标签归档 机器学习

通过文章小助手

引爆四大行业!区块链解决方案支出三年后将超 160 亿美元!

下载黄金原野APP赢取现金红包

引爆四大行业!区块链解决方案支出三年后将超 160 亿美元!

根据 CB Insights 的数据,到 2023 年,在区块链解决方案上的支出将超过 160 亿美元。数据还表明,该技术在 58 个行业中具有潜力。

引爆四大行业!区块链解决方案支出三年后将超 160 亿美元!

据 Forbes 报道,在过去的几年中,Facebook、三星、埃森哲、IBM 和亚马逊等大公司都进入了这一行业中。虽然区块链技术仍处于起步阶段,但即将到来的增长机会表明它将继续发展壮大。在所有行业之中,有四个可能会发生重大变化。

数字银行

过去十年中,银行业已将更多注意力放在数字服务和非传统服务(如 PayPal 和 CashApp)上,这意味着人们与银行进行实体互动的需求减少。去中心化金融(DeFi)可能成为使银行完全数字化的催化剂。

企业区块链 XinFin 联合创始人 Atul Khekade 表示,“创新的金融和技术的交叉点有望革新金融机构。金融科技行业以每年 23%的速度增长,区块链将使金融更加高效。银行和金融科技公司可以以完全数字化的代币形式将资产分配给另类资产投资者以增加流动性。传统的金融机构和政府开始意识到区块链的好处。”

IBIS Brokers 创始人 Jan Sammut 认为,“金融绝对是区块链应用率最高的领域。由于区块链网络将结算、计算和帐户单位结合在一个单独的层中,因此它们非常适合诸如 P2P 借贷等应用。”

区块链已经被应用于国际结算和汇款。如果区块链得到广泛采用,数字银行将变得更加高效,并为客户提供更多服务。

供应链

供应链部门一直是应用区块链的最大产业之一,该技术在商品的记录和跟踪方面提供了前所未有的效率。IBM 等大型公司很快就注意到了这一点在货物追踪方面的应用。

法国超市家乐福已使用该技术跟踪从农场到商店的食品。在时装业中也已经应用区块链进行可持续材料的追踪。随着被广泛采用,消费者和生产者能够追踪其购买的每件商品。

Catalyst 首席执行官 Jack Barrett 说:“随着我们开始看到其在金融行业、供应链部门、房地产市场等领域的创新能力,区块链终于摆脱了炒作阶段。”

健身、MedTech 和可穿戴设备

可穿戴技术已成为引领健康生活方式的主要手段,从跟踪步数、监视心跳到卡路里摄入。随着新冠疫情的爆发,情况又发生了新的变化。

BeFaster 顾问 Herbert Sim 认为:“在过去的 10 年中,健身行业发展迅速。根据预测,仅在美国到 2023 年健身产业的收入将超过 2000 万美元。总的来说,我们可以看到健身、慢跑、健康饮食正在吸引越来越多的人。”

由于实施了社会疏离政策,澳大利亚等一些国家的政府已采取预防措施来创建应用程序。但是,RMIT 大学的区块链研究人员对数据的安全性提出了质疑,因为澳大利亚政府尚未发布该应用程序的源代码。

分布式大数据和机器学习网络 DxChain 创始人 Allan Zhang 表示:“在这种情况下,区块链技术在存储和跟踪数据方面的效率会派上用场。该技术可以完全嵌入到可穿戴行业,从长远来看,这将为客户提供巨大的价值。”

资产管理

根据最近的一项研究,人工智能、分布式账本技术(DLT)和区块链技术将在未来几年中对资产投资产领域生巨大影响。目前,资产管理行业的规模为 74 万亿美元。

四大会计师事务所之一安永表示:“资产管理者需要积极考虑因新冠疫情对金融市场的影响而引起的估值挑战。”此前安永发布了 EY OpsChain 和 EY Blockchain Analyzer。

曾为其基金融资 6000 万美元的风险投资家 Yubo Ruan 表示:“最大的资产管理公司在工程应用(包括基础架构和后端服务器)上进行了大量投资。某些类似的区块链的成本结构更简单,我看到的回报率(〜1%)比国债(〜0.21%)高,该基础架构已经建立在一种成熟的技术上,该技术对人们免费开放,并且无需花费任何成本建立或维护。”

Ruan 补充称:“实际上,这意味着 ETF 和抵押证券等金融产品可以在区块链平台上以较低的成本进行组合。此外,基于区块链的资产管理平台进行投资往往较低,这对应用该标准具有重大意义。”

图片来源:pixabay

作者 Liang Che

本文来自比推 bitpush.news,转载需注明出处。

声明 : 比推所有文章都只代表作者观点,不构成投资建议。投资有风险,后果自负。

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

【一级观察】NEST:DeFi 当红预言机项目

下载黄金原野APP赢取现金红包

【一级观察】NEST:DeFi 当红预言机项目

点击蓝字关注 Evaluape,优质项目早知道

【一级观察】NEST:DeFi 当红预言机项目

【一级观察】近期社区热度项目,市场爆款避坑解读

NEST

【一级观察】NEST:DeFi 当红预言机项目

NEST 是一个分布式价格预言机,通过去中心化激励方案解决价格上链问题。

优点:

  • 设计上比较偏向去中心化,通过激励手段获得的报价真实度更高。

  • 完全开源,依靠社区自治。

  • 预言机赛道前景广阔。

缺点:

  • B 端用户较少,缺少团队牵头对接用户,预言机赛道对商业拓展能力要求很高。

行业(8.5/10)

在区块链进入 2.0 智能合约时代之后,应用的主要方向从通过区块链的原生代币进行价值存储转变为通过链上附带的智能合约架构来执行预先设定的功能,从而实现去信任的计算和运转,所谓世界的计算机概念也是因此而走红。在这个方向上,区块链天生的去信任特性与类金融领域结合的应用自然成为了探索的热点,无论是将数字货币、各类权益、和通过第三方可信中介上链映射的实物进行去中心化的交易的各项协议还是基于超额抵押的链上借贷功能,都在 2019 年-2020 年成为市场关注的焦点。但由于价格信息取决于投资者博弈的结果,与链本身无关,所以在中心化交易所作为主要定价方的情况下需要预言机作为纽带连接链上和链下。

目前市场上份额最多和市值最高的预言机项目是 Chainlink,它的去中心化主要依靠代币经济激励和信誉体系建立良性循环的生态系统,预言机的触发需要通过转账来实现,也就是节点上传价格,然后投票进行验证,缺点在于所有投票都走链上导致 Gas 费用较高。Chainlink 在上线后两年内和绝大多数的头部项目达成了合作并提供喂价服务,可以说是预言机市场上的龙头。

除了 Chainlink 以外,传统去中心化预言机项目还有 DOS、Tellor 和 Band 等,技术逻辑大同小异,大多是走链下收集数据,链上验证的路径,区别在于是单个优质数据源或者是数据源集,是否会产生第三方故障点等等潜在的隐患。这类预言机的核心问题是验证依赖第三方,抗攻击性较弱。除了传统去中心化预言机项目,DeFi 稳定币协议 MakerDAO 在 1.0 版本使用的是 14 个匿名个人喂价方提供的 ETH/USD 价格预言机,而在 2.0 版本是将各个 DeFi 领域合作伙伴作为喂价方,通过经济激励的方式督促用户提供喂价服务。1.0 模式不太去中心化,2.0 的模式暂时也没有完全公开,但依然存在可能的中心化问题。

而 Uniwsap 作为使用联合做市曲线的去中心化交易所,其交易对只要具有一定的规模,就会驱动相当数目的搬砖者为了套利往返于主流交易所和 Uniswap 某个交易池之间,不断将利差磨平,进而成为一个天然的预言机基础设施。但问题在于在出现滑点价格偏离的时候成交价是无法作为市场上的公允价格定价的。所以说目前市场上的预言机产品都存在一定问题。

模式 (8 /10)

预言机的模式比较简单,核心有两方面,一方面是如何去中心化的对获取数据的真实度进行博弈,另一方面是对提交优质数据的用户提供激励。

Chainlink 和类似的项目将这两点合为一点,以上传的方式提供数据,通过经济激励保证数据真实性,然后通过声誉体系对数据源进行惩罚,模式并没有错,但是这种方式得到的数据没有很强的安全背书,核心是因为如果出现上传者合谋作恶,那么受到惩罚将会是有一定延迟的,并且数据已经投入使用,一切都晚了。这就类似公链无法达成最终性,从而如果交易不设定很长的延迟那么就会出现双花。

所以博弈最好是在链上进行,并且多方博弈需要设定强奖惩制度,从而使价格是在链上形成的,已经是矿工们通过博弈生成的事实。然后再对提供优质数据的用户提供激励,使其成为一套逻辑闭环的分布式报价系统,完美的将链下价格事实同步在链上生成出来,形成了去中心化的预言机。应用了这种模式的 NEST 预言机具备更好的去中心化程度、更真实的数据、更强的稳定性,以及更高的攻击成本。

预言机的运行模式有点像是 uniswap 的 AMM 模型,但又不靠联合曲线做市,而是在根据交易对向系统注入资产并报价后,将订单开放给其他矿工吃单,也就是说这个报价要接受市场的套利检验,如果矿工报价与主流交易所价格存在利差,就会被套利者吃掉,剩下的没被成交的订单报价才可被认为是准确报价。这些没有被吃单的交易价格会被 NEST 系统采用,以与 Uniswap 相反的方式逆向筛选出精准报价。目前的报价频率是每 20 个 ETH 区块一次报价,大概折算现实时间为 4 分钟以内一次。未来随着矿工数量的上升间隔会继续缩短。

因为预言机的模式一半靠经济激励,所以 NEST 在这方面上也着力颇多。经济激励分为两个部分,一部分是对于套利矿工的激励,这部分基于订单簿模式的自由市场。另一部分是代币激励,是对于有贡献的矿工进行激励。代币总量 100 亿,全部通过报价挖矿释放,分发机制为矿工 80%,开发者 5%,守护者节点 15%。在不同以太坊区块高度获得的单位区块奖励不同,总体呈现递减态势。单个区块单个报价币种中不同矿工获得的收益和支付的报价手续费成正比,和总手续费成反比。

在对矿工奖励代币之外,NEST 代币会以收益权模型分润系统的收益,也就是说抵押代币的矿工可以每周分润系统产生的 ETH 收益。这个收益来源于四个方面,分别是报价矿工每次报价支付的报价手续费,报价的 ETH 数量越多,需要的手续费越高,收入的 NEST 代币也就越多;其他矿工吃单时付的手续费;预言机被智能合约调用的费用;未来各项增值服务的手续费。

也就是说整个系统在不断有矿工参与的情况下是可以很好运转的,以 10ETH 为例,矿工报价付出了 1% 的手续费也就是 0.1ETH,现在的区块高度是 10112882,如果报价真实那么可以收获 360 枚 NEST 代币,按照 app 显示的报价对有 10 个 ETH 的假设能收到 50% 的收益就是 3.06USDT,是 0.1ETH (20U)的 1/6,剩余价值将会放在每周分红中。

由于直接收益无法抵消手续费,并且被调用的费用较少,代币的价值更多在手续费分红部分,那么可能存在的问题就是前期持币用户坐享收益,只有在高波动时套利才有挖矿的动力。代币模型会不断推动在二级市场抬高币价,直到手续费和报价奖励能够相互抵消,这样代币会出现一定的 fomo 效应。

技术 (7/10)

这部分中我们将主要对报价挖矿系统进行阐述。

【一级观察】NEST:DeFi 当红预言机项目

在报价挖矿体系中有三种参与者,报价者分为矿工和验证者,前者提交价格,后者验证价格的有效性。矿工报价的方式是将报价资产 ETH (未来可能为多种代币)和 USDT 转入报价合约,并按照支付的佣金规模参与挖矿,获得 NEST。在接下来的一定数量区块中,如果验证者觉得这个报价有套利空间,那么将会使用对应的币种完成套利同时强制完成一个新的报价,未被套利留下的价格将会被采纳为生效报价。

因为现实世界的价格是连续的,所以在这个时间周期内会因为连续的套利形成价格链,最终上链的价格是所有有效价格的算术平均数,除了这个参数,NEST 还直接提供报价序列,从而可以算出波动率等指标供大部分衍生品项目调用。价格链的好处在于是抗攻击,因为攻击者攻击完价格后必须留下一个价格以及该价格对应的资产。这意味着攻击者攻击后,要么留下正确的价格,要么留下一个套利空间,市场上必然会有验证者来套利并修正报价。依照这种机制,攻击 NEST 预言机的成本会很高。

虽然 NEST 预言机的报价方式相对于节点不那么去中心化的 Chainlink 好上许多,但是仍然存在几点问题。最核心的问题是全部报价行为都是链上完成,Gas 费是需要考量的因素之一,一旦 ETH 出现拥堵或是极端行情下 Gas 费暴涨,那么会出现盈亏比不恰当的情况影响矿工报价的积极性,也就是说极端情况下这种模式是无法对波动性进行解释的。其次是套利的深度问题,目前来看因为项目已经经过一段时间的发展,代币的价值有一定的共识基础,挖矿和套利都有用户基础,在一般情况下深度问题不大。在 5.10 的短时大幅下跌中因为报价竞争激烈,多次出现吃单情况平抑价格,侧面说明系统抗风险能力强。

项目方在 2020 年 4 月对 2.0 版本的所有合约完成开源,开源的合约代码包括 NEST Token 合约、映射合约、矿池合约、矿池逻辑、报价数据合约、报价工厂、价格合约、NEST 锁仓验证合约、系统收益池合约、平准合约、收益分配逻辑合约、守护者节点 NestNode Token 合约、守护者节点 NestNode 存储合约、守护者节点领取 NEST 数据合约和守护者节点分配合约。项目目前处于 2.0 阶段,于 2019 年 11 月上线,在之后的 3.0 阶段项目方将移除最高权限,完全的去中心化。因为 Github 上只是智能合约代码和相关介绍,以实现模式中的逻辑设计为主,技术难度不高,并且项目处于比较早期,所以完成开源的代码只获得了 8 个星标和 2 个 fork。

社区生态 (6.5/10)

项目方的科普文章和用户沟通主要在自己的论坛上,无法判断阅读量,基本无回复。产品方面项目目前基于预言机基础开发了借贷协议,以太坊轻钱包前端对进行报价,未来将会构建基于预言机的去中心化交易协议,主要面向 DeFi 系统。报价方面,根据以太坊区块链浏览数据,单个报价合约有专业团队报价,一般不会出现多次报价的情况,在极端情况下比如 5 月 10 日和 3 月 12 日存在多个用户套利拉平价差。项目目前的生态合作方包括以太坊基金会、火币 club、知道创宇和安比实验室。可能需要在生态拓展上加入更多报价的应用,增加使用场景,同样对代币赋予更多价值。

团队 (N/A)

项目是匿名团队,只在官方论坛上留下了开发者组别和相关邮箱,并未在其他公开渠道披露相关信息。

NEST Protocol 开发者:NestCore 小组,邮箱:hello@nestprotocol.org
NEST DAPP 开发者:NEST DAPP 开发者团队,邮箱:hello@nestdapp.io
NEST 爱好者论坛开发者:NestFansCore 小组,邮箱:nestfans@gmail.com

融资 (N/A)

项目并未公开融资信息,但每次报价产生的挖矿收益都有 5% 给予匿名团队维持开发。

总结 (7.5/10)

项目属于预言机赛道,前景广阔,竞争对手水平一般。团队在模式设计上对去中心化上的思考比较多,极度弱化了团队在生态体系中的地位,更多依靠持币人社区共建项目。独有的报价体系加上经济激励机制也为代币创建了不错分发途径。相对来说项目在模式思考上有一定深度。但对应的因为没有强有力的中心化团队,项目在生态拓展缺少渠道和背书,单独依靠松散的社区效率太低。在同赛道中技术和逻辑优势并不是最重要的,更多需要商务能力。

目前代币的主要价值支撑是挖矿费用而不是预言机调用费用,也就是说只有在以太坊价格波动较大也就是套利空间较大的时候代币的价值才会凸显,其他时候挖矿的动力不足。这将赋予代币更多的短期炒作价值而不是长期分红价值,对生态体系不利。总体来说,项目属于在预言机市场上令人眼前一亮的项目,但距离 chainlink 这样的头部语言机项目差距仍然很大。

如果您喜欢这篇报告 , 请支持我们的研究
BTC 地址 : 3FqEJvvqfaZUgKMHNhLfb2yeccTeFfZw4u
ETH 地址 : 0x9Ed3815Fb57d570EAe37E7D3C6C58a0a1F584a17

资料来源:官网、白皮书、Pitchbook

【一级观察】NEST:DeFi 当红预言机项目

【一级观察】NEST:DeFi 当红预言机项目

本文来自 EVALUAPE,未经授权请勿转载,如有需要请联系 service@evaluape.io

Evaluape 是一个立足全球的独立客观的评级机构,我们提供基于人工智能、机器学习与大数据的区块链项目展示及评估平台,为区块链行业提供项目数据库和专业化评估服务。

Evaluape 只基于项目方提供的公开资料进行评估,并不对项目进行估值及投资建议。因此 Evaluape 的评估报告并不构成投资意见,不对用户投资负责。

欢迎关注 Evaluape 区块链项目时评栏目:

