挽回爱情,吴军:人类或许高估了20年后发作的事-w88优德官网

频道:天下足球 日期: 浏览:171

内容来历:4月20日-21日,在交大安泰EMBA承办的“互联网+训练营”第9期上,智能查找科学家、《全球科技通史》作者吴军进行了以“回归根源看人工智能实质与开展”为主题的精彩讲演,笔记侠经讲者和主办方审理发布。

封面设计 &责编| 丽丽

全网首发·完好笔记•人工智能

本文优质度:★★★★★口感:香辣牛排

三年前, 敞开了人工智能年代,“它能做的事越来越多,简直一切的事都能够做”,这是一种遍及的观念。

可是任何时分,假定一个事物当一切人都觉得它能做时,都有两个或许性:一是这个事的确太厉害了;再一个或许也开展到头了。

由于一切人都看到的事,盈利未必还能持续存在。这时恰是需求一个镇定的考虑。换个视点来看,便是人工智能不能做什么。

一、 回归问题根源:

人工智能不能做什么

许多时分当一条路走不通,最简略的办法便是直接回到原点,问题就清楚了。

人工智能依据核算机,人工智能的极限取决于核算机的极限,核算机的极限取决于核算的极限。

什么能算以及不能算要搞清楚。这种根源问题反而是咱们许多人忙忙碌碌不会考虑的,而这决议了你干事大方向的对和错。

1.图灵的考虑:核算和机械运动的联系

核算机科学之父是艾伦•麦席森•图灵,那么,他的教师是谁?他的主意又是从哪来的?有两个人对图灵在核算机开展上供给最大协助,咱们称之为精力导师。

分别是冯诺伊曼(闻名匈牙利裔美籍数学家、核算机科学家、物理学家和化学家,曾执教于普林斯顿大学)和希尔伯特(二十世纪上半叶德国甚至全国际最巨大的数学家之一)。

冯诺伊曼其时写了一本书对图灵很有启示,图灵给出了一个很难证明可是觉得对的一个观念,便是人的知道。

人的知道是由不确认性决议的,可是核算机和更前期的牛顿力学,以及可猜测的机械运动有关。

这是图灵其时模糊的主意,便是人的知道是由不确认决议,核算等价于机械运动。这确认了什么能够核算,什么不行以核算,他觉得鸿沟区分就清楚了。

希尔伯特在1900年巴黎数学家大会上提出了23个最重要的问题,便是闻名的"希尔伯特23个问题"。其间三问是他自问的,分别是:

① 数学是齐备的吗?

齐备是说数学能够包含咱们任何要处理的问题吗?你能够感觉到不能,数学家哥德尔也曾证明不能。

② 数学是共同的吗?

什么叫共同?

举例来说,今日3+5等于8,明日算下来3+5还等于8。

可是物理学是共同的吗?不是!今日量出来的尺度和明日量出来的是不相同的。今日烧开这一壶水是99.8度,明日或许是100.1度。

物理学是不共同的,而数学是共同的!

③ 数学是可验证的吗?

物理学能够验证,数学能够验证吗?不知道!

希尔伯特23个问题中第10个问题便是关于该问题,里边讲了一个特例。

有恣意多未知数的方程,各个未知数能够变,有各式各样的效果,是一个不确认的方程。

你是否能有许多解,或许是否有一种办法在有限时刻内能够断定该方程有许多解,无限的时刻断定对咱们日常日子没有意义。

举例来说:

X²+y²=z²有整数解。

X²+y²=z²是否有整数解,不知道!直到后来有英国数学家证明没有整数解,这个进程花了几百年的时刻。

那么,我随意给你一个方程有没有整数解?不知道!或许有,也或许没有。先不说找到整数解,有没有一个办法能够断定这件事有没有解,这便是希尔伯特第十问题。

直到上世纪七十年代,前苏联稀有学家证明说不行断定。对这个问题,没有人能够在有限的进程内知道它究竟有解仍是没解。

你要是连它有没有解都不知道,你就必定解不出来。

数学不是全能的,核算机就不是全能的,人工智能也不是全能的,这是咱们的起点。

图灵其时尽管不知道这个问题的答案,但他的直觉是应该许多数学问题咱们不知道有没有答案,所以他就用一个特其他机械设备把数学问题一分为二,这个设备便是图灵机。

(图灵机)

