台灣的電子支付發展一波三折，許多業者都抱怨法規嚴格很難營運，許多爭議也延續多年。不過在 2 日的政大金融科技研討會中，與會專家指出，雖然近期電子支付還是對台灣影響最大的金融科技，但是台灣與中國的電子支付市場相比沒有太多優勢，反而台灣發展人工智慧及大數據未來能走得更遠。 財金資訊總經理林國良指出，據估計，台灣後幾年受到金融科技影響最大的應該還是消費金融及電子支付。不過就國內行動金融的經驗來看其實並不普及，因為都還是要透過更換 SIM 卡才有辦法有這功能，所以目前交易量仍不大。從數據中了解到，行動金融卡交易額佔了近 70 % 遠大於信用卡，可以得知手機用來做網路支付的比例其實遠高於實體付款。這個現象可能是由於傳統信用卡其實比手機更加輕便，而通訊網路的發達，卻使得手機隨時都在網路上。前金管會主委丁克華表示，就電子支付來講，中國的確是比較普遍的，但如阿里巴巴之所以能成功背後是因為有很大的交易平台市場的空白。然而台灣經濟起飛較早，已有其支付方式，所以反而與新興金融科技業者有諸多摩擦。不過台灣在其他方面，如群眾募資就做得不錯，很多國家也跑來跟台灣學習。中信金控執行長劉奕成也強調，商業模式是否能成與國情有很大的關係，台灣跟中國其實有很大的不同，在台灣店家與消費者之間的信任其實比較緊密，比較沒有欺騙行為，所以具有公信力的電子支付對台灣的店家而言反而比較雞肋，很難紅得起來。金融科技對台灣而言，可能去做人工智慧（AI） 及大數據分析反而比較有利，因為台灣消費者習慣差異很大，做客製化行銷能走的可能就比中國還遠。碩網資訊總經理邱仁鈿指出，其實未來 AI 將比電子支付擁有更深遠的影響力，現在的 AI 不僅是能回答問題，而是更進一步的提問問題，以滿足人類的需求。雖然現今的台灣法規還不允許 AI 擔任理財顧問的角色，但已有券商開發出幫客戶客製化資訊的 AI 助理，提供客戶更有效的資訊，智能客服更是許多產業都在發展的服務。然而硬體並非決定 AI 技術發展的唯一條件，例如臉書的演算法可能是目前全球最先進的，因為其資料來源素質還高於谷歌。也有與會人士關心，未來金融科技發展會不會對金融從業人員的就業帶來衝擊？ 劉奕成回答，金融科技的進步對就業有影響幾乎是必然的，但也會創造出新的職缺。而且實際上，因為金融科技而失業的未必是金融從業人員，例如國外的 ING 保險集團最近裁了很多人，但與直覺不同，它裁最多的是 IT 人員，據信是因為許多 IT 業務反而被外包的緣故。前金管會主委及政大金融科技中心主任王儷玲也指出，為適應金融科技的發展，各大院校必須要去積極的去做跨院跨校的整合，並持續與業界溝通，才能創造出適合未來金融科技的人才。其實現在有很多跨業的整合根本沒有綜效，應該需要更專業的人才來處理這些問題。（首圖來源：政治大學）延伸閱讀： 英特爾宣布新一輪人工智慧市場布局 加速推進產品發展 日本政府攜手企業界 投入為期 10 年的問題型人工智慧開發工 庫克 : 未來人工智慧在智慧型手機中將扮演更重要的角色 強化大數據與人工智慧應用 HPE 以 2.75 億美元收購超級電腦商 SG
近日，Google 搜尋在其桌面端和行動端悄悄上線了一個新功能──可以在搜尋結果的第一項展示兩款產品的對比結果。如果你想對比 Apple iPad Pro 和 Google Pixel C 兩款平板，搜尋「iPad pro vs. pixel c」，會出現以下結果。兩款平板電腦的對比數據都會透過圖中的卡片形式展示出來。不過目前只能對比智慧手機、平板電腦和遊戲機等產品，且一次性只能對比兩款。這個功能仍十分初級，但與以往根據用戶搜尋內容來精確提供相關鏈接不同的是，Google 搜尋正努力在已知項目的相關資訊基礎上，直接提供用戶想要的答案。Google 搜尋的產品形態正朝著一個更智能、更高效的助手發展。這項功能的實現，是基於深度神經網絡（Deep Neural Network）技術。