【一级观察】近期社区热度项目,市场爆款避坑解读
【二级追踪】二级市场热度项目,前景进度持续关注
【优质项目早知道】发掘优质初期项目,火眼金睛先人一步

【一级观察】NEST:DeFi 当红预言机项目

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

2020 一季度区块链政策地图国际版(下)|火鸟地图

下载黄金原野APP赢取现金红包

2020 一季度区块链政策地图国际版(下)|火鸟地图

2020 一季度区块链政策地图国际版(下)|火鸟地图

区块链产业逐渐落地;

2020 年,或将迎来全面爆发。

2019 年,Libra 白皮书的问世,成为全球数字货币的“神助攻”。

2020 年,各国在研究央行数字货币的道路上,愈发深入。
为了进一步了解国际动向,火鸟财经特别梳理了 2020 年第一季度七大洲:亚洲、欧洲、非洲、北美洲、南美洲、大洋洲以及南极洲各个国家关于区块链的政策、声音和应用。
今天,我们将梳理亚洲、非洲和大洋洲。
四、亚洲

2020 一季度区块链政策地图国际版(下)|火鸟地图

01 日本

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 政策
日本 FSA 将加密货币保证金交易杠杆增加一倍
1 月 10 日消息,日本金融监管机构日本金融厅(FSA)已确认将加密货币保证金比率增加一倍。此举依据修订后的《金融工具和交易法内阁府条例》,该条例将于 2020 年春季生效。而经 FSA 批准成立的自我监管机构,即日本虚拟货币协会(JVCEA)已制定了自我监管规则,已将虚拟货币的杠杆上限从 15 倍降低至 4 倍,并已被各货币交易所采用,但将于春季生效的修订后的《金融服务法案》计划限制杠杆率。
日本自民党拟制定一项关于数字货币发行的提案日经新闻 1 月 24 日消息,日本自由民主党已于今年春季宣布编制一项关于数字货币的提案。自民党的调查委员会和议会联合会计划从个人信息保护和洗钱措施提出想法和意见,他们认为如果要发行数字货币,则有必要立法。货币数字化可以帮助防止盗窃和逃税,但也可能导致侵犯隐私权,且必须防止将数字货币用于洗钱。
◆ 声音
日本自由民主党议员提议日本发行数字货币路透社 1 月 24 日消息,由日本执政党自由民主党 70 名议员组成的小组正在研究一项提案,提案内容为计划日本发行自己的数字货币。日本国会外交事务副大臣中山纪弘透露,该项数字货币计划可能是政府与私人公司之间的一项联合举措,它将使日本适应全球金融技术的变化。该小组重要成员 Nakayama 议员表示,第一步计划是研究发行数字日元。
安倍晋三:正与日本央行一同推进就数字货币的研究金十 1 月 24 日消息,日本首相安倍晋三表示,正与日本央行一同推进就数字货币的研究。

02 韩国

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 政策
韩国总统府下属委员会建议允许推出比特币衍生品Business Korea 1 月 6 日报道,韩国总统府第四次产业革命委员会建议,韩国政府允许金融机构推出比特币衍生品等加密货币相关产品。此外,委员会建议金融部门制订和采用一个韩国托管解决方案,以避免在处理加密资产的过程中完全依赖外国托管者。
韩国釜山市将在 2020 年对区块链等技术投入 424 亿韩元2 月 24 日,釜山市政府表示,为实现“智能城市釜山”目标,已审议确定了 2020 年信息化实施计划。从实施计划来看,釜山市政府对产业信息化等 7 个领域的 110 个事业投入 782 亿韩元。为 22 个在第四产业中引领智能技术的项目投入 424 亿韩元。其中包括区块链,大数据和人工智能。
韩国国会全体会议通过特殊金融法3 月 5 日,韩国国会全体会议通过《关于特定金融交易信息的报告与利用等法律(特别金融法)》修订案,将在 1 年后(即 2021 年 3 月份)进行实施。此前消息,特殊金融法内容包含加密交易所牌照制度,以及银行支持加密交易所账号实名登记。
FSC 与当地加密公司合作启动《特殊金融信息法》3 月 18 日消息,韩国金融服务委员会(FSC)正在与当地加密公司合作,以启动此前通过的《特殊金融信息法》。在不久的将来,企业必须在韩国金融情报部门(FIU)注册。《特殊金融信息法》将于 2021 年 3 月正式生效,要求加密企业在当地金融机构注册,并遵守金融行动特别工作组(FATF)的指导方针。
韩国拟出台 P2P 监管规定及实施细则3 月 30 日,韩国金融服务委员会和金融监督院表示,已经制定与在线投资相关的金融业务(P2P)监管条例和法规(草案),对规范 P2P 行业准入 / 营业行为、用户保护制度、管理和监督等细节进行了进一步规定。其中指明,为保护投资者,P2P 平台不能办理高风险产品,包括投资者很难掌握危险性的结构化商品、虚拟货币及衍生产品等。
◆ 应用
韩国军方推行基于 EOSIO 的系统1 月 21 日,韩国军事组织(MMA)基于 EOSIO 软件启动了其专属区块链,并上线了一个去中心化身份认证(DID)系统。在第一个月的使用之后,公众已经可以看到由机构发布的使用反馈报告。MMA 区块链在短短的一个月时间内,用户使用记录已经达到了 50,000 多例,并且截止到目前,使用 DID 系统的用户数据也一直在快速增长。
春川市江创建智能旅游生态系统,集成区块链等技术3 月 16 日消息,韩国春川市江原信息文化振兴院计划五年斥资 1930 亿韩元(约 11.16 亿人民币)在江原道创建智能旅游生态系统,并将大数据、人工智能和区块链等核心技术集成到系统中。
基于区块链的韩国釜山港综合物流信息平台将开通3 月 24 日,釜山港口公社表示,基于区块链技术的釜山港综合物流信息平台“Chain Portal”将于 4 月 6 日开通。该平台将此前由港口公社按类别提供的物流信息汇集到一处,并在以区块链为基础的系统上提供转运货物信息,由运输公司、客运公司、运输司机实时共享。
03 印度

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 政策
媒体:印度公民投资加密货币仍合法Bitcoinist 1 月 21 日消息,在最高法院听证会之后,印度承认比特币和加密资产不是非法的。印度储备银行也表示,没有对比特币(BTC)或其他虚拟货币施加限制。而印度人投资虚拟资产仍然合法。印度监管机构将在一定程度上放松对资本的管制。
印度《国家区块链战略》草案建议印度央行发行数字货币 CBDR1 月 29 日消息,由印度政府注册成立的非营利性公共机构印度国家智能治理研究所(NISG)已提交《国家区块链战略》。该草案对区块链、智能合约、区块链技术采用挑战及影响进行了解释和介绍。此外,该战略文件称有必要明确区分不同类型的区块链系统。除了区块链的其他用例外,该战略草案建议印度政府和印度储备银行发行中央银行数字 INR (CBDR),并支持去中心化应用程序。
印度政府政策智库发布国家区块链战略Cointelegraph 2 月 3 日报道,印度政府的政策智库 NITI Aayog 已发布了其国家区块链政策草案文件,该文件被称为《区块链-印度战略》,该文件解释了印度区块链的不同用例以及正在进行的一些试点项目,旨在为区块链技术制定具体的国家行动计划。
印度最高法院取消印度央行针对加密货币的禁令彭博社 3 月 4 日消息,印度最高法院取消了印度央行(RBI)针对加密货币的禁令。法院裁定,2018 年 4 月 6 日的印度储备银行通函违反宪法。此前,印度央行曾颁布加密货币禁令,要求当地监管下的银行金融机构不得提供与加密货币相关的服务。
印度政府正与印度央行及证交会讨论加密货币监管框架Bitcoin.com 3 月 22 日报道,印度政府正在与印度储备银行(RBI)和印度证券交易委员会(SEBI)讨论加密货币的监管框架。此外,政府正在等待最高法院对另一起加密货币案作出判决,以就加密货币监管做出最终决定。
◆ 声音
印度证交会 CEO:区块链等可能带来证券市场格局的转变1 月 23 日,印度证券交易委员会(SEBI)首席执行官 Ajay Tyagi 表示,区块链、人工智能和机器学习的应用有可能带来证券市场格局的转变。鉴于区块链在维护分布式账本中的记录方面的好处,而仍是单一事实来源,它可以用于清算,结算和记录保存。基于区块链的解决方案正在由一些外国交易所开发,以进行结算,而国内交易所正在开发,以用于 KYC 记录保存。有必要对这些技术进行积极的研究,以探索它们在证券市场中的最佳用法。
印度央行行长:印度央行正在研究最高法院对加密货币的命令金十 3 月 6 日消息,印度央行行长沙克蒂坎塔·达斯表示,新冠肺炎疫情对印度经济增速的影响可能不如其他因素强,疫情对印度的贸易和制造业产生了一些影响,印度央行将会保持“积极状态”,及时行动。他还指出,印度央行正在研究最高法院对加密货币的命令,将会就金融科技设立独立的部门。
◆ 应用
印度特伦甘纳州将推出专用区块链孵化器CoinDesk 2 月 4 日消息,印度特伦甘纳州将推出专用的区块链孵化器。该州政府 IT&C 部门高级官员 Rama Devi 表示,新的孵化器将很快与印度商学院等顶尖教育机构合作,以支持区块链初创公司。
04 泰国

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 声音
泰国央行行长:泰国央行数字货币项已取得良好进展1 月 23 日消息,泰国央行行长 Veerathai Santiprabhob 在一份新闻声明中表示:“泰国央行在一个名为 Inthanon 的大规模央行数字货币项目上取得了良好进展,根据我们的经验,我们需要在用例的好处及它们在不同维度上的相关风险之间找到折衷。”
◆ 应用
泰国暹罗商业银行将基于以太坊发行锚定泰铢的稳定币 STB3 月 25 日消息,泰国最大的商业银行——泰国暹罗商业银行(SCB)在 DeFi Bangkok 区块链活动中公开表示,该行正在设计一种锚定泰铢的稳定币(STB,Stable Thai Baht)。根据相关报告,该稳定币将基于以太坊构建,1:1 等值锚定泰铢,但需要经过 SCB 的 KYC 以及 AML 审核。
05 马来西亚

2020 一季度区块链政策地图国际版(下)|火鸟地图◆ 政策
马来西亚证交会授权通过 IEO 平台募资1 月 15 日,马来西亚证券委员会(SC)公布了数字资产行业的详细指导方针,对通过 IEO 出售代币进行了授权。根据该监管机构的规定,ICO 是一种创新的商业提议,目的是在能够通过风险资本家或贷款人筹集资金之前,在不出售股权或不举债的情况下筹集资金。
06 伊朗

2020 一季度区块链政策地图国际版(下)|火鸟地图◆ 声音
伊朗将军提倡用加密货币促进国际投资以应对制裁CoinDesk2 月 27 日消息,近日,伊朗武装部队分支机构的伊斯兰革命卫队指挥官 Saeed Muhammad 在演讲中表示,伊朗应寻求加密货币来促进国际投资以应对制裁。据悉,伊朗一直在为广泛使用加密货币奠定基础,政府此前一直在与区块链初创公司合作并提供资金以更新其金融基础设施。
07 马耳他

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 声音
马耳他金融服务和数字经济部部长澄清该国对加密行业的态度2 月 29 日消息,马耳他金融服务和数字经济部部长 Bartolo Clayton 在接受采访时,澄清了该国对加密行业的态度,并重申币安交易所从未在马耳他获得许可。他提到,马耳他政府致力于将区块链与其他行业整合在一起。此外,马耳他政府正在为马耳他的数字、金融和创新服务规划整体战略。有关新战略的更多细节将在未来几个月内披露。”
08 新加坡

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 政策
新加坡新法案允许加密公司在新加坡扩展业务1 月 28 日消息,新加坡出台了新的支付立法法案,为全球加密货币公司提供了一个通过首次申请运营许可证来扩大在该国业务的机会。《支付服务法案》(Payment Services Act),是首个针对企业从事从数字支付到比特币(Bitcoin)和以太坊(ETH)等代币交易等活动的综合性监管规定。
新加坡金管局发布反洗钱指南,涉及代币交易追溯3 月 16 日,新加坡金管局发布了一份长达 73 页的新指南,为电子支付代币服务供应商提供指引。新加坡中央金融管理局建议“尽可能早地追溯”以前的代币交易,以确定是否存在任何可疑情况。
◆ 应用
新加坡政府和 16 家公司合作促进贸易数字化1 月 22 日,新加坡政府、国际商会(ICC)和包括万事达卡、三菱公司、星展银行在内的 16 家公司已结成联盟,将加快在贸易和商业中部署数字技术。据悉,该合作也是 ICC Trade Flow 联盟的一部分,该联盟使用新加坡区块链公司 Perlin 旗下数字交易平台 TradeTrust,主要致力于贸易文件业务中应用区块链技术。
星展银行于区块链互联贸易平台完成首笔全数字贸易融资结算Crowdfundinsider 2 月 9 日消息,新加坡星展银行已经完成了第一笔全数字贸易融资结算,该结算是在新加坡基于区块链的互联贸易平台(NTP)上进行的。
09 以色列

◆ 政策
以色列证券管理局或将接受区块链技术Finance Magnates 1 月 15 日报道,以色列证券管理局(ISA)在建议于以色列推广数字证券交易平台后,似乎准备接受区块链技术。这些建议是在预定于下周发布的 ISA 报告草稿中提出的。该报告是在 ISA 任命的委员会促进以色列数字市场的发展和制度化之后编写的。在发布报告的同时,ISA 还将呼吁该行业的公司建立数字证券交易平台。
10 阿联酋

◆ 应用
阿联酋多部门联合推出基于区块链的卫生数据存储平台Emirates News Agency 2 月 2 日消息,阿联酋卫生及预防部与总统事务部、迪拜医疗城以及其他相关卫生部门合作,推出了基于区块链的卫生数据存储平台,用于存储负责卫生、制药的政府部门及相关私营机构、卫生从业人员以及药物信息的数据。
迪拜多商品中心利用区块链技术促进糖贸易ENA 2 月 11 日报道,迪拜多商品中心(DMCC)已与 Al Khaleej Sugar 和 Universa Blockchain 签署了战略会员协议,DMCC 的贸易流将为在迪拜开发一个新的糖贸易平台提供支持。这个正在开发的平台将使交易商能够通过 Universa 提供的区块链技术,通过智能合约购买、储存和交易 Al Khaleej Sugar 的食糖。
阿联酋社区发展部使用数字渠道来提供政府服务3 月 28 日消息,阿联酋社区发展部已经开始使用数字渠道来提供政府服务。阿联酋社区发展部将通过基于区块链的系统和聊天系统,使用数字身份来对官方证书和其他文件进行数字认证,此举可让用户足不出户即可完成任务。
11 土耳其

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 政策
土耳其监管机构计划加快其比特币和加密货币监管工作1 月 6 日消息,土耳其监管机构资本市场委员会(CMB)正计划在 2020 年加快其比特币和加密货币监管工作。据悉,CMB 可能会强调对比特币以及一般加密货币的监视、监管和审计。该委员会不仅可能对加密货币采取措施,还可能对加密货币交易所采取措施。接近 CMB 的消息人士表示,加密货币的风险很大,但监管将有助于控制这种风险。
土耳其城市科尼亚计划启动“城市代币”项目1 月 18 日消息,智慧城市和市政会议暨展览会将于 2020 年 10 月在科尼亚举行,并计划发布与区块链相关的重大公告。据报道,科尼亚市长 Uğurİ brahim Altay 计划启动“城市代币”项目。如果成功,这将意味着科尼亚将成为拥有自己的加密货币的城市。
◆ 应用
土耳其科尼亚拟利用区块链技术管理社会救助储备资金1 月 21 日消息,土耳其城市科尼亚计划在科尼亚科学中心的帮助下建立“科技谷”,并建立团队将区块链应用于市政服务。“科技谷”负责人 Ali Osman Çıbıkdiken 表示,该项目将使当地政府和其他利益相关者能够在区块链上管理社会救助储备资金。
12 柬埔寨

◆ 应用

柬埔寨将推出中央银行数字货币付款系统Bitcoinist 1 月 30 日消息,柬埔寨中央银行将推出“ Project Bakong”项目,这是一个中央银行数字货币(CBDC)付款系统。柬埔寨国家银行(NBC)总干事 Chea Serey 表示,目前已经获得该国 43 家商业银行中 11 家的支持。
13 乌兹别克斯坦

◆ 应用
乌兹别克斯坦宣布建立“国家矿池”1 月 16 日消息,乌兹别克斯坦宣布建立“国家矿池”。负责监管加密货币行业的国家项目管理局(NAPM)宣布,加入国家矿池的矿工将享受更低的电价。NAPM 还表示,拟议的矿池将有助于确保该国加密货币开采的经济效率,提高透明度和安全性。此外,该国将于下周推出首个获批的加密货币交易所。
五、大洋洲

2020 一季度区块链政策地图国际版(下)|火鸟地图

01 澳大利亚

**
2020 一季度区块链政策地图国际版(下)|火鸟地图**
◆ 应用
澳大利亚铸币局与 SMX 合作启动区块链黄金供应链溯源项目
ZDNet 2 月 5 日报道,澳大利亚官方金条铸币局 Perth Mint 与澳大利亚证交所(ASX)上市信息技术公司 SMX 达成合作,计划启动一个基于区块链的黄金供应链溯源项目有知情人士于近期称,Perth Mint 和 SMX 正寻求推出黄金供应链溯源平台 trueGold。
澳大利亚将启动国家区块链战略2 月 7 日消息,澳大利亚将于启动区块链技术国家战略,重点关注该技术为从金融到葡萄酒等行业带来的机遇。工业、科学和技术部部长 Karen Andrews 表示,长达五年的区块链路线图将支持监管机构、初创企业和研究人员的相关工作,并称该行业的价值将达到 2594 亿澳元(约 1750 亿美元)。
02 新西兰

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 政策
新西兰国税局计划取消对加密货币的消费服务税CoinDesk 2 月 25 日消息,新西兰国税局(IRD)正在考虑改变对加密货币的处理方式,即取消目前备受争议的商品消费服务税(GST)。当前的制度将比特币和其他数字货币视为财产,加密货币在该国交易时应承担 15%的消费税。这在以后征收所得税时可能会引发“双重征税”问题。新西兰国税局称这种情况不利,并建议在多数情况下取消对加密货币的 GST,仅保留所得税。
六、非洲

2020 一季度区块链政策地图国际版(下)|火鸟地图

01 塞拉利昂

2020 一季度区块链政策地图国际版(下)|火鸟地图
◆ 声音
塞拉利昂国家首席创新官:区块链将扩大妇女和其他贫困人口经济参与度2 月 3 日消息,塞拉利昂国家首席创新官 David Moinina Sengeh 表示,塞拉利昂的金融普惠率很低,在 17%至 20%之间,而政府通过实施区块链,打算扩大金融普惠度,以便更多的妇女可以使用金融服务。他指出,这将扩大妇女和其他贫困人口对经济的贡献和参与,并最终将对整个国家的经济产生巨大影响。
2020 年第一季度区块链全球政策地图到这里就暂告一段落了,火鸟财经将不日推出第二季度政策地图,敬请期待。
2020 一季度区块链政策地图国际版(下)|火鸟地图
火鸟财经原创 转载请注明来源


2020 一季度区块链政策地图国际版(下)|火鸟地图

▼ 往期精彩回顾2020 一季度区块链政策地图国际版(上)|火鸟地图2020 年两会中的区块链声音关于举办第四届中国区块链开发大赛的通知2020 一季度区块链政策地图国际版(下)|火鸟地图

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

观点丨如何错误地预测技术的未来?