核算机是图灵机的一种,更新后的设备。该设备能够在有限时刻内判别哪一类问题能够在有限的进程内核算出来。

可是还有许多数学问题通过这样的设备在有限进程内是处理不了的。

在核算机科学和数学上有一个新的概念,叫核算机可处理的问题,还有许多的是不行以核算的。

今日的核算机别管多杂乱,从数学上就等价于图灵机。别管深度学习仍是云核算,等效于这样一个简略的机械设备。

这个简略玩意儿完不成的事,“太湖之光”超级核算机用上再聪明的算法也完不成,这是从根源上来讲。

3.透过国际问题看人工智能问题

咱们把国际的问题进行区分,中心有一类叫数学问题。方才讲数学不是齐备的,有一些问题不是数学问题。

数学问题中有一些叫做可断定问题,我知道它有解或许没解,但还不知道解在哪。

例如,你出一道难题问你的儿子,儿子做不出来。问题的答案是有的,可是他做不出来,这便是可断定问题。

里边有一个很小的调集是有答案问题,你知道有没有答案之后才干找到答案。

可断定问题是知道有没有答案,有一些数学问题不知道有没有答案。

图灵设备把有答案问题又一分为二,里边很小的一部分叫做可核算问题。

可核算问题关于图灵来说是指有限步内能够核算,有限步也或许会有很长时刻,到国际消灭了还没有算完也叫有限步,只需不是无限步便是有限步。

(国际问题的分类)

在工程上,假定刷门禁卡,你辨认一秒钟把门打开了这是有意义的,算了三天才放你进去就没有意义,这类问题叫做工程可处理问题。

算三天便是工程上不行处理问题。工程上可处理问题里边很小一部分是咱们今日评论的人工智能问题。

咱们评论人工智能,首先要清楚它的鸿沟在哪,清楚鸿沟才知道什么事需求由人工智能处理。

在讲人工智能精干什么曾经,我先说它不精干什么,咱们不要把本来不需求用人工智能处理的问题去用人工智能处理。

二、人工智能究竟是什么

未来十年人工智能是什么样的,20年后发作什么事很难有人猜测出来。人们常常会高估三五年内发作的事,轻视十年后发作的事。

比方有人觉得无人驾驭轿车会立刻上路,你是高估了这件事。

1. 未来10年:整个城市是一个大“机器人”

某漫画家画了一个漫画,国际上一切的东西都连起来了,花盆都连起来了。花盆为什么要连起来呢?由于要洒水。

前一阵子看到国家新出用水阐明,看了农业用水量到达62%,今后农业要用滴灌(下降用水糟蹋)。

新疆只能用滴管,不然全挥发了。每一株植物都跟互联网连起来了,这是比较斗胆的一个假定,未来或许便是这样。

假定这是(上海)徐家汇邻近某区域,信息的活动全画上去便是鳞次栉比的姿态,类似于地球电磁场。鳞次栉比带来的优点便是万物互联。

万物互联之后,立刻就有呈现一个急迫的问题。

坦率来讲,现在的4G恐怕是不够用的。为什么5G这件事能成?5G来了之后网速更快。针对当下需求,现在的网速是满足的。

要上5G只要一个或许性,便是我忽然上网的设备数量要添加10倍、100倍才行。

什么时分添加10倍、100倍?假定一株植物要上网的话,这个事就大了,所以这是有或许的。

这么密布的网络便是说数据量太大了,人工处理不了,需求凭借人工智能,这是很重要的一个原因。

当咱们的城市是鳞次栉比数据,现有的单一核算机,或许说一个公司的数据中心很难完结这样的功用。

咱们需求超级的散布在全市或许全国的核算设备,现已不只是是核算机了,这儿边的程序也很杂乱,所以需求智能。

2.人工智能(机器智能)的实质

那么,什么是人工智能,切当讲什么是机器智能?

