安雅平埔族。
鄭時歸順,康熙中葉再降清,改稱柴裡社,頭目老眉德。斗六在清康熙時有客家人流浪到此,但並未把斗六變成客庄。
1689年,斗六社「社番」漢化者留下棄社名改稱和佬庄,不漢化者遷出,部分遷去埔里鹽土庄。
1850年左右,鹽土庄也漢化了,斗六社二度分家,不漢化者再遷埔里,1897年只剩21戶64人。
崙背、土庫、褒忠、東勢、麥寮、台西、口湖、四湖、水林、元長、北港:貓兒干社,南社,土庫王社,屬洪安雅平埔族。斗南、大埤、虎尾:他里霧社,屬洪安雅平埔族。
鄭時歸順,康熙時降清、就地漢化。1897年不漢化者只剩20戶57人。文獻記載,社男「多娶漢女」,其實娶的是漢化的平埔女性,否則,連平埔族都有漢女可娶,怎麼還會有「有唐山公,無唐山媽」的傳說?
虎尾是荷治時期的行政中心
西螺、二崙、莿桐、林內:西螺社,屬貓霧拺平埔族。和彰化方面的血統相同。據說濁水溪以前是在西螺之南,改道之後才在西螺之北。故改道之前,西螺與彰化屬相同地理區域,因此同為貓霧拺族,而非雲嘉地區的洪安雅族。筆者的父母都是被漢化的貓霧拺平埔族人,只是父系的祖先在清殖時期就已漢化,母系祖先則直到日治時期後才遭漢化。
荷蘭血統:1641年荷蘭進入北港,在大埤築紅毛埤,虎尾為行政中心。這些地方現應仍可找到荷蘭血統。
筆者就讀雲林斗六正心中學時期,許多同學就有棕色眼珠、紅髮、捲髮等許多荷蘭血統的特徵。
1895年清帝國割讓台灣給日本,當時台灣人口約255萬人,然當時清帝國的統治區域仍未及全台,日清和平條約第五條裡有規定寬限期間二年,給與台灣居民自由選擇留在台灣取得日本國藉成為日本國民,或把所有財產變賣而離開台灣,兩者擇取其一。實際上退離台灣者,一說約4,500人,另一說則為6,500人。
國藉選擇的期限過後,台灣總督府開始嚴格限制台灣中國之間的往來,清國要在台灣設領事館也加以拒絕,同時努力排除清國對台灣居民的影響。
台灣史上第一次正式的戶口調查是始於日治時代1905年(明治38年)。當時的台灣人口約312萬人。其中平埔族人約46,432人,高山族約11萬人, 日本人約59,618人,包括中國人在內的外國人約8,223人, 其他本島人近290萬人。(註8)
日本於1945年於二次大戰中戰敗投降,當時台灣人口已經成長到約690萬人,其中日本人約42萬人,外國人士 5萬多人,平埔族約7萬人,高山族約17萬人,其他台灣本島人士約619萬人。
可見日本戰敗時仍有尚未漢化的平埔族人。而這些佔人口比例低的清國移民經過兩百多年與台灣平埔族的通婚,平埔族血源的比重早就遠遠超過了漢人的血源。而且歷經台灣被割讓後,這些人早認為自己是台灣人。
日治時代對台灣山地原住民仍採劃紅線封山圍堵政策,但仍尊重他們的姓氏、風俗、習慣,未強力干涉,甚至於實施土地居住權之保護;國民黨政府來台後立即下令要求他們改漢姓以達台灣全面漢化政策。目前原住民如果不是因面相輪廓更異於漢人及平埔人,尚可分辨,否則再經50年後原住民命運會與平埔族完全相同,就是所謂變成漢人了。
國民黨政府於1949年為逃避中國共產黨的追擊,逃到台灣。跟據1956年「中華民國戶口普查報告書」逃到台灣的中國人不包括軍隊有64萬(註9),這裏面,女性只有21萬。
而逃到台灣的國民黨軍隊數量根據駐台美援機構Foreign Operation Administration的1954年的調查報告約為50萬人,而1956年台灣人口為939萬(不含職業軍人,1970年前戶籍與兵籍是分開的),所以這些中國移民在1956年只佔台灣人口的 6.8%,即使加計軍隊也不過佔全台灣人口的11.5%。而這些中國移民,因女性人口不多,要通婚也勢必與台灣人通婚,經過幾代的通婚,這些中國移民的後代平埔族的血源比重又超過原有的漢人血源。
