Google 台灣董事總經理簡立峰說，Google 翻譯比以前好用太多了！就算有人惡作劇，刻意在「提出修改建議」欄位寫下錯的翻譯，也不會影響系統的運作。簡立峰解釋，Google 翻譯有學習及資料庫的功能，不斷累積經驗，錯誤也是一種經驗，除非幾乎所的人都在「修改建議」欄寫下一模一樣的錯誤，才會積非成是，但事實上這種情況並不可能發生。他認為，雖然簡體中文、繁體中文有些相同的字詞有著不同的意義，或相同的字已衍生出新的意義，但因簡體、繁體中文語法相同，在機器翻譯上仍採用一套系統，可視為專有名詞，透過學習建立資料庫來校正。其實不只簡體中文、繁體中文的語法相同，他透露，日文、韓文在機器翻譯上也可算是語法相同，用同一套系統。他指出，機器學習是很重要的議題，大家在討論 Google 翻譯的學習功能之際，也會聯想到人工電腦 AlphaGo 打敗真人世界棋王。現在也有人提出讓 AlphaGo 打 AlphaGo，學習能力可以更快的說法，就像是金庸小說「華山論劍」裡全真派的周伯通，用自己的左手和右手對打，使出的「左右互搏」。Google 翻譯的發展進程快速，10 年前，Google 推出翻譯服務，並以片語式機器翻譯（Phrase-Based Machine Translation）做為主要運算方式。從過去僅支援幾種語言，到現在可支援 103 種語言，且每天翻譯超過 1,400 億個單詞，Google 翻譯的品質有了很大的進展。數年前，Google 採用遞歸神經網絡（Recurrent Neural Networks）將句子視為一個單位進行翻譯，之後的片語式機器翻譯方式（PBMT），則是將句子切割成單獨的字和詞組做獨立翻譯。過去，為翻譯任意兩種語言，Google 需要建構多個不同的翻譯系統，運算成本相當可觀。相較於過去的片語機器學習（PBMT），神經機器翻譯（NMT）僅需要較少的系統架構設計。剛開始推出神經機器翻譯時，這兩種翻譯方式的精準度不相上下。為改善 NMT 翻譯品質，研究人員提出許多技術來解決，這當中包括透過模擬調校模型（external alignment model） 處理罕見字詞、使用「注意」（attention） 來對準輸入詞和輸出詞，以及將詞拆解成更小的單元以應對罕見字詞等。Google 神經機器翻譯（GNMT） 將中文句子翻譯成英文句子的過程，透過編碼器（Encoder） ，首先，GNMT 將中文句子的每一個單詞進行向量（vector） 編碼，而每個向量將顯示出目前為止單詞被讀取到的所有意義。在讀取完整句子後，解碼器（Decoder） 就會開始運作，一次產生一個英語句子中的一個詞。注意功能是為了每一步都產出正確的詞，解碼器將針對編碼中文向量裡最相關的英文單詞權重分布（weighted distribution） 進行解碼。（作者：潘智義；首圖來源：shutterstock）
台積電挾 7 奈米製程步步進逼，英特爾罕見為「製造」開了論壇，重申「摩爾定律不死」。歷經大裁員，英特爾努力轉型，一邊跨入晶圓代工建構生態圈嗆聲台積電、三星，另一邊大手筆投入研發，預備在 AI、物聯網領域大展身手。3 月 28 日，威斯菲爾德舊金山購物中心頂樓的大會議廳，半導體龍頭英特爾舉辦「科技與製造日」（Intel Technology and Manufacturing Day）。一早 8 點半，就擠進各國媒體、分析師、半導體業者。所有人好奇，英特爾為何罕見地首次針對「製造」開了場論壇？「最近聽了很多預測，有些說摩爾定律死了，有些說摩爾定律不再重要，認為這只是幾家大廠間的技術競爭，我要強調，摩爾定律仍然重要，非常重要。」英特爾執行副總裁史密斯（Stacy Smith）在台上反駁「摩爾定律已死」，火藥味四射地開場。