人工智能归于可核算问题,它跟咱们人类的智能是没有联系的。

那么,怎样判别机器是否有智能的规范呢?因而,能不能做这样一个客观的判别办法,这便是图灵测验。

假定在屏幕背面有一个智能机器,其他一个屏幕背面有一个人,我问一个问题让他们答复,天为什么是蓝色彩的。

然后让你们判别哪个问题是机器答复的,哪个问题是人答复的。当判别不清楚的时分,这时分我就说机器和人有平等的值。

由于它是等价根底上的界说,并不是说机器需求像咱们人这样考虑,这是人工智能的实质。

3.人工智能的了解误区

说到人工智能,咱们有时分就想到脑科学,是不是把认知思想搞清楚了,人工智能就能做的比他人好?不是这样的。

人工智能是从效果上断定是否与人相同好,不是从干事办法上来断定。

举个比方,前两年慕课公开课很盛行。美国一所校园许多运用核算机教育,课上常常有TA,TA有些时分到课堂上协助教授答疑。

这所大学会评全校最好的10个TA,有一年评了一个TA,就叫他约翰吧。可是没有人知道约翰其实是一个机器人,咱们并没有见到他,这是十个最好的TA之一。

TA做的作业是一个限制问题。比方说就教导微观经济学这一门课,约翰做的不比人做的差。

也便是说,微观经济学这门课方面,约翰和人具有相同的智能,可是它未必是像人相同考虑。这是协助咱们了解人工智能的一个很重要的特色。

三、人工智能的前史开展阶段

榜首阶段:传统人工智能

人工智能是1956年提出来的。美国一所私立大学10个教授考虑机器智能的问题。

这10个科学家后来得了五个图灵奖,还有一个诺贝尔奖。他们其时就在想怎样让核算机能够有人的智能,那时分是人工智能一个初期阶段。

其时,咱们的思想办法有点像今日我国说的“民间科学家”,什么意思呢?人类知道一个事物的时分,一开端都是一个直觉。

举例:鸟飞派 vs 空气动力学派

咱们看《全球科技通史》里边会看到人类对飞翔的知道,最早的时分便是仿照鸟飞,后来才知道要搞出空气动力学的一套理论。

今日飞机飞的办法和鸟是彻底不同的,可是从效果上来讲比鸟飞得快。人工智能一开端也是这样的,咱们一开端都让它仿照人。

举例:山公摘香蕉

学过人工智能课的人或许知道一个经典问题叫山公摘香蕉。天花板上放一个香蕉山公够不着,房间里边有可移动的桌子、椅子。山公通过移动桌子,把椅子再放上去把香蕉摘了。

人工智能开端做这件事时,先让它有山公的智能或许不难,可是有人的智能就比较难了。

科学家们搞了十几年搞不下去了,其间有一个人马文•明斯基开端反思这个问题为什么处理不了。他就找到一个反例通知咱们说咱们这些人都走错了路。

什么反比方呢?便是两句英文话:

① The pen was in the box;② The box was in the pen。

在英语里pen三个英文字母还有其他一个意义便是小孩儿玩的围栏,你要把pen了解成围栏第二句话就解说通了。

这件事对人来说不难了解,可是对核算机就十分隐晦,无法断定这个时分pen是钢笔仍是围栏,为什么呢?原因很简略。

榜首,咱们知道小东西要放在大的东西里,你是怎样知道的?这是知识。

第二,怎样断定钢笔有多大?我一说钢笔你们立刻就能想到多大,你不会想到轿车这么大。

核算机怎样知道钢笔多大?即便让它像人类似的那样剖析语法,剖析语义等等也得不到这种知识。

今日发现核算机能够做一些特别难的作业,例如下围棋等等做的比人好多了。

Google其实后来不再开发AlphaGo了,觉得现已跟人类距离太大了。相当于一个专业选手跟业余选手下围棋,你没有办法下围棋了。

可是你让今日最好的机器人上街打一瓶酱油,你们家3岁孩子都能够干这件事,它却干不了。人工智能开端的界说是有特定规模,不能拿最不拿手的比人拿手的。

比方,一个很简略的人类知识,核算机是做不到的。

再举个比方,咱们觉得今日的大江无人机很厉害,可是你让无人机像苍蝇相同飞就飞不了。

苍蝇大约有10万个神经元,可是无人机不到精干这么多事。这是人工智能的缺点。

这便是我为什么在开端的时分讲核算机的鸿沟。你让核算机去模仿一只苍蝇很困难,阐明你走模仿这条路走错路了,咱们要找一条其他路。

第二阶段:数据驱动

那么人工智能开端进入第二阶段,即以数据驱动的人工智能处理方案,提出者是莱德里克.贾里尼克。

1972年,贾里尼克到IBM 华生实验室做学术度假,无意中触摸了语音辨认实验室,两年后他挑选了留在IBM。

在那里,贾里尼克组建了阵型空前绝后强壮的研讨部队。IBM从六十年代开端做一些言语辨认,可是都不成功,到七十年代让贾里尼克担任言语辨认等课题研讨。

(弗莱德里克.贾里尼克(Fred Jelinek))