台灣目前的族群被略分為閩南人,客家人,外省人,原住民等四個族群。其中閩南人及客家人都有「中原」祖籍。2001 年馬偕醫院檢驗科主任林媽利在國際組織抗原雜誌發表一篇研究報告,由基因等遺傳標誌分析,台灣的閩南人與客家人並不屬中原漢人。很顯然的,族譜再度被證明並不可靠(註10)。
而且閩南人及客家人遺傳特質上確屬同源,無法分別。然而在中國閩南人,聚居於平原,客家人則散居於邊緣丘陵山區,兩族之間的交往和通婚並不頻繁(註11),如此經過兩、三千年的區隔,兩族群的遺傳特質會有分化,乃是生物進化學上常見的現象。
正如多數學者所主張,中國閩客兩族分屬不同遺傳族群,這是不難想像的。只是,中國閩客既屬不同族群,為何台灣閩客卻具有共同的遺傳特質?
唯一合理的解釋的就是因為台灣的閩南人及客家人皆屬平埔族漢化後被賜與漢姓及族譜, 加上清帝國時為了方便統治刻意分化操弄族群的結果。而此一現象就遺留到現在。時至今日,兩者之分只是語言及習慣等可以經由後天習得的特質。
東寧王朝所使用的語言是河洛語系中的泉州音系。因鄭氏籍貫為泉州,追隨者自然多閩南人尤其是泉州人。荷據時期來台的漢人亦多泉漳之人,清帝國時期台灣在未設省之前屬於福建省,而移民到台灣的羅漢腳也是泉、漳居多。因此在平埔族漢化後形成一個以閩南語為主體的社會。
除此之外,林媽利醫師發現所有高山原住民出現的抗原種類都很少,其基因的組合歷經幾千年的歲月沒有改變,成為全世界上最純的族群。每一族所具有的不同的組合數不只有限,且有很高頻率,其中賽夏族最高,成了最純的原住民。
而林醫師於2005年在Public Library of Science Biology發表的論文證明台灣原住民與玻里尼西亞人母系血緣有直接相關,顯示台灣原住民與亞洲大陸的族群在冰河時期結束時即已分開, 除排玻里尼西亞人與亞洲大陸的關係。加上 Jared Diamond 於Nature (Vol。 403, 709, 2000)以"Taiwan's Gift to the World"發表的論文都在在證明了台灣原住民乃是目前南太平洋南島語系之源。
長久以來, 大多數的台灣人都以為自己的祖先乃是清帝國時期的閩南、廣東移民。如果真有此大規模的移民,史籍上必定會有所記載,然而,卻完全沒有這樣的記載閩南廣東曾經有過大規模的移民移向台灣。而且千人萬人之數對於族群遺傳特質的改變而言仍是杯水車薪,差之千里。族群的全部取代〈Total Replacement〉非同小可,並非短短的兩、三百年可以達成。鄭昭任博士即認為DNA漸次變異的方向所得的證據,語言的淵源關係,都代表台灣原住民昔日在歐亞大陸的移動。其經由中國內到台灣的可能性幾近於零。
反之,經過印支半島中部或南部一帶由西向東或由南向北移動的可能性最大。林媽利醫師等HLA的研究顯示今日「台灣漢人」與古越南原住民的血緣最近。而林媽利醫師長期在血型上的研究,從亞孟買血型到米田堡 ( Milten-berger) 血型比例,顯現台灣人與東南亞國家(如泰國)是近乎相同,而中國則與台灣有很大的落差。
這些結論與上述先民的移動路徑正好不謀而合。而林醫師的資料又顯示「台灣漢人」與平地原住民Pazeh(巴宰族)的HLA遺傳質十分相近,幾至不能分別(註12)。