史密斯帶領整個英特爾製造、營運和業務，被外界視為未來接棒英特爾執行長的熱門人選。這令人想起去年 10 月，台積電董事長張忠謀接受《天下》專訪時，曾透露摩爾定律停止的時間點，將會在 2020 到 2029 這 10 年發生。「2025 左右」，當時張忠謀說。摩爾定律還活得好好的！「摩爾定律在英特爾活得好好的，穩穩地落實著。」主導英特爾先進製程的英特爾高級院士波爾（Mark Bohr）說。「我在半導體產業待超過 30 年，過去每個對摩爾定律的預測，最後證明都是錯的，」波爾接受《天下》專訪時強調。「看來，台積電應該是帶給英特爾不少壓力，」一名不願具名的台灣 IC 設計大廠的主管現場觀察。英特爾在 PC 時代身為絕對霸主，來到 PC 衰退的年代，在行動領域上錯失機會，製程也遇上阻礙，之前傳出 10 奈米製程良率偏低，可能延後量產。然後，7 奈米製程也可能遭台積電追上縮短優勢。英特爾原本在伺服器、雲端資料中心的晶片，市佔超過九成。因此，包括 Google 在內的資料中心大咖，聯合了高通、超微（AMD）等 IC 設計公司，推動安謀（ARM）架構的晶片替代方案。背後最重要的支撐力，是台積電的 7 奈米製程。這個製程，預估可能在 2018 年首季量產。但面對後方追趕者的壓力，波爾卻認為進入 FinFET（鰭式電晶體）時代，競爭對手技術規格表現仍落後英特爾 3 年。「先不比良率和成本，這和工廠管理有關，單就技術規格表現，英特爾確實比較好。」拓墣產業研究院經理林建宏分析。他解釋，像 14、16 奈米製程，面積表現上，英特爾就是比三星和台積電來得更微小。如果再以三星率先喊出量產的 10 奈米製程來說，和台積電的 10 奈米都是過渡到 7 奈米的半結點（node）。林建宏指出，但英特爾的 10 奈米製程卻是全節點，也就是按摩爾定律概念下，電晶體微縮面積是前一個節點的一半。「英特爾的角色是繼續當技術上領導者，並驅動摩爾定律。」波爾自信地說。但過去英特爾常被批評不了解客戶需求，跨入晶圓代工製造，配合客戶需求變成關鍵。一名半導體業界的人指出，就拿晶圓代工廠和下游...
鴻海深化智慧物流資訊服務，透過子公司轉投資南韓 SK 集團旗下 SK C&C 與鴻海旗下准時達（JUSDA）成立的 FSK L&S，取得 40% 股權。鴻海下午公告，中國子公司成都市准時達供應鏈管理取得準時達國際有限公司（JUSDA International Limited）股權，準時達國際再取得 FSKL&S Co.,Ltd. 股權，取得股數 162 萬股，持股比率 40%，交易金額約1426.7萬美元。鴻海表示，此次為長期投資。南韓媒體去年 11 月下旬報導，SK 集團旗下 SK C&C 與鴻海旗下准時達（JUSDA）合資成立智慧物流資訊技術公司 FSK L&S。報導指出，雙方合資 FSK L&S 成立後，將推出物流解決方案品牌 Kerol，整合企業供應鏈諮詢、物聯網、人工智慧、大數據的物流服務。准時達去年 10 月中旬表示，攜手南韓 SK C&C 簽署戰略合作協定，合資成立智慧物流資訊技術公司 FSK，計劃將合資企業發展成為創新的供應鏈綜合服務及智慧物流服務公司。准時達在全球擁有 155 個據點，倉儲面積超過 200 萬平方公尺。鴻海投資的夏普（Sharp）去年 9 月底公告，與准時達供應鏈管理公司業務結盟，並合作成立夏普准時達物流公司 SJL（SHARP JUSDA Logistics Corporation）。鴻海集團與南韓 SK 集團密切合作。中國媒體去年 1 月報導，鴻海集團旗下雲智匯（重慶）高新科技服務公司，與南韓 SK 在「智慧工廠」項目達成合作協定。雙方共同建設鴻海集團在重慶首個「智慧工廠」示範項目。2015 年 9 月初...