做為人工智慧的一種形式，深度神經網路透過分析大量資料，來學習執行特定的任務。比如，它可以從網路上的相關網頁中獲取長句子或段落，然後從中提取出有關問題答案的訊息。當用戶輸入訊息時，Google 搜尋能夠根據這些句子精準定位到一個相關的影片，並從影片中提取出所需的訊息回答用戶的問題。但目前，深度神經網路的運用，仍然存在相當大的困難。一方面，訓練深度神經網路需要大量的數據，這些數據往往不容易得到，價格也不便宜，對這個數據的需求也不會很快消失。另一方面，這個過程也是相當耗時耗力。在 Google 搜尋背後，有一個由近百位語言學博士組成的團隊「Pygmalion」，負責人工篩選出大量的數據來訓練神經網路，並且還需要人工標記一部分數據，使深度神經網路在「監督學習」下發揮作用。除了直接對比產品，Google 搜尋還能夠直接回答用戶的某些問題。如果在搜尋框敲入「世界上飛得最快的鳥是什麼？」Google 搜尋會直接告訴你是遊隼，並解釋原因。之所以要研發新功能來嘗試提升搜尋效率，也是為了更好適應用戶在行動端搜尋的使用習慣。Google 方面調查顯示，用戶在搜尋引擎上尋找自己想要的資訊，往往耐心有限，在桌面端搜尋時尤其如此。且出於便利和節省時間的考慮，越來越多的用戶選擇使用行動端搜尋。來自 Smart Insights 的數據顯示，近年來行動端的搜尋量正迅速增長，且已經超過了桌面端。而在 Google 搜尋方面，據官方消息，來自行動裝置的搜尋量也在去年首次超過桌面瀏覽器。與行動搜尋量變化緊密相關的，是不斷擴大的線上廣告市場，而這直接關係到 Google 的收入。根據 Bloomberg 的數據，2015 年美國線上廣告的市場規模達到了 596 億美元，較 14 年增長了 20%，而且這個增長主要來自於行動端。麥肯錫預測全球的數位行銷市場將在 2019 年達到 2,314 億美元。而線上廣告的爭奪將越來越集中在行動端。在這個大趨勢下，Google 的搜尋業務也需要隨之調整。儘管據 Net Market Share 今年 3 月份的數據，Google 搜尋在全球的市場份額仍然高達 67.78%，遠遠高於排名第二的微軟必應（13.27%），但對於 Google 來說，行動端搜尋量的迅速增長給它的搜尋業務帶來了巨大挑戰。Google（Alphabet）今年 Q3 財報顯示，廣告營收（198.21 億美元）佔到總營收（224.51...
犯罪案發生前總會出現細微的徵兆，聲音便是其中一種，可惜人們往往不以為然，錯過阻止的機會。最近 NEC 旗下的人工智慧能部門研發「聲音狀況辨識技術」，收集周圍的聲音便能知道哪裡有犯罪案。NEC 旗下的人工智慧部門 NEC the WISE 最近研發了「聲音狀況辨識技術」。系統會從收音麥克風收集環境聲音，並辨認和分離當中的「目標聲音」和「環境雜音」，其後「事件判別技術」便會從聲音中決定事情有沒有發生。例如系統偵測到破璃碎聲、尖叫聲和怒罵聲時，便代表當時有爭執發生；如果系統只錄到風吹樹葉的聲音則代表一切正常。NEC 表示，他們期望技術可用於公眾場所和旅遊景點的犯罪打擊，以及照顧長者的居家生活。（Source：Livedoor）提起人工智慧打擊犯罪的研究，早前上海交通大學便研發了以人臉辨識罪犯的技術，但被犯罪學專家批抨違反倫理。看來還是 NEC the WISE 的研究較為可靠。 NEC、人工知能を活用した「音状況認識技術」開発 （本文由 Unwire Pro 授權轉載；首圖來源：shutterstock）延伸閱讀： 上海交通大學研發「賊眉賊眼」辨識技術，專家：助長偏見
