百福彩票客服端·新闻中心

百福彩票客服端-

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

什么叫优质资产,举几个指标,现金流量非常充沛的央企一级子公司,比如说中铁建等等一些好的公司。还有负债率不才高的,负债与收入比少于10倍的,这一类项目我们去寻找。也有三甲医院等等。

资产荒在哪找,还得要增长。我们今年也增长10%以上,也能完成。专业化,我们的工匠精神,我们可以快速的制定产品,在人家不太熟悉的时候,还在犹豫的时候我们可以快速下单,这是我们的优势。在竞争中让我们脱颖而出,解决我们的资产荒。

在现实生活中,识别你周围人的性别再简单不过,但是对于计算机而言,它的工作需要经历怎样的步骤?计算机如何“看出”你的性别?“在给算法‘喂入’成千上万个图像案例后,作为一个‘成熟的算法’,面部识别系统自己就能学会如何辨别男性和女性。”这种回答虽然可以解释上文的疑问,但对于“黑箱”外的我们,可能并不容易理解这一学习过程。

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

徐伟锋:我们提出国际化就是把我们中国的产品,把中车产品推向世界。通过租赁这个模式,我们也感觉到具体操作层面的问题,我们现在做的跨境直接租赁,不需要在海外有平台也能做,但假如说是售后为主,尤其是精益性租赁,将靠国内的租赁公司难度比较大。这一点上,我们现在的思路想法,必须在海外有一个平台,收购或者参股一个租赁公司平台。因为在海外大部分都是精益性租赁,必须用当地的人、当地的管理思路、当地的管理方法去管理,中国人到国外去有鞭长莫及的问题。我们想在海外收购一个租赁公司,不要太大,目前一直在做这方面的工作。希望今后境外的租赁公司跟境内的中车金租协同作战,这样的一个思路,把我们的产品投向海外,谢谢!

AI的种族歧视,是算法盲点还是人心叵测?

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

徐敏俊:刚才说到一直在进行这个探索,我是严格按照银监局说的,我问了很多金融租赁公司,包括基础设施占多少比例,很多特别大。我们是清洁能源,基础设施,医疗,汽车,工业技改,我们都比较平均,最高的没超过20%,最低也没低过5%。为什么说我们可以发比较多的ABS和金融债,跟我们没有列入负面清单,根据银监会来说,分散风险,所以我们发行的ABS和直接融资手段比较多。但目前来说确实也碰到了一个问题,不管是资产荒也好,融资环境有所变化也好,确实是上市公司又不行,机车行业都做完了,其他专业化的方向,包括从设备上来说很难找。

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

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

徐伟锋:关于今天的“三化”,银行系的金融租赁公司比产业系的金融租赁公司,至少在两个优势上比我们具备。

本文来自公众号:全媒派(ID:quanmeipai)。

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

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

谈到专业化的问题,我已经仔细的想两三年了,如果没有特别强大的背景大家应该都在思考这个问题,专业化怎么办。我跟金融租赁的基本都认识,待的时间长朋友多,我走了大概三分之一的金融租赁公司。如果说到底什么是专业化,是不是局限于一个设备、一个产品,机车船就是专业化?在这方面有些租赁公司做了,做某一个设备,我没看到做的有多大的,除了飞机、轮船,基于设备是不可能做到多大的。按照500强来说,按照一个单品的量有3、5千亿了不得了,这已经是世界500强的标准了。如果这个量在中国,占全球一半1500亿,如果自己直接销售,60%、70%,只有30%,剩下就是几百亿的规模。那这么多的租赁公司,如果没有万亿级的市场,留给金融租赁的有多少?这是一个方向之一,我也去过中铁装备,盾构机,我也知道中铁建做了很多,我们也在探讨。从这方面讲,我觉得专业化分为几个不同的专业化:

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

刚才说到如何从金融租赁的角度和上一拨央企背景的商租角度,对金融监管认识的角度上,我们成立之初就开始备受银监局金融监管规定的约束,也是在它们的支持下成长起来的。各种监管指标的约束,特别是资本充足率来约束我们,使我们在一定阶段不得不去增资扩股,或者在内部做一些调整。我们觉得商业规则和监管规则是不一样的,商业规则也就是我们自己每个机构所要做的,可能在商业市场化当中我们觉得风险可控可以做,但是拿到监管上讲就受一定的约束。

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

主持人:高质量发展,这“三化”如何实现,下一步怎么实现高质量发展的路径,应该还是不太一样的?尹金丹:中铁建金融租赁公司的专业化、差异化、国际化角度,我们通过三年的摸索,但现在还都是在初期的摸索之中。我们协同主业发展,因为我们都是中铁建在转型升级中做金融服务,把这个使命赋予我们公司做的时候,我们就一直研究如何为我们的主业进行服务,就是专业化的提供一些服务,也要做一些与其他金融板块不同的差异化的表现。也要把金租公司向国际发展,走出去。

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

我们从前几年开始启动医疗,发现医疗做着做着变成了医政,等级很低。然后开始转向医疗设备,那到底从厂商开始,还是从客户端开始,那客户端是需求不同的设备,从总之厂有不同的渠道,我们还在进行探讨,比较碎。第二个启动了汽车,业内知道我们的汽车金融团队也是两年了,做了大半年的系统,要避免这个不得不进入有二级市场,好流通,市场容量足够大的地方,我们进入了汽车。汽车大概有20、30亿,今年20亿左右的规模。也是边走边看,我看明年还有汽车类的论坛,再进行一些探索。之前到铁建金租看到了盾构机,基建最近几年还得靠这个拉动,我们也探讨了盾构机,可能到时候会引进一个团队跟厂商做,我们今年年底已经到位了。

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

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

第二,融资成本。银行系的,我们即使央企最厉害,跟银行关系最好的,总不能强过“老子跟儿子”,银行系的从提供资本上首先还是优越的。那产业金融租赁公司怎么办,我们也有我们的优势,我们的优势是我们对产业比较熟悉,比如说中车金租对轨道交通比较熟悉,企业有协同效益问题,在这一点上,无论是工银、建银,对轨道交通的熟悉程度肯定没有产业系的强。从专业化程度讲就是如何做精的问题。专业化如何体现,要体现专业化主要是在客户,在我们的业务构成面上。比如说做轨道交通,业务大部分都是做轨道交通的才是有专业性。

去年有幸跟协会一起做了关于租赁物的专门课题研究,但是研究成果和监管认同这块还有一段路要走。在目前的情况下,作为租赁物的突破这块,比如说监管当局要求不允许管廊之类的,有关做基础设施建设的时候,支持主业的过程中的确遇到了这些困难。作为金融租赁公司,对这类的业务一定要有一个清醒的概念。特别是将来,商租也都是在统一的监管框架之下去说这些,并且有一定的法则在其中,我觉得还是以遵守监管为准,冒合规的风险付出的代价是最大的。租赁物的研究希望能够把这个成果在更早的时间里能够被监管认同,能够从监管这里面把租赁物的范围扩大。实时调整租赁物范围,我觉得势在必行。

主持人:尹总做一个课题,随着产业的升级和国内目前传统租赁“红海现象”的出现,都面临合规租赁扩展的问题。金租界定的比较窄,商租界定要宽一点。我们做了一个课题,关于租赁物的课题,其中涉及到一个很重要的方面,就是合规租赁物的界定,这个中铁建做的过程中很有体会,也有希望寻求突破的诉求,尹总跟我们说一说,下一步业务创新中怎么突破,在合规租赁物方面有什么诉求?