綜上所述,目前的社會科學及醫學上的研究,都指向台灣人大多數都是平埔族漢化的後代,非來自清帝國時期的漢移民,而外來移民,只佔了少數比例。 這些移民經過幾代的通婚後,也都含有平埔族的血統。這樣的結果不僅顛覆了長期以來的刻板印象,也讓台灣人得重新思考族群的關係。因為不管是閩南人,客家人,現存的原住民,或是部分外省籍的後代,全部都是台灣原來住民的後代,只是大多數已經漢化,因此,我們要特別珍惜與保存目前原住民的傳統文化,畢竟這是多麼寶貴的文化資產。
同時,閩客的分野應該從此打破,雖然有著不同的生活習慣與語言,卻有著相同的祖源。而從荷治時期到現在,短短三百多年,台灣人從部落文化開始逐漸與現代文明接軌,強大的學習能力與環境適應力,創造出全世界第十六大的經濟體,台灣的競爭力在世界名列前矛,科技實力更是倍受推崇,這樣的成果,舉世無雙,身為台灣人豈能不自豪,豈能不向我們的原住民祖先致上崇高的敬意。
�註 1: 中村孝志著、吳密察等譯〈荷蘭時代的臺灣番社戶口表〉
�註 2: http://taup.yam.org.tw/PEOPLE/961117-4.htm
�註 3: 陳紹馨纂修《臺灣省通志稿》,卷二‧人民志‧人口篇
�註 4: 1732年(雍正十年 ) 廣東巡府鄂爾達奏請准予渡台者攜眷, 新的限制是知縣以上的文職人員必須要超過四十歲,而且沒有兒子,方可攜眷.
�註 5: 中央研究院原始生產模式與歷代經營策略貳、歷代經營策略中第三節「有清時期之土地競爭及番課租稅」.
�註 6: http://www.sinica.edu.tw/…/library/…/npmdatabase/piah037.htm
�註 7: John Robert Shepherd (1995),《Statecraft and Political Economy on the TaiwanFrontier 1600- 1800》,Stanford University Press.
�註 8: 日治時期人口調查資料
http://twstudy.iis.sinica.edu.tw/twstatistic…/POP/Mt49-2.xls
�註 9: 中華民國戶口普查報告書 第二卷第一冊
�註10: 宋代以前不准民間私修族譜,而由官方公佈,為了統治或政治目的,其祖譜往往不可靠。 明代之後,私修族譜才成風氣。 據王世慶的「台灣公私收藏族譜目錄」,1218件現有族譜及93件功德榜之中,蔣介石在1951年後編印的有835件,佔全數的63。7%;乾隆23年賜姓以前編印的只有22件,佔1。6%。 可見台灣人的族譜,至少98。4%可疑。
�註11: 高木桂藏:客家:中國內的異邦人,講談社現代新書,1991
�註12: http://www.wufi.org.tw/taiwan/n020729a.htm
�註13: www.taiwannation.com.tw
文章來源:http://ppt.cc/Ucop
(圖片取材自網路)
《附記1》清帝國「化番俚言」
�改社為莊,以示區別。查內地百姓所居之地,均稱某村、某莊,未有稱為社者。茲本軍門恩准爾等安居故土,其社名改名為莊。爾等將來置買田業、立契書券,一切皆照現改莊名辦理,以歸畫一。
�分別姓氏,以成宗族。爾等從前父有父姓、子有子姓,數傳以後,就不知誰是祖宗、誰是子孫,血脈紊亂,實與野類相同。茲本軍門將爾等各莊分別姓氏,嗣後兒女須從父姓,一脈相傳,庶免錯亂宗支。
�建立廟祠,以安神祖。爾番眾現已歸化,凡一村一莊、或幾村幾莊共建廟宇一座,安設關聖帝君、或天后聖母、或文昌帝君及各位正神身像,合眾虔誠供奉。又各莊各建祠宇一座,安設全莊祖宗牌位,每逢年節及每月初一日、十五日,眾備香燭虔心叩拜,必獲保佑人口平安、五穀豐熟,獲福無窮矣。