下载黄金原野APP赢取现金红包

即使是事后看非常重要的技术,在最开始的几年里,通常它们看起来都很幼稚,和玩具一样,正经人不会去用。同时,的确有很多一开始看起来没啥用的技术,最后也一直没啥用。

你看,预测技术的未来是一个非常精妙困难的活。如果你说,“这就是个玩具,没前途”,其实没啥预测性的意义。但是如果你说“人们经常低估看起来像玩具的技术”,其实也没啥预测性的意义。

因为这种论断没有新的洞见。按化学家泡利的说法,它甚至都不是错误的。错误的说法其实是需要洞见的。

我们得往上走一步,为什么有些技术能够逐步改善,从玩具变成大众能用的东西?为什么其他的就不能呢?

Benedict Evans 给出了一个技术预测的标准,看这项技术是否有清晰的路线图能一步步实现。

以莱特飞行器和贝尔火箭带为例,两者都是原始的飞行装置,看起来贵,麻烦,危险,不实用。莱特飞行器第一次飞行只有 200 米远,贝尔火箭带只能飞 21 秒。

然而,莱特飞行器最后成了现在每天都在用的飞机,贝尔火箭带则还是玩具状态。

两者的区别在于,莱特飞行器在一开始就有清晰的改进路线,我们知道怎么做就能让它变得更好,事实也是如此,六年后,飞机就能飞跃英吉利海峡了。

与此相反,贝尔火箭带几乎没办法改进,这种喷气式单人火箭没法解决大量耗能的问题,如果要飞的久,就得携带大量能源,在当时是无解的(现在依然如此)。

有时候路线图是分步走的。一个玩具很难一次性变成一个巨好用的工具,但是可以分步实现。飞机如此,PC 和智能手机也是如此,他们都有自己的阶段性踩点。

有时候路线图上写着“再等 20 年”,这是给那些生早了的技术用的,比如上世纪的 VR 和 Newton。你可以说随着摩尔定律,这些技术迟早会变得实用,所以它还是有清晰路线图可以遵循的。

还有些时候,本来不可行的,会突然变得可行。19 世纪末,马克沁机枪的发明人也在研发飞机,万事俱备,就差一个又轻又强力的引擎,可惜当时的蒸汽机做不到,直到后来有了内燃机。我猜轻量级的可控核聚变一旦成功,单人火箭背包应该会大发展。

有些时候路线图预计的不准确,比如自动驾驶, 2013 年机器学习大发展的时候,大家都以为这条路就能通向完全的自动驾驶,到现在我们发现,剩下的一小段路程,其实是最难走的,甚至可能靠现有的技术走不到。没准我们就是新一代的马克沁,得等新的内燃机出现了。

说了这么多,简单归纳,就是“会有什么变化?”以及这些变化会带来什么。预测技术的未来,依然是一个高度不确定的事情,但是至少比“这就是个玩具”更靠谱。

按这个框架,你觉得区块链这项技术的未来会如何?

值得阅读的文章

支付战争:互联网最大战役的落幕

https://mp.weixin.qq.com/s/WgGXj6-ykH7FmAf_x6bp1A

@Leon:很难想象十年前,国内大部分支付都是不联网的。这十年发生了很多变化,其中支付是非常底层的一个,也是非常复杂和综合的。

姚前:Libra2.0 与数字美元

https://mp.weixin.qq.com/s/nD7dXHquzvzatEm1nojWLA

@Leon:Libra 的变化很好的说明了,在货币这个关键领域做事情,如果不能完全去中心化,镣铐比其他行业要重很多。

加密梦想怎么了?

https://www.cs.princeton.edu/~arvindn/publications/crypto-dream-part1.pdf

https://www.cs.princeton.edu/~arvindn/publications/crypto-dream-part2.pdf

@ 郭宇:密码朋克运动是互联网早期历史中的重要组成,比特币的诞生直接是这一运动的产物,但他们的梦想还遥遥无期。到底是什么原因?有两类密码学技术,一类是为了安全,另一类是为了隐私。前者取得了不少的商业化成就,后者也有进展,但似乎很难商业化,不管是 MPC, ZKP 还是 FHE。一个例子是 PGP,在 1999 年的调查发现,这个工具很难吸引普通用户,二十年过去了,情况依旧。作者分析了三点原因:

(1) 非技术人员不理解隐私保护

(2) 隐私保护技术对于开发者门槛太高了

(3) 隐私保护关系的错位

这篇文章发表在 2013 年(作者 : Arvind Narayanan),已经七年了,我们最近又在重提隐私,这和过去会有所不同吗?

数据何以成为新的生产要素

https://mp.weixin.qq.com/s/MXOFKA4K5c01FNPABR1NUg

@Leon:这篇文章是个很好的引子。数据这个元素要如何利用和分配,可能会促成新的资本论。

以太坊扩容最热门主力方案 Rollup 学习指南

https://mp.weixin.qq.com/s/TUQNTzeP0Gi3LK3NtdSbHQ

@ 沙漏时间:Rollup 是以太坊上相当热门的扩容方向,此文把晦涩的技术用简单的语言表达了出来。无需了解技术细节,便可理解 Rollup 的原理以及发展现状。

现代货币理论为解决现实问题提供了一个有价值的视角

https://mp.weixin.qq.com/s/DBM2z-v7mX_xEHsA1SOrUw

@Leon:一个理论能被发明出来,就是因为有这样的土壤。MMT 可能是在所难免的,在彻底变得不可救药之前。

Staking Finance(3)| 质押方式的衍生品金融

https://mp.weixin.qq.com/s/j71sKjpki3MQCIK2CZx0mw

@ 卡咩:这是关于 Staking Finance 中的第三篇,Staking as Derivatives,主要是阐述基于金融的 Staking 衍生品在未来 Defi 中的发展。通过对第一篇 Staking as reward,到第二篇 Staking as Operation,到现在的这篇 Staking as Derivatives,相信大家都与 Staking 的认识已经更加了解了。

(完)


真正伟大的变革是需要时间的。

Rome was not built in one day, so is Blockchain.

观点丨如何错误地预测技术的未来?

观点丨如何错误地预测技术的未来?

观点丨如何错误地预测技术的未来?

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

如何错误地预测技术的未来|预言家周报#73

下载黄金原野APP赢取现金红包

即使是事后看非常重要的技术,在最开始的几年里,通常它们看起来都很幼稚,和玩具一样,正经人不会去用。同时,的确有很多一开始看起来没啥用的技术,最后也一直没啥用。

你看,预测技术的未来是一个非常精妙困难的活。如果你说,“这就是个玩具,没前途”,其实没啥预测性的意义。但是如果你说“人们经常低估看起来像玩具的技术”,其实也没啥预测性的意义。

因为这种论断没有新的洞见。按化学家泡利的说法,它甚至都不是错误的。错误的说法其实是需要洞见的。

我们得往上走一步,为什么有些技术能够逐步改善,从玩具变成大众能用的东西?为什么其他的就不能呢?

Benedict Evans 给出了一个技术预测的标准,看这项技术是否有清晰的路线图能一步步实现。

以莱特飞行器和贝尔火箭带为例,两者都是原始的飞行装置,看起来贵,麻烦,危险,不实用。莱特飞行器第一次飞行只有 200 米远,贝尔火箭带只能飞 21 秒。

然而,莱特飞行器最后成了现在每天都在用的飞机,贝尔火箭带则还是玩具状态。

两者的区别在于,莱特飞行器在一开始就有清晰的改进路线,我们知道怎么做就能让它变得更好,事实也是如此,六年后,飞机就能飞跃英吉利海峡了。

与此相反,贝尔火箭带几乎没办法改进,这种喷气式单人火箭没法解决大量耗能的问题,如果要飞的久,就得携带大量能源,在当时是无解的(现在依然如此)。

有时候路线图是分步走的。一个玩具很难一次性变成一个巨好用的工具,但是可以分步实现。飞机如此,PC 和智能手机也是如此,他们都有自己的阶段性踩点。

有时候路线图上写着“再等 20 年”,这是给那些生早了的技术用的,比如上世纪的 VR 和 Newton。你可以说随着摩尔定律,这些技术迟早会变得实用,所以它还是有清晰路线图可以遵循的。

还有些时候,本来不可行的,会突然变得可行。19 世纪末,马克沁机枪的发明人也在研发飞机,万事俱备,就差一个又轻又强力的引擎,可惜当时的蒸汽机做不到,直到后来有了内燃机。我猜轻量级的可控核聚变一旦成功,单人火箭背包应该会大发展。

有些时候路线图预计的不准确,比如自动驾驶, 2013 年机器学习大发展的时候,大家都以为这条路就能通向完全的自动驾驶,到现在我们发现,剩下的一小段路程,其实是最难走的,甚至可能靠现有的技术走不到。没准我们就是新一代的马克沁,得等新的内燃机出现了。

说了这么多,简单归纳,就是“会有什么变化?”以及这些变化会带来什么。预测技术的未来,依然是一个高度不确定的事情,但是至少比“这就是个玩具”更靠谱。

按这个框架,你觉得区块链这项技术的未来会如何?

值得阅读的文章

支付战争:互联网最大战役的落幕

https://mp.weixin.qq.com/s/WgGXj6-ykH7FmAf_x6bp1A

@Leon:很难想象十年前,国内大部分支付都是不联网的。这十年发生了很多变化,其中支付是非常底层的一个,也是非常复杂和综合的。

姚前:Libra2.0 与数字美元

https://mp.weixin.qq.com/s/nD7dXHquzvzatEm1nojWLA

@Leon:Libra 的变化很好的说明了,在货币这个关键领域做事情,如果不能完全去中心化,镣铐比其他行业要重很多。

加密梦想怎么了?

https://www.cs.princeton.edu/~arvindn/publications/crypto-dream-part1.pdf

https://www.cs.princeton.edu/~arvindn/publications/crypto-dream-part2.pdf

@ 郭宇:密码朋克运动是互联网早期历史中的重要组成,比特币的诞生直接是这一运动的产物,但他们的梦想还遥遥无期。到底是什么原因?有两类密码学技术,一类是为了安全,另一类是为了隐私。前者取得了不少的商业化成就,后者也有进展,但似乎很难商业化,不管是 MPC, ZKP 还是 FHE。一个例子是 PGP,在 1999 年的调查发现,这个工具很难吸引普通用户,二十年过去了,情况依旧。作者分析了三点原因:

(1) 非技术人员不理解隐私保护

(2) 隐私保护技术对于开发者门槛太高了

(3) 隐私保护关系的错位

这篇文章发表在 2013 年(作者 : Arvind Narayanan),已经七年了,我们最近又在重提隐私,这和过去会有所不同吗?

数据何以成为新的生产要素

https://mp.weixin.qq.com/s/MXOFKA4K5c01FNPABR1NUg

@Leon:这篇文章是个很好的引子。数据这个元素要如何利用和分配,可能会促成新的资本论。

以太坊扩容最热门主力方案 Rollup 学习指南

https://mp.weixin.qq.com/s/TUQNTzeP0Gi3LK3NtdSbHQ

@ 沙漏时间:Rollup 是以太坊上相当热门的扩容方向,此文把晦涩的技术用简单的语言表达了出来。无需了解技术细节,便可理解 Rollup 的原理以及发展现状。

现代货币理论为解决现实问题提供了一个有价值的视角

https://mp.weixin.qq.com/s/DBM2z-v7mX_xEHsA1SOrUw

@Leon:一个理论能被发明出来,就是因为有这样的土壤。MMT 可能是在所难免的,在彻底变得不可救药之前。

Staking Finance(3)| 质押方式的衍生品金融

https://mp.weixin.qq.com/s/j71sKjpki3MQCIK2CZx0mw

@ 卡咩:这是关于 Staking Finance 中的第三篇,Staking as Derivatives,主要是阐述基于金融的 Staking 衍生品在未来 Defi 中的发展。通过对第一篇 Staking as reward,到第二篇 Staking as Operation,到现在的这篇 Staking as Derivatives,相信大家都与 Staking 的认识已经更加了解了。

(完)


真正伟大的变革是需要时间的。

Rome was not built in one day, so is Blockchain.

这份《预言家周报》就是为真正的建造者准备的。橙皮书和他的朋友们会精选过去一周最值得读的文章,附上推荐理由,每周一和你见面。

之所以叫预言家周报,是因为哈利波特的世界里有一份预言家日报,魔法世界的人都会读。现在的区块链就像所有的新技术一样,just like magic.

因为微信不让加外链,以上这份周报,只有蓝色的标题是可以直接点击阅读。如果你想要更好的阅读体验,可以点击阅读原文,去橙皮书的官网读,或者在网站(网址是 https://orange.xyz/)上输入自己的邮箱,订阅这份周报,我们每周会准时为你推送一份邮件。

如果你也想推荐好文章,一起写这份周报,或者只是和我们打个招呼,可以联系橙皮书小姐姐(微信号 18519507233)并自我介绍。

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

下载黄金原野APP赢取现金红包

加密资产黑天鹅来袭,比特币会死吗;以太坊和 DeFi 在极限压力下崩溃了吗 | 周刊第 12 期

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

2020.5.11 第 20 期

本期关键字
比特币第三次减半、ETH2.0 Staking 详解、Libra 巨大金融风险、a16z 5 亿美元加密基金、Filecoin 官方硬盘、比特币受法律保护、NEAR 主网上线、四川抢占区块链高地、tBTC、DC/EP、工信部。

比特币将于 12 日凌晨 3 点左右实现第三次减半,我们一起见证历史。

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

1、荷兰货币管理局:荷兰加密公司必须在 5 月 18 日前向央行注册 否则将停止运营

据 CoinDesk 5 月 5 日消息,荷兰货币管理局周一表示,荷兰加密货币公司必须在 5 月 18 日之前向该国央行注册,否则将立即停止运营。荷兰央行正采取行动,迅速实施强化版的荷兰反洗钱 (AML) 法律。为了遵守欧盟的反洗钱指令和金融行动特别工作组设定的标准,这些法律已于上月在荷兰议会获得通过。

2、广州印发推动区块链产业创新发展的实施意见
5 月 6 日消息,广州市工业和信息化局发布关于印发《广州市推动区块链产业创新发展的实施意见(2020-2022 年)》的通知。意见指出,广州区块链产业发展目标是,到 2022 年,突破一批区块链底层核心关键技术,引进培育 2-3 家国内领先且具有核心技术的区块链龙头企业;推进以区块链为特色的中国软件名城示范区建设,打造 2-3 个区块链产业基地,培育一批具有安全稳定区块链产品的行业重点企业等。同时意见提到广州发展区块链产业的重点任务:1. 推进区块链核心技术攻关。2. 加强区块链创新平台建设。