根據 Healthcare IT News 報導，IBM Watson 與輝瑞達成了一項新協議，會將前者的超級電腦計算能力用於癌症藥物研發。輝瑞將用上 Watson for Drug Discovery 的機器學習、自然語言處理及其他認知推理能力，用於免疫腫瘤學（Immuno-oncology）中的新藥物辨識、聯合療法和患者選擇策略。Watson for Drug Discovery 是一個新的雲端平台，旨在幫助生命科學家發現新的藥物靶點和替代性的藥物的適應症。Watson 的吸引主要在它能處理大量資訊，它可以幫助研究人員查看不同的數據集，透過動態可視化來發現新聯繫，提示隱藏的模式。研究人員每年平均要閱讀 200 至 300 篇論文，而 Watson 已經閱讀了 2,500 萬份 Medline 上的論文摘要，一百多萬篇醫學雜誌文章的全文及 400 萬份專利文件，而且所有資料都會定期更新。按輝瑞的說法，許多研究人員都認為，免疫腫瘤學的未來在於針對獨特腫瘤特徵的組合，這會改變癌症治療範式，讓更多腫瘤患者得到治療。而在藥物研發中利用 Watson 的認知能力，可以更快地為患者帶來可能的新免疫腫瘤治療。免疫腫瘤學是一種使用人體免疫系統幫助對抗癌症的癌症治療方法。輝瑞將使用 Watson 分析大量的異構數據，包括獲授權的和公開的數據，以及輝瑞私有數據，進而分析和測試理論假設，獲得新的見解。（本文由 雷鋒網 授權轉載）
紐約時報 5 日報導，市場估值逼近 700 億美元的優步（Uber Technologies Inc.）宣布購併人工智慧（AI）新創公司 Geometric Intelligence。優步產品長 Jeff Holden 在受訪時指出，AI 人才爭奪戰正激烈開打，特別是 Google、蘋果（Apple）以及特斯拉（Tesla）都在從事自駕車相關計畫。他說，自駕車需要一段相當長的時間才能成熟到可以執行優步現在每天所完成的旅程、進展速度端視 AI 開發進度，如果競爭對手先研發出來，優步的麻煩就大了。Geometric Intelligence 是一家成立於 2014 年底的 15 人新創企業、現在成為優步旗下 AI 實驗室，由 Gary Marcus、Zoubin Ghahramani 領軍。Holden 表示，旗下負責開發自駕車的先進科技中心（ATC）將與 AI 實驗室並肩作戰。Marcus、Ghahramani 的研究團隊是透過包括深度學習、貝氏學習等不同方式來開發 AI。Holden 5 日透過優步官網指出，Geometric 創始執行長 Gary Marcus 將擔任優步 AI 實驗室負責人。AI 實驗室將在美國舊金山落腳，專注開發人工智慧、機器學習。fortune.com 報導，Marcus 為紐約大學神經科學教授、為 AI 領域知名研究專家。Zoubin Ghahramani 為知名機器學習研究人員。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）延伸閱讀： Uber 收購無人駕駛卡車新創公司 Otto 蘋果雄心勃勃 大舉投資自駕車...
美國人不滿薪資停滯，對工作也不滿意，他們期待川普能幫美國人找回往日時光，其中他們最期待的就是老話題，即把製造業移回美國。時代在進步，川普當選是否真的能走回頭路，許多人都不看好，理由是製造業已經率先走向全面自動化，未來與人類競爭工作的是機器人，不是東南亞的廉價勞工。Techcrunch 報導指出，製造業回美國，就算川普能克服複雜的政策、關稅、地理政治問題，科技也不會讓這件事情發生。因為無論在汽車產業、電氣、電子業，機器人都已經幫這些產業降低對海外勞動力的依賴。自動化確實能讓製造業重新回到美國，但是能帶回來的工作並不多。在發展中國家，製造業已經讓愈來愈多工人失業，回到美國情況也不會好轉。新創公司在全世界創造取代人力的機器人，吸引了龐大的投資資金。