清帝國平埔文獻之一《臺灣生熟番紀事》(1885年)
「化番俚言」 http://www.guoxue123.com/tw/02/051/006.htm
《附記2》清帝國「臺灣地圖」(地圖上方為原住民族遭統治年史)
https://theme.npm.edu.tw/selection/Article.aspx?sNo=04001051
《附記3》台灣史與基因比對呈現的「台灣人圖像」
https://goo.gl/LcJu3t
《附記4》2019年3月林媽利醫師:「『台灣血緣』╴台灣人的DNA」最新演講影片。
https://goo.gl/ZbQNz3
《附記5》國家地理雜誌以人類細胞粒腺體的基因,追蹤出人類從非洲遷徙到亞洲路徑
台灣原住民有五萬年人文歷史,比亞洲大陸支那人種還早四萬年。
https://s.yam.com/BVx4c
《附記6》埔農的台灣歷史研究演說(上半場)
https://s.yam.com/aNYvt
埔農的台灣歷史研究演說(下半場)
https://s.yam.com/PvKv3
《附記7》1623 年以前, 琶侃(Paccan)國- 至少延續有1萬3千年
https://s.yam.com/5c2fV
(註):上列「臺灣」的「臺」字為清帝國及華帝國殖民用詞,「台灣」的「台」為古字用法。
《後記》:由於本篇資料陸續有關心台灣民族史實脈絡的臉友提供寶貴資訊,在此將更多關於台灣人基因溯源的資料整理歸納如下:
台灣人溯源
科學解密生物密碼的核心脈絡叫「基因」,而現代的陸地板塊並不是幾萬年前的模樣。因為地球歷經過冰河期與大洪水。
截至目前為止,當代人類基因研究報告指出,六萬年前人類從非洲出發後,有一支隊伍沿著陸地西方走,四萬年前抵達歐洲,而後混血融入丹尼索瓦人與尼安德塔人的基因後,成為了歐洲人的祖先;另有一支沿著大陸棚南端一路經過當時還是大陸棚的中南半島,而後走到台灣。這批人選擇留在這邊生活,也就是目前台灣原住民最早的祖先,當時是五萬年前。
而後有一支隊伍,選擇離開台灣,繼續前進。後來渡海到日本成為了日本人的祖先;而後子孫再渡海到朝鮮,再翻閱長白山進入了支那大陸北方,成為蒙滿族人的祖先。
支那大陸傳說的蚩尤大戰黃帝,依邏輯推論,就是台灣先民後裔的那支北方民族,戰勝另一支循著歐洲路線過來的百越民族。而戰勝的北方民族後來進駐大陸河套中原地區,成為大陸人最重要成份的基因來源。
由於地球上人類出現過的痕跡有一大段空白,加上目前地球上的古文明都顯示地球曾出現大洪水,洪水直到約莫1萬2千年前才退去。大洪水當時只有少數高海拔的地區的人才有機會存活,而台灣島卻是全球唯一一個短短幾天步行的距離,就佈滿了268座三千公尺以上高山的陸地。當時這些留在台灣的祖先,就倖存了下來。
而後六、七千年前台灣北部大屯山火山爆發,影響遍及全島乃至附近海域。
當時台灣地底下的熔岩庫大噴發,岩漿流入台北盆地,形成了後來從湖乾涸逐步成為陸地,而後成為今天的台北市。
當時的熔岩不只從山頂噴發,也從遠在台灣宜蘭外海11公里海底地殼薄處噴發。74座海底火山噴發的結果,形成了如今我們稱呼為「龜山島」的島嶼。
由於這種大規模火山噴發,極度不利於作物與生物的生存,當時居住在台灣的先民,因為生存空間改變感到不安,被迫再向外移民,成為了後來整個太平洋南島民族共同的祖先。
甚至有哈佛大學的教授依其研究指出,台灣人很可能是多數當代智人共同的祖先。
或許真有少部份人從北方支那大陸在冰棚退去大洪水來臨前,循著陸地抵台台灣。但那些人在大洪水存活下來的機率遠比本島人低。而大洪水過後那邊的人要來的可能性,會遠比我們要過去的可能性低,因為台灣有地震、颱風等天然災害的威脅,而那邊沒有。