3、法官:比特币应受法律保护,但不具备作为货币的法律地位
据人民法院报消息,5 月 6 日上海市第一中级人民法院公开宣判一起比特币涉外财产损害赔偿纠纷上诉案,二审认定比特币属于网络虚拟财产,应从法律上予以保护,通过不合法手段取得的比特币应当全部返还或折价赔偿。本案主审法官刘江指出,中国人民银行等部委曾发布《关于防范比特币风险的通知》(2013 年)、《关于防范代币发行融资风险的公告》(2017 年) 等文件,并未对比特币作为商品的财产属性予以否认,我国法律、行政法规亦并未禁止比特币的持有。《关于防范比特币风险的通知》中更提到,“从性质上看 , 比特币应当是一种特定的虚拟商品”。因此,比特币具备虚拟财产、虚拟商品的属性,应受到法律的保护。但《通知》等文件否定了包括此类“虚拟货币”作为货币的法律地位,比特币等“虚拟货币”不能也不应作为货币在市场上流通使用。刘江提醒,投资者应理性投资,合理控制风险,维护自身财产安全。
4、工信部:鼓励企业、研究机构加大对区块链溯源等安全技术手段研究应用
5 月 7 日消息,据中国证券网报道,工信部办公厅发布关于深入推进移动物联网全面发展的通知。通知要求,夯实移动物联网基础安全。建立移动物联网安全标准框架,制定物联网卡、终端、网关等重点环节的分级分类安全管理系列标准。鼓励企业、研究机构加大对移动物联网终端可信认证技术、区块链溯源等安全技术手段的研究应用。加快建设移动物联网安全监管技术手段,提升安全态势感知、卡端管理、风险预警等实时监测能力。
5、欧洲央行指出 Libra 存在巨大金融稳定风险
5 月 7 日,据智堡消息,欧洲用户只占 Facebook 全部用户的 10%,但 Libra 声称的储备资产中 18% 将是欧元。这意味着欧元区面临巨大的资金流入风险。欧洲央行 5 月 5 日发布的一份报告显示,如果全球无任何监管措施,Libra 将达到约 3 万亿欧元 ( 3.24 万亿美元) 的规模,其中有 2300 亿的净资金将流入欧元,或使得 Libra 成为欧洲最大的货币市场基金。即便假设 Libra 仅作为支付手段,净资金流入也达到了 120 亿欧元。而根据 Libra 协会的声明,储备资产中 80% 是期限少于 3 个月的 A+ 以上评级政府债券,但 2019 年整个欧元区符合这一条件的债券规模仅为 2688 亿,这将加深当前欧洲存在的抵押品稀缺问题。对货币市场而言,为创造更多抵押品,要么欧元区放宽评级标准,要么 Libra 放松储备资产条件,无论哪种都将严重影响 Libra 发行后的金融市场稳定。同时,储备资产的 80% 投资于短期债券意味着 Libra 面临大规模展期 (roll-over) 的压力。
6、四川政府报告:将抢占区块链等产业高地
据腾讯科技报道,在 5 月 9 日上午开幕的四川省第十三届人民代表大会第三次会议上,提交大会审议的四川省人民政府工作报告中提出,四川将紧盯既定方向,打造一批特色支柱产业,区块链、大数据、人工智能、工业互联网、5G 网络应用和超高清视频,也成为四川将要抢占的产业高地。

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

1、a16z 5.15 亿美元的加密基金:寻找下一个 Big Thing (点击图片直达)

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

a16z 一直是加密领域的重度参与者。从最早的 Coinbase 和 Ripple 到后来的 Oasis、Chia、Compound、Maker、Dfinity、Near 等,它从来没有停下投资加密企业或项目的脚步。如今它宣布推出 5.15 亿美元的加密基金计划,这不是心血来潮,而只是常规操作。那么在它的常规操作的背后,a16z 是怎么深思熟虑的?

2、Filecoin 推出官方硬盘,不让其他 500 家矿机商活了?(点击图片直达)12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

Filecoin 今年的动作异常频繁,虽然主网仍在推迟,但测试网让期待已久的投资者们看到了曙光。5 月 11 日,第二阶段的测试即将开始。而最近 Filecoin 推出了一个叫 Filecoin Discover 的品牌。这个品牌下,Filecoin 推出了一款硬盘。这个动作带来的问题是,这款官方硬盘的出现,会不会动了市面上其他 IPFS 矿机生产商的蛋糕?

3、参与 ETH2.0 Staking 你能赚多少钱?(点击图片直达)

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

参与 ETH 2.0 的 Staking 能获得多少收益?参与 Staking 又有哪些风险?最快什么时候能获得收益?本文带你全盘了解 ETH 2.0 Staking 收益详情。

4、为什么我认为 Loot 是未来 5 年最重要的代币类别(点击图片直达)

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

到目前为止,我们一直在代币协议的狭窄范围内讨论代币与财务收益的关系。甚至我们对 NFTs 的讨论也常常着眼于投资回报,而不是经济或个人价值。或许这是因为:在这个领域,很多主流思考和研究来自风险投资人和投资基金。这并不是一件坏事,但风投基金只是通过资本获得代币经济利益并没有通过贡献。因此,他们对需要通过贡献来赚取的代币兴趣自然很低。这就是为什么我认为到目前为止“未来 5 年最重要的代币类别还没有明确的定义和讨论。”

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

1、邹传伟:DC/EP 对货币和支付领域的影响(点击图片直达)

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

2020 年 4 月,人民银行 DC/EP 开始在江苏、雄安、成都和深圳等地测试,引起了很多讨论和研究。同时存在一些争议:第一,DC/EP 对银行卡支付,特别是“四方模式”的影响;第二,DC/EP 对第三方支付的影响;第三,DC/EP 对人民币跨境支付的影响;第四,DC/EP 对货币的影响,包括 DC/EP 是否会造成货币超发并推高通货膨胀,是否会造成狭义银行,以及是否会显著冲击商业银行地位。本文将给出这四个问题的初步答案。

2、减半在即,这些比特币指标能否预示牛市行情?(点击图片直达)

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

我们能从比特币链上数据中发现什么?我们能发现:2017 年 12 月以来,持有 1 个比特币以上的地址数量增加了 6.9 万个。比特币价格接近波峰时,持有比特币不到一年的地址数量总是大幅增加。2019 年以来,持有 1000 个 BTC 以上的地址数量增加了 50% 以上。这些指标意味着什么呢?

3、为什么说比特币无法在高通胀国家流行?(点击图片直达)

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

币圈有一个很常见的观点:那些正在遭受严重的通货膨胀、法币超额贬值的国家,对比特币有着巨大的需求。但事实与之相差甚远:尽管委内瑞拉有使用数字货币,但人均交易量远不及发达国家;尽管高通胀国家的人能使用数字货币进行汇款和投资,但目前没有证据表明有大量消费者或企业用数字货币进行汇款。一名委内瑞拉记者透露,数字货币在当地的使用情况比我们想象中要少得多。

4、去中心化的锚定币「tBTC」,能对 BTC 用户的胃口吗?(点击图片直达)12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

在诸多 BTC 锚定币中,tBTC 由于最大化地“去中心”,从而增强了安全性、降低信任成本、提升采用,使其早早成名。tBTC 在不久前宣布在最近半个月内发布系列重要更新,并在 5 月 11 日正式上线发行。究竟 tBTC 如何进行去中心化设计,经过系列复杂设计的 tBTC 又有哪些隐藏的“雷点”,本文将一一解析。

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

1、开放性网络平台 NEAR 主网 POA 版本上线,完成 2160 万美元融资,a16z 领投12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 4 日消息,开放性网络平台 NEAR 宣布主网 POA 版本已经正式上线。同时宣布,完成 2160 万美元融资,由 a16z 领投,另有 40 家投资机构参与本轮融资,包括 Pantera Capital、Libertus、Blockchange、Animal Ventures、Distributed Global、 Notation Capital 等。
NEAR 团队表示,主网 POA 版本上线意味着该协议的多阶段发布正式开启,开发者已经可以在基于 NEAR 协议的智能合约平台上创建 DApp,这些 DApp 的状态也可以保持下去。

2、Robinhood 获 2.8 亿美元 F 轮融资,红杉资本领投

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 5 日消息,总部位于旧金山的股票与加密货币交易平台 Robinhood 周一宣布以 83 亿美元的估值完成 2.8 亿美元 F 轮融资,红杉资本(Sequoia Capital)领投,现有和新的投资者(包括 NEA、Ribbit Capital、9Yards Capital 和 Unusual Ventures)都参与了该轮融资。
Robinhood 于 2019 年 1 月获得纽约州金融服务部颁发的加密货币经营牌照,可提供购买、销售、存储 7 种加密货币的服务。

3、加密货币投资应用程序开发商 Ember Fund 融资 70 万美元

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 6 日消息,据 Sludgefeed 报道,加密货币投资应用程序初创公司 Ember Fund 通过 Reg CF 融资和天使联合组织投资总共融资 70 万美元。
Ember 应用程序于去年启动,允许用户投资加密货币投资组合。Ember Fund 的商业模式为从所有交易中抽取 1.5% 的手续费。

4、众享金联完成千万级 A 轮融资

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 6 日,据官方消息,江苏众享金联科技有限公司已完成千万元级 A 轮融资。至此,公司估值已过亿元大关。
江苏众享金联科技有限公司(PeerFintech)是由国内最早研发区块链技术的北京众享比特科技有限公司(PeerSafe)于 2016 年 11 月控股成立,专注于区块链+传统行业。

5、以色列安全公司 Hub Security 完成由 AXA Ventures 领投的 500 万美元 A 轮融资

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 8 日消息,总部位于以色列特拉维夫的网络安全公司 Hub Security 已完成由 AXA Ventures 领投的 500 万美元 A 轮融资,众筹平台 OurCrowd 也参与此轮融资,该公司计划利用此轮融资来扩大团队和技术产品。
Hub Security 正在硬件方面构建相对标准的硬件安全模块(HSM),并使用 FPGA 加速,同时正在构建具有微型 HSM 的小型硬件钱包,带有内置防火墙、EMI 屏蔽罩和防篡改工具等。该公司在软件方面提供用于管理签名和授权工作流的工具,以及旨在预测系统网络攻击的基于机器学习的工具。

6、比特币 ATM 公司 Coinme 完成由 Pantera Capital 领投的 1000 万美元 A 轮融资

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 8 日消息,比特币 ATM 公司 Coinme 完成由 Pantera Capital 领投的 1000 万美元 A 轮融资。
Coinme 是美国首家获准经营比特币 ATM 公司。Pantera Capital 透露除去 Coinme 在物理层面与 Coinstar 合作提供的实体 ATM 服务,Coinme 同时构建包含所有 ATM 功能的 API,可通过 API 将服务集成至所有 ATM 中。

7、General Protocols 完成 100 万美元种子轮融资,将开发基于 BCH 的智能合约衍生产品 AnyHedge

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
5 月 8 日消息,去中心化金融初创公司 General Protocols 在种子轮融资中筹集到逾 100 万美元的资金,投资方包括知名加密货币交易员 Marc De Mesel 以及 BCH「意见领袖」Molecular 等。
Anyhedge 是一种开源的衍生品工具,交易所和 OTC 平台可嵌入该工具,允许其利用智能合约创建新市场。另外,Bitcoin.com 前员工 Rosco Kalis 和 Marcel Chuo 也已加入 General Protocols。General Protocols 此前组织并帮助建立了 BCH 筹款项目 Flipstarter.cash。

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

《区块客周刊 BLOCKER WEEKLY》是由区块链研习社精心打造的区块链行业前沿读物,为区块链爱好者精选一周热点及前沿观点。如果您有好的意见和建议,欢迎在下方评论处留言。也可以扫码加入微信群,参与学习 / 活动 / 投稿 / 讨论。

-END-

社群成员限时招募中

内容还不错?记得点个“在看” 将本期周刊转发至微信群 / 朋友圈 即可联系小秘书加入区块链学习社群

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

区块链研习社

区块链研习社 ChainClub 成立于 2017 年 1 月,国内知名的区块链学习创业社群,PCTA 公有链技术联盟成员,致力于成为公链生态发展加速器。

区块链研习社一直积极参与公链生态建设,目前已成为 GXChain 超级节点、NULS 主网节点、Ulord/UOS 超级节点、BOS 备用节点、亦来云备用节点。在开发自身 DAPP 的同时,挖掘和扶持了多个社群优质项目。

“问道区块链”是区块链研习社社群媒体,是行业优质流量入口,为公链生态塑造深度专访,为优质项目打造顶尖品牌形象,与公链联盟联合主办的“PCTA 圆桌派”栏目成为公链生态建设者思想碰撞的舞台。

区块链研习社输出超过 100 节体系课程,助推社员提升认知、链接资源,以好学、好玩、值得信赖的方式让越来越多的人参与到区块链行业的建设中来。目前,社群在全国有 30 个分社站点,成员超过 3 万名,每个参与者在全国都会有相互支持的朋友,并能找到属于自己的成长方式。

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

往期内容

■ 100 万美元的比特币能实现吗;关于以太坊巨鲸的 32 个发现 | 区块客周刊第 19 期

■ 比特币减半的 3 种可能;区块链服务网络 BSN 正式商用 | 区块客周刊第 18 期

■ 知名 DeFi 被攻击损失近 2500 万美元;央行数字货币首个应用场景落地 | 区块客周刊第 17 期

■ 币安、波场卷入 ICO 集体诉讼;比特币减半拉开大幕 | 区块客周刊第 16 期

■ 暴跌之下比特币一季度实际仅跌 10%;为什么去中心化没你想的那么重要?| 区块客周刊第 15 期

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊

12 日凌晨比特币第三次减半,我们一起见证历史;ETH2.0 Staking 收益详解 | 区块客周刊
阅读原文,更多精彩!

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

DeFi 艺术周报#16

下载黄金原野APP赢取现金红包

DeFi 艺术周报(DeFi Arts Intelligencer)是一份来自西方以太坊社区的优质栏目,由 William m. Peaster 策划,DAOSquare 很荣幸成为 DeFi Arts Intelligencer 的合作伙伴,并将它引入中国,带给大家。在我们对加密世界或者说区块链世界的认知边界之外还有极为广袤的空间,那里不仅有趣,也充满着机遇,让我们一起探索和收获!

——Typto

DeFi Arts Intelligencer – May 2nd, 2020

DeFi 艺术周报#16

欢迎来到 DeFi Arts Intelligencer 的第十五期,这是你每周获取有关区块链艺术品、收藏品和游戏的重要信息来源,如果你想订阅我的栏目,请点击


以下是本期详细内容:

_
_

🎨 数字艺术和收藏品

  • 加密艺术平台 SuperRare 发布重大更新,使其市场系统的用户体验更友好。该平台的”艺术家刺激计划”活动也筹集到了 25 ETH。

  • 在 Roll 和 nonfungible.com 团队的帮助下,收藏家 WhaleShark 推出了自己的社交货币 : $WHALE。$WHALE 将由“The Vault”中持有的稀有加密艺术和数字收藏品支持。

  • Avastars 于 5 月 3 日举行了一场 meme 大赛。生成艺术 (generative art) 项目现在也已入列“Product Hunt”。

  • 虚拟世界 Cryptovoxels 又有了新的岛屿。

  • NFT 大师 Pranksy 与生态系统中的艺术家合作,将其 35 个被称为 Pranksyland 的 Cryptovoxels 地块转变为一个加密艺术中心。

  • 艺术家 Alotta Money 正在 OpenSea 拍卖“The Voxel Hotel”。

  • 艺术家 Osinachi 在 MakersPlace 上架了新作品“Tennis Player” …

DeFi 艺术周报#16

  • 在一次新的更新中,NFT 市场 Nifty Gateway 指出,到目前为止,大约 70% 的买家是“NFT 领域的新手”。

  • 看看 InfiNFT 吧,这是一个新的 token 铸造平台,旨在永久保证 NFT 的安全。

  • 艺术家 Twisted Vacancy 的作品“Motel for Cosmic Debris”在 SuperRare 上以 7.4 ETH 的价格进行了二次销售……

DeFi 艺术周报#16

  • 新贵项目 PixelChain 已接近 2,000 个铸造里程碑。

  • 去中心化时尚品牌 MetaFactory 为其最后两个会员席位举行了 24 小时的拍卖会。

🕹️ 区块链游戏

  • MetaClan DAO 在以太坊主网发布。

  • Gods Unchained 团队分析了 Genesis 和 Core 中最近畅销的 GU 卡。

  • Axie Infinity 的第 4 季于 5 月 2 日结束。

♦️♦️ DeFi 新闻

  • 锚定比特币的以太坊 token:tBTC 公开发行。

  • 由 DAO 和特拉华州的实体有限责任公司构成的去中心化风险基金 The LAO 上线。

  • 认识一下 Gnosis Safe 应用程序,这是 Gnosis Safe 多重签名用户与以太坊 dapp 交互的一种简便方法。

  • Decentraland 社区已申请将 MANA 批准为 MakerDAO 多抵押 Dai (MCD)系统中的抵押。另外,Maker 利益相关者投票决定于 5 月 1 日将锚定比特币的 WBTC 添加到 MCD 中。

  • DeFi 合成资产项目 UMA 协议在 Uniswap 去中心化交易所上架了其 $UMA 总供应量的 2%,其早期价格引起了一些争议。

  • DeFi 借贷 dapp Compound 现已支持 Tether (USDT)稳定币。

  • 以太坊隐私项目 Tornado.cash 开启授信仪式。

  • ENS 域名 crypto.eth 在 OpenSea 以 60 ETH 的价格出售。

📰 新鲜读物

  • “关于虚拟会议的思考”-matthew.cent.eth

  • “NFT 艺术 – 二次销售估值” – Andrew Steinwold

  • “Async 艺术家聚焦 : Osinachi” – Async Art

  • “流光画廊” – Alan Smale a.k.a. Puffin

  • “机器学习能预测拍卖中的艺术品价格吗 ? ” – Jason Bailey

  • “2020,构建于以太坊” – Austin Griffith

  • “如何在不编写智能合约的情况下构建自己的 DeFi 协议” – Authereum

🖌️ 加料!加料!