例如 Momentum Machines 與 Zume 的機器人分別會做漢堡和比薩，Rational Robotics 的機器人會畫畫，Modbot 與 Baxter 機器人可完成各種任務。不只新創公司是罪魁禍首，大品牌如 Nike 與 Adidas 都減少承包商數量，擁抱機器人與 3D 列印等技術來製造鞋子，大型農場早就開始僱用機器人，Amazon 與 UPS 更是高度仰賴機器人從事物流與倉儲工作。這些企業為什麼要這樣，因為在已開發國家使用機器人，可以減少在開發中國家支付的傳統勞動成本，且已經對全世界產生衝擊。機器人不只可提高生產力，他們還可以幫公司簡化在海外設立公司有關的各種麻煩，製造業外包或是海外雇用員工，必須支付各個不同地方的管理人事、設計、品質、安全、海關與物流、法規與知識產權等成本，機器人技術進步，讓企業把製造業拉回美國，可以減少行政、法律、勞動成本等開銷。且機器人愈來愈聰明，電腦視覺與人工智慧進步，讓機器人擁有軟體驅動的大腦，甚至比人類更可靠，特別是在製造業，甚至在管理進出口、停車場、建築物等物理保全，或醫療應用上。機器人出納、助理、保安、空服人員等都可以被機器人取代。對勝利著迷的狂人川普而言，競選是一種會激發腎上腺素的工作，可能比當政要簡單的多，尤其是在這個變動的時代做美國總統，到底要如何兌現競選當時對鄉村人民的承諾，或許川普要阻擋的不是中國與東南亞等國家，而是美國自己的科技發展。 Trump promises to bring back manufacturing jobs, but robots won’t let him (首圖來源：shutterstock)
人工智慧的潛力，大家想必都有目共睹。在未來幾年，人工智慧無疑會在生活的各方面發揮作用，健康領域同樣不例外。以下整理了 9 個人工智慧將會顛覆或重塑的健康行業，一起來看看吧。大數據及人工智慧將會顛覆我們的生活在 2013 年，數據還只是處於緩慢增長的狀態，達到4.4 ZB，但emc 預計這一數字每兩年就會翻一倍，到 2020 年將會達到 44 ZB，也就是 440 億 GB 的驚人數量。如果少了人工智慧對浩如煙海的這些數據進行整理及計算，人類必然無所適從。誠然，我們遠沒有達到強人工智慧的階段，但在弱人工智慧層面上，我們已經取得了一定的成就。Siri、Cortana、OK Google，還有 Echo，都能在短時間內對人類所提的簡單問題進行快速檢索並給出解答。而人類也在人工智慧上嘗試走得更遠，更貼近我們的生活。例如 2015 年 9 月的 DoNotPay，這款應用軟體由 19 歲的史丹佛學生 Joshua Bowder 開發，能在 1 分鐘內處理亂收費的停車罰單。截至 6 月，這款應用軟體已經在紐約及倫敦處理了 25 萬張罰單裡的 16 萬張，成功率達到 64%。想像一下，如果這種高效能應用軟體在健康領域，是否能拯救不少人的生命？人工智慧與健康領域的結合能夠讓病人就診流程更加便利，醫生也能合理安排手術日程，甚至還能為醫生們在看病時提供決策建議。一名就職於 Sutter Health 的數據科學家 Andy Schuetz 表示，「雖然我不知道成熟的人工智慧演算法可能會花 2 年還是 10 年才能實現，但這一願景正在實現。」只需環顧一下人工智慧市場的健康領域，你就會發現他所言不虛。雖然 IBM Watson 經常霸佔著 AI 健康領域的頭條，但是還有不少熟悉的名字也出現在了這個板塊中：戴爾、蘋果、日立研究院、Alchemy API、Lumiata……而這也只是以管窺豹。目前已經有不少人工智慧在健康領域實踐的成功案例，無疑也預示著它的樂觀前景。接下來帶大家一起看看幾個比較熱門的健康領域：資料挖掘健康領域與人工智慧結合，最簡單的聯想自然是資料管理。收集、儲存、同構並追蹤它的來源，這些著實會對現有的健康系統帶來顛覆。Google 的 DeepMind Health...
