精選文章

一年內由5億到650億的2326 百靈達國際控股

由 2015 年 1 月至 2015 年 6 月 8 日,即未 1 拆 10 之前的走勢。在三月尾前,股價維持在 0.3 附近,但在三月最後一個星期,股價突破 0.3 水平,之後股價一飛衝天。分拆前,股價最高去到 15.8 ,升幅超過 50 倍,當時市值為 320 億。 ...

2017年2月16日 星期四

1662 義合控股 分析文章集結

10/11/2016

十月首週累漲554點成第四季良好開局,現在普遍分析也是唱好第四季港股以致新興市場股市,從技術形態看來,恆指上週四更向上突破收窄三角型態,量度升幅目標保守估計24600點,不論技術或基本因素分析目前也是偏好一些,實在沒有甚麼看淡或做淡的理由,凌晨也順應趨勢在十月初做了不少期權好倉,希望有豐厚收獲,但是如果未來兩週港股沒有合乎預期地上升,反而倒跌起來的話就要非常小心,應升不升可能是調整前兆,所以即使看好亦是有條件地看好,時刻保持冷靜和理性。


細價股市況比指數更牛,每日20大升幅榜均錄得雙位數字升幅,第一名更經常出現50%以上暴升,惟暫時急升股份仍以低殘而且質地不佳為主,升勢一日起兩日止,短炒這類股份對整體投資回報並沒有太大的幫助,但對於一眾莊家來說,看見市場多了這麼多魚,增加了食大茶飯的誘因,若市況可以維持暢旺,相信很快便會看到十倍股皇的誕生。今次想分析的是一隻半新股義合控股(1662),公司於去年1218掛牌上市,上市時市值只有5億,業務從事本地地基以及隧道承建工程,是隻細細粒建築殼,這類殼股理應受到市場歡迎,惟當時恆指錄得連嬻9日下跌,市場氣氛偏淡情況,公司招股僅獲14倍超額認購。


參考同類型建築殼數百倍甚至千倍超額認購,14倍超額是一個很少的數目,公司只需要提升公開發售部分至30%總發售股份,並以招股上限1港元定價,使貨源集中在國際承配人手中,加上股價上市至今從未大炒,長期於0.951.1元窄幅橫行,已悶走大部分持貨能力不強的散戶,貨源盡入強者手中。再看公司基本因素,上個財政年度純利賺9,400萬元,截止上週五收市價1.1元計PE只有4.8倍,淨資產逾2.2億,其中1.3億為現金,即使不計及殼價公司仍被市場大大低估。


義合控股業務穩定而且收入可觀是凌晨較為注意的地方,因為這令公司定位十分模糊,並不屬於完全沒有業務的殼股,其市值卻是殼股的射程範圍,在此不得不提公司的上市保薦人中國平安資本(香港)有限公司,該保薦人過去紀錄就只有20152月上市的中國集成控股(1027),一隻曾在大時代喪升超過70倍而聞名的股票,而其保薦人相隔半年後便為義合控股保薦上市,難免令人想入非非,亦令凌晨更加確信公司不會甘於平凡,適逢公司上市將滿一年,面對近月市況轉旺,幕後人士會否趁勢造就另一隻喪升股就要拭目以待了。


重施故技? 義合控股(1662
2016126 星期二

很久沒有發文,主要原因是因為近日市況太差,贏面不高,寧願去溫故知新。經驗告訴我知,當市況慘烈下行時,財技股跌3成以上亦是等閒事,這時侯,從股票這方面看,不投資就是最好的投資。
去年3,分析過中國集成控股(1027)後,曾想買入,後來經提點是福建幫後便打消念頭,實在是萬悔莫及。近日,我發現一只半新股,狀況跟中國集成控股(1027)有不少相似之處,它就是義合控股(1662)了。
首先,義合控股(1662)於20151218日上市,保薦人是中國平安資本(香港)有限公司,這間保薦人之前的往績就只是保薦過中國集成控股(1027)上市,一隻一年間最高有72倍升幅的股票。光是這個亮點,就已經相當有嫌疑,值得跟進。
其次,根據ccass顯示,義合控股有95間券商代客戶持有,頭十間券商及實物存倉的持股量共達96.17%,細心查看,當中有很多都是冷門券商來,像志昇證券加福證券等,連網頁也欠奉,絕不像是一般散戶會使用的,因此,有理由相信此股已被不少有好人士圍乾。
此外,查閱中期報告,資料如下:
非流動資產約7.85千萬
流動資產約2.3
流動負債約1.6
非流動負債約2.3千萬
一切以最保守計算,不計非流動資產,光是淨現金約有5千萬,另加殼價約7億(因建築殼叫價更高),一旦賣殼,估計在7.5億或以上,目前市值5.3億,具一定防守性。
其實光是保薦人及股權集中這個亮點,已值得跟進,可惜是於121日暴升一棍後又打回原形,相信上面積了一點蟹貨,不過,除了市況差的因素,以目前的市值及股權集中的程度來看,有心人要抄上去絕非難事,我會繼續留意事態發展。
作者:林駿鴻, Benny 筆者為證監會持牌人
(利益申報:於執筆時,筆者並沒持有上述股票)(以上純屬個人意見,並不構成投資建議或勸誘。)
email: bennylam13@gmail.com