由于贾里尼克是一个通讯专家,所以他不把语音辨认问题作为人工智能问题,而是当成通讯问题。

其实又把语音辨认问题拉回到原点,看看通讯是什么。我把意思表达给你,你来了解我的信息。

我把主意在脑子里变成一串文字,这叫做信息的编码。

编码信息通过声响说出来,然后耳蜗把接收到的信息解码还原成电信号,电信号通过接收者大脑进行解码,接收者就知道对方的传递信息,这是信息解码的进程,是规范的通讯的模型。

既然是规范的通讯模型,就能够用通讯的办法处理它。他用信源编码和信道编码两个模型来描绘语音辨认问题。

假定要把数学模型的参数算清楚就要用许多的数据去算。为什么这事在IBM能做成了呢?由于全国际其时只要IBM稀有据。

IBM是商用机器公司,它是为各大公司供给核算机,大公司之间用核算机发电传,发传真。因而,IBM具有许多商业电传文本,所以它做成这个事了。

换了一个思想办法处理问题今后得到了什么效果呢?在整个六七十年代,语音辨认能辨认十个数字,再加上几个简略的英文单词。

IBM最早想做一个语音操控的核算机,能够完成主动接线体系,衔接、断开、转接、付费等等。

可是,其时辨认不逾越100个英文单词,错误率30%,没有办法用。

转化思路,用数据驱动办法处理问题能辨认22000个英文单词,错误率从30%到下降到10%,就在短短几年间完成。

这便是作业办法和思想办法的重要性,思想办法常常比技能自身更重要。你沿着本来的老路用技能再走,也走不到前面去,便是一个死胡同。

可是其时的数据也只是只能处理语音辨认的问题,不能处理图画处理问题,图画处理问题数据的肯定数量是语音辨认的100倍。

所以其时是不或许的。后来,贾里尼克手下一个人提出机器翻译的模型,这个人叫彼德•布朗(Peter F. Brown)。

其时英语的翻译思路是走得通的,可是由于没稀有据,翻译效果欠好。

在没有互联网的情况下,国际上能找到的数据只要2个,一是各个国家都有的圣经,另一个是联合国几个官方言语之间的文件数据,数据都十分少。彼德•布朗的模型在其时没有得不到很好的效果。

很有意思的是彼德•布朗的论文是今日做机器翻译引证最多的论文,引证的顶峰不是在九十年代刚刚宣布论文的时分,而是在2000年今后当数据量大的时分。

那么,彼德•布朗是什么人呢?国际上最牛的出资基金叫文艺复兴,彼德•布朗本来是文艺复兴科技公司IT总监,现在担任文艺复兴的副总。

所以他后来就去猜测股票了。由于缺少数据,因而八九十年代人工智能进入了低谷。

到了2004年、2005年,人们看到一点曙光了。最先让咱们觉得很振奋的事机器翻译的水平基本上能够到达人的水平了。

Google有一个团队参加了美国国家规范化和技能研讨所的测评,相当于我国规范化局的一次评测。

这一次评比的效果赢的是Google,跟第二名大约差5个百分点。

全国际科学家尽力一年大约能进步0.5%,进步5%差不多10年。今日技能相差十年你们俩不在一个水准,差一代。

Google是第二个做这个作业的公司,凭什么一会儿成为国际榜首,并且是远远的榜首名呢?