過去 3 年，IBM、GE、微軟搶人工智慧人才搶到台灣來，台灣畢業的土博士，挖到美國工作，年薪 12 萬美元起跳，讓自己站上國際舞台，讓能力被看見，讓他們身價從此不同。在美國，人工智慧（AI）相關人才炙手可熱，一名懂人工智慧技術的博士生，一畢業，年薪至少 12 萬美元（約 380 萬元台幣）起跳。這股人工智慧挖角風，竟跨海吹進台大。過去 3 年，台大資工系徐宏民教授的實驗室訓練出來的台灣「土」博士，已有 4 人分別被美國 IBM Spark 技術中心、奇異全球研究中心、美國微軟和位於矽谷的 Fuji Xerox 研究中心挖走，還有一位即將畢業的博士生，已被 Google 和微軟看上，爭相邀請加入團隊。9 月底，NVIDIA 執行長黃仁勳宣布和台大合作成立人工智慧實驗室（Nvidia AI Lab），計畫負責人正是徐宏民，「徐教授和他的團隊，在這個領域有突破性的成就」，黃仁勳在演講中說。微軟、英特爾 競相取經宣布時，徐宏民不在國內，因為他人正在美國紐約州的 IBM 研究中心。IBM 剛發表全世界第一支用人工智慧剪接的電影預告片《魔詭》，IBM 給電腦看過 100 支恐怖片預告後，再把拍好的新片交給電腦，電腦就模仿看過的作品，組合出一支 6 分鐘的預告片。其中，就用了徐宏民研發的技術。過去幾年，從微軟、英特爾、聯發科、光寶科，甚至台灣的金控公司代表，都曾造訪徐宏民在台大資工系的研究室，採用他們的新技術為自己公司加值。徐宏民曾是訊連第八號工程師，早期是產品經理，他的強項是帶領團隊開發影像處理程式；直到有一次，公司要他開發能自動管理影片的新功能，他才發現「這個很難」，意識到這是有潛力的關鍵技術，開始鑽研用人工智慧處理影像的新技術。「我研究的應該叫機器智慧（Machine Intelligence）。」徐宏民解釋，人工智慧給人一種機器無所不能的錯覺；但現實狀況是，機器目前只能解決特定問題，「這是一個突破，只要給電腦足夠資料，就能訓練電腦解決問題。」徐宏民說。「我做的事情，是教電腦自動從資料裡去學，如何判斷照片裡的內容。」徐宏民說，他的專長就是教電腦擁有看懂照片和影片的新能力。這有多難？以一個最簡單的例子，要電腦辨認照片裡有沒有貓，都是一個困難的挑戰；因為電腦只能接受死板的命令，當設計者告訴電腦，「貓，有兩隻眼睛，一個嘴巴」，那麼，當照片裡的貓只露出半邊臉，甚至只露出兩隻耳朵的時候，電腦就認不得。史丹佛大學人工智慧實驗室與視覺實驗室負責人李飛飛曾坦言，這個 3 歲小孩都能回答的問題，卻花了他們多年時間才得到解答。現在，最新的挑戰是，不只教電腦看懂照片裡有什麼物品，還要能正確解讀照片的內容，把每樣物品的關係正確串聯起來；譬如，輸入一張在廚房做菜的照片，電腦必須正確說出，「照片裡有兩個女人，正在廚房煮飯」，而且，不是一、兩張照片判斷正確就好，是幾千萬、上億張照片都正確解讀。就像 AlphaGo 教電腦從無數棋譜中學習下圍棋一樣，徐宏民的工作之一，就是開發影像版 AlphaGo，教電腦自己學習看照片。影像版 AlphaGo 屢屢獲獎2013 年，徐宏民團隊就曾拿下微軟舉辦的影像辨識大賽首獎，擊敗全球的團隊。回憶當時參與比賽，陳殷盈說，微軟的考題是把 8 萬張照片放在網路上，要求在 12 秒內全部辨識完成，讓全球團隊去較量，看誰的辨識正確率最高。這個挑戰不比 AlphaGo 對決南韓九段棋士李世乭簡單，因為 AlphaGo 挑戰的是人腦，他們面對的卻是全世界的人工智慧團隊。「老師喜歡學生有企圖心，能提出有創意的方法。」陳殷盈說。徐宏民平常就鼓勵學生，參加國際上有難度、有影響力的挑戰，這次比賽也是他操練學生能力的關卡之一。軟體比的是想法。剛開始，台大團隊用世界通用的方法，想開發一套辨識所有東西的技術，只要不斷改善這套技術，就能解決所有問題。走別人都走的路，卻讓他們辨識率停滯不前，離比賽只有幾周時間，怎麼可能在短時間內找到突破性的解法？在反覆討論後，有人提出，影像辨識最常出現的主題是「人」，既然不能一次解決所有問題，乾脆在原有技術上，加上另一套辨識人形的新技術。等於別人只帶一把刀上場，他們卻準備了兩把刀，台大團隊因此榮獲首獎，第二名是來自俄羅斯的資訊公司。這些被挖角到國外工作的學生，都有豐富的國際經驗。陳殷盈畢業後，就被 Fuji Xerox 研究中心，邀請到矽谷做研究；陳殷盈分析，她的論文多次被這個領域的頂尖學術會議 ACM...