也就是說,依造基因學的理論,台灣的基因之於亞洲種族相較是較為亙古的,而後陸續加入的百越民族血統,應該也都是台灣先民的後裔。這個只要從基因定序去看就能解開謎團了。
依照哈佛大學對於人類基因的研究,東南亞民族的存在可追溯至500~7000年前,而麻省理工學院的研究更指出,東南亞的民族很可能是台灣的某支原住民族沿著海路抵達菲律賓、印尼定居後衍生。
這與台灣六、七千年大屯山火山爆發造成島民遷徙不謀而合。我們甚至可以大膽推估,支那大陸南方的百越民族,很可能也是當時台灣先民為躲避火山爆發後嚴苛的生存環境,向北移民後的後代。
摘》麻省理工學院的研究報告指出,這是因為台灣過去是航海民族居住的大本營。靠著優異的還海技術,這位台灣人(嚴格上來說,他是現今原住民的祖先)從台灣航行到菲律賓,再到印尼,最西到非洲的馬達加斯加島,最東到復活島,最南到紐西蘭。
《遠見》MIT研究:台灣人可能是現今地球人類的共同祖先?
https://s.yam.com/pyJFZ
雍智科技李職民 在 睿富財經頻道WealtHub Channel Youtube 的最佳解答
早前新樓盤開售,市場反應非常熱烈。《致富解碼》今集邀請到祥益地產總裁汪敦敬(Lawrance),介紹新書《龍市樓論》並分析龍巿模式,剖析香港2009年後至今的「新常態」樓市數據,助你配置 Smart Money 入市。
【第7集主題:#香港樓市】
主持:天窗文化集團 CEO 李偉榮、資深 iBanker 蕭少滔
業界嘉賓:汪敦敬 Lawrance(祥益地產總裁)
著名樓市評論員,從事地產代理業30 年以上,撰寫樓市評論文章20 多年,長期剖析樓市實況、置業財技和房屋政策。汪敦敬被譽為「預測最精準的樓市專家」,從2009年開始研究龍市理論,檢視香港樓市數據的十年印證,於新書《龍市樓論》闡釋龍市規律發展,「龍一」升市及「龍二」調整市如何交替出現,而總體呈現一浪高於一浪的勢頭。
00:00 本集精華
00:42 節目宗旨
01:43 嘉賓介紹
02:09 龍市是甚麼?
03:27 新書內文的QR Code有甚麼作用?
04:37 高現金流、低借貸率、供應不足、財富效應這四個因素,在2020年和2009年有否重覆?
10:50 市場帶有許多長期負面因素,為何仍對樓市抱樂觀態度?
12:29 住宅樓未來數月走勢如何?
16:40 有意移民的人對市場有影響嗎?
21:45 現時剛性需求強烈?
25:57 疫情和失業浪潮會否令分析出現滯後?
➤ 全新單元《iBanker見聞錄》,資深 iBanker 蕭少滔(Alex)暢談投行二三事。
【第2集主題:投資銀行上市角色】
蕭少滔(Alex)簡介:
擁有超過二十年企業融資專業經驗,涵蓋廣泛的投資銀行以及上市公司的管理工作。先前為星星地產(1560.HK)的獨立非執行董事,以及中國首控集團有限公司(1269.HK)之投資銀行部門董事總經理。另外曾於香港著名投資銀行主管資本市場部門業務,包括星展亞洲以及招商證券。企業管理方面,蕭先生曾任職越秀集團資本經營部副總經理,參與2005 年全球首個中國房託越秀房地產信託基金(405.HK)的上市工作,是資產證券化的專家、並出任越秀集團的各上市公司投資者關係主管。
蕭先生在香港中文大學工商管理系獲得國際工商管理學士學位,其後獲取法國政府獎學金負笈法國深造,取得法國巴黎高等商業學院頒發之金融碩士學位。
30:33 節目介紹
31:44 投資銀行如何分類?