奇景光電 17 日宣布，以現金增資方式投資專精機器視覺演算法的以色列公司 Emza Visual Sense Ltd.，取得該公司 45.1% 股權，同時取得一選擇權，有權在未來一年期間選擇收購該公司其餘 54.9% 股權，與該公司所有流通在外的股票選擇權。奇景指出，Emza 致力於發展使用專屬機器視覺演算法，並探索如何用最低的解晰度、幀率、運算能力、功耗及成本來製造設備，Emza 獨特的演算法及技術架構，模仿人類如何自然用視覺進行判斷，自動解讀周遭視覺世界，能在大幅改進功耗的同時，提供全時（Always-On）視覺感測能力。奇景光電執行長吳炳昌表示，藉由跟 Emza 的深度合作，奇景將全時偵測感測器（Always-on-Sensor，AoS）從單純的影像擷取元件，轉換成提供給客戶更高價值的資訊分析裝置，以應用在電視、智慧型手機、擴增實境（AR）、虛擬實境（VR）、IoT 物聯網與人工智慧裝置上。Emza 執行長 Yoram Zylberberg 則表示，EMZA 與奇景有共同對次毫瓦級全時偵測感測器的產品願景，透過奇景獨特的超低功耗 CIS 技術，雙方在 IC 設計和演算法的緊密結合，達成突破性超低功耗的先進電腦視覺技術，與奇景的合作關係也提供 EMZA 有效率達成、商品化突破性技術的機會。（本文由 MoneyDJ新聞 授權轉載；首圖來源：奇景光電）
精誠 17 日召開董事會決議解除處分四方精創投資股權轉讓協議，原訂於今年第二季出售持有之四方精創股權合約，因當地外匯政策，受讓方無法支付全額股權轉讓款，致雙方無法依股份轉讓協議進行交割，在考慮交易風險並經友好協商後，雙方合意解約。 精誠董事會原於今年 1 月 23 日通過以每股人民幣 54 元處分四方精創投資股權，交易總金額為人民幣 7.95 億元，在解除股份轉讓協議後，精誠將視證券交易市場行情在依法合規的情況處分四方精創股權。 精誠目前持有四方精創股票 1,471 萬 6,500 股，四方精創於 2015 年 5 月在深圳創業板上市，17 日每股價格為人民幣 51.62 元。（本文由 MoneyDJ新聞 授權轉載）
根據美國專業財經媒體 CNBC 的報導，華爾街知名蘋果分析師 Gene Munster 表示，目前幾乎可以確定，蘋果在自駕車的發展正在研究如何打造整車。不過，鑒於生產整輛汽車的複雜性，其有可能與製造商合作。這樣的消息是在上週，媒體披露蘋果獲得在加州進行無人駕駛汽車測試的許可之後，Gene Munster 隨即發表了上述評論。報導指出，長久以來外界傳言蘋果正在進行的神祕項目 Project Titan 就是在開發汽車產品。不過，近期媒體報導都指向蘋果對原有計畫有所調整，不再嘗試自主打造整車，而是轉為自駕車研發相關軟體。不過，提出蘋果將生產整車計畫論點的 Gene Munster 則表示，蘋果夢想中的自駕車是將軟硬體結合在一起，猶如 iPhone 一般，這樣才能提供非常的客戶體驗。不過，Gene Munster 也指出，就現階段來說，蘋果自主造車可能比較艱難。他進一步強調，從現實角度來看，設計和製造汽車的複雜性或將迫使蘋果與一家或多家汽車製造商深度合作。這點類似 AppleTV，將蘋果的技術植入現有產品中。目前，蘋果已經有一款名為 CarPlay 車內作業系統，使用者可以透過瀏覽車內顯示器來進入程式應用或發送資訊。因此 Gene Munster 強調，蘋果目前擁有生產汽車零組件所需的技術與產品，例如語音助手 Siri、對無人駕駛至關重要的影像處理技術，以及用於安全的指紋感應器等。