【新股報告】義合控股(1662(50期)
2015-12-13 21:01:00

策略王值博指數:★★★★
集資規模分析:
義合控股(1662.HK)全球發售1.25億股新股。當中10%在香港發售,共1250萬股新股;其餘90% 作國際配售,共有1. 125 億股新股。每股招股價為0.69-1.03元,以招股價中位數0.86元計,是次集資淨額為8920萬元。是次集資所得,約60.2%將用於擴充地基業務,約29.1%將用作擴充隧道業務,約8%將用作增加管理人員,約10% 用於一般營運資金。
公司背景分析:
義合是一間自1989年開始營運的承建商,主要業務分兩大類別,一是從事地基工程,當中包括預鑽孔小型灌注樁、預鑽孔灌注工字樁,亦有做地盤平整工程及道路、行人路工程,二是隧道工程,包括頂管、手挖隧道及明挖回填隧道工程。
過去三個年度,分別完成了10個、15 個及6個項目。上年度義合在地基工程方面, 共有50項投標,有11項中標,中標率為22%,隧道工程方面則有1項投標1項中標, 中標率100%。在隧道工程較少投標,主要原因是自20118月起為期五年,與一間公用事業公司訂立了一項設計、實施及維修的
隊道工程項目,另外2013年又接下了一單價值5. 42億元的隊道工程大單,為確保這兩大項目可獲分充足人力及機械完成,所以期間較少在隧道工程進行投標。現時手上未完成合約金額為13.41億元。
義合2015年度毛利為1.62億元,同比增長1. 3倍,毛利率期內由17. 7% 增加至28.1%。當中46.1%項目以總承建商身份承接,其餘的53.9%以分包商身份承接,公私營項目各佔一半。有如此增長率,主要是由於有兩個項目以較高毛利率完成。其中一個項目客戶接納了較節省成本之方法, 加上取消若干臨時工作設計,因此令到毛利率有所增長。另一個項目因承接了較多建築工程訂單,所以動用了已使用過的材料, 結果令材料及輔料成本減少下增加了成本效益所致。
業績方面,2015年度收入為5. 77億元,過去兩個年度增長率分別為25.9%42.7%;純利為8664萬元,分別增長9.1% 258%。值得留意,在八月至十二月期內, 義合共派發了三次股息,合共1.02億元, 超過今次集資金額中位數8920萬元,即是今次集資所得,主要用作派發舊有股東作股息之用。
雖然是次義合在重組後為舊股東派發巨額股息,不過累計26年一次性派發亦算合理。是次集資額相當細,可以說是十分容易炒起,加上建築殼有價有市,估計市場反應不俗,半新股前進(1499.HK 上市後勁升3倍, 已為這類建築殼訂下一個指標, 料義合上市應不愁寂寞,如果高開不過份, 建議可跟勢炒番兩轉,一旦如前進般暴升3倍,隨時有意外收獲。


2016年12月19日 星期一

0799 IGG 走勢轉弱

今日我賣出0799最後一注, 完全清空0799了.

最關鍵的原因是0799走勢越來越差, 今日跌破150天平均線. 如果0799跌破5蚊, 未來可能出現暴跌, 到時就不是止賺離場.

而且恆指跌破2萬2百點心理關口, 2萬2是一個很強的關口, 今日終於守不住. 上次恆指低於2萬2點, 已經是8月的事情.

另一方面, 0799的皇牌遊戲國王征戰已經站穩陣腳, 預料可以為0799帶來長期利潤. 正是這一點, 令我今日先清空0799的主因.