  • 我在 OpenSea 有几个新作品✌️

DeFi 艺术周报#16

感谢您的阅读,请保持创意 (链上 / 链下)!

下周同一时间,请继续关注👁️DeFi Arts Intelligencer 的第 11 期节目,干杯✌️


关于 DeFi Arts Intelligencer

我是一名专业作家、编辑,同时也是 DeFi Arts Intelligencer 的发起人 William m. Peaster,近年来一直在追随以太坊和 Dai。

我对艺术充满热情,也是一名 DeFi 乐观主义者,所以整理这份简报对我来说既有趣又有益,希望其他人也能从这些内容中有所收获。但需要说明的是,这些信息并不作为投资建议,它们仅仅是我的个人观点,我并非财务顾问。在参与到仍处于成长期的加密经济中时,请认真考虑你所面临的各种风险。


关于 DAOSquare

DAOSquare 是一个加密社区

我们正在汇集来自世界各地,来自不同领域的,那些热情、积极、有趣、有料、敢想、敢干的人,一起去加密世界寻找让我们走向成功的机会,一起去加密世界完成每一个人想干但还没有干成的事情。

社区体现了一种共同利益或共同文化,又或者,对同一价值观的信仰。社区也传递着一种能量,一种在要么彼此漠视,要么相互蚕食的物质世界里,爱的能量。

社区可以让我们相互扶持,彼此成就,并携手做一些有价值的事情,为我们自己的未来,以及社会的未来。

DAOSquare 是一个商业化的创业项目

DAOSquare 是商业化的,这一点尤为重要。只有商业上的成功才可能让 DAOSquare 社区实现可持续发展,并帮助每一位社区成员实现理想的生活。

DAOSquare 是成就每一个人的孵化器

个人品牌的崛起意味着个人意识及个人价值的觉醒。因此我们希望通过 DAOSquare 社区的群体优势和资源网络去帮助、孵化那些有才华、有能力、有理想的艺术家、创业者以及实践家,帮助他们启动个人品牌和事业并在资源和资金上帮助他们成长。

DeFi 艺术周报#16

阅读原文,获取更多精彩内容

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

Celo 联合创始人 Rene Reinsberg:2025 年全球将有超过 70 亿手机用户,智能手机可充当 Celo 网络节点

下载黄金原野APP赢取现金红包

4 月 30 日,Celo 项目联合创始人 Rene Reinsberg 做客币乎,以下为对话的 AMA 文字实录。

大家好,我的名字是 Rene Reinsberg,是 Celo 的联合创始人之一。我和另两位联合创始人 Marek Olszewski 和 Sep Kamvar 于 MIT 相识,到现在已经十年了。我和 Marek 一起做了一个叫 Locu 的初创企业,做机器学习。后来这家公司被 GoDaddy 收购。

我此前还在摩根斯坦利的全球资本市场部、麦肯锡、世界银行和 TechnoServe 工作过。
Marek 和 Sep 都是技术背景。比如 Marek 过去的工作包括一个决定性多线程和事务性内存,并为此获得了 2011 年的 Facebook Fellowship 奖学金。他还曾在 Microsoft Research,Google 和 Sun Labs 工作过。 Sep Kamvar 是 EigenTrust 的发明者,而 EigenTrust 是最知名的分布式系统中信任计算协议之一。

在加入 Celo 之前,Sep 是 MIT 媒体实验室的教授。他自己创办的第一家公司,做个性化搜索引擎,于 2003 年被 Google 收购。他此后多年在谷歌领导其个性化搜索团队。因此我非常有幸能和他们合作。
我们决定做 Celo 的原因之一就是看到了区块链和加密货币的巨大潜力,但是却没有看到很多项目做手机端应用。很少有项目能在廉价手机应用上做得好。因此我们成立了 Celo,并采取了移动端优先的策略。
我们相信这一策略将允许更多人进入 Celo 的生态系统。

根据预测,到 2025 年,全球将有超过 70 亿手机用户。Celo 拥有不受机型、运营商和国家限制的技术,我们希望由此能让更多人获得基础的金融产品和服务。
简言之,Celo 是一个无需许可的快速 PoS 网络,拥有轻量级身份协议和稳定性协议。具体而言,轻量级身份协议是指它可以将公钥和手机号码的哈希值进行匹配,从而允许向任何手机号码发送加密货币,这就消除了加密货币交易的很多壁垒。

Celo 和其它区块链项目不同的一点在于,一部简单的智能手机就可以充当 Celo 网络中的节点,这是通过超轻客户端的快速同步实现的,它可以使区块的块头针对手机快速同步进行优化,这使得 Celo 比其他区块链轻 17000 倍,并且我们还在持续优化。
相信大家都知道稳定币的重要性,尤其是从今年年初以来,稳定币获得了巨大的增长,到达了百亿量级。我认为稳定币的使用场景可以远远超越当今的范围。

在支付领域,Celo 协议的一个创新在于,支持转账时直接扣稳定币作为手续费,而非平台原生代币。
接下来我想和大家介绍一下 Celo 的进展。
4 月 22 日,我们的验证人社区选出了第一个候选主网(RC1,也即如果没有发现大的漏洞,它就会正式成为 Celo 的主网),大家可以关注我们的官网,了解更多主网进展。

此外,几周后,我们将通过链上治理,提供协议完整的功能集。
可以说,创办 Celo 是一段非常有意思的旅程。我们大概 3 年前正式开始做这个项目,并且对亚洲、拉美、中东、欧洲等全球各地的用户做了调研。其中一个结论就是,不管在哪里,当前的金融服务都没有很好的满足用户需求,依然有提升空间。
在此期间,我们也获得了大量优秀的合作伙伴、支持者和贡献者。目前大约有 80 名贡献者为 Celo 网络作出贡献。而且幸运的是,我们拥有最顶尖的支持者,包括 Polychain 和一些在支付领域拥有丰富经验的个人,比如 Jack Dorsey (Twitter 联合创始人), Reed Hoffman (领英联合创始人), 他们一直在给我们各种反馈和意见建议。

接下来我给大家介绍一下 Celo 金币(cGLD)。 正如 ETH 是以太坊平台的原生代币,cGLD 是 Celo 平台的原生代币,它虽然叫金币,但和黄金没有关系,而是一个功能型代币,用于参与 Celo 平台的治理。比如可以用它来运行一个验证节点以维护网络安全,投票选验证节点,参与平台治理,Celo 有一个链上治理机制,或是支持链上的应用。
cGLD 还是 Celo 平台底层储备池的一类储备资产,当作在 Celo 平台发行的稳定币的抵押品,其中最典型的稳定币就是 Celo 美元(cUSD)。这个储备池也可以用来发其它的稳定币,比如 Celo 人民币, Celo 英镑等。

未来将由社区决定发何种类型的稳定币。
Celo 的用例:
Celo 繁荣联盟(Alliance for Prosperity)成员包含一些领先的金融产品和服务机构。我们尤其对简易支付、汇款、机构 / 政府间现金转账、允许个人通过在线上或手机上完成任务挣钱以及帮助个人获得贷款等使用场景感兴趣。也就是 DeFi.
我们已经看到了去中心化金融和开放式金融领域的巨大增长。Celo 社区的目标就是为金融领域的应用提供最好的基础设施,不仅仅支持现有的 DeFi,也支持未来可能出现的 DeFi.
时间有限,我就分享就到这里。现在欢迎大家提问。再次表示很激动有机会和中国的加密社区交流,同时我也想了解一下,中国需要怎样的金融产品和服务。

提问:

  1. Celo 是怎么做 KYC/AML 的?

答:首先需要澄清。我们很早就意识到,金融服务受到的监管尤其严格。而 Celo 提供的技术在全球范围都有用。因此我们想确保从一开始就制定相应的合规框架,并且我们和世界各地的监管者合作,向他们学习、教育他们,并塑造未来的监管。这是一项新的技术,会带来很多好处,其中最重要的就是消费者保护。
下面回答这个问题:我们有一只强大的法律团队,成员包括来自传统金融机构、金融科技和加密领域背景的人员,例如首席律师 Brynly Llyr 在加入 Celo 前,是瑞波(Ripple)的首席律师,在此之前,她曾在 Paypal 和 Ebay 工作过。另外一位成员,Jai Ramaswamy 去年加入 Celo,此前他曾在 Capital One 和美国银行(Bank of America)工作,负责全球范围的 AML。因此我们团队熟悉监管要求,并希望能在监管框架内,针对不同市场提供最佳解决方案。

  1. Celo 繁荣联盟和 Libra 有不少相似点。在会员机制和选择上有什么不同吗?Libra 在实施的过程中面临了很多法律的问题,Celo 是否可能面临同样的障碍?

答:我们认为,相信大家也同意,Facebook 的入局对于加密货币的应用是一个积极的信号,也可能为加密货币更快、更广泛的应用打开大门。鉴于 Facebook 的过往记录,我认为监管者问一些必要的问题是水到渠成的。此外任何一家拥有 20 亿用户的企业都要承担巨大的责任。
但是我们和 Facebook 确实存在很大区别。Celo 的使命是赋能个人与社区,因此我们从一开始就采用非常开放的态度。反观 Libra 以及其最近的一些变化,可以看出它是一个需要许可的网络,而 Celo 是无需许可的。Celo 是真正的去中心化治理,也即任何人都可以运行一个全节点或验证节点或参与网络。而 Libra 联盟则是有限制的、中心化的。此外我们和 Libra 的稳定币机制也不一样。

  1. Celo 作为一个开源金融应用区块链平台,会牵涉到很多合规性的问题。关于合规这块,你们是如何做的?

答:我们积极参与全球范围内对新冠疫情下加密货币的合规以及央行发行数字货币的讨论。其中有 2 位同事在加入 Celo 前是在美联储工作,有长期的央行工作经验。我们认为未来将会有多家央行发行自己的数字货币。对于 Celo 而言,这意味着巨大的机会,我们可以为央行提供基础设施支持 。我们的团队也发表了很多这方面的论文,包括最近一篇研究央行通过发行数字货币,控制货币流通速度的论文,获得了良好的反响。

  1. cGLD 的经济模型是什么?

答:总体而言,cGLD 是 Celo 平台的功能性和治理代币,同时也在稳定币的稳定机制中发挥重要作用。具体而言,一旦对稳定币的需求增加,协议就会增发稳定币,通过回购 cGLD 的方式向市场投放。具体的机制和 Uniswap 类似,属于链上交易。而且是双向的, 也即对稳定币的需求减少,就可以通过用 cGLD 回购稳定币的方式减少流通。鉴于此,cGLD 的流通量和稳定币的流通量呈反向变动,一旦稳定币的流通增加,cGLD 的流通就会下降,加上 cGLD 的供应量是固定的,cGLD 的价格就会受到影响。

  1. Celo 和其他区块链相比有什么区别?如恒星和瑞波:

答:Celo 和其它区块链相比,一个关键的区别就在于我们的手机优先策略。没有任何其它的项目允许在低带宽环境下,在廉价的智能手机上运行超轻客户端,并做节点同步。
和 Tezos 和 Cosmos 相比,这些项目是无需许可的 PoS 项目,由一些独立的验证节点运行。但是 Celo 是链上治理,专注金融领域的用例。因此协议层的很多变化和功能,都是我们、繁荣联盟成员或链上的 App 开发者看到了实际需求而反向推动的。

  1. 稳定币发行是基于什么?美元数字货币还是算法银行?

答:Celo 是数字货币抵押+算法的混合模式。可编程去中心化的稳定币都和 MakerDAO 的机制有一定的相似性。但是我认为,MakerDAO 的模式属于通过抵押数字货币生成稳定币,而 Celo 则是通过市场机制调节稳定币的供给。

  1. 我认为 DeFi 面前的最大问题之一是类似 312 的黑天鹅事件发生时非常脆弱。很大一部分是由于预言机的问题。在预言机和治理机制上,Celo 会做怎样的创新?

答:我们花了大量的时间思考这个问题。如果大家感兴趣,也可以去 Twitter 看我们联合创始人 Marek 发起的一个相关话题。此外 Celo 和 MakerDAO 的稳定币机制存在区别,也避免了我们遭受类似事件。
就预言机而言,我们实施的是以太坊的 EIP1559,允许交易费的动态调整。
此外,在 3 月 12 日的黑天鹅期间,我们看到由于缺乏交易对手方,Dai 的价格几乎下跌至 0, 许多保险库也遭遇清算。但是我们实施了 Uniswap 这样的链上交易,也即 CP-DOTO,避免类似的事件发生。这一领域我们也发表了大量的文章,还有一篇关于稳定币的详细论文,大家感兴趣可以去找着。此外我们也做现实世界的模拟,比如去年年初在 MIT 做了一个。

  1. Celo 是 ERC20 代币么 ?

答:Celo 有自己的 1 层公链,但是我们的稳定币和 cGLD 与 ERC20 是兼容的,这样就允许在 Celo 平台以稳定币支付交易费。

  1. 能介绍一下 Coinlist 的拍卖以及参与拍卖的人能挣到的额外奖励么?

答:鉴于我们已经有候选主网在稳定运行,我们决定为社区成员做一次荷兰拍卖。任何人都可以以自己觉得合适的价格参与竞拍,最终出价不低于成交价格的参与者将以最终成交价格购买 cGLD。此外帮助社区推广我们也有奖励。

  1. Celo 希望让全球所有的手机用户能够用上普惠金融服务。市场策略来看,你们会先瞄准哪个地区的市场?

答:Celo 的布局是全球的,Celo 繁荣联盟的会员包括许多全球性和地区性组织。此外我们还有一个非常活跃的开发者社区。比如 Celo 训练营(Celo Camp),它是由 Libra Camp 的创始人发起,现在已经有 250 多活跃的参与者。另外我们还有 Celo 拨款项目(Celo Grant Program),和 Polychain 生态系统基金(Polychain Ecosystem Fund),来发展壮大社区。
其中一些有意思的使用场景包括:
在巴西,一个组织正在 Celo 上开发解决方案,允许巴西人通过执行任务、共享联系信息、回答调查或提供产品反馈来赚钱。
在墨西哥, 通过 Celo 平台,城市务工人员可以支持远在家乡的亲人。
在菲律宾, 通过 Celo 提供更轻松、更快和更便宜的汇款方式,帮助在海外务工的菲律宾人给国内的家人汇款。

  1. 全节点和验证节点的区别?

答:可以查阅我们的文件,了解各自的设计和机制。和其它项目不同的一点在于,Celo 提供全节点激励,也即运行全节点也可以获得奖励。之所以有这样的设计,是因为全节点的数量越多,就越有利于手机上的超轻客户端。因此我们希望吸引更多的全节点。
验证节点也有激励,目前是固定奖励 75,000cUSD/年。具体细节参见我们的文件。也可以去 Celo 的官网和社区的网站,了解当前的验证节点情况以及此前参与测试网(带有激励)的节点情况。全球范围内,共 400 多个节点注册,最终 100 多参与验证节点的竞选。我很高兴看到社区的广泛参与。

  1. 想问下 Coinlist 拍卖价格什么时候公布?具体的机制是?

答:我需要提醒大家的一点是,参与拍卖是有限制的,所以请务必查看 Coinlist 上的条款和条件,确保你是合格参与者。拍卖的时间是北京时间 5 月 12 日,持续 12 小时。 价格发现机制为:后次出价低于前次,价格逐渐下降,直至竞买的 cGLD 的数量达到本次拍卖的供应量,届时该次出价即为成交价格。所有报价不低于成交价格的竞标者最终将以成交价购买到自己竞买数量的 cGLD 。

  1. 有已经在中国的应用吗?

答:我和我的团队去年花了大量的时间在亚洲,包括中国。这边加密社区的对技术的理解程度令我们印象深刻。我们的团队属于 cLabs,是 Celo 繁荣联盟的会员之一,主要负责协议开发和钱包开源。但是 Celo 生态系统里的许多应用都是来自生态系统里的参与者,比如繁荣联盟的会员和其他参与者。

  1. 目前拥有最多金融服务的平台是以太坊,以太坊 2.0 也受到了很多期待。如果让行业内的 DeFi 团队迁移到 Celo?