只是由於汽車市場具挑戰性，對生產並不在行的蘋果，或許因此需要結合製造合作商，用以生產自駕車。Gene Munster 指出，就如鴻海為蘋果代工 iPhone，尋找能依照蘋果設計製造自駕車的公司，這將是蘋果會採用的模式。由於蘋果已落後特斯拉和 Google 這些擁有無人駕駛汽車的潛在競爭對手，Gene Munster 認為，蘋果要完成一輛汽車的全部設計還需要數年時間，這種緩不濟急的自行生產方式，蘋果將以尋找合作製造汽車商的方式取而代之。（首圖來源：Flickr/matt Buchanan CC BY 2.0）
美國太平洋時間 4 月 18 日上午 10 點，Facebook 年度開發者盛會 F8 正式在加州聖荷西召開。按照 Facebook 之前釋出的議程，兩天共安排了 50 多場研討會，包括 Instagram、Messenger、Oculus、WhatsApp 以及人工智慧等，首日 keynote 重點則是 AR、VR 和 AI。在 AR 方面，Facebook 推出一款 AR 平台、兩款 AR 工具；VR 方面則推出 VR 社群平台──Facebook Spaces，目前還是 Beta 版；此外，Messenger 平台也升級到 2.0 版。話不多說，一起來看看這次的 keynote 講了什麼！AR：一款平台、兩個工具在總共 1 小時 20 分鐘的演講中，關於 AR 就佔了 40 分鐘，這似乎釋放一個訊號：Facebook 不僅在 VR 大量投入，在 AR 領域也沒閒著。Camera Effects大會開始，祖克柏就發表了 AR 平台──Camera...
過去幾年中，Google 翻譯等程式解讀語言的能力大大提高，Google 甚至正在開發演算法程式化思想，希望 10 年內可使電腦有「常識」。這得益於大量可用的線上文字資料和新的機器學習技術。在 AlphaGo 接連斬落棋壇大神的今天，人們欣喜地看到這些年來人工智慧飛躍式的進步。▲ AlphaGo 和李世乭的比賽。然而，讓我們感到擔憂的是，隨著機器學習越來越有類似人類的語言能力，它們也吸收了人類語言使用形態中根深蒂固的偏見和歧視。日前，普林斯頓大學電腦科學家 Arvind Narayanan 在《Science》雜誌上發表題為《Semantics derived automatically from language corpora contain human-like biases》（語料程式庫自動導出的語義中包含人類偏見）論文，認為人工智慧已經正在從文字學習中取得人類潛在的種族和性別偏見。這篇文章重點介紹一種稱為「詞語內嵌」的機器學習工具，它已在改變電腦解釋語言和文字的方式。根據 Arvind Narayanan 的解釋，他們選擇學習「辭彙內嵌」的一個主要原因，是這項技術過去幾年裡在幫助電腦理解語言方面取得驚人的成功。「詞語內嵌」將詞義分解為一系列資料（稱為「單詞向量」），透過分析詞語出現的頻率及構建的數學模型來進行深度學習。然而，令人驚訝的是，這種純粹的統計學方法似乎捕捉到辭彙背後豐富的文化和社會背景。例如，在數學模型構建的「語言空間」中，「花朵」的詞意與「愉悅」相關，而「昆蟲」更接近不愉快的詞語相關。這更像人類對兩個詞意的主觀情緒在 AI 上的反映。Arvind Narayanan 這篇文章還表明，心理學實驗中一些更令人不安的隱藏式偏見也很容易被演算法學到。