32:50 國企到美國或香港上市時沒分國家隊,整個運作是如何?
34:22 銀行如何考量上市項目大小?
35:38 其他國家的企業在香港的活躍程度如何?
36:25 香港有多少投資銀行從業員?
37:17 香港對投資銀行有甚麼吸引因素?
39:02 投資銀行有沒有分類?
? 鎖定睿富財經頻道,《致富解碼》新集數逢星期六 10a.m. 上線!
#致富解碼 #汪敦敬
======================================================
【2020年10月活動 現正開放報名】
➤ 英國物業投資150分鐘速成班(?完成速成班後可獲贈豐盛國際HKD2,000置業現金回贈!)
https://bit.ly/3dubZRW
======================================================
新書介紹 ➤ 龍市樓論(汪敦敬)
實體書(登記天窗會員享9折): https://bit.ly/3hQmtvl
Google Play 電子書:https://bit.ly/3kb4Yr1
牛熊巿周期在樓巿不復見,香港樓巿的「龍巿模式」乘勢而起,
撥開雲霧,看通「龍巿」的升降規律,你的財富才能「飛龍在天」!
「龍巿模式」非常強勢,作者於書中詳細解說支持其運行的四大因素:
高現金流:資金續創新高,2020年是97年的5倍以上;
低借貸率:香港貸存比率低於1,遠較97年高位健康;
供應不足:整體一手供應下降及二手放盤量大跌;
財富效應:供滿樓人士、換樓客、「加按」套現等人再成樓巿新力軍。
作者亦傳授逾30年物業投資的真知灼見,提醒年輕人如何做好準備,捕捉「龍二」時機上車,才能成為擁有資產的贏家。另外,基建發展預視樓巿未來,作者亦分析香港未來多個大型基建,剖析值得預早部署的潛力區段,以佔盡天時地利人和,與龍共舞。
「《龍巿樓論》絕對是投資初哥及資深投資者的入巿秘笈!」—— #黎永滔 /百億舖王
「著作所彰顯的創見、膽識和自信,已足夠令人動容!」—— #王文彥 /中原地產創辦人
「匯聚了汪敦敬博士38年的地產智慧,讀完這本書,你就會明白甚麼是『書中自有黃金屋』!」—— #蔡志忠 /香港專業地產顧問商會會長
聯同
#張炳強、#黃雍盛、#張翹楚、#邵志堯、#方文彬、#Ann姐、#Anthony、#KingSir葉景強、#葳葳、#諗sir、#法子、#亮劍、#PP
強勢推薦
======================================================
【更多推薦影片】
➤ 科技股受美國總統大選影響? | 嘉賓:譚新強: https://youtu.be/YJBhxBo1qKs
➤ 如何利用 FinTech 金融科技賺錢? | 嘉賓:陳立德:https://youtu.be/OfAWOlWncL8
➤ 英國樓市尋寶圖,倫敦Zone 1、2以外的最佳選擇:https://youtu.be/kzDjuMVszBs
======================================================
【追蹤 WealtHub睿富,即可獲得最新財經金融資訊】
Facebook: https://www.facebook.com/wealthub.hk
Instagram: https://www.instagram.com/wealthub18/
YouTube: https://youtube.com/c/睿富財經頻道WealthubC...
Website: http://www.wealthub.hk/
投資涉及風險。本節目純為嘉賓個人意見分享,不構成任何投資招攬或建議。本節目對閣下因援引有關資料所引致的任何損失或損害概不負責。
#龍市樓論 #Wealthub #iBanker見聞錄 #睿富財經頻道 #樓市 #香港樓 #蕭少滔 #iBanker #投資銀行 #投行