答:我们是以太坊的粉丝,Celo 最开始也是 Geth 的分叉,虽然现在已经有了自己的 PoS 共识协议,和以太坊也存在很多的差异之处。但是我们在以太的生态系统里还有很多朋友。且我们已经实现和 EVM 的完全兼容,也即对于在以太上开发应用的开发人员而言,在 Celo 上开发也很容易。和许多其他行业一样,这个行业也可以存在多个服务和产品的提供者,专注不同的用例和方向。
具体而言,对于开发者而言,Celo 的吸引力在于可以让其开发的 App 为手机用户所用。Celo 繁荣联盟可以触达全球 4 亿多用户,其中大部分人只有一部手机,没有电脑,或不会用电脑。这一点也限制了很多好的 Defi 产品的应用。我们希望为更多的手机用户带去 Defi 产品。我们无法面面俱到,而是专注金融用例。

  1. Celo 的主网信息和后续计划?

答:上周三,我们的候选主网(RC1)已经开始运行。现在主要的工作是迁移到主网,并通过社区链上治理完善和新增功能。5 月 18 日将开始向 cGLD 的迁移,届时 cGLD 也会上交易所交易。

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

下载黄金原野APP赢取现金红包

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

作者 | Andre Ye
译者 | 弯月,责编 | 郭芮头图 | CSDN 下载自视觉中国
出品 | CSDN (ID:CSDNnews)

以下为译文:

这段日子里,我们都被隔离了,就特别想听故事。然而,我们并非对所有故事都感兴趣,有些人喜欢浪漫的故事,他们肯定不喜欢悬疑小说,而喜欢推理小说的人肯定对浪漫的爱情故事没兴趣。看看周围,还有谁比 AI 更擅长讲我们喜欢的故事呢?在本文中,我将向你演示如何编写一个 AI,根据我们的个人喜好来给我们讲故事,为沉闷的隔离生活增添一份乐趣。本文可以分为以下几个部分:

1. 蓝图:概述整个项目及其构成部分。2. 程序演示:在完成编写代码的工作后,作为预览演示系统的功能。3. 数据加载和清理:加载数据并准备好进行处理。4. 寻找最具有代表性的情节:该项目的第一部分,使用 K-Means 选择用户最感兴趣的情节。5. 总结图:使用基于图表的总结来获取每个情节的摘要,这是 UI 的组成部分。6. 推荐引擎:使用简单的预测式机器学习模型推荐新故事。7. 综合所有组件:编写能够将所有组件结合在一起的生态系统结构。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

蓝图

我想让 AI 给我讲个故事。在理想情况下,我希望以真正的技术-文艺复兴时期的方式来训练递归神经网络或其他的生成式方法。然而,以我从事文本生成工作的经验来看,这些训练要么需要花费很长很长的时间,要么就会出现过度拟合数据,导致无法完成“原始文本生成”的目标。另外,还需注意,训练一个性能良好的模型所需的时间超过 8 个小时,然而据我所知,训练深度学习模型最有效的免费平台 Kaggle 最多只能免费运行 8 小时。我想创建一个快速、通用且每个人都可以实现的项目。这个 AI 无需训练 RNN 或生成模型,只需从“故事数据库”中搜索人为创建的故事,然后找到我最喜欢的故事。这不仅可以保证故事的基本质量(由人类创造,为人类服务),而且速度更快。至于“故事数据库”,我们来使用 Kaggle 上的 Wikipedia 电影情节数据集。其中包含了各种类型、国家和时代的 3.5 万个电影故事,可谓是眼前我所能找到的最佳故事数据库。无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?该数据集包括发行年份、标题、电影的国家、类型和剧情的文字说明。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

现在数据已就绪,接下来我们来设计一个粗略的大纲 / 蓝图。1. 这个程序会输出五个特性鲜明的故事的概要(这些故事的评论可以更好地区分用户的口味。例如,像《教父》这样的故事,几乎无法分辨每个人的口味,因为每个人都喜欢这部电影。) 2. 用户的评分,他们是喜欢、不喜欢还是保持中立。3. 这个程序接收用户对这五个故事的喜好程度,并输出完整故事的摘要。如果用户感兴趣,则程序会输出完整的故事。每个完整的故事结束后,程序都会要求用户提供反馈。该程序将从实时反馈中学习,并尝试提出更好的推荐(强化学习系统)。注意,我们选择了五个左右最有代表性的故事,目的是为了让模型在有限的数据量下获得尽可能多的信息。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

系统演示

刚开始的时候,这个程序会要求你针对三个故事提供反馈。对于程序来说,这三个故事是数据的每个簇中最具代表性的故事。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

在回答完前三个入门问题,对你的喜好进行大致评估后,模型就会开始生成你喜欢的故事。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

如果你对某个故事的节选感兴趣,那么程序就会输出整个故事供你阅读。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

模型会将你的反馈(你是否喜欢故事)添加到训练数据,以改善模型的推荐。当你阅读故事时,模型会不断学习。如果你不喜欢某个故事的摘要,那么程序就不会输出完整的故事,它会继续生成新的故事。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

如果你喜欢某个谋杀和警察的故事节选,并给出了“1”作为响应,那么程序就会开始学习,并朝着这个方向推荐越来越多的故事。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

这个程序就像“蒙特卡洛树搜索”一样,朝着优化奖励的方向发展,并在偏离太远(与你喜欢的故事类型相距太远)时后退,从而优化你的体验。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

数据加载和清理

我们通过 pandas 的 load_csv 加载数据。

 * 
    import pandas as pddata = pd.read_csv('/kaggle/input/wikipedia-movie-plots/wiki_movie_plots_deduped.csv')data.head() 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

数据集中的字段包括发行年份、电影名称、国家、导演、演员、类型、该电影在 Wikipedia 页面上的 URL 以及剧情的文字说明。我们可以去掉导演和演员阵容,对于我们的推荐算法或聚类方法来说,这两个字段的分类太多了(准确地说,共有 12593 个导演和 32182 演员),所以收益不大。然而,电影类型的数量相对较少——100 多部电影的分类只有 30 多个,而且这代表了超过 80% 的电影(其他电影可以简单地归类为“其他“即可)。因此,我们可以删除导演和演员。

    data.drop(['Director','Cast'],axis=1,inplace=True) 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

我们遇到的另一个问题是括号的引用。众所周知,Wikipedia 会针对引用来源编号(例如 [3])。

    "Grace Roberts (played by Lea Leland), marries rancher Edward Smith, who is revealed to be a neglectful, vice-ridden spouse. They have a daughter, Vivian. Dr. Franklin (Leonid Samoloff) whisks Grace away from this unhappy life, and they move to New York under aliases, pretending to be married (since surely Smith would not agree to a porce). Grace and Franklin have a son, Walter (Milton S. Gould). Vivian gets sick, however, and Grace and Franklin return to save her. Somehow this reunion, as Smith had assumed Grace to be dead, causes the death of Franklin. This plot device frees Grace to return to her father's farm with both children.[1]" 

例如,对于上述字符串,我们需要删除 [1]。最简单的解决方案是创建一个带有每个括号值([1],[2],[3],…,[98],[99])的列表,然后从字符串中删除列表中存在的每个值。这种方法的前提是我们可以确保每篇文章的引用都不会超过 99 条。尽管效率不是最高,但我们可以通过混乱的字符串索引或拆分来解决这个问题。

 * 
    blacklist = []for i in range(100):    blacklist.append('['+str(i)+']') 

这段代码创建了 blacklist,这个列表包含了我们不想要的引用标记。

    def remove_brackets(string):    for item in blacklist:        string = string.replace(item,'')    return string 

接下来,我们可以使用这个 blacklist 创建一个函数 remove_brackets,然后应用到每一列。

    data['Plot'] = data['Plot'].apply(remove_brackets) 

至此,我们的基本数据清理工作结束了。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

总结故事情节

这个系统的关键要素是总结故事情节。由于通常故事读起来都太长,因此总结故事很重要,方便用户选择是否继续阅读。我们将使用基于图的摘要算法,这是最流行的文本摘要方法。首先创建文档单元图(而其他大多数方法都使用句子作为基本单位),然后选择具有适用于此场景的 PageRank 版本的节点。Google 原始的 PageRank 版本采用类似的基于图的方法来查找网页节点。PageRank 算法计算图中的节点“中心”,这对于衡量句子中相关信息的内容很有用。该图的构造使用了词袋特征序列和基于余弦相似度的边缘权重。我们将使用 gensim 库来总结长文本。与前面的示例一样,实现方法很简单:

             * 
    import gensimstring = '''The PageRank algorithm outputs a probability distribution used to represent the likelihood that a person randomly clicking on links will arrive at any particular page. PageRank can be calculated for collections of documents of any size. It is assumed in several research papers that the distribution is evenly pided among all documents in the collection at the beginning of the computational process. The PageRank computations require several passes, called “iterations”, through the collection to adjust approximate PageRank values to more closely reflect the theoretical true value.Assume a small universe of four web pages: A, B, C and D. Links from a page to itself, or multiple outbound links from one single page to another single page, are ignored. PageRank is initialized to the same value for all pages. In the original form of PageRank, the sum of PageRank over all pages was the total number of pages on the web at that time, so each page in this example would have an initial value of 1. However, later versions of PageRank, and the remainder of this section, assume a probability distribution between 0 and 1. Hence the initial value for each page in this example is 0.25.The PageRank transferred from a given page to the targets of its outbound links upon the next iteration is pided equally among all outbound links.If the only links in the system were from pages B, C, and D to A, each link would transfer 0.25 PageRank to A upon the next iteration, for a total of 0.75.Suppose instead that page B had a link to pages C and A, page C had a link to page A, and page D had links to all three pages. Thus, upon the first iteration, page B would transfer half of its existing value, or 0.125, to page A and the other half, or 0.125, to page C. Page C would transfer all of its existing value, 0.25, to the only page it links to, A. Since D had three outbound links, it would transfer one third of its existing value, or approximately 0.083, to A. At the completion of this iteration, page A will have a PageRank of approximately 0.458.In other words, the PageRank conferred by an outbound link is equal to the document’s own PageRank score pided by the number of outbound links L( ). In the general case, the PageRank value for any page u can be expressed as: i.e. the PageRank value for a page u is dependent on the PageRank values for each page v contained in the set Bu (the set containing all pages linking to page u), pided by the number L(v) of links from page v. The algorithm involves a damping factor for the calculation of the pagerank. It is like the income tax which the govt extracts from one despite paying him itself.'''print(gensim.summarization.summarize(string)) 

输出:

    In the original form of PageRank, the sum of PageRank over all pages was the total number of pages on the web at that time, so each page in this example would have an initial value of 1. The PageRank transferred from a given page to the targets of its outbound links upon the next iteration is pided equally among all outbound links. If the only links in the system were from pages B, C, and D to A, each link would transfer 0.25 PageRank to A upon the next iteration, for a total of 0.75. Since D had three outbound links, it would transfer one third of its existing value, or approximately 0.083, to A. 

这段总结得很不错(如果你不愿阅读全文的话)。图摘要算法是最有效的总结方法之一,我们将使用该算法总结摘要。下面我们来创建一个函数 summary,接收文本并输出总结。但是,我们需要设置两个条件:

  • 如果文本长度小于 500 个字符,则直接返回原始文本。总结会让文本的内容过于简短。

  • 如果文本只有一个句子,则 genism 无法处理,因为它只能选择文本中的重要句子。我们将使用 TextBlob 对象,该对象具有 .sentences 属性,可将文本分成多个句子。如果文本的第一个句子就等于文本本身,则可以判断该文本只有一个句子。

    import gensimfrom textblob import TextBlobdef summary(x):    if len(x) < 500 or str(TextBlob(x).sentences[0]) == x:        return x    else:        return gensim.summarization.summarize(x)data['Summary'] = data['Plot'].apply(summary) 

如果不满足这两个条件中的任何一个,则返回文本的摘要。接下来,我们创建一列 summary。运行需要花费几个小时。但是,只需运行一次,而且总结完成后还可以节省以后的时间。让我们来看看数据集中一些示例文本的处理:

    "The earliest known adaptation of the classic fairytale, this films shows Jack trading his cow for the beans, his mother forcing him to drop them in the front yard, and beig forced upstairs. As he sleeps, Jack is visited by a fairy who shows him glimpses of what will await him when he ascends the bean stalk. In this version, Jack is the son of a deposed king. When Jack wakes up, he finds the beanstalk has grown and he climbs to the top where he enters the giant's home. The giant finds Jack, who narrowly escapes. The giant chases Jack down the bean stalk, but Jack is able to cut it down before the giant can get to safety. He falls and is killed as Jack celebrates. The fairy then reveals that Jack may return home as a prince." 

结果:

    'As he sleeps, Jack is visited by a fairy who shows him glimpses of what will await him when he ascends the bean stalk.' 

这篇摘要是一个非常精彩的预告!不仅易于阅读,而且可以让你对电影情节中的重要句子有一个很好的了解。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

寻找最具有代表性的情节

为了寻找最具有代表性的情节,我们使用 K Means 将情节文本分割成一定数量的簇。我们按照文本的簇标签以及电影的国家、类型和年份将电影分成簇以方便查找。越是接近簇中心的电影,越能代表这个簇,因此最具有代表性。这个想法背后的主要思想是:询问用户他们是否喜欢最具有代表性的电影,为模型提供最多的信息,以弥补以前没有的关于用户喜好的信息。电影的国家、类型和年份都代表电影中可通过文字中传达的各个方面,这有助于我们快速找到恰当的推荐。从理论上说,最“准确”的推荐应当是在转换成非常非常长的图向量之后,推荐的图向量与原始文本的图向量之间存在某种相似性,但这需要花费很长时间。因此,我们利用摘要的属性来表示。将文本划分成簇的工作只需进行一次,不仅可以为我们提供电影簇的其他功能,而且还可以为我们在实际提出推荐时提供电影的属性。无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?下面我们开始。首先,我们需要删除所有标点符号,并将所有文本改为小写。我们可以使用正则表达式创建函数 clean() 来执行该操作。

    import stringimport redef clean(text):    return re.sub('[%s]' % string.punctuation,'',text).lower() 

我们使用 pandas 的 apply(),这个函数可应用于所有的图。

    data['Cleaned'] = data['Plot'].apply(clean) 

接下来,我们将数据变成向量。我们使用 TF-IDF (term frequency–inverse document frequency)。该方法可以帮助我们区分重要的词和不重要的词,方便将文本划分成簇。该方法可以强调在一个文档中出现多次,但在整个语料库中出现次数很少的单词,并弱化那些出现在所有文档中的单词。

 * 
    from sklearn.feature_extraction.text import TfidfVectorizervectorizer = TfidfVectorizer(stop_words='english',max_features=500)X = vectorizer.fit_transform(data['Plot']) 

我们将这个非常稀疏的矩阵保存到变量 X 中。由于 K-Means 是基于距离的,这意味着它会受到维数诅咒的影响,因此我们应尽最大努力来降低向量化文本的维数,这里我们将向量中的最大元素数为 500。(如果我没有设置 max_features 限制,那么 K-means 就会将除了一个文本之外的所有文本归到一个簇,将那一个文本归到另一个簇。这就是 K-Means 的维数诅咒的结果,距离都失去了作用,TF-IDF 词汇表中会出现数十万个维度,导致除了异常值之外的所有值都被归到同一个簇。出于同样的原因,在将数据输入到 K-Means 模型之前,最好先缩放数据。我们使用 StandardScaler 将数据缩放到-1 到 1 之间。

 * 
    from sklearn.preprocessing import StandardScalerscaler = StandardScaler()X = scaler.fit_transform(X) 

下面,我们来训练 K-Means 模型。在理想情况下,簇的数量(我们需要提出的问题数量)应介于 3-6 之间(含 3 和 6)。因此,我们使用列表 [3, 4, 5, 6] 中的每个簇来运行 K-Means 模型。我们将评估每个簇的得分 ,并找出最适合我们数据的簇数量。首先,我们来初始化存储簇的数量以及分数的两个列表(图中的 x 和 y):

    n_clusters = []scores = [] 

接下来,我们导入 sklearn 的 KMeans 和 silhouette_score。

    from sklearn.cluster import KMeansfrom sklearn.metrics import silhouette_score 

然后,我们针对预先选择的四个簇数量中的每一个,拟合一个具有 n 个簇数量的 KMeans 模型,然后将该数量的簇的得分添加到列表中。

    * 
    for n in [3,4,5,6]:    kmeans = KMeans(n_clusters=n)    kmeans.fit(X)    scores.append(silhouette_score(X,kmeans.predict(X)))    n_clusters.append(n) 

接下来,我只需点击 Kaggle 上的“提交”,然后让程序自己运行,这需要几个小时才能完成。最后的结果是:表现最佳的簇数量为三个,而且得分最高。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

现在我们有了文本标签,可以开始将电影作为一个整体进行分簇了。但是,我们必须采取一些步骤来清理数据。例如,Release Year 从 1900 年开始。如果采用文字整数值,那么模型就会很迷惑。我们创建一个 Age 列来返回电影的年龄,简单地用 2017 年(数据库中最新的电影)减去电影发行的年份。

    data['Age'] = data['Release Year'].apply(lambda x:2017-x) 

Age 从 0 开始是有实际意义的。Origin/Ethnicity 列很重要,故事的风格可以追溯到故事的来源。但是,该列有分类,例如可以是 [‘American’,‘Telegu’,‘Chinese’]。如果想转换为机器可读的内容,我们需要对其进行 One-Hot 编码,我们通过 sklearn 的 OneHotEncoder 来实现。

 * 
    from sklearn.preprocessing import OneHotEncoderenc = OneHotEncoder(handle_unknown=ignore)nation = enc.fit_transform(np.array(data[Origin/Ethnicity]) .reshape(-1, 1)).toarray() 

现在,nation 中保存了每一行的 One-Hot 编码编码值。行的每个索引代表一个唯一的值,例如,第一列(每行的第一个索引)代表“美国”。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

但是,目前,它只是一个数组,我们将需要创建数据中的列,将信息实际转换为我们的数据。因此,我们将每一列命名为该向量的列对应的国家(enc.categories_[0] 返回原始列的数组,nation[:,i] 索引指向数组中每一行的第 i 个值 )。

    for i in range(len(nation[0])):    data[enc.categories_[0][i]] = nation[:,i] 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

我们已成功地将每个故事的国家添加到了我们的数据中了。接下来,我们对故事的类型做相同的处理。类型比国家更重要,因为它传达了关系到故事内容的信息,而这在机器学习模型识别的水平上是无法轻易实现的。但是,有一个问题:

    data[‘Genre’].value_counts() 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?似乎很多类型都是未知的。不过不用担心,我们稍后再解决。目前,我们的目标是对类型进行 One-Hot 编码。我们按照上述方式,但会稍作改动,因为有太多类型由于其名称不同而被认为是不同的类型(例如“戏剧喜剧”和“浪漫喜剧”),但实际上都是同一种类型,我们只选择最流行的 20 种类型,其余的都归类到这 20 种类型中的一种。

    top_genres = pd.DataFrame(data['Genre'].value_counts()).reset_index().head(21)['index'].tolist()top_genres.remove('unknown') 