那我在想,到底金租的优势在哪,如果没有银行背景的话优势在哪里。第二,在监管条件下,商租如果能够呼吁,希望我们能够走到一个折中的标准,反而还有利于我们。河北金租来说,唯一占的优势就是时间长,还有品牌,还有老朋友,还有大家同业的信任。中车也好,中铁建也好,前段时间我们都去过,金融租赁圈子里还是。父母不是显赫门庭,朋友们还是挺多的。我的客户要去外面找,我也没有银行的网络,如果真的要处罚,大的银行系的还得仔细的思考一下,说不定大行的行长们到证监会、保监会交换一下。大行有央企作为靠山,我们作为第三方的机构怎么办。

我们又在金融租赁里面有很多限制我们不能做的行业。为什么说听着听着我感觉到自己挺苦的,刚才说到地产和基础设施,地产不让做了,基础设施,我记得很清楚,我上任那年就不让我们搞政府平台,2012年的时候,让我们清退,我说清不退,那他说保持原有规模不能动。我们老老实实的没有动,转身一看很多企业在做,我们安慰自己说那是融资租赁公司在做,我们可能不能做,我们依然没有做。2011年我们就接触了基础设施,不让做,现在返过来看我们的利率已经没有优势了。

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

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

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

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

尹金丹:租赁物方面的课题,不光是商租也好,金租也好,是都共同面临的一个问题。特别是作为金租来讲,我们目前遇到的问题就是在一些金融法规出来之前,比如说“23号文”出来之前和出来之后,在建工程是否能够作为租赁物的鉴定,发文之前如果做基础设施,有一部分没有转过的在建工程,有可能做一些谅解,但是在此之后,如果你的租赁物是明显的在规定不允许做租赁物的范围之内,就没有条件,只能整改。从突破银监会的关于租赁物的定义角度讲,我们没有更多的办法,只探讨和摸索,试图能够找到一些能够说服监管同意我们这种做法,并且保证这个做法是能够产生一定的现金流,并且能够覆盖我们的租金的租赁物作为租赁物。现在天津银监局正在我们那里进行检查,挑的几笔台帐上面写以在建工程作为租赁物的清单要拿出来,我们也把这类分年段提出来了。刚才高总说的话很重要,如何在现有条件下扩大租赁物的范围是我们在座大家都要共同努力的,无论是商租也好,金租也好。

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

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

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

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

主持人:徐总,你是最近金租银保监会封门之后批的金租公司,我听徐总介绍,很大一个原因是为了国家的战略考虑。高端设备走出去,一带一路的考虑。徐总在这方面也结合了国际化,在现在跨境、离岸的业务模式创新方面,这方面的业务徐总有什么考虑吗?

圆桌:金融租赁高质量发展之路:专业化、差异化、国际化讨论全文

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

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

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

第三,专业化的划分根据设备有不同,根据行业有不同,那功能上也可以打开一个新的思路。主持人:河北金租是最早的一批金租之一,现在业界面临的一个带有很大普遍性的问题。下面大量的金租要纳入到统一监管,怎么进行实际性的调整。

央企说的时候我听了很羡慕,我听银行讲的也很羡慕,大家都在说很困难,为时间听了之后我觉得没话说,我觉得最困难的就是我。金融租赁一个是资金,一个是客户,央企不缺客户,央企服务集团,有足够大的市场。银行资金上远远要强过我们作为第三方的金融租赁公司,他们说银行有低成本,至少流动性没有问题。想来想去,我听了以后觉得压力越来越大。我们既没有央企那么大的客户,虽然我们的股东也不错,没有那么大的市场容量让我做,也没有银行股东给我们做流动性。

第一,客户资源,银行系的金融租赁公司相当于银行的第二信贷部门。银行信贷部门不符合信贷要求的很多客户可以提供给金融租赁公司,产业系的没有这个优势。

我们省内核心是生根,把我们那些客户把握住,它的情况非常掌握,这种既有负债的情况,心里有数,也有运营的情况有数,对有风险的,包括民营企业,做项目的时候找了退出的通道。