原因也很简略,Google把本来国际上做机器翻译最好的一个科学家请到了Google去。

为什么跳个槽,效果就进步了5个百分点呢?由于他用了他人一万倍的数据,就这么简略的一件事,算法没有变。

这便是为什么叫数据驱动的办法,也便是在这之后深度学习开端渐渐抢手起来了。

根底的算法在七十年代现已奠定了,现在用了当年一万倍的核算资源,可是怎样用这些核算资源是一个本事。

我讲这些想是想通知咱们人工智能和咱们人脑的智能彻底无关,是一种依据数据驱动的机器学习办法。

如同鸟是振荡翅膀来飞翔,飞机是不振荡翅膀飞翔,实践上飞机飞翔跟鸟类飞翔没有太大联系。

飞机飞上天是人类对空气动力学的研讨,而不是对鸟类的飞翔进行研讨。

今日了解人工智能是考虑怎样让核算机这些钢铁等材料组成的盒子在答复问题的时分能逾越人,而不是说研讨人脑的结构。

有一个简略的办法断定人工智能是真仍是假。假定说这个人工智能和认知科学有很深的联系,这是骗你的。

如同说发明晰一个飞机,翅膀是能够振荡的,是相同的道理。假定跟你讲稀有据驱动的,数学模型怎样好基本上是真的。

四、人工智能开展的

好音讯和音讯

人工智能开展到今日,好音讯是说它得到了全国际的认可,LeCun、Hinton、Bengio得到了图灵奖。

坏音讯是说从人类找到数据驱动方向的时分,人工智能用光了40年技能堆集的盈利,之所以今日有这个效果,是40年前的人在给你植树, 40年前栽的树在今日开花效果了。

咱们不要觉得人工智能忽然开展这么快,会不会接下来20年又有一个巨大的加快?我通知你不会的。

为什么?由于20年后发生巨大加快的作业,能够在今日的学术界猜测。今日学术界所做的一些研讨课题没有太多新的。

当今的科学家们比较尽力,人数也多,大约也要20年才干堆集出一个让人感觉十分振奋、十分惊喜的理论根底。

好的是什么呢?由于这40年的效果在一些范畴被证明晰能够开花效果。

AlphaGo用它下棋能够用,彼德•布朗用它能够在股票上挣大钱,现在包含无人驾驭轿车,语音辨认、机器翻译、医学影像辨认,人脸辨认等都做的很好。这些效果证明这项技能现已老练到了咱们能够把它们用到各行各业去。

任何一次技能革命,掌握核心技能的或许是2%的人,可是剩余来得有无限使用它的或许性。

五、人工智能的开展水平

1.弱人工智能

比方美图秀秀,这是一个十分好的人工智能的使用,尽管你没有觉得它很聪明,其实它在图画处理方面蛮聪明的。

华为手机(P20以上)里边加入了许多图画辨认功用,不仅是人脸辨认,还能辨认各式各样的物体。大部分人或许重视的是华为手机把色彩调的很亮丽,把人照的年青一点。

你们乐意的话,还能够测验华为手机方针辨认的功用。比方,你们去(上海)陆家嘴,用华为手机照一张大楼(低处往上拍照),然后保存原文件,大约40M巨细。

然后你检查相片发现楼是直的,这是不对的。由于从下往上看应该有一个歪斜视点,阐明手机做了许多方针辨认和后处理作业。

这其实便是人工智能的使用,尽管你或许不觉得那么聪明。

2.强人工智能

你们常想到的聪明的人工智能,例如人工智能下棋或许给你治病,这便是第二层开展水平强人工智能。

① 了解自然言语(比速记员要好,能够答复问题、写作)

例如做速记,今日科大讯飞的语音辨认和人对说话内容做处理现已差不了太多。当然里边有一个原因是科大讯飞的言语库材料比较大。

② 病(现已到达了医师的平均水平)

人工智能治病确诊能到达医师的平均水平,疑问病症能够到达专家水平。为什么呢?由于医师治病在某种程度上来讲便是人肉大数据,有必要见到满足多的病例水平才满足高。

③开车(绝大多数时刻比人做得好)

人工智能驾驭绝大部分时分做的都比人好。在无人驾驭轿车方面Google是仅有队伍的公司,现在基本上通过测验能够做到每7000英里左右干涉一次。

你从我国最北边开到最南边,或许从最东边开到最西边一个来回干涉一次就够了。

3.超人工智能,是否存在?

一向有科幻片在探究超人工智能是不是存在的。其实超人工智能存在有否,与你们的日子联系不大。

我问咱们一个问题,鬼存在不存在?有人信任鬼存在,也有人不信任。

不论鬼是否存在,你们都不忧虑鬼的存在对不对?例如你们去到某个恐惧区域,你们是怕鬼仍是怕恐惧分子?答案很显然。

许多人现在写文章,说将来人工智能开展下去不得了了,人类活不下去了。这种忧虑便是等于怕鬼。咱们忧虑的不是鬼,而是背面的人装神弄鬼!