请注意,最终我们会删除列表中的“unknown”,这就是为什么最初出现了 21 个类型的原因。接下来,让我们根据 top_genres 来处理类型,如果有的类型不在最流行的 20 种类型中,则将其替换为字符串“unknown”。

    def process(genre):    if genre in top_genres:        return genre    else:        return 'unknown'data['Genre'] = data['Genre'].apply(process) 

然后,像上面一样,我们创建一个 One-Hot 编码器的实例,并将转换后的结果保存到变量 genres 中。

    enc1 = OneHotEncoder(handle_unknown='ignore')genres = enc1.fit_transform(np.array(data['Genre']).reshape(-1, 1)).toarray() 

为了将这个数组集成到数据中,我们再来创建几列,每一列都用数组中的一列填充。

    for i in range(len(genres[0])):    data[enc1.categories_[0][i]] = genres[:,i] 

我们的数据是 One-Hot 编码,但仍然存在 unknown 值的问题。现在,所有数据均已完成 One-Hot 编码,我们知道,unknown 列的值为 1 的行需要设置类型。因此,我们针对需要设置类型的每个索引,将其类型替换为 nan 值,以便我们稍后使用的 KNN 插值器时,可以识别出它是一个缺失值。

    * 
    for i in data[data['unknown']==1].index:    for column in ['action',       'adventure', 'animation', 'comedy', 'comedy, drama', 'crime',       'crime drama', 'drama', 'film noir', 'horror', 'musical', 'mystery', 'romance', 'romantic comedy', 'sci-fi', 'science fiction', 'thriller', 'unknown', 'war', 'western']:        data.loc[i,column] = np.nan 

现在,所有缺失值都标记成了缺失,我们可以使用 KNN 分类器了。但是,除了上映的年份和国家以外,我们没有太多数据可用于分类。下面,我们使用 TF-IDF,从故事中选择前 30 个单词,作为 KNN 正确分配类型的附加信息。我们必须事先清理文本,因此我们使用正则表达式来删除所有标点符号,并将所有本文都转换为小写。

    import redata['Cleaned'] = data['Plot'].apply(lambda x:re.sub('[^A-Za-z0-9]+',' ',str(x)).lower()) 

我们将设置英语标准的停用词,并将特征的最大数量设置为 30。经过清理后向量化的文本以数组的形式存储到变量 X。

 * 
    from sklearn.feature_extraction.text import TfidfVectorizervectorizer = TfidfVectorizer(stop_words=english,max_features=30)X = vectorizer.fit_transform(data[Cleaned]).toarray() 

像上面一样,我们将数组 X 中的每一列信息都转移成我们数据的一列,并命名每一列为 x 中相应列的单词。

 * 
    keys = list(vectorizer.vocabulary_.keys())for i in range(len(keys)):    data[keys[i]] = X[:,i] 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

这些单词将提供更多背景信息,帮助设置类型。最后,我们来设置类型!

    from sklearn.impute import KNNImputerimputer = KNNImputer(n_neighbors=5)column_list = ['Age', 'American', 'Assamese','Australian', 'Bangladeshi', 'Bengali', 'Bollywood', 'British','Canadian', 'Chinese', 'Egyptian', 'Filipino', 'Hong Kong', 'Japanese','Kannada', 'Malayalam', 'Malaysian', 'Malpian', 'Marathi', 'Punjabi','Russian', 'South_Korean', 'Tamil', 'Telugu', 'Turkish','man', 'night', 'gets', 'film', 'house', 'takes', 'mother', 'son','finds', 'home', 'killed', 'tries', 'later', 'daughter', 'family','life', 'wife', 'new', 'away', 'time', 'police', 'father', 'friend','day', 'help', 'goes', 'love', 'tells', 'death', 'money', 'action', 'adventure', 'animation', 'comedy', 'comedy, drama', 'crime','crime drama', 'drama', 'film noir', 'horror', 'musical', 'mystery','romance', 'romantic comedy', 'sci-fi', 'science fiction', 'thriller','war', 'western']imputed = imputer.fit_transform(data[column_list]) 

设置类型的时候能够识别出缺失值 np.nan,并自动使用周围的国家数据和数据中的单词以及电影的年龄来估计类型。结果保存到数组形式的变量中。与往常一样,我们将数据转换为:

    for i in range(len(column_list)):    data[column_list[i]] = imputed[:,i] 

删除 One-Hot 编码或不再需要的列之后,例如 Genre 的 Unknown 或 类别 Genre 变量……

    data.drop(['Title','Release Year','Director','Cast','Wiki Page','Origin/Ethnicity','Unknown','Genre'],axis=1,inplace=True) 

……数据已准备就绪,没有缺失值。KNN 分类的另一个有趣的方面是,它可以给出十进制的值,也就是说,一部电影 20% 是西方,其余部分是另一种或几种类型。无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?这些特征都可以很好地用于簇。这些特征与之前获得的簇标签相结合,应该可以很好地表明用户对某个故事的喜爱程度。最后,我们开始分簇,像以前一样,我们将故事分为 3、4、5 或 6 个簇,然后看看哪种表现最佳。

          * 
    from sklearn.cluster import KMeansfrom sklearn.metrics import silhouette_scoreXcluster = data.drop(['Plot','Summary','Cleaned'],axis=1)score = []for i in [3,4,5,6]:    kmeans = KMeans(n_clusters=i)    prediction = kmeans.fit_predict(Xcluster)    score = silhouette_score(Xcluster,prediction)    score.append(score) 

绘制得分情况……

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

像前面一样,三个簇的表现最好,得分最高。所以我们仅在三个簇上训练 KMeans:

    * 
    from sklearn.cluster import KMeansXcluster = data.drop(['Plot','Summary','Cleaned'],axis=1)kmeans = KMeans(n_clusters=3)kmeans.fit(Xcluster)pd.Series(kmeans.predict(Xcluster)).value_counts() 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?最好让每个簇都拥有数量差不多的电影。我们可以通过 .cluster_centers_方法来获得簇的中心:

    centers = kmeans.cluster_centers_centers 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

首先,我们为每一项分配标签。

    Xcluster['Label'] = kmeans.labels_ 

对于每个簇,我们希望找到距离簇中心欧几里得距离最近的数据点。该点最能代表整个簇。p 和 q 两点之间的距离由 p 和 q 对应维度之差的平方和,再取平方根。你可以参考欧几里得距离公式:

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

由于欧几里得距离是 l2 范数,因此可以使用 numpy 的线性代数函数 np.linalg.norm(a-b) 来计算。下面我们来看看完整的计算代码,并找到与簇之间的欧几里得距离最小的故事。

       * 
    for cluster in [0,1,2]:    subset = Xcluster[Xcluster['Label']==cluster]    subset.drop(['Label'],axis=1,inplace=True)    indexes = subset.index    subset = subset.reset_index().drop('index',axis=1)    center = centers[cluster]    scores = {'Index':[],'Distance':[]} 

上述代码可以初始化搜索。首先,将标签与我们当前正在搜索的簇相符的故事保存起来。然后,我们从子集中删除 Label。为了保存原始的索引以供以后参考,我们将索引存储到变量 indexes 中。接下来,我们将重置子集上的索引,以确保索引正常工作。然后,我们选择当前簇的中心点,并初始化一个包含两列的字典:一个保存主数据集中的故事索引的列表,另一个存储得分 / 距离的列表。

 * 
    for index in range(len(subset)):   scores['Index'].append(indexes[index])   scores['Distance'].append(np.linalg.norm(center-np.array( subset.loc[index]))) 

这段代码会遍历子集中的每一行,记录当前索引,并计算和记录它与中心之间的距离。

    scores = pd.DataFrame(scores)    print('Cluster',cluster,':',scores[scores['Distance']==scores['Distance'].min()]['Index'].tolist()) 

这段代码将分数转换为 pandas DataFrame 以进行分析,并输出距中心最近的故事的索引。无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?似乎第一个簇中具有最小欧几里德距离的故事有四个,而簇 1 和 2 只有一个故事。簇 0:

    data.loc[4114]['Summary'] 

输出:

    'On a neutral island in the Pacific called Shadow Island (above the island of Formosa), run by American gangster Lucky Kamber, both sides in World War II attempt to control the secret of element 722, which can be used to create synthetic aviation fuel.' 

簇 1:

    data.loc[15176]['Summary'] 

输出:

    'Jake Rodgers (Cedric the Entertainer) wakes up near a dead body. Freaked out, he is picked up by Diane.' 

簇 2:

    data.loc[9761]['Summary'] 

输出:

    'Jewel thief Jack Rhodes, a.k.a. "Jack of Diamonds", is masterminding a heist of $30 million worth of uncut gems. He also has his eye on lovely Gillian Bromley, who becomes a part of the gang he is forming to pull off the daring robbery. However, Chief Inspector Cyril Willis from Scotland Yard is blackmailing Gillian, threatening her with prosecution on another theft if she doesn't cooperate in helping him bag the elusive Rhodes, the last jewel in his crown before the Chief Inspector formally retires from duty.' 

很好!现在我们获得了三个最有代表性的故事情节。虽然人类看不出其中的区别,但在机器学习模型的心中,这些数据为它提供了大量信息,可供随时使用。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

推荐引擎

这里的推荐引擎只是一个机器学习模型,可以预测哪些电影情节更有可能获得用户的高度评价。该引擎接收电影的特征,例如年龄或国家,以及 TF-IDF 向量化的摘要,最大可接收 100 个特征。每个电影情节的目标是 1 或 0。模型经过在数据(用户已评价的故事)上的训练后,可预测用户对故事评价良好的概率。接下来,模型会向用户推荐最有可能受到喜爱的故事,并记录用户对该故事的评分,最后还会将该故事添加到训练数据列表中。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

至于训练数据,我们仅使用每部电影中数据的属性。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

我们可能需要决策树分类器,因为它可以做出有效的预测,快速训练并开发高方差解决方案,这正是推荐系统所追求的。

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

综合所有组件

首先,我们针对三个最有代表性的电影,编写用户的评分。这个程序会确保针对每个输入,输出为 0 或 1。

    import timestarting = []print("Indicate if like (1) or dislike (0) the following three story snapshots.")print("n> > > 1 < < <")print('On a neutral island in the Pacific called Shadow Island (above the island of Formosa), run by American gangster Lucky Kamber, both sides in World War II attempt to control the secret of element 722, which can be used to create synthetic aviation fuel.')time.sleep(0.5) #Kaggle sometimes has a glitch with inputswhile True:    response = input(':: ')    try:        if int(response) == 0 or int(response) == 1:            starting.append(int(response))            break        else:            print('Invalid input. Try again')    except:        print('Invalid input. Try again')print('n> > > 2 < < <')print('Jake Rodgers (Cedric the Entertainer) wakes up near a dead body. Freaked out, he is picked up by Diane.')time.sleep(0.5) #Kaggle sometimes has a glitch with inputswhile True:    response = input(':: ')    try:        if int(response) == 0 or int(response) == 1:            starting.append(int(response))            break        else:            print('Invalid input. Try again')    except:        print('Invalid input. Try again')print('n> > > 3 < < <')print("Jewel thief Jack Rhodes, a.k.a. 'Jack of Diamonds', is masterminding a heist of $30 million worth of uncut gems. He also has his eye on lovely Gillian Bromley, who becomes a part of the gang he is forming to pull off the daring robbery. However, Chief Inspector Cyril Willis from Scotland Yard is blackmailing Gillian, threatening her with prosecution on another theft if she doesn't cooperate in helping him bag the elusive Rhodes, the last jewel in his crown before the Chief Inspector formally retires from duty.")time.sleep(0.5) #Kaggle sometimes has a glitch with inputswhile True:    response = input(':: ')    try:        if int(response) == 0 or int(response) == 1:            starting.append(int(response))            break        else:            print('Invalid input. Try again')    except:        print('Invalid input. Try again') 

无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?

上述代码运行良好。接下来,我们将数据存储到训练数据集 DataFrame 中,然后删除数据中的索引。

 * 
    X = data.loc[[9761,15176,4114]].drop( ['Plot','Summary','Cleaned'],axis=1)y = startingdata.drop([[9761,15176,4114]],inplace=True) 

下面,我们来创建一个循环。我们在当前训练集上训练决策树分类器。

    from sklearn.tree import DecisionTreeClassifiersubset = data.drop(['Plot','Summary','Cleaned'],axis=1)while True:    dec = DecisionTreeClassifier().fit(X,y) 

然后,针对数据中的每个索引,进行概率预测。

    dic = {'Index':[],'Probability':[]}subdf = shuffle(subset).head(10_000) #select about 1/3 of datafor index in tqdm(subdf.index.values):     dic['Index'].append(index)     dic['Probability'].append(dec.predict_proba(  np.array(subdf.loc[index]).reshape(1, -1))[0][1])     dic = pd.DataFrame(dic) 

为了确保快速选择,我们在打乱的数据中随机选择大约 1/3 的数据,并选择前 10,000 行。这段代码将索引保存到 DataFrame。无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?最初,许多电影的概率都为 1,但随着我们的进步和模型的学习,它将开始做出更高级的选择。

    index = dic[dic['Probability']==dic['Probability'].max()] .loc[0,'Index'] 

我们将用户最喜爱的电影的索引保存到变量 index。下面,我们需要从数据中获取有关索引的信息并显示它。

 * 
    print('> > > Would you be interested in this snippet from a story? (1/0/-1 to quit) < < <')print(data.loc[index]['Summary'])time.sleep(0.5) 

然后验证用户的输入是 0、1 还是-1 (退出):

    while True:        response = input(':: ')        try:            if int(response) == 0 or int(response) == 1:                response = int(response)                break            else:                print('Invalid input. Try again')        except:            print('Invalid input. Try again') 

……我们可以开始添加训练数据。但是,首先,我们必须允许用户在需要退出的时候结束循环。

    if response == -1:        break 

另外,无论用户喜欢还是不喜欢这部电影,我们都将其添加到训练数据中(目标将有所不同):

    X = pd.concat([X,pd.DataFrame(data.loc[index].drop(['Plot','Summary','Cleaned'])).T]) 

最后,如果响应为 0,我们将 0 添加到 y 中。表示用户不想听这个故事。

    if response == 0:        y.append(0) 

如果用户喜欢这个故事,则程序输出完整的故事。

    * 
    else:        print('n> > > Printing full story. < < <')        print(data.loc[index]['Plot'])        time.sleep(2)        print("n> > > Did you enjoy this story? (1/0) < < <") 

我们再次收集用户的输入,并确保输入为 0 或 1。

    while True:      response = input(':: ')      try:          if int(response) == 0 or int(response) == 1:              response = int(response)              break          else:              print('Invalid input. Try again')      except:          print('Invalid input. Try again') 

……并相应地将 0 或 1 添加到 y。

    if response == 1:      y.append(1)else:      y.append(0) 

最后,我们从数据中删除故事,因为用户不想重复看到同一个故事。

    data.drop(index,inplace=True) 

大功告成!每次迭代都会更新训练数据,模型的准确率也会越来与高。感谢您的阅读!希望您喜欢本文!你可以通过这个程序来阅读一些有趣的故事,或查看这些情节出自哪部电影。在隔离期间,处理数据方面的问题和难题非常有意思,可以为我们带来一丝乐趣。如果你想试试看这个程序,那么请点击这里获取:https://www.kaggle.com/washingtongold/tell-me-a-story-1-2?scriptVersionId=31773396 原文:https://towardsdatascience.com/tell-me-a-story-ai-one-that-i-like-4c0bc60f46ae 本文为 CSDN 翻译,转载请注明来源出处。

    ![无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?](https://img.chainnews.com/material/images/9cb42f27cbf8512f9b2362bd301319f9.jpg)      ![无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?](https://img.chainnews.com/material/images/f6f4d1555c29c2bdc25653507fa506b6.jpg) 

更多精彩推荐

[ ☞AI 世界的硬核之战,Tengine 凭什么成为最受开发者欢迎的主流框架?](http://mp.weixin.qq.com/s?__biz=MjM5MjAwODM4MA==&mid=2650743952&idx=1&sn=d0482d2362be927de432c149ba6a9714&chksm=bea7554389d0dc55c7611cdcb2a39871aeadba8791fa1822959319e38ad3e5653a0f391cfd3b&scene=21#wechat_redirect)  [☞说了这么多 5G,最关键的技术在这里](http://mp.weixin.qq.com/s?__biz=MjM5MjAwODM4MA==&mid=2650743953&idx=1&sn=67c1ef5e0664f00ec33e2f56c2d62a08&chksm=bea7554289d0dc549098b8a94e6de5b0d787d5baf10b56a0c52e811470a4f823e05d355b0170&scene=21#wechat_redirect)  ☞[360 金融新任首席科学家:别指望 AI Lab 做成中台](http://mp.weixin.qq.com/s?__biz=MjM5MjAwODM4MA==&mid=2650743718&idx=1&sn=eec3e59f872fb7131442b943c47b42a6&chksm=bea7527589d0db63f993711db373601badc2ab4d56342a512975938a5f9592d8950ea31e2cb7&scene=21#wechat_redirect)  ☞[AI 图像智能修复老照片,效果惊艳到我了](http://mp.weixin.qq.com/s?__biz=MzI0ODcxODk5OA==&mid=2247514547&idx=1&sn=08d031459261511e6898528b65b5fe25&chksm=e99e8a4adee9035c38a9e181a490b0cbc9a2270f26b560fcdd7f5c5743b47d71a4b7d582fe14&scene=21#wechat_redirect)  ☞[程序员内功修炼系列:10 张图解谈 Linux 物理内存和虚拟内存](http://mp.weixin.qq.com/s?__biz=MzA3MjY1MTQwNQ==&mid=2649834579&idx=1&sn=4884d09337b36a6cef2faffb74abe2ea&chksm=871ee3b1b0696aa703a9f2408603d750559c56c36d4c27cc185a97a8ae9da1e0d0f08ed7ee3f&scene=21#wechat_redirect)  ☞[当 DeFi 遇上 Rollup,将擦出怎样的火花?](http://mp.weixin.qq.com/s?__biz=MzU2MTE1NDk2Mg==&mid=2247500715&idx=1&sn=78c943e7159934b7925260c320f33ada&chksm=fc7f9d56cb08144012bea4d87730e8e225b70c21db3834f031fdf1d616d71f8e41168e3c09d9&scene=21#wechat_redirect)  ![无需训练 RNN 或生成模型,如何编写一个快速且通用的 AI “讲故事”项目?](https://img.chainnews.com/material/images/737696b8734b6f688ae95660c4411917.jpg) 你点的每个“在看”,我都认真当成了喜欢 

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。

通过文章小助手

​2020 年必备的 IT 技能是什么?