可惜的是大市表現太弱, 環球亦有太多不明朗因素, 令到0799的表現未能更進一步, 的確是有點不幸.

如果日後0799表現回勇, 將會再次投資落去, 希望可以再落一城.

2016年12月16日 星期五

未來世界金融(0572)投身高科技金融業務

近日0572改名為未來世界金融,現在所投入的業務是比較難明白,我也是早幾天才知道區塊鏈及智慧合約等等的技術名詞。所以關於這方面的解釋,請看以下的轉載文章,會有詳細解釋。

20161124
自二零一六年十一月二十九日上午九時正起,於聯交所買賣的股份之英文股份簡稱將 由「CENT WEALTH FIN」更改為「FUTURE WORLD FH」,而中文股份簡稱則將由 「中達金融集團」更改為「未來世界金融」。本公司股份代號仍為「572」。

20161216
開發區塊鏈應用技術
未來世界金融控股有限公司(「本公司」,連同其附屬公司「本集團」)董事(「董事」)會(「董事會」)欣然宣佈集團已設立全資子公司開發區塊鏈(「區塊鏈」)應用技術,並已羅致若干區塊鏈專門技術人才參與促進及拓展集團之電子商務業務。區塊鏈應用範圍廣泛。這項技術正在改變數據的處理和儲存方式。區塊鏈可用於記錄任何數碼資產的轉讓,實體和知識產權的所有權,建立智慧合約,以及其他可能之廣泛應用範疇。董事會期待區塊鏈技術於電子商務及金融服務上的應用,與及其於不同行業的潛在用途。本公司計劃為現有和潛在客戶之業務/生態系統提供此區塊鏈應用技術/服務。各類型的企業將能夠利用這項強大的嶄新科技為其客戶設計及提供令人難以抗拒的服務,帶來無限新機遇。

這些高科技業務不要說分析,就是要理解也很困難,所以推廣業務時,並不容易。加上香港對高科技並不熱衷,要發展也會比較困難。如果業務放在深圳,勝算會高得多。正如近日由黃秋生為網貸眾籌平臺所拍攝的廣告,我實在看不到什麼回響。

我再0572的網站看看,想瞭解更多它的高科技金融業務。可惜它的網站非常簡單,亦欠缺內容。

未來世界金融控股有限公司為一間投資控股公司。集團主要從事:
貿易業務及相關服務
證券買賣及投資
提供融資服務
在香港持有投資物業
發展電子商務平臺包括會員積分兌換網店「未來商城」

以上內容已經是所有介紹業務的資料,看完也不會有更多瞭解。作為一間高科技公司,這樣的網站當然不合格。

區塊鏈及智慧合約技術名詞解釋:

區塊鏈——提前催熟的風口,正在步上P2P的後塵(節錄)

何為區塊鏈?
區塊鏈可以理解為一個基於互聯網的分佈式記賬系統,它更多是一種技術方案,而不是一款具體產品。
以比特幣區塊鏈為例,區塊鏈就是一個總賬本,上面記錄了比特幣自誕生以來的每一筆交易,這個賬本保存在全球成千上萬個不同的節點上。不可偽造,也難以篡改和銷毀。
關於比特幣與區塊鏈
比特幣區塊鏈採用工作量證明機制,即節點間通過計算機運算能力的競爭,來公開決定一段時間內(約10分鐘)記賬權的歸屬,以此保證各節點記賬的一致性;同時,贏得記賬權的節點,將會獲得一定量(新產生的)比特幣,以及其所記錄的所有交易的手續費作為獎勵。這個過程就是俗稱的「挖礦」。
具體來說,區塊鏈是比特幣的底層技術,是一串使用密碼學相關聯所產生的數據塊,每一個數據塊中包含了多次比特幣網絡交易有效確認的資訊。
簡單來說,區塊鏈就是比特幣的賬本,「挖礦」就是給予記賬者比特幣作為記賬的獎勵。


3分鐘帶你瞭解智能合約

智慧合約程式不只是一個可以自動執行的電腦程式:它自己就是一個系統參與者。它對接收到的資訊進行回應,它可以接收和儲存價值,也可以向外發送資訊和價值。
這個程式就像一個可以被信任的人,可以臨時保管資產,總是按照事先的規則執行操作。
下面這個示意圖就是一個智慧合約模型:一段代碼(智慧合約),被部署在分享的、複製的賬本上,它可以維持自己的狀態,控制自己的資產和對接收到的外界資訊或者資產進行回應。智慧合約模型:它是運行在可複製、共用的賬本上的電腦程式,可以處理資訊,接收、儲存和發送價值。

