工業 4.0、物聯網革命、深度學習、破壞式創新、FinTech、貨幣民主化……這些詞彙相信大家都已經耳熟能詳。有的定義廣泛，彼此關係千絲萬縷；有的還只是概念，仍處於起步階段。而最令我們在意的是，這些詞彙所蘊含的科技，什麼時候才會落實應用，又會為我們帶來什麼影響？回首 2016 年重大發展，你還記得哪一些？大家尤其熟悉的物聯網，從 2007 年 iPhone 現身，智慧型手機蔚為風潮；到 RFID 等感測器技術價格滑落、IPv6 拍板定案以及將來 5G 通訊的普及，已經進展了好幾年，但物聯網時代真的來臨了嗎？每個人心目的對物聯網都有不同定義，不過在數位轉型的過程中，物聯網可不只是「萬物皆可連」這麼單純（光這一點要辦到，都得先面對產品規格、傳輸方式及通訊協定等兜不攏的問題），而是如何將網際網路整合到生活每一個部分，讓物件彼此能真正溝通，提供服務或解決方案，否則的話，就只是一堆能上網的電子裝置罷了。這牽涉到更多其他技術，而各家企業及廠商莫不在諸多領域展開布局。像是雲端平台及服務的進展，廣泛滲透到企業及個人應用上，甚至將進一步出現分散式運算的「霧運算」；Google、Tesla 等企業研發自駕車，Uber 推動自駕車載客服務，都在試圖完善下一代車聯網；例如 SAP 未來 5 年也將投資 22 億美金在物聯網業務，將收集到的大數據，利用其自家 S/4 HANA 平台分析整合；還有，像是可以偵測身心健康狀態的智慧衣，也將組成所謂的衣聯網。然而，物件都相連了後，終究還是得以人為本，如同 Google 台灣區總經理簡立峰所言，物聯網的核心精神，是背後的「智慧服務」。今年 3 月時，由 Google 旗下 DeepMind 公司開發的人工智慧 AlphaGo，挑戰韓國職業九段棋士李世乭。賽前包含李世乭本人，以及資訊專家李開復等，都認為人類將取得勝利。但結果大家已經知道了，AlphaGo 取得四勝一負，甚至後來世界積分排名還曾一度超越棋王柯潔。不過，AlphaGo 仍屬於弱人工智慧（applied AI），只處理特定的問題，不具備情感或認知的能力，對於自己獲勝也沒有任何感受，因此要像魔鬼終結者（The Terminator）的天網（Skynet）一樣統治地球，短期內還不可能。但是，從超級電腦 Watson，到語音助理 Amazon Echo、Google Home 等，人工智慧應用在可見的將來，勢必仍會為人類生活帶來很大的影響。另外，隨著大數據爆炸性成長與雲端運算的進展，電腦演算法管理的基金報酬率開始擊敗人類經理人，銀行也逐漸開始以機器取代人類員工，我們在工作上將會更加有效率，或甚而被機器取代。在這波數位轉型浪潮中，你做好準備了嗎？七大趨勢與數字，看數位科技亮點2016 邁入年尾，根據這一年來數位科技的脈動與成長，不斷推動軟體與 IT 服務營收爬升，市場研調機構 Gartner 便預測，2017 年全球企業在 IT 支出上將達 3.5 兆美金，較 2016 年的預估支出 3.4 兆美金成長 2.9%。而以下我們就來看看，專家認為哪些趨勢及數字代表著數位轉型的未來？人工智慧與先進機器學習到 2020...
IBM 的 Watson 大神又發功了，這次想幫忙解決癌症治療領域的一個難題。之前，IBM 的 Watson 除了跟新基生物製藥公司合作，追蹤藥物的副作用，還運用自身的人工智慧認知技術，推薦癌症治療方案，主要是在美國的郊區、印度、中國等這些缺乏腫瘤學家的地區。IBM Watson 健康（Watson Health）的總經理 Deborah DiSanzo 曾經如此介紹。比如，Watson 可以閱讀病人的電子病歷、分析癌的醫學圖像、甚至觀察腫瘤的基因序列，為特定的病人找出最優治療方案。現在，Watson 又有新動作，要跟 MIT 和哈佛合作，尋找抗癌新療法。儘管有越來越多的療法能抑制癌症，長達數月甚至數年，但不幸的是，大多數癌症最終仍會復發。其中部分原因在於，腫瘤會發生基因突變，產生了抗藥性。有時候，一些病人對某些療法完全沒有反應；有時候藥物一開始有用，但後來就無效了。就此，IBM 的 Watson 人工智慧平台將與麻省理工學院（MIT）及哈佛大學布羅德研究所合作，研究對癌症藥物產生抗藥性的病例，希望釐清抗藥性產生的原因，研發新一代抗癌藥物和療法。MIT 及哈佛布羅德研究所是一所位於美國麻薩諸塞州劍橋的非盈利研究機構，致力於生物醫藥與腫瘤學研究，與 MIT 和哈佛大學都有合作關係。該研究所負責人 Eric Lander 表示，美國每年約有 60 萬人死於癌症，其中有不少是因為病例產生了抗藥性。儘管科學家們已為少數癌症病例找到了抗藥性產生的原因，據此研發出新療法，但大多數癌症病例產生抗藥性的原因仍未明。對於這個難題，布羅德研究所的科學家相信，基因的不同也許可以解釋為什麼藥物在一些案例中有效在另外的案例中卻不行。因此，IBM 和 MIT 以及哈佛大學發起了一項新的為期 5 年投資 5,000 萬美元的癌症基因組計畫。在這 5 年間，研究所將會在全美大約 1 萬名匿名病人身上收集腫瘤基因組數據，研究員會分析這些數據，然後用 IBM 的 Watson 超級電腦來處理，幫助研究員理解癌症案例如何產生抗藥性。這項研究由 IBM 資助。他們的目標就是要回答當今癌症治療領域的難題：為什麼有的癌對特定療法有反應，但有的沒有？抗癌的難點就在於，癌細胞變得太快了，正如 Lander 說：抗癌就像在下一盤如履薄冰的生物棋局。當我們在療法上走了一步，癌症就會發現新的方式來抵抗這種藥物，以還擊我們。因此解決問題的關鍵可能就是，透過學習臨床經驗我們可以提前預見癌症的下一步棋，從而做好部署切斷它的退路。為了了解癌細胞如何對特定療法產生抗藥性，布羅德研究所會透過從這些病人中提取生成腫瘤基因序列；然後使用新的基因編輯技術，在實驗室進行大規模的癌症抗藥性研究，找到腫瘤的弱點。研究員將使用 Watson 分析這些數據，確定基因組模式，更好地理解癌症抗藥性背後的分子機理，預測藥物的過敏性，以及哪些腫瘤可能對哪些藥物產生抗藥性。簡而言之，研究員會獲取腫瘤的「基因組圖譜（genomic fingerprints）」，比較它們在病人被治療前後的不同，等到腫瘤產生了抗藥性之後又再對比一次。布羅德研究所的首席科學館 Todd Golub 博士說，不同情況下不同腫瘤的分子差異可能會告訴我們一些線索，為什麼他們會產生抗藥性。如此一來，醫生就可以給不同的病人制定更有效的藥物治療方案。這樣就能減少在無效藥物上的花費，否則每個病人可能要花上好幾萬甚至幾十萬。同時，據北卡羅萊納大學 Lineberger 腫瘤中心主任Norman...
輝達 ( NVIDIA ) 於 16 日宣布與藍色巨人 IBM 進行合作，針對 IBM 與 NVIDIA 旗下最新技術開發一款最佳化的全新深度學習工具，協助訓練電腦讓電腦以更接近人類的方法加快思考與學習。NVIDIA 表示，深度學習（deep learning）是一項極速成長的機器學習方法，能從數百萬筆資料中偵測與歸納排序萃取出最重要的訊息。目前，許多領先業界的消費者網站以及行動應用廠商已公開支持深度學習。而越來越多的傳統產業公司也正快速採納此技術。透過深度學習與其他人工智慧科技，廣泛運用在各種領域，銀行運用臉部辨識進行先進詐欺偵測、汽車業開發各種自動駕駛車款、零售業設置完全自動化的電話客服中心等項目上，運用電腦更精確了解客戶問題並進行回答。 此次，結合 NVIDIA 全新發表的深度學習工具 IBM PowerAI，是在 IBM 近期為人工智慧所發表的伺服器上所運行的軟體套件。這款伺服器搭載針對其 Power 架構進行優化的 NVIDIA NVLink 互連技術，使得這套軟硬體結合的解決方案，在執行 Caffe 軟體的 AlexNet 時，效能比搭載 4 顆 GPU 的同等級伺服器高 2 倍以上。另外，在同樣搭載 4 顆 GPU 的 Power 組態系統下，其效能在執行 BVLC Caffe 軟體的 AlexNet 時，甚至能超越搭載 8 個 M40 GPU的 x86 系統，有意發展深度學習的企業用戶，這將是市面上可立刻入手的全球最快系統平台。Caffe...
Google 公司相信推動雲端計算業務成長的關鍵在於人工智慧 ，為了更提升在這一領域的競爭力，該公司招募了兩位頂尖的人工智慧專家，主管 Google 雲端計算業務部門的機器學習技術團隊。機器學習是人工智慧的一個細分領域，主要是利用大量的資料來提升電腦的分析能力，加入 Google 機器學習團隊的兩位專家分別是 Stanford 大學人工智慧實驗室的主管李飛飛和 Snapchat 的研究主管李嘉，兩位都是華裔女性。 李飛飛和李嘉在機器視覺方面的研究有著非常深的造詣，這是人工智慧最重要的技術之一，提升電腦辨識圖像的能力。Google 雲端計算業務主管 Dinae Greene 表示，招募這兩位頂尖的人工智慧專家，將幫助 Google 旗下的人工智慧研究推向商業化，機器學習團隊將從研究成果應用到 Google 的產品，比如一些可以用於商業分析和預測的軟體系統。李飛飛和李嘉是全球頂尖的科學家。更應該被注意到的是，這兩位科學家都是女性，長期以來人工智慧領域的高階主管都是男性居多，這一點也飽受詬病，李飛飛和李嘉的加入也表面女性不僅僅是在人工智慧的研究領域，還能夠在科技公司的相關部門擔任要職。李飛飛曾在接受採訪時承認人工智慧領域缺乏女性的身影，她曾參與發起了 ImageNet 機器視覺競賽，這一專案是幫助人工智慧研究者使用前沿技術來處理資料，包括利用深度學習技術來辨識圖像。Google 公司發言人透露李嘉將在感恩節後加入 Google，李飛飛的入職時間則是 2017 年年初。目前各大公司在人工智慧領域展開了人才競爭戰，甚至大學還沒有培養出博士級的人工智慧專業人才，各大科技公司能夠招募的人才數量不多，往往為了吸引人才加盟會給予豐厚的薪資，但 Google 沒有透露給這兩位華裔科學家的薪資條件。 Google Adds Artificial Intelligence Hotshots To Lead New Data Crunching Team Google Cloud Machine Learning family grows with new API, editions and pricing
在 AI 研究方面，微軟找上了馬斯克。近日，微軟與馬斯克的人工智慧研究團隊 OpenAI 宣布合作，為其提供 Azure 雲端系統進行大規模實驗。微軟的 Azure N 系列虛擬主機是一個基於 Nvidia 圖形處理單元的強大雲端運算服務，而 OpenAI 是其早期用戶之一。Azure 除了提供深度學習、模擬、神經網路渲染和訓練等服務外，其 NVIDIA GRID 也為工作站和串流媒體應用提供高階虛擬化功能。Open AI 在其部落格上透露，Azure 的高速電腦是他們選擇與其合作的重要原因：「我們進度的飛速進展，離不開越來越快的電腦使用，尤其是對於新興的 AI 技術如強化學習和模型生成來說，更是如此。」同時，OpenAI 也表示，雙方之後還將在促進 AI 研究及其使用方法上進行合作，他們將在實驗過程中向微軟持續提供反饋，以幫助其改進 Azure，「使 Azure 的能力跟上我們對 AI 的理解」。OpenAI 是馬斯克聯合諸多矽谷大亨於 2015 年 12 月建立的非營利性組織，對未來 AI 過於智慧表示過擔憂的馬斯克，成立這家公司的目的正是為了確保 AI 的安全開發， 防止其被誤用。儘管曾經對 AI 心存疑慮，但馬斯克無疑是這一計畫的直接受益者之一。比如馬斯克旗下的特斯拉汽車，其自動駕駛系統就得益於 AI 的深度學習，而藉助 OpenAI 的平台，馬斯克也可以為特斯拉網羅人工智慧領域的人才。 Microsoft is partnering with Elon Musk’s OpenAI to...
話說，最近有個 AI，在「高考」前臨陣退縮了。「Torobo-kun」是日本國家信息學研究所從 2011 年開始的計畫，目標是在 2022 年開發出一個能通過東京大學入學考試的 AI。然而，該團隊的研究人員在 14 日表示心好累，他們已經放棄了在這方面的努力。事實就是，AI 目前的智力根本達不到東京大學的要求，開發團隊認為他們無法在 2022 年 3 月之前讓 AI 通過測試，因此這一計畫基本上宣告結束。2015 年，AI 在滿分為 950 分的入學考試中考了 511 分，這一成績並未達到錄取標準。研究人員原本指望今年能取得更好的結果，但事與願違，在最近的一次日本全國入學考試測試中，AI 的成績幾乎是原地踏步。該團隊成員 Noriko Arai 在接受《日本時報》採訪時表示：「在面對那種要求從廣義上理解的問題，AI 不能很好地做出回答。」看來，AI 直接在理解問題這一步就卡住了，這可能意味著 AI 在處理上下文中的單詞和短語上困難重重。所以東京大學的考生們不必擔心了，暫時不會有機器人來跟他們競爭了。 Japanese AI abandons its Tokyo University dreams （本文由 愛范兒 授權轉載；首圖來源：shutterstock）延伸閱讀： 目標考上日本東大！人工智慧首度超越模擬考平均值
半導體龍頭英特爾 （Intel） 於 17 日發表一系列從網路邊界 (edge) 到資料中心的產品、技術以及投資。其目的在於協助擴展人工智慧 ( artificial intelligence，AI ) 的應用版圖擴增，並加快其成長速度。英特爾指出，在觀察到 AI 未來將顛覆企業營運模式，以及人類與世界互動的方式。因此，英特爾匯集種類最廣泛的技術選項，以拓展 AI 在各方面應用的能力，包括智慧工廠、無人機、體育、詐欺防範、以及自駕車等。在一場由英特爾執行長 Brian Krzanich 所號召舉行的產業論壇中，英特爾闡述了 AI 的發展前景與複雜性。未來除了需要一系列先進技術供用戶挑選之外，還必須擴大其產業體系，納入其他早期未採用 AI 的業者。以隨著各種演算法日趨複雜，所需的資料庫亦日益龐大的情況下，Brian Krzanich 表示英特爾必須具備必要的資產與專業技能，來推動這項運算轉型。在英特爾所宣布的多項計畫中，針對 AI 領域將推出業界最全方位的系列產品──Intel Nervana 平台。英特爾強調，該平台的系列產品可作為高度優化的 AI 解決方案的基礎，協助更多資料專業人士運用業界標準技術來解決全球當前最艱鉅的挑戰。另外，英特爾亦揭露從 Nervana 取得的突破性技術，未來將整合到產品藍圖中的相關細節。也就是英特爾將在 2017 上半年開始測試首顆代號為 Lake Crest 的晶片，而且在同年稍晚就會供應給主要客戶。此外，英特爾還宣布產品藍圖中另一款代號為 Knights Crest 的新產品，此產品緊密地結合 Intel Xeon 處理器以及 Nervana 的技術，使 Lake Crest 特別針對類神經網路進行最佳化。進一步為深度學習提供最高效能，還透過高頻寬互連提供前所未有的運算密度。此外，英特爾還宣布預期新一代 Intel Xeon Phi 處理器將為深度學習運算提供比上一代處理器快 4 倍的效能，並且預計在...
大概日本人對於舉辦國際活動的時候，對不同國籍的人發出指示很頭痛，最近 Panasonic 就特別開發一款內建翻譯功能的大聲公，舒緩工作人員的壓力。這個名為 メガホンヤク 的大聲公，除了基本的擴音功能之外，更可以聽取使用者講的日語，然後自動翻譯成英文、中文和韓文，相當方便。不過並不是隨便說幾句都可以翻譯，這個大聲公內建 300 個固定的句子，所以輸入的語音訊息必須與這些預先翻譯的句子對應才可以，它亦可以透過雲端服務獲得更多的句子。除了翻譯輸出之外，使用者可以直接在大聲公上面的觸控螢幕選擇要說的句子直接播放，或者重複播放，應用在不同的場合。這個大聲公針對商業市場而設，由於需要特定的雲端服務，客戶需要付出每月 20,000 日圓的價錢去維持服務。據稱 Panasonic 方面預計在 2018 財政年度之前可以向 10,000 個商業客戶提供這個產品。（本文由 Unwire HK 授權轉載；首圖來源：Panasonic）
Google 將在加拿大 Montreal 開設一間人工智慧實驗室，專注於深度學習技術的研發，其中包括設立一個三年期的學術基金，用於資助 Montreal 的學校和研究機構。Montreal 人工智慧實驗室將做為 Google Brain 團隊的一個遠程部門。Google 在 Montreal 開設的人工智慧實驗室由 Hugo Larochelle 主管，他曾是 Twitter 人工智慧團隊的成員，在 Montreal 大學獲得了機器學習的博士學位，同時也是 de Sherbrooke 的教授，被視為深度學習領域一顆冉冉升起的新星。Hugo Larochelle 希望能夠在 Montreal 成立一支規模可觀的團隊，做為Google Brain 的遠程分支團隊。Montreal 是深度學習技術人才的聚集地之一，這一技術在學術界已經發展了數十年，隨著各大網路公司加大在這一領域的投入，人才也成為了競爭的重點，招募優秀的人才也是 Google 在 Montreal 設立實驗室的目標之一。Google 還向 Montreal 深度學習算法研究所捐贈了 333 萬美元，這不是 Google 第一次向加拿大的研究機構捐款，過去 10 年中 Google 一共捐贈了 1,300 萬加元，大約有五成是用於人工智慧技術研發。深度學習技術在最近幾年才開始商業化，該領域的人才十分匱乏，各大公司都在尋找頂尖的研究人員，2015 年 Facebook 招募了紐約大學教授 Yann LeCun 後建立了首個實驗室，隨後在巴黎開設了人工智慧實驗室，這是另一個深度學習的人才聚集地。就在上周 Google 宣布...
神經網路正席捲著電腦世界，在它們的幫助下，研究人員得以推進機器學習的進程。臉部辨識、對象識別、自然語言處理、機器翻譯……這些原本都是人類才有的技能，現在逐漸成為了機器的常規配置。由於神經網路能夠推動人工智慧的發展，這給了研究人員更大的動力來創建更強大的神經網路。而這項研究的關鍵是創建類似神經元（ neurons）的電路，即神經形態晶片（neuromorphic chip）。那麼，如何使電路的速度得到顯著提升？現在，這一問題或許有了答案。據 MIT 報導，普林斯頓大學的 Alexander Tait 團隊創建了全球首個光電子神經網路，並展示了其在計算上的超速度。一直以來，光學計算都被寄予厚望。光子的頻寬要比電子高，因此可以更快地處理大量數據。但是，由於光學處理系統的成本過高，並沒有被廣泛使用。而在進行模擬訊號等任務時，這種超快速數據處理能力只有光子晶片才能提供。如今神經網路又給光子學提供了一個新的機會。「在矽光子平台的幫助下，光子神經網路的高速訊息處理能力能夠被用於無線電、控制計算等領域。」Alexander Tait 表示。這個光子神經網路的核心是一種光學設備。它的每個節點都有神經元一樣的響應特徵。這些節點採用微型圓形波導的形式，被蝕刻進一個能容許光循環的矽基座內。一旦光被輸入，它就會調製在閾值處工作的雷射器輸出。在這個區域內，入射光的微小變化都會對雷射的輸出產生顯著影響。系統中的每個節點都使用一定波長的光，這一技術被稱為波分複用（wave division multiplexin）。來自各個節點的光會被送入雷射器，而且雷射輸出會被反饋回節點，創造出一個擁有非線性特徵的反饋電路。這種輸出在數學上等效於一種被稱為「連續時間遞歸神經網絡（CTRNN）」的設備。Tait 團隊表示，該設備可以極大地擴展程式語言技術，應用於更大的矽光子神經網路。研究人員使用由 49 個光子節點組成的網路對神經網路進行模擬展示，以及光子神經網路如何被用於解決微分方程的數學問題。Tait 將其與普通的 CPU 進行了對比。「在這項任務中，光子神經網路的有效硬體加速因子大約為 1,960×，」Tait 說，「這是一個 3 個數量級的速度」。研究人員表示，這項研究打開了一個全新的光子電腦行業的大門。Tait 表示：「矽光子神經網路可能會是首個進入可擴展訊息處理的、更廣泛類別的矽光子系統的領軍者。」 World’s First Integrated Photonic Neural Network Unveiled （本文由 雷鋒網 授權轉載；首圖來源：shutterstock）