譬如說，「女性」這個詞大多與藝術、人文職業及家庭關係密切，「男性」這個詞更接近數學和工程專業範疇。更讓人驚訝的是， AI 系統更可能將歐洲與美國人的名字和如「禮物」或「快樂」等積極愉快的辭彙關聯，而非裔美國人的名字更常與不愉快的話語相連。機器演算法的偏見歧視並不是一個新問題。早在 1970、1980 年代，英國的聖喬治醫學院就使用電腦程式對申請人資料進行初步篩選。該計畫模擬了過去錄取人員的選擇形態，結果被拒絕的約 60 名申請人大多是婦女或擁有非歐洲人的名字。英國的種族平等委員會最終決斷，聖喬治醫學院在這場招生過程中有種族和性別歧視。這既不是演算法的疏忽大衣，更不是程式設計師的惡意，而是人類心底根深蒂固的「偏見」無法抹除，而電腦程式加劇了這個問題，並給它看似客觀的糖衣。這正如文章的聯合作者、巴斯大學的電腦科學家 Joanna Bryson 所說：很多人都說這個實驗的結果表明 AI 有偏見。不，這正顯示出我們是有偏見的，而 AI 正在學習它。Bryson 還警告說，AI 的學習能力會潛在加強現有的偏見。與人類大腦不同，演算法本身可能無法有意識地抵銷偏見。談及如何修正 AI 的偏見，文章另一位聯合作者 Caliskan 提出，解決方案並不一定要改變 AI 學習的演算法。AI 只是客觀透過演算法捕捉我們生活的世界，但我們的世界充滿歧視與偏見。改變演算法的方式只會使其效果更差。相反，我們可以從另一端入手，修正 AI 演算法學習之後的成果，讓它在二次學習後不斷習得人類的道德觀念。例如，在使用 Google 翻譯時，你可以調整它，改善 AI 翻譯的品質：如果你看到「醫生」總是翻譯成「他」，而「護士」總是翻譯成「她」，你可以身體力行去改變。（本文由 36Kr...
創新工場董事長兼首席執行官李開復日前在接受媒體聯訪時指出，台灣在半導體、個人電腦（PC）時代之後，就沒有再走上世界領先的技術路線。他說，台灣已經在軟體、社群、行動（mobile）與應用程式 （App） 上缺席，這次的 AI 人工智慧浪潮，也沒有能看到台灣可以有引領的先驅。因此，台灣在 AI 的發展沒有可樂觀的地方。李開復還進一步指出，台積電已經在製程設計上應用 AI 架構中的深度學習協助升產晶片，鴻海不但生產，還應用大量的製造機器人進行智慧生產。至於，IC 設計大廠聯發科也開始採用 AI 設計晶片，且將晶片未來應用在 AI 領域。所以未來台灣在 AI 產業領域中，「就是靠這幾家公司了」。對李開復這樣的說法，業界人士表示並不完全同意。因為 AI 技術著重的是演算法開發，以及相關軟體的搭配，加上硬體晶片效能的幫助，才能使 AI 發揮一定的效能，否則就只是大數據分析與處理而已。在這些項目上，台灣雖然有很強的硬體生產力，但缺乏像國外 Google、微軟、IBM 這樣的大型科技公司借助市場經驗，發展演算法與軟體，整體發揮 AI 智慧的效能。因此，台灣落後的是在這部分。李開復也提到，目前興起的 AI 浪潮會分三階段爆發。第一批是已有大數據的領域。第二階段，將會是透過產生新數據，進一步成為新應用。最後的第三階段，將會是自動化階段。這個階段，幾乎所有人做的事情都會被取代，人類將不用再每天燒菜、掃地，AI 的發展將從工業化、商業化最後到家庭化。業界人士也認為，台灣在第一階段的大數據運用上，其實已經逐漸追上先進國家。這部分從國外許多城市來台灣，取經 Ubike、悠遊卡、全民健保的數據應用，就可以看出台灣有其獨特的案例。除了公部門之外，許多私人企業也開始採用 AI 應用，以協助企業提升效能，降低成本。例如，提供股市資訊的上市公司精誠資訊，就因為長時間以來，資料庫中累積的大量相關財經資料與分析報告，具備國內最完整且詳細的資料，未來透過 AI 進一步擷取分析，並且提供相關投資理財建議，這在國外已經有先例可循，也使精誠有機會先一步站在 AI 應用的浪頭上。此外，國內產業分析機構集邦科技與拓墣產業研究所，也因為資料庫中累積了 20 年的產業分析資料與報告，透過這些資料與分析報告「餵」給 AI，之後再提供相關產業分析報告，研判未來的產業發展趨勢與方向，給予相關企業與政府單位為未來發展的參考。過程中透過 AI 的資料研讀與分析，可完整匯集過往歷史資料，且快速又省時完成分析內容，再由產業分析師做最後的判斷，如此可提升工作效率，又達到減少錯誤的風險。因此就業界觀察，包括硬體製造的台積電、鴻海、聯發科，軟體資料彙整的精誠、集邦、拓墣等單位，以及幾家低調進行中的企業，都是台灣有機會在 AI 產業發揮實力的公司。事實上，業界人士指出，AI 人工智慧的出現，並非如李開復所說，只是為了取代人類的工作，而是要讓人類的工作做得更好、更有效率。因此，企業要以 AI 達到目的，之前的資料管理作業就要做得很好，如此才能有系統的「餵」給 AI，讓 AI 從大數據中學習判斷與分析，提供最好的結果以供參考。但可惜的是，以中小企業為主的台灣企業，這方面多半仍未到位。希望藉由 AI 提升工作效率，這方面台灣多數企業仍有長遠的路要走。（首圖來源：Flickr/A Health Blog CC BY 2.0）AI人工智慧新知管道如何深入了解 AI...
傳聞蘋果預計將在新一代 iPhone 配備 3D 感測功能，在市場上引爆話題。Trendforce 旗下拓墣產業研究院最新研究顯示，智慧型手機搭載 3D 感測預計將率先用於人臉辨識，且由於 3D 感測需在原有的 RGB 相機模組外再加上具備 VCSEL 的紅外線雷射感應模組，將有助於推升 2017 年行動裝置 IR 產品的市場規模，預估將達 1.45 億美元。2013 年蘋果購併 PrimeSense，因此獲得 3D 感測技術，後續有望在智慧型手機上支援人臉辨識功能。拓墣穿戴裝置分析師蔡卓卲表示，智慧型手機上的 3D 人臉辨識功能，和一般認為透過 3D 人臉模型進行比對的方式有所不同。考量到精細的 3D 感測對硬體帶來的負擔太大，廠商為了達成辨識能快速反應的目標，較可能採用傳統的 2D 人臉辨識，並輔以 3D 感測來判定是否為真人。蔡卓卲指出，3D 感測能藉由獲得感測範圍內的 3D 景深圖，以此建立 3D 模型，但感測範圍與精細度會與硬體效能需求成正比，會影響處理運算所花費的時間。因此，在目前市場上 AR 應用不多的情況下，即使透過 3D 感測提升 AR 效果，對智慧型手機的附加價值也並不高，另一方面卻得付出硬體成本、耗電量提高等代價，導致廠商對此興趣缺缺。反觀安全性層面，由於 3D 感測能提高人臉辨識的安全性，毋須完整描繪出細緻的人臉 3D 模型，便足以判定影像是否為真人，更可快速感測反應，並應用在裝置解鎖、行動支付等身分認證。蔡卓卲表示，智慧型手機上的生物辨識除了安全性之外，速度與便利性也是一個很重要的因素，因此除非具有無可替代的特性，否則消費者不會傾向捨棄快速的密碼、指紋方式，改用需耗時更久的精準 3D 人臉辨識。蔡卓卲進一步表示，由於搭載 3D 感測元件勢必導致硬體成本提高，預估一開始導入 3D 感測元件的機種將僅較高階機款，且產品種類自...