下载黄金原野APP赢取现金红包

​2020 年必备的 IT 技能是什么?

​2020 年必备的 IT 技能是什么?

作者 | Tom Winter
译者 | 明明如月,责编 | 郭芮头图 | CSDN 下载自东方 IC
出品 | CSDN (ID:CSDNnews)

以下为译文:

美国技术工人的失业率为 1.3%,处于历史最低点。这对你来说是好消息吗 ? 如果你是一个开发人员,当然是。

对于从创业公司到拥有更大开发团队的公司的科技雇主来说,这意味着要争取最优秀人才的注意力,在这个充满活力的科技行业中成为雇主无疑是一个挑战。特别是,由于整个开发人员中只有 15.2%的人正在积极寻找工作。在这篇文章中,我们将讨论最需要的 IT 技能,并分享一些在 2020 年吸引最优秀人才的技巧。让我们开始吧!

​2020 年必备的 IT 技能是什么?

每个人都想要 JavaScript 开发者

说对 JavaScript 开发者的需求很高是一种轻描淡写的说法。72% 的企业正在寻找精通 JavaScript 的程序员,React 是最流行的 JavaScript 框架,这就解释了为什么多达 33% 的开发人员接受了关于 React 的知识测试。ES6 和 Angular 2 + 分别排名第二和第三。

​2020 年必备的 IT 技能是什么?

许多人认为 JavaScript 最终将被其他编程技术栈所取代,但它仍然是排名第一的编程语言。在《应用需求趋势杂志》所做的一项调查中,2018 年有超过 1000 万名 JS 用户,在进行这项研究的一年内,有 300 万用户成为 JS 系列的一部分。当我们进入本世纪的第三个十年,对 JavaScript 开发人员的需求仍然超过了供给。

​2020 年必备的 IT 技能是什么?

这对科技行业雇主有什么影响?

人才大战。竞争是激烈的,雇主必须争夺最优秀的人才。虽然程序员有很多的就业选择,但是科技公司寻找具有杰出 IT 技能的开发人员就不一样了。值得思考的是,哪些因素对决定接受哪份工作有重要影响?薪酬 (49%)、职业发展机会 (33%) 和良好的工作与生活平衡 (29%) 都被认为是接受新工作的重要因素。给换工作的人加薪是一个普遍的规则。保持同样的职位意味着每年获得 2-5% 的加薪,而换工作可能会使收入提高 10%-50% 。知道薪水的重要性,这是那些竞争最佳 IT 人才的技术雇主必须考虑的问题。然而,没有什么能比个人成长和良好的职业发展机会更重要的了,而缺少职业机会是换工作的首要原则 。优秀的程序员一个月能得到几份工作。如果他们停止学习,他们的工作就得不到认可,或者他们看不到任何进步的机会,他们就会离开—就这么简单。

​2020 年必备的 IT 技能是什么?

大多数开发人员都会测试他们的 JavaScript 技能

随着越来越多的技术雇主测试应聘者的 JS 技能,JavaScript 似乎仍然是“必备”的 IT 技能。即使这不是他们考虑的唯一技术。下面这张有趣的图表显示了 JavaScript 在当今的软件世界中是多么的普遍:

​2020 年必备的 IT 技能是什么?

来源 :https://devskiller.com/it-skills-report-2020/

正如你所看到的,8 个最流行的语言对中只有 3 个不包含 JavaScript。粗略估计,每五个测试 CSS 或 HTML 的 web 开发人员中就有一个需要显示 JavaScript 技能(反之亦然)。JS 还与后端语言 Java (9.6%)和 PHP (7.1%)以及 SQL (13.8%)一起进行测试。这意味着 JavaScript 对于任何全栈开发人员都是必不可少的——即使它不是他们所使用的主要技术 。

​2020 年必备的 IT 技能是什么?

科技行业雇主的主要收获如何?

他们应该考虑雇佣 JavaScript 开发人员在技术栈中扮演角色的灵活性。记住——JavaScript 远比基于 Web 的应用程序重要得多。例如,在使用 Node.js 的服务器端部署中,它也得到了利用。强调 JS 知识对于促进前端和后端团队之间的交流具有奇效,因此,强调 JS 知识确实有助于促进前端和后端团队之间的沟通。那么,JavaScript 领域以外的趋势如何?

​2020 年必备的 IT 技能是什么?

对高技能 Python 开发人员的需求正在增长

虽然在 2020 年,JavaScript 仍然是最受欢迎的 IT 技能,但 Python 也应该在你的候选列表中排名靠前的位置。根据 Stack Overflow 的一项调查,Python 刚刚在总排名中超过了 Java,就像它去年超过了 C# ,前年超过了 PHP 一样。有几个原因可以解释它为何如此受欢迎。首先,Python 是一种通用的编程语言。由于它具有适用于许多任务的全面的库,因此通常也称为 ” 自带电池(开箱即用)”。Python 已经成为人工智能、机器学习和数据科学项目的首选语言,据我所知,这种语言正在不断增加。实际上,“数据分析”是在 Python 堆栈中最受欢迎的单项 IT 技能测试,占所有测试的 30%。

​2020 年必备的 IT 技能是什么?

有趣的是,与 Python 相关的第二受欢迎的技能是 Django,它是经常用于服务器端 Web 开发的框架(21.8%)。这也反映在网上可以找到的职位上(截至 2020 年 2 月 21 日,仅在 LinkedIn 上为 Django 开发者提供 15,200 个工作机会 )。因此,专注于 AI,数据科学或机器学习的高科技公司应重点强调招募熟练的 Python 者或朝此方向发展其开发人员的 IT 技能。如果你还需要更多的说服力,那么这个趋势已经引起了顶级科技公司的注意。 截至 2019 年 5 月,仅 Google 就有 30,000 Python 开发人员从事与 AI 相关的项目!

​2020 年必备的 IT 技能是什么?

2020 年你需要注意的其他技术趋势

虽然 2020 年的两大趋势可能是 JavaScript 和 Python,但还有一些其他的趋势值得注意。根据 2020 年 DevSkiller 的 IT 技能报告 , Spring,ASP.NET,MySQL,HTML,Data Analysis 和 Laravel 仍然很受欢迎。为了给你提供最具可操作性的见解,我们还检查了 LinkedIn 在这个问题上必须说的话。以下是截至 2020 年 2 月底的一些全球统计数据:为入门级开发人员提供近 200000 个工作机会在写这篇文章的时候,全球为 Java 开发人员提供了超过 40 万个工作机会。接近一半的人向入门级申请人开放 195,000!这只是证实了对高级 Java 开发人员的需求要高于他们的供应。难怪科技行业的雇主对初级人才敞开大门,愿意投入时间和精力来提高自己的能力。

​2020 年必备的 IT 技能是什么?

.NET / C#全球 145,000 个职位(包括 61,000 个具有 ASP.NET 要求的职位)

如果你想知道是否存在特定的 .NET / C#技能,并且竞争激烈,那就是流行的 ASP.NET 框架。根据 DevSkiller 的研究,所有 .NET / C#测试中有 55%专注于此技能。这在 LinkedIn 上提供的职位数量上得到了很好的反映 42.5%的职位提到 ASP.NET。这里的结论是,技术雇主需要付出额外的努力,使他们的工作机会脱颖而出。SQL 在全球有近 50 万个招聘岗位2020 年 2 月下旬,将近 545,000 个职位有待填补——这仅仅是 LinkedIn 的数据。此外,MySQL 是最受欢迎的框架——根据 DevSkiller 的数据,MySQL 在所有 SQL 相关测试中占 37.3% ,提供了近 125,000 个工作机会。HTML/CSS 技能,占所有开发人员的 63%大约有 250,000 个包含 HTML 的工作机会,以及 220,000 个具有 CSS 要求的工作机会。但是可以肯定的说,这些数字并不能满足 HTML 和 CSS 的要求。虽然你可能在招聘广告中找不到这样的要求,但是技术型雇主并不认为 HTML&CSS 是理所当然的,而且仍然有 63% 的测试证实了这些技能。PHP 在全球提供了 122,000 个工作机会(包括 Laravel 的近 20,000 个工作机会)多年来,技术社区一直在讨论 PHP 是否正在成为过去的事情(比如在 Quora 线程中)。然而,凭借强大的 Laravel 框架社区和大量的工作机会,可以肯定地说,这种情况会持续存在。虽然这些数字指的是每项技术的招聘广告数量,但 LinkedIn 也提供了一种方法全球范围内找到最有吸引力的技术人才 。尽管这些数字代表着每种技术的招聘广告数量,但 LinkedIn 还提供了一种方法在全球找到最有吸引力的技术人才 。让我们继续讨论如何在 2020 年吸引最优秀的开发人员与你合作。

​2020 年必备的 IT 技能是什么?

2020 年技术雇主能做什么来吸引最优秀的人才?

1、提供有竞争力的薪水

每个人都应该得到公平的报酬,不管他们在哪个部门工作。然而,这在 IT 行业尤为重要,因为 IT 行业对人才的竞争非常激烈,程序员只要愿意,每个季度都可以更换工作。在美国,JavaScript 开发者的平均工资是美元 $78k ,因地区劳动力市场的不同而有很大差异。了解到 70% 的企业都在寻找 JavaScript 程序员,他们提供的薪水至少满足最低薪水要求,这是理所应当的。2、发掘年轻人的才能并投资于他们的潜力我们之前已经提到过,缺乏具有良好 IT 技能的经验丰富的程序员,解决这一挑战的方法之一是投资于年轻的人才。软件开发人员的数量正在增长,预计 到 2023 年达到 2770 万 , 这是个好消息,但也意味着将会有很多没有经验的程序员进入这个市场。你应该把它当作一个商业机会——这是你发现有潜力的人才并帮助他们蓬勃发展的机会。引入指导计划是其中一种方法。
你可以为每个初级程序员分配一名高级开发人员,为他们提供向更有经验的同事学习的机会。事实证明,辅导项目非常成功—难怪有 71% 的《财富》500 强企业都在使用。他们对导师和学员都有积极的影响,提高留任率和加速升职。对于没有强大雇主品牌的初创企业来说,这可能是留住开发人员的一个好方法。3、开展雇主品牌建设现在是员工招聘未来雇主的时候了—而不是反过来。这使得雇主品牌化比以往任何时候都更加普遍。公司设立整个部门负责雇主品牌,这是一个很好的指标,它的重要性不断上升,所以现在开始建立你的雇主品牌永远不会太早。如果你的目标是吸引具有优秀 IT 技能的人才,那么设计一个好的招聘流程应该是你的首要任务。记住,好的候选人经验并不仅限于与招聘人员的互动。它还包括了在招聘过程中轻松导航招聘过程。你是否在工作描述中提供了足够的信息,是否经常与应聘者沟通?根据《人才招聘》杂志的 Stephanie Troiano 称,没有什么比过于冗长和复杂的招聘过程更能吓跑求职者了。我们经常听到程序员抱怨不得不完成各种各样的招聘任务,而他们却得不到报酬。为什么这对你来说很重要?如果你的招聘过程没有得到应聘者的正面评价,他们可能会阻止其他开发人员申请这份工作。正如你所知道的,IT 人才库是相当有限的,所以坏名声是你无法承受的。特别是如果你不能称自己为 Facebook 的 Google。

4、投资培训

提供学习机会和良好的发展前景是留住和吸引 IT 人才的另一个策略。为程序员预留开发预算是确保持续学习的有效方法。你应该鼓励你的开发人员学习新的编程框架。这不仅会减少你在组织中可能存在的任何技能差距,还会显示出你在员工的职业成长上投入了时间和资源。

​2020 年必备的 IT 技能是什么?

最后的想法

至少可以这么说,技术类雇主的工作很艰难。对软件开发人员的需求正在快速增长,而可用人才库的增长速度不够快。这一趋势将人才招募变成了真正的战场—尤其是在招募 JavaScript 开发人员方面。JS 仍然是 2020 年最需要的 IT 技能,而且看起来短时间内也不会有什么改变—即使 Python 的排名在上升。为了使技术雇主能够竞争最好的 IT 人才,他们必须提供有吸引力的薪水,良好的增长机会,并使他们的员工感到奖励和赞赏。尽管大多数企业的目标是招聘有经验的程序员,但现在是时候开始投资更多的初级开发人员来解决人才短缺的问题了。原文:https://hackernoon.com/what-tech-employers-should-know-about-it-skills-and-trends-in-2020-2f5g3yva 作者:Tom Winter ,Devskiller 的创始人和 CRO。译者:明明如月,知名互联网公司 Java 高级开发工程师,CSDN 博客专家。

    ![​2020 年必备的 IT 技能是什么?](https://img.chainnews.com/material/images/9cb42f27cbf8512f9b2362bd301319f9.jpg)      ![​2020 年必备的 IT 技能是什么?](https://img.chainnews.com/material/images/f6f4d1555c29c2bdc25653507fa506b6.jpg) 

更多精彩推荐

[ ☞AI 世界的硬核之战,Tengine 凭什么成为最受开发者欢迎的主流框架?](http://mp.weixin.qq.com/s?__biz=MjM5MjAwODM4MA==&mid=2650743952&idx=1&sn=d0482d2362be927de432c149ba6a9714&chksm=bea7554389d0dc55c7611cdcb2a39871aeadba8791fa1822959319e38ad3e5653a0f391cfd3b&scene=21#wechat_redirect)  [☞说了这么多 5G,最关键的技术在这里](http://mp.weixin.qq.com/s?__biz=MjM5MjAwODM4MA==&mid=2650743953&idx=1&sn=67c1ef5e0664f00ec33e2f56c2d62a08&chksm=bea7554289d0dc549098b8a94e6de5b0d787d5baf10b56a0c52e811470a4f823e05d355b0170&scene=21#wechat_redirect)  ☞[360 金融新任首席科学家:别指望 AI Lab 做成中台](http://mp.weixin.qq.com/s?__biz=MjM5MjAwODM4MA==&mid=2650743718&idx=1&sn=eec3e59f872fb7131442b943c47b42a6&chksm=bea7527589d0db63f993711db373601badc2ab4d56342a512975938a5f9592d8950ea31e2cb7&scene=21#wechat_redirect)  ☞[AI 图像智能修复老照片,效果惊艳到我了](http://mp.weixin.qq.com/s?__biz=MzI0ODcxODk5OA==&mid=2247514547&idx=1&sn=08d031459261511e6898528b65b5fe25&chksm=e99e8a4adee9035c38a9e181a490b0cbc9a2270f26b560fcdd7f5c5743b47d71a4b7d582fe14&scene=21#wechat_redirect)  ☞[程序员内功修炼系列:10 张图解谈 Linux 物理内存和虚拟内存](http://mp.weixin.qq.com/s?__biz=MzA3MjY1MTQwNQ==&mid=2649834579&idx=1&sn=4884d09337b36a6cef2faffb74abe2ea&chksm=871ee3b1b0696aa703a9f2408603d750559c56c36d4c27cc185a97a8ae9da1e0d0f08ed7ee3f&scene=21#wechat_redirect)  ☞[当 DeFi 遇上 Rollup,将擦出怎样的火花?](http://mp.weixin.qq.com/s?__biz=MzU2MTE1NDk2Mg==&mid=2247500715&idx=1&sn=78c943e7159934b7925260c320f33ada&chksm=fc7f9d56cb08144012bea4d87730e8e225b70c21db3834f031fdf1d616d71f8e41168e3c09d9&scene=21#wechat_redirect)  ![​2020 年必备的 IT 技能是什么?](https://img.chainnews.com/material/images/737696b8734b6f688ae95660c4411917.jpg) 你点的每个“在看”,我都认真当成了喜欢 

来源链接:mp.weixin.qq.com

扫一扫或点击黄金原野下载APP

扫一扫,关注微信公众号

你与前沿金融只差一个AAI ( AAI Finance)

AAI Finance申明:我们将尊重作者/译者/网站的版权,我们不承担任何技术及版权问题,且不对内容负法律责任,为促进行业健康发展,如有错误、不完整之处或侵犯版权请与我们联系。