金融衍生品是「智慧合約」的最普遍的應用,也是最易於用代碼實現的之一。實現金融合約的主要挑戰是它們中的大部分需要參照一個外部的價格發佈器;例如,一個需求非常大的應用是一個用來對沖乙太幣(或其它密碼學貨幣)相對美元價格波動的智慧合約,但該合約需要知道乙太幣相對美元的價格。最簡單的方法是 通過由某特定機構(例如納斯達克)維護的「數據提供「合約進行,該合約的設計使得該機構能夠根據需要更新合約,並提供一個介面使得其它合約能夠通過發送一 個消息給該合約以獲取包含價格資訊的回覆。





2016年12月15日 星期四

世界首個人工智能律師是如何煉成的?(轉載)

 36 28/11/2016 發表
http://tech.fanpiece.com/36Kr-com/%E4%B8%96%E7%95%8C%E9%A6%96%E5%80%8B%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%BE%8B%E5%B8%AB%E6%98%AF%E5%A6%82%E4%BD%95%E7%85%89%E6%88%90%E7%9A%84-c1255572.html

編者按:本文來自微信公眾號機器之心“(ID:almosthuman2014),作者ChainnZ、微胖、李亞洲,原題目《機器之心獨家對話Ross Intelligence:世界首個人工智能律師是如何煉成的?》。

ROSS Intelligence
現位於矽谷,是全球第一家致力於法律服務的人工智能創業公司。

2014
年底,多倫多大學的幾位學生在參與 IBM 認知計算機科學競賽(IBM Cognitive Computing Competition)的過程中,將 Watson Q&A 技術運用到了有關破產法律研究中。他們基於法律的分類法和本體論,通過使用 Watson Q&A API,讓 Watson 學習了數千頁的法律文件,並基於Google PageRank 算法,建立了用於法律搜索的機器學習層 LegalRank。這套系統能自行識別出法律信息的重要程度,例如它能分辨出最高法院的判決要比地區法院排名靠前。

雖然這個系統在比賽中錯失了第一名,但是這幾位學生的競賽項目成功轉化為創業公司 ROSS Intelligence,連續兩年入選彭博人工智能圖景法律應用板塊,並得到眾多媒體的報道(比如,福布斯,紐約時報,經濟學人、連線、新科學家、衞報,大西洋月刊及眾多頂尖法律期刊等)。

2015
年夏天,ROSS 得到全球最大律師事務所 Dentons 旗下的 NextLaw Labs 的投資,並正式成為了 Dentons 的業務夥伴。之後的一年內,ROSS 不僅成功上線,並且在 Dentons 之外逐漸獲得了更多的客户,包括大型律所 Baker and Hostetler 等。不久之前,機器之心對 ROSS Intelligence CTO、聯合創始人 Jimoh Ovbiagele 進行了專訪,他向國內的讀者介紹了 ROSS 的創業歷程、ROSS 所採用的技術以及未來 ROSS Intelligence 的發展方向。

一、創業歷程

機器之心:能否給大家介紹一下 ROSS,以及講述一下你們是如何開始的?

Jimoh Ovbiagele
ROSS 是世界上第一個人工智能律師,它可以幫助人類律師比以往更高效地進行案例檢索。過去律師們在通過關鍵詞進行搜索時會得到大量結果,這樣律師們需要花費大量時間去檢索答案才能找到真正有價值的案例或條款。

有了 ROSS,律師們便可以自然地對其提問,就像你我交談一樣。使用人工智能技術,ROSS 在接收到問題後,只需幾秒鐘就可以完成從閲讀海量法律文檔到幫助律師找到含有問題答案的精確段落的整個過程。

那麼我們是怎麼開始的呢?

法律與我們每個人的生活息息相關,不管我們懂不懂,它就是我們這個社會的遊戲規則,影響着我們每個人的生活。我的父母在我小時候試圖離婚,我親眼目睹了法律賬單是如何堆積成山的。在美國,百分之八十的法律需求方付不起法律服務的賬單。世界上的其他地方也存在類似情況。

這個數字很驚人,如果歷史性地回顧法律服務價格,它是在上升的,但這並不該發生——新的技術和創新理應在降低成本。我和聯合創始人意識到裏面有需要解決的問題,我們看到人工智能在法律服務的機會——通過人工智能,我們可以讓法律服務更加富有成效,讓更多的人和小商業主用得到法律服務。

IBM
打造的 Watson 贏得了 Jeopardy! 之後試圖商業化 Watson,在這個過程中,他們意識到需要將技術交給試圖找到通過技術改變產業的年輕創新者手中。於是,ROSS 參加了 2015 年的 IBM 認知計算機科學競賽(IBM Cognitive Computing Competition)。我們的對手都是來自世界上其他最好的計算機科學學校,比如卡耐基梅隆、UC 伯克利,以及斯坦福,等等。

比賽第一名會得到十萬美元獎金用以繼續創業。我們當時得了第二名(沒有獎金),但我們一點沒覺得低落,因為我們知道我們是有真產品的靠譜生意(real business),因此比賽後我們還是繼續在做 ROSS。後來我們上了加拿大最大報紙(Global & Mail)的商業版面頭版,吸引了許多律所前來,其中一個是世界上最大的律所 Denton。他們的頂級高管從華盛頓特區跑來到多倫多與我們見面,並表示想看看我們的產品。於是我們像展示水晶球一樣向他們演示了 ROSS。他們非常激動,説道「這就是未來」。於是,Denton 成了我們的早期公測客户,並且隨後也成為了我們的首批正式客户之一,並且投資了我們。

Denton
的興趣是一個巨大市場信號:我們在做的東西真的有市場。於是我和一位聯合創始人從大學退學了;另一位聯合創始人 Andrew,也就是我們公司現在的 CEO 也辭去了他的律師工作,和我們一起用技術更加深遠地改變這個行業。我們一開始一直在一個朋友寓所的地下室裏寫代碼,並且給客户打電話。一開始還是比較艱苦的,我記得 2014 年到 2015 年的那個冬天特別冷,而且我們在的那個地下室沒暖氣。

我們震撼了市場並且引起全世界的巨大興趣,這些興趣不止來自於北美,還包括丹麥、澳洲到巴西。這也讓我們認識到我們解決的問題並非只是個地區性問題,而是一個全球性的問題。不久之後,我們決定離開多倫多去矽谷,畢竟如果要做成一個全球性的業務,我們需要去那裏。當我們打好包,買好機票準備出發去矽谷的時候,我們的顧問説,「你們應該去一下 Y Combinator。」當時我們只是聽過這個名字,其實並不太了解 Y Combinator 是做什麼的,於是我們問「啥是 Y Combinator?」(笑)後來我們了解到 YC 會投一些錢(那時我們沒錢),並提供導師指導,帶你認識有價值的人,總體來説好像還是不錯的。

於是我們提交了申請,並進入了 YC——後來我們才知道這有多難!所有申請中,僅有大約 2% 的申請被接收。那段經歷非常難以置信,我們和頂級創業者一起工作,學到了很多技巧和經驗,並且改掉了很多壞習慣。這對 ROSS 產生了重大影響。在 YC 的那段時間,我們得到了許多律所合夥人的幫助,他們給予反饋幫助我們改善產品。

YC 出來之後,我們籌集到了第一輪投資。我們用這筆錢將 BETA 產品繼續開發為真正的商業應用。2016 年三月,我們發佈了這款產品,並且拿到不少 AM Law 200(編者注:類似法律界的財富 500 強)的客户,例如 Latham Walkins(全世界收入最多的律所),Denton(全世界職員最多的律所),著名律所 Baker Hostetler Briesen & Roper 等。

最終這些客户的成功獲得某種程度上是逐漸積累起來的。我們剛剛起步的時候法律行業對技術的態度是非常冷淡的,他們不明白為什麼要做這些,我們的做的這些有何重要價值。我的合夥人 Andrew 可以説像傳教士一樣,他傳播的不僅是 ROSS,而且還包括了人工智能對法律行業的重要影響。如今,法律行業的從業者們逐漸認識到可以如何使用技術擴大市場,增加為客户帶來的價值;就像其他行業一樣,法律行業也可以享受到技術革新的紅利。

在過去幾個月我們看到了行業許多喜人的變化。現在我們正在繼續擴大我們的業務,並將主要精力放在銷售和產品技術兩個方面。

機器之心:聽起來你們和 Kensho 似乎有很多相似處——他們致力於用人工智能改變金融行業,你們致力於用人工智能改變法律行業;他們去年獲得了紐約時報的深度報道,而你們前一段時間獲得了 American Lawyer 的深度報道。你怎麼看?

Jimoh Ovbiagele
哈哈,説起來是有那麼一點!

二、ROSS 的技術

機器之心:能否介紹一下公司產品所使用的一些技術,比如 NLP Knowledge Representation

Jimoh Ovbiagele
:我們使用了很多不同的自然語言和機器學習技術。我們使用了深度神經網絡、依存解析(dependency parsing)、命名實體識別等(name entity recognition),language model 等。我覺得 language model 超酷的,我們使用了 word embedding , 比如詞嵌入(word2vec),以百萬計的法律案例訓練我們的 word embedding。同時,我們發現了一些有趣的東西,比如,總統減去權利,我們得到副總統;不幸的是,我們用律師減去金錢,得到遵守道德。(笑)

這裏面存在一些問題,其中一個是在使用機器學習解決判刑問題或預測罪犯時,發現有很強的種族偏見。人們批判機器學習存在種族歧視,但現實是我們的社會存在種族歧視。機器學習像鏡子一樣反映出社會的歧視,它如同鏡子反應出社會的看法。這些機器學習系統是從數據中進行學習,但是這些數據來自我們人類,所以最終其實還是是學習我們人類。

機器之心:那 ROSS 是如何搭建 knowledge base 以及如何做信息提取?

Jimoh Ovbiagele
:這取決於具體的方法。比如使用 word embedding 這樣的無監督學習技術,我們把判例法輸進去,搞清楚單詞的語境然後建立詞的表徵。我們也會進行大量人類互動,讓系統更加完善。我們採用多種自然語言理解方法來決定推薦的文章是否回答了問題。雖然有很多種辦法,但是我們得搞清楚如何給與每個特徵或參數恰當的權重或得分。一種方法是我們使用機器學習來從歷史問題和已知答案的訓練數據組中學習,進行數以千計的迭代,為那些權重測試不同參數,看看哪些可以得出最理想的結果(基於訓練數據集)。

此外我們擁有遍及全球教育 ROSS 如何回答問題的律師。「理解」這一點很重要:我們並非教授 ROSS 法律,我們是在教授 ROSS 如何閲讀法律。因此,即使律師教授的是具體問題,ROSS 也要從這些問題中發現模式,運用到回答從未見過的問題上。

最後,當用户使用我們的產品,我們會邀請用户給予反饋(比如點贊或吐槽),然後根據反饋強化問答或鼓勵我們反思。

總體來説,第一是律師主動地訓練系統,其次用户在使用中通過反饋訓練系統給出更好的答案,此外就是基於大量的數據使用適當的算法學習出表徵。

機器之心:技術方面到目前為止你們遇到的最大困難是什麼?哪部分最難?

Jimoh Ovbiagele
:最大的問題是自然語言理解。這方面我們花費了很多時間,比如詞(words) 具有多義性,具體的意思取決於使用的語境。雖然 ROSS 在這方面已經甩開競爭對手不少,但畢竟機器理解語言的能力和人類理解語言的能力還存在很大距離,這還有很長的路要走,同時也是我們正在着力之處。

現在 ROSS 已經可以閲讀法律文件然後找出相應段落並回答你的問題了。我們接下來幾年的最大目標之一,是希望 ROSS 可以瀏覽多個案例和證據,然後生成備忘錄,總結問題,並列出不同觀點。這將會改變律師們研究案子的方式。我們大體上知道要如何做到這個,哪些地方我們知道怎麼做,哪些部分我們還不太知道要怎麼做,而那些不知道的就是最有挑戰的地方。

機器之心:在加拿大有不少從事 NLP/NLU 研究的,你們和那些研究實驗室有密切聯繫嗎?

Jimoh Ovbiagele
:那是必須的!多倫多大學邀請我們參與過一些研究生的項目,我們也從研究實驗室僱傭機器學習工程師,並且在各個不同的領域都有專門的科研顧問。對我們來説,和學校的合作非常重要。因為我們的重點做好在法律行業的應用產品,但我們需要使用最先進的人工智能技術。我們將自己視為應用的建築師,這就像建設一座摩天大樓一樣,我們需要使用最好的鋼材,但我們並不一定需要自己去鍊鋼。在競爭中,速度是最重要的。

機器之心:IBM 研究所負責研究,全球的其他產品團隊則用基於這些研究之上的 API 為客户量身打造產品。這樣產品團隊可以更好專注地做出客户滿意的垂直應用,而研究人員可以專注於提高算法的性能。ROSS 的策略和 IBM 商業化 Watson 的策略似乎也很相似?

Jimoh Ovbiagele
:是的。説起來我們和 IBM 真是有很多淵源。十一月我們還將和 IBM CEO Genni 一起宣佈我們自己的法律自然語言理解框架 Legal Cognition。這個框架可以幫助律師回答複雜的問題。

機器之心:你提到在文本中有大量的信息,但我們也知道在圖像或媒體中有大量的信息,你如何處理這裏面的信息?

Jimoh Ovbiagele
:是的,我們已經開始嘗試處理圖像和視頻了,不過現在主要還是實驗項目,因為我們沒有發現有客户在這方面有明確的需求。現在的情況是,我們有這個技術和產品小樣,但還沒發現合適的使用場景。我相信在以後,這會是一個非常令人激動的技術。

機器之心:那具體的處理過程是如何的呢?是通過對圖像添加註釋,然後再分析文本嗎?

Jimoh Ovbiagele
:是的,這是一種方法。使用視覺識別來產生自然語言文本,然後接着使用自然語言處理系統來處理這些文本。此外還有其他的方式,比如直接處理圖像。這是一個解決起來非常有趣的問題。

三、產品與公司佈局

機器之心:對於客户來説,你們系統的體驗是怎樣的?

Jimoh Ovbiagele
:對客户來説,一切是非常簡單的。我們告訴律師們啟用 ROSS 只需要網絡連接。律師們一開始都很驚訝,因為他們都習慣了需要經過繁瑣流程安裝在本地的應用,而 ROSS 是完全基於雲端的。現在,他們只需要輸入用户名和密碼,如果有需要的話還可以進行雙因素認證(Two-factor authentication),接着在輸入框輸入你的問題就可以了。

舉個例子,你可以輸入「過去 5 年內,在紐約,破產後學生貸款債務可以被清償嗎?」

我們的系統首先就會明白你想知道你要的是紐約過去 5 年的法律。然後,它會將搜索範圍限制到相關法院。接着我們的深度自然語言處理技術會對問題進行分解、搞清楚詞與詞之間的關係、擴展詞的含義,並應用我們的語言模型等等。

所有的這些均發生在幾秒之內,之後用户會得到 10 個可以回答所輸入問題的相關文章段落。用户可以點擊展開查看相關段落在原始案例文本中的前後文。此外,我們還會顯示相關的預測結果,高亮標出我們認為用户可能會需要的看的一些部分。

這個過程就類似於你讓一個助手幫你找一個問題的答案,他花費幾個小時給你帶回來一堆他認為很重要的文檔,並且標出重點。一般來説,只有律所的高級合夥人才有可能僱得起這樣的助手。而有了 ROSS,這一切就變得輕鬆多了,即使是律所中最年輕的律師,也不再需要花費好幾個小時,幾秒鐘即可完成這項工作,ROSS 給他們帶來了更多的發揮空間。

我們這一代人隨着互聯網長大,我自己從 Google 學會的編程,從 Youtube 學會的神經網絡技術,我們這一代人比上一代人要擁有更多的信息。對過去的律師而言,如果碰上一點不了解的法律問題可能需要花費 9 16 個小時去圖書館鑽研。但有了 ROSS,只需要幾分鐘就能成為該法律問題上的專家。配備了人工智能工具的律師將會成為前所未有的最聰明的律師,這也將是我們這一代法律工作者的工作方式。

機器之心:你剛才提到的是搜索紐約州的案例。但如果我想要了解其他州的呢?美國州與州之間的法律不同。該系統能分辨之間的不同嗎?這會是一項挑戰嗎?

Jimoh Ovbiagele
:嗯,我們已經做這件事了。你可以明確你想要獲得答案的管轄權是哪裏。你可以通過明確地區、時間範圍來限定搜索範圍。如果你在紐約,你肯定不想要愛達荷州的信息,你肯定也不想要 1914 年的法律,我們明白相關性的重要性,最近期的決策才更有意義。

機器之心:現在公司的團隊大概是一個什麼情況?你們在擴大銷售/諮詢團隊和項目開發團隊?