所以超人工智能不行怕,可怕的是使用人工智能操控你的日子以及无形中现已改动你日子的人,这些才是可怕的。

今日对人工智能有所忧虑,不是人工智能自身,而是人工智能背面开发程序的公司和个人。

六、机器智能(人工智能)的三大支柱

1. 摩尔定律

今日的手机和十年前的手机速度差了100倍。因而华为手机才干够做到实时处理图画信息。核算机的速度假定不够快,我问了内部的一些人,三四十张组成一张。这便是摩尔定律的效果。

2. 数据

多50%,多一倍、两倍、十倍不必定有效果,多一万倍就会有效果了。

3. 数学模型

之前说到核算机能处理的是数学问题。你假定想用人工智能处理问题,就需求能够对它建立起数学模型。

复旦下面一家人工智能研讨所大约有三拨人。榜首拨人是学MBA的,他们到客户那里了解客户事务逻辑;第二拨人是学数学的,依据事务逻辑搭建出数学模型;第三拨人是学核算机的,把数学模型变成核算机算法。

七、人工智能开展的三种情绪

咱们在做人工智能的时分有三种情绪,分别是模仿人,取代人,逾越人。

1.模仿人

模仿人便是说本来人能做的一些事由它来做,有人就谈到服务机器人。但我个人未必觉得是一个很好的思路,为什么呢?

举个简略比方,比方说养老机器人,家里白叟是想跟机器人谈天仍是想跟儿女谈天呢。

又比方生病了,你是期望机器人给你送药打针仍是护理来跟你说两句话?或许这个范畴恰恰是人更适宜的。

人工智能并非能处理一切问题,有时分要辨明这个问题。当咱们都涌到加州淘金,卖水的人挣着了钱。

加州很有名的矿泉水公司当年就靠卖水发家起来了。还有一家牛仔裤公司也在淘金时期开展起来。

2.赶上人

人工智能在许多事上很简单赶上人。比方说天为什么是蓝的或许比你想的还清楚。

我家里有一个对话机器人。有一次在家里和朋友谈天聊到amazon,机器人立刻问“你们是不是要买东西”?家人逗它说要买东西。

后来它说“高尔夫球如同快没了,是不是还要买”?他说那就买吧!

它接着问“是不是还买前次那个牌子”?咱们说是的。

几天之后,产品就寄过来了。

你在FACEBOOK上点赞到达100次,它会比你家人都了解你的需求,点到200次或许比你自己还了解自己。这些事是人工智能能够彻底处理的。

3.逾越人

某些作业,例如无人驾驭轿车,包含一些疾病的确诊,我个人觉得人工智能会比人做的更好。

疾病确诊误诊、漏诊其实是蛮多的,有些时分比咱们幻想的要大得多。

假定你是放射科的专家看片子的,看片子或许就会漏掉许多的细节。机器做这件事是十分安稳的事。

八、掌握时机捉住未来

今日讲了许多核算机和人的鸿沟。要用不同的办法去看待核算机的智能,千万不要跟人等价。它的感知国际和人是不相同的。

关于人和核算机的智能差异,迈克尔•乔丹教授(美国人工智能专家)说到核算机的智能是网络行为,人是个别行为。

它取得的智能是网络判其他效果,不是单个核算机的智能。这是核算机和人的智能的不同。

当然这也带来一个危险,一旦犯错就不是一个人犯错,或许导致整个社会体系的瘫痪!

咱们的主题叫超级智能年代,在这个年代还有许多细分范畴有人工智能使用的时机,就看你们怎样掌握呢!

假定你信任未来20年是一个还不错的开展时机,你就会选用不同的人生情绪和不同的干事办法来捉住未来,也期望每个人都捉住未来。

谢谢咱们!

来GMIC广州2019

与笔记侠一同

亲自体会前沿科技的实在魅力

与全球业界精英齐聚一堂,

探究未来科技的无限幻想

快掌握最终一波六折福利

到4月30日

嘿,你在看吗?

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间服务。

  10月15日,

w88优德体育_w88优德手机版_w88优德娱乐中文

  • 公主故事,老凤祥(600612)融资融券信息(10-15)-w88优德官网

  • 租房子,IPO过会率走高 新三板企业摩拳擦掌转板科创板-w88优德官网

  • 热门
    最新
    推荐
    标签