在車聯網時代來臨的前夕，我們車上已經有 GPS、行車紀錄器、藍牙喇叭等裝置，營造更便利的駕駛環境。不過，在上路前免不了的一連串手動輸入或設定，卻又不是那麼方便了，更遑論開車到一半時要進行變更。即使是趁著等紅燈的空檔，只要還得伸手去螢幕上按來按去，就多少增加了行車風險。於是，為了駕駛人與乘客更舒適安全的的乘車體驗，語音助理搭配人工智慧將是不可或缺的環節。然而，這樣一來我們就得面對另一個難題，便是這些車用語音智慧產品，如何能提供優異的語音辨識品質，提高辨識率，讓機器準確接收我們的指令呢？想像一下，你載著滿車朋友出遊，在國道上高速行駛，大夥快意談笑，夾雜引擎運轉與風噪聲，可能還正好放著一首 Lana Del Rey 的《Burning Desire》，使你不自覺腳踩油門。這時車內環境噪音絕對高於 70dB（分貝），而且還夾雜不同頻率的聲音。因此，讓產品偵測說話的人並接收正確指令，是相當令人頭痛的問題。環境噪音對語音通訊品質的影響在語音辨識的流程中，可分為五道程序：包含語音輸入及語音訊號處理、語音特徵擷取、以聲學模型（acoustic model）進行語音單元辨識、以語言模型（language model）來組織語音單元、解碼及輸出等。目前語音助理的市場上，Microsoft 耕耘最久，Apple、Google 相繼而起，以完善智慧型手機體驗為目標；近期火熱的 Amazon Echo，其語音助理 Alexa 則一開始就以獨立的聲控家用平台為定位，建立自身生態系。以上這幾家語音助理開發商，基本上已經掌握後面四道程序。不過，一旦來到車用領域，產品裝置開發商則勢必要在語音輸入及語音訊號處理的程序上，投注更多心力。車用語音智慧產品在車內環境中，與使用者的距離不出 0.5~1 公尺之內。一般汽車引擎發動後且車窗緊閉的情況下，車內噪音約 60dB 左右。假設使用者發出約 89dB 的聲音（即一般說話音量的平均值），此時嘴邊的訊噪比為 29dB，足以維持良好的通訊品質。但你不會想要每次下指令還得把臉貼到汽車面板前，因此 0.5~1 公尺是產品接收語音訊號的合理距離。然而，當說話聲音傳到 0.5 公尺時會衰減至 65dB，此時訊噪比只剩 5dB；說話聲音到 1 公尺時則只剩 60dB，與噪音的音量相當，更不用說上述提到高速行駛的環境下，噪音都比發出指令的人聲還要大。符合標準的車用通訊品質當面臨車聯網逐漸完善、語音應用普及化，越來越多車廠要求內建 Android Auto、Apple Carplay 等智慧助理，而這些都需要按照 ITU-T P.1110/P.1100 語音標準來設計，對代工組裝或設計加工的車用電子系統廠來說，等於是踏入未知的領域，只能以現有產品不斷偵錯找出問題，相當耗費時間。因此像是貝爾聲學這種第三方語音測試實驗室，就會從麥克風模組、連接線材等部分測試，首先幫廠商判斷選料是否正確。貝爾聲學曾針對一款舊的車用麥克風模組進行測試，該模組配兩顆 ECM 電容式類比麥克風，一顆為全指向性，主要用來收環境音，作為背景噪音消除演算法的用途；另一顆為單指向性，收音方向指向駕駛，用來接收駕駛的語音訊號。依據 ITU-T P.1110 測試方式，得出了以下數據： 從結果可以看到，麥克風模組離標準建議值太遠，感度差了約 30dB，因此訊號必須放大 30dB，才能滿足標準建議值。然而，這意味著雜訊也會跟著放大，造成語音品質跟辨識率低落。代表這款麥克風一開始根本就不該出現在車用語音智慧產品上。透過貝爾聲學的協助，能讓廠商快速找到癥結點，避免進行過多無意義的測試。由於車子所處的環境噪音會隨著車速、路段、路況、空調、乘客及音響等各種因素不斷改變，而背景降噪演算法不易解決時時變動且突發性的聲音，所以車用語音智慧產品可以著重在一些細節，幫助提升通訊品質。例如採用兩顆以上的麥克風陣列，以進行較佳的背景降噪演算法；採用訊噪比較高的麥克風，最好是 SNR 58dB 以上。其次，把麥克風置於離駕駛嘴巴最近的位置，如方向盤附近；但同時又要盡量縮短麥克風線材至主機的距離，且加強線材隔絕性，以減少外來的雜訊。最後，則是加上迴音消除（Echo cancellation）、背景降噪（Background noise reduction）以及麥克風自動增益（Mic auto gain...