Jimoh Ovbiagele
:銷售團隊和開發團隊現在人數差不多。我們團隊總人數還是保密一下,因為我們想保持神祕感(笑)。一開始我們開發的人比較多,現在我們已經有了受到律師們認可的實用的產品,所以我們開始建立自己的銷售團隊擴張市場。此外,我們最初以美國破產法律為起點,但現在我們有了堅實的底層技術,接下來幾個月我們也會發布對知識產權、勞工法、保險法等的支持。

機器之心:你提到 ROSS 要成為一個全球化公司,ROSS 現有的模型能夠直接從英語遷移到漢語嗎?

Jimoh Ovbiagele
:那肯定不能直接就用到中文,我認為這是一個介於中等難度和高等難度之間的問題。現有的英漢互譯技術還不是很完美。當我們正式進入中國市場時,肯定首先會建好中文模型。我們與大成律師事務所達成合作時我們是很激動的,在中國它是最大的法律公司,我們與它的合作勢必也會涉及在各個不同國家的服務。我非常期盼我們很快就能這麼做。中國不僅是個巨大的市場,也有很多非常棒的技術人員,在大學時我就認識很多非常棒的來自中國的計算機科學家與人工智能人才。

機器之心:讓我們進一步討論下國際市場,你認為擴展國際市場的最大困難時是什麼?

Jimoh Ovbiagele
:我們的技術能夠延展,這一點我們很自信,但我們也需要延展我們的銷售和市場。我們的擴展不只是適應當地的文化,因為我們知道之前的一些公司所犯的錯誤。當你觀察 Uber 和亞馬遜進入中國或日本市場時,他們認為只要翻譯文本、躍過文化障礙就行。但其實這是一些很細節的問題,比如印刷格式。的確,一些中文印刷格式看起來很有趣、友好,但對美國人來説看起來卻很愚蠢。這中間有一堆這樣瑣屑小事情很容易被忽略。而且就像你與客户交流的時候也需要遵循文化規則。因此如果我們要進入國際市場,不想只是複製我們的工作框架,我們更傾向於在中國「重新建立」ROSS

機器之心:關於人工智能對法律行業帶來的影響,你怎麼看?

Jimoh Ovbiagele
:我想很多人可能會認為人工智能增加了律師的效率之後我們就會需要更少的律師。但其實像我之前提到的那樣,法律還有未開發的市場,80% 的美國人的市場。由於沒有可以降低成本的科技,律師無法向這些市場提供有效的法律服務。

有了人工智能之後,大型法律公司就能擴展業務到這些市場。過去,畢業不久的年輕律師必須花很多年時間進入公司獲取經驗、經受訓練、建立自己的社交網絡等,而有了人工智能的幫助,他們也可以建立自己的業務。這很像 AWS 對開發者的幫助,不再需要大量人手管理服務器了。

我們在法律產業做的事情是讓整個行業觸碰之前沒能開發的市場,這對整個產業是有利的。即使這 80% 的人不富有,但也代表了價值數十億的法律需求。法律服務更加分散和平易近人對社會而言也是有好處的。

此外,人和機器之間的差距是很大的,你永遠需要人來理解人類並處理人和人類之間的關係。我們的願景是讓律師和機器一起和諧工作。

機器之心:這種變化是否會影響到法律院校教授學生的方式?

Jimoh Ovbiagele
:我認為是的。有一些法學院已經決定在課程中教授學生們如何使用 ROSS。現在還不好透露太多,我們之後會對外公開相關信息。

機器之心:機器學習可以學習預測法官的判決,比如他的偏好(案例類型)。如果使用人工智能發現法官的偏好,是否會對法律公正產生不良影響?

imoh Ovbiagele
:這是一個很棒的問題,現實中一些律師其實會搜索法官的偏好,以便於找到更好的方式將客户的案例呈現給法官。不管有沒有機器學習,我不認為這本身是一個問題。它是一種有效的交流方式。高效的交流者會在交流時搞清楚與我交流的人注重什麼、有什麼交流模式、我如何向他解釋自己。

每個人多少都有偏見,這和你的成長過程有關,很難避免。有了人工智能,我們就能夠通過了解法官過去的決策,從而幫助法官發現自己所存在的偏見,這樣就可以防止偏見帶來的問題。


資料來源:36Kr