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

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

第三,国际化,中车要走出去,在国际上走出去这一块,无论是轨道交通还是其他的适合做租赁的产品,应该还是有优势的。事实上我们现在轨道交通行业在租赁的潜力很大,大家还习惯于过去简单的方式,租赁的方式还是很新的。这十几年来已经逐渐的推进,但随着地铁的发展,包括前期还本付息的到期,租赁还是有发挥得空间。

目前为止,关连交易和单户集中度,集中客户集中度方面,也是我们作为建筑业的央企备受控制的指标。我们在正常合规的前提下,关联交易通过董事会的授权等等,在这些程序上做的合规一些,在关联交易的角度上没有更多的局限性。而是从风险可控的角度,单一客户集中度和集团客户集中度的角度,从风险控制的角度说的更多,所以对这块来讲监管有它的道理,我们企业有应对监管要做的适度调整。

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

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

罗晓春:贵州的金融基础是比较差的,金融依附于经济,但贵州无论它的观念、体制都是把钱往贵州搬,无论是财政的钱,三分之二以上是靠中央,还是金融的钱,现在扶贫主要是把钱往贵州去。所以这种情况下,我们在贵州分布的资产占到85%,这是银监会要求的,我们贵州银保监局严格的要求。我们也希望在省外配置一部分资产,因为资本市场,明年我们会上市,我们庞大的资产虽然只有220个亿,全部资产都摆在不发达地区,资本市场可能不太同意。那在贵州之外我们谋求优质资产,在好的地区配好的资产。我们期望优质资产占到三分之一,这样资本市场比较省心,对我们管控资产也比较省心。

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

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

第一,可能某个租赁物,租赁标的物有很强的专业化,从采购到运营管理,到残资处理,我们很专业。但专业化的产品,其实在单品类的租赁上金额是不大的,超过20亿的很少,超过50亿的寥寥无几,超过100亿的没看见。我们可以在不同的品类之间,根据不同的厂商形成一定的专业化。除了这个以外,市场能容的下这么多吗?除了金租、商租。

罗晓春:融资租赁在未来中期的烦恼,我归结为三个烦恼。第一,现在中国经济已经开始由资金荒转到金融的资产荒。银行有很多可以共享,那是美好的过去,未来更多是争夺,它都吃不饱还有我们吃的?去年开始,为什么资产规模上不去,填坑都来不及,资产荒,压力很大。

主持人:贵银金租作为西部地区的,或者说欠发达地区的金租公司,怎么走出一条比较稳健,发展也很不错的路子。特别是怎么处理贵州的资产荒,域内业务与域外业务的关系?

徐敏俊:我听到上一轮的时候,我越听越沉默,央企在说很多的不利因素的时候,我听了觉得很羡慕。为什么?上一轮座谈的嘉宾有人提到,说我们可以个不受限制,可以做股权,还能做不动产,还能做股东的业务。我们呼吁监管要放松,我觉得特别有道理,也很赞同。但我觉得我们是受害者,我们一直按照严格的监管来做,今年检查的重点就是关联交易,反复折腾了一个多月,我们其实是非常独立的第三方,跟股东没有太多的交易,已经是非常好了。结果有一个价格告诉我们,股东的交易一定不能是你最低的价格,我都不知道投我们的股东能获得什么,我很感谢他们。不能拿最低的资金,价格成本,即使它也市场化。

第三,前一拨人说的规范监管带来的烦恼,规范运作。这一点对商租可能是一个巨大的挑战,解决这三大中期问题,贵银的思考就是走专业化、差异化的路子,我们的差异化就叫绿色化,按照人民银行的统计口径,绿色业务占48%,今年年底超过50%,是必须完成的。明年超过55%,也是必须要完成的。差异决定于我们所拥有的资源禀赋。融资租赁是实体经济的装备武器,我们那没有,所以我们选了绿水青山,这就是我们的差异化。

第二,经济下行造成资产不良,消耗了我们巨大的精力。我们现在处理的还是关注资产预期,很多公司的业务团队跟我们讲,耗掉一半的精力,这个很不容易,压力很大。

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

友情链接: