Facebook 執行長祖克柏（Mark Zuckerberg）今年初所訂定的個人目標，計畫開發簡單的 AI 助手，來幫自己打理家庭與工作的事務。日前在羅馬舉行的座談活動上，他公開表示將在 9 月向世人介紹這位 AI 助手。祖克柏每年都會訂定新的個人計畫，今年的目標則是開發簡單的人工智慧（Artificial Intelligence，AI）助手，幫助自己打理家庭與工作的事務，想像如同是電影《鋼鐵人》中的「賈維斯」（J.A.R.V.I.S.）。預期這位 AI 助手將具備學習與識別能力，例如它能辨識祖克柏的聲音或周遭朋友的長相，當祖克柏不在女兒 Max 身邊時，它也要能隨時讓這位父親知道女兒的狀況；至於在工作方面，祖克柏希望它能以虛擬實境（Virtual Reality，VR）方式將數據資料視覺化，協助自己作出決策、引領公司。上個月底祖克柏在義大利羅馬市政廳舉行 Q&A with Mark 座談活動，公開表示這位 AI 助手計畫在 9 月與大家見面。他表示將能透過 AI 助手來控制家中的大門、燈光、溫度等，例如進門不再需要鑰匙開鎖或輸入密碼，AI 助手可辨識他的臉孔並讓他自動進入。他還打趣地說道，AI 助手只認得他的聲音，同住一個屋簷下的妻子可就苦惱了，當然他會設定權限給妻子使用的。祖克柏曾在 4 月的 F8 2016 開發者大會上，公開 Facebook 未來 10 年的發展方向，他認為人工智慧可在 10 年內超越人類的期待，這個也是 Facebook 的重點發展項目之一。目前 AI 助手確切的發表時間與型式尚未公開，值得期待祖克柏要為世人帶來什麼樣的服務。參考來源： Highlights from Q&A with Mark Mark Zuckerberg built an...
塞車是城市化進程中最大的問題之一，壅塞的交通除了給生活帶來不便，還容易引發人們焦躁和憤怒的情緒，而如今，自動駕駛汽車成為了我們緩解塞車現象的一種新方法。YouTube 上一名教育娛樂影片製作者 CGP Grey，因其 5 分鐘高語速加有趣圖文的短片解釋一個小概念而出名。最近他以一條名為「解決塞車的簡單方法」短片，為大家詳細介紹了關於塞車和自動駕駛汽車的小知識。▲ 完整動畫解說，附有詳盡的中文字幕為什麼會塞車？塞車有很多原因形成，排除路面施工等一些突發或特殊情況，有以下幾點可以解釋：1、紅綠燈是造成交通擁擠的最主要原因。等待紅燈排隊的車輛有一個各自加速的過程，因為沒有同時加速，所以車與車之間就存在間隔。實際上降低了所有車通過紅綠燈的效率。2、司機開車分心也是非常重要的因素。尤其是現在「手機依賴症」在社會中蔓延。在等待紅燈變色時玩玩手機，而轉為綠燈時就很容易發現不了，當後面的車龍喇叭狂響才能回過神來。3、幽靈塞車現像是交通堵塞一種非常常見的現象。在擁擠的道路上，很可能僅僅由於某個駕駛急煞車、突然變換車道或者超車，造成短暫的停頓，就會在這輛車的後方引發一連串的堵塞。就像是道路撞上幽靈一樣發生了塞車，哪怕第一輛車停下來後只需要 2 秒鐘就能啟動，可是到最後一輛汽車啟動時，所需的時間可能就要幾十分鐘了。如此令人頭疼的塞車現象，究竟怎樣才能緩解？ 自動駕駛汽車可大大緩解塞車情況據 Popular mechanics 報導，根據數學專家 Benjamin Seibold 對交通狀況的數值模擬，幽靈堵塞現像是因為整個道路上，不同車輛的加速不同步。當一條路排滿車的時候，即使行駛速度有一點點的波動，也會被逐漸放大，「波浪式」地影響到整個車隊的行駛。2015 年，Seibold 和他的團隊研究了自動駕駛汽車對減輕交通壓力（比如幽靈堵塞現象）的影響。他透過電腦模擬，來展示自動駕駛汽車是如何避免幽靈塞車現象的：即使車流中有很少的自動駕駛汽車，也能透過調節自身的行駛速度，來避免整個車流陷入壅塞。只要有 2% 的自動駕駛汽車，就能減少 50% 走走停停的情況。自動駕駛汽車的優勢就在於，能夠感知前方路況的變化。Seibold 表示，自動駕駛汽車所預留的車間距更大，加速和減速都是經過一系列計算來決定的。自動駕駛汽車在車流比較密的時候，會保留一定的車距，減少突然剎車的次數，從而減少對後方車輛的影響。自動駕駛汽車的未來我們沒有人工智慧那樣快速的反應或註意力，我們也很難保持均速駕駛，而機器可以。雖然在現有研究的實驗裡，自動駕駛汽車有著美好的前景，但是大多數人對於這種願景能否實現仍抱持懷疑的態度。同時，自動駕駛汽車對於交通壅塞僅發揮緩解作用，解決這一問題還要靠很多方面的努力，包括城市規劃、民眾素質、公共交通體系等。畢竟自動駕駛汽車還在初始階段，還有很多不可知和不可測的事，如果要讓自動駕駛全覆蓋，使每輛車保持均速或是車距穩定，還需要相同配置的車輛，但這是不可能實現的。因此看來，自動駕駛取代手動駕駛的未來暫時離我們還很遙遠，暫時只能忍忍塞車了。（本文由 愛范兒 授權轉載；首圖來源：Flickr/lorenz.markus97 CC BY 2.0）
應邀參加 SEMICON Taiwan 2016 國際半導體展展前記者會的台積電物聯網業務開發處資深處長王耀東表示，針對未來 5 年帶動晶圓代工成長的主要動能，其主要領域將會是在智慧手機、高性能運算、物聯網、以及車用電子等 4大領域上。而且以 2015 年台積電的營收為基礎，至 2020 年時，台積電的營運成長將會有 50% 來自於智慧手機的貢獻，有 25% 來自高性能運算，剩下的 25% 來則自物聯網與車用電子。王耀東進一步解釋到，在智慧手機方面，其成長的方向來自於本身手機數量上的成長，以及晶片價值上的成長。因此，台積電預估，未來手機出貨量的成長將中間個位數百分點，而在中高階手機晶片價值的成長，則是呈現雙位數字，另在低階智慧手機晶片的價值則呈現持平狀態。而這些晶片的價值增加，來自於手機在新應用上的加入。包括雙鏡頭、安全身分認證感測、虛擬實境及擴增實境等新功能加入，以及未來通訊功能延伸到 4G+ ，甚至是 5G 上的發展。 而在高性能運算部分，王耀東則指出，隨著全球工業化的加劇，透過矽晶片來分析大量數據的需求越加明顯，資料中心與網路基礎設施建構的需求驅動晶片需求的持續成長。在當前許多 IC 與 IT 企業組成策略聯盟，聯合發展相互連接的規格，藉偕同運算來大幅增加伺服器的效能。至於，雲端運算的需求，加上深度學習與人工智慧的應用，也都將可促進高性能運算晶片需求的成長。物聯網與車用電子部分，包括處理器、無線通訊技術、以及各種創新感測器在物聯網應用上的快速崛起，使得包括穿戴是裝置、虛擬實境、智慧城市、工業 4.0 上等等的應用得以被實現。未來持續發展所提供的協助與應用。而在汽車電子部分，則是包括在先進駕駛輔助系統中，需要藉由高效能處理器與感測器，帶入邏輯製程與嵌入式記憶體需求，使得智慧駕駛的功能會來得已被採用。10 奈米、7 奈米如火如荼展開因此，台積電對於未來自是大領域中，都已經做好相關的規劃。未來透過先進製程的發展，進一步提供產業高效能晶片的需求。王耀東指出，台積電先進製程進展方面，在 10 奈米製程上，依照計畫將在 2016 年底前將進入量產，目前已有 3 個客戶完成設計，年底預期將有更多客戶完成。而 2017 年第 1 季 10 米製程進入量產之後，隨即可開始貢獻營收。至於，在 7 奈米製程進展方面，台積電目前預計 2018 年第 1 季量產，預計將領先競爭對手，而且會是最早投入量產的 7 奈米製程。而針對更先進的 5 奈米製程上，台積電自 2016...
今年 6 月底，特斯拉自動駕駛汽車發生了一起致命意外，一時間無人駕駛的安全性成為關注焦點，一直以來，雖然各個自動駕駛開發企業都在不斷地公開自動汽車的道路測試數據，但是自動駕駛的安全性問題一直是業內外爭論的關鍵點，也是自動駕駛汽車能否順利上路和順利獲得乘客、用戶使用的關鍵。7 日 Uber 更是收購了才成立了 8 個月的明星自動卡車公司 Otto，並且在這幾天陸續有 Uber 的自動駕駛汽車上路了。自動駕駛的安全問題其實可以歸結到兩大問題，一個是網路安全問題，和所有智慧裝置一樣，智慧汽車也必然會存在被入侵、然後被操控的風險，並且一旦被入侵控制了，後果遠比任何一個目前的智慧設備被入侵了要嚴重。而另一個完全問題則是智慧化水平是否足夠的問題，對道路的規劃、定位、目標的識別、判斷等智慧化水平是否足夠，一旦智慧化水平不夠，該辨識的行人辨識錯了，該前進的路線規劃錯了等，後果也是無法設想。 網路安全問題無人駕駛或者說自動駕駛汽車在網路安全方便的問題可以說無可避免，就像所有的智慧裝置，只要裝置擁有 IP 地址，透過 IP 可以入侵到汽車，從而控制汽車的引擎和剎車系統。以這輛吉普（Jeep Cherokee）為例，車輛透過 IP 連接到克萊斯勒的網絡中心。克萊斯勒在被駭客發現漏洞入侵之前發布了軟體更新修補了系統的漏洞。主要的問題是，開發系統的軟體工程師大多沒有考慮安全性的問題。還有另外一個真實的例子，克萊斯勒花了巨額把自動汽車返廠修復漏洞。因為一旦其中一輛汽車被入侵了，同樣的方法幾乎可以入侵所有的汽車，所以，相比起這樣的安全危機，花費的巨額也是必須的。如果是一個智慧電冰箱，那麼冰箱被入侵了可能只是食物變質了、冰塊融化了，但是如果是汽車被入侵了，就會產生致命的交通事故。在最新一次的國際駭客大會上，有駭客揚言已具備足夠能力遠程控制裝置自動駕駛系統的熱門電動車型，讓車輛根據駭客自己的意願進行操作（如轉向），以及改變雷達探測距離數值（等探測到都已撞上了）。不想遇到網路安全問題，最先想到的當然是隔離網路，所以出於安全考慮，汽車的關鍵系統如引擎和剎車系統都最好與網路隔絕，但是，實際情況中，因為考慮到成本問題，所以一些聯網的娛樂系統會和汽車的關鍵系統會連在同一台分析電腦上，進而導致所有系統都是聯網的。如果實在是要聯網的話，為了防止被惡意入侵控制，所以會限制必須透過有線連接才可以對系統做控制修改。除此之外，為了確保系統的安全性，在網路授權、代碼保護和使用第三方技術供應商的審核上都是需要嚴格把關的。舉個例子，一般第三方的技術提供方都會提供對應的測試代碼（Sample Code），而這些代碼都是沒有考慮任何安全問題的情況下使用的，所以，出於安全考慮，盡量不要直接使用測試代碼。再比如，不同的系統之間採用不同的網路授權，也是目前常用的提高安全性的做法。 智慧化的錯誤判斷問題除了網路安全的問題外，最引人注目的無人駕駛的安全性問題，莫過於智慧化判斷的準確度問題，今年 6 月底特斯拉自動駕駛汽車發生的致命意外，經過調查後發現，其中一個原因是汽車把前面一個白色的車廂判斷為是天空，如圖，這個在人工智慧領域備受關注的「人工智慧安全性」的問題，如何才能得出安全的人工智慧，從而避免類似的事故不再發生。從軟體演算法層面，目前全球範圍內，致力於實現安全的人工高智慧（Safe AI）的組織中，最出名的莫過於 OpenAI，他們致力於讓人工智慧不要犯致命的錯誤。在人類的眼裡，可能圖像中一些細微的變化不會影響我們去判斷一個事物，但是在機器的眼裡，可能就會完全看成是兩個事物（fooling samples），進而做出不同的應對行為，這種情況特別容易出現在透過深度學習訓練目標以及在單眼鏡頭下的影像數據。特斯拉的事故不僅暴露了自動駕駛技術目前在軟體演算法上的弱點，同時也暴露了在硬體技術的不足。從硬體設備層面，像 Model S 採用的單眼鏡頭對於立體及大面積平面物體的辨識存在錯誤、毫米波雷達存在辨識區間限制、以及在極端情況下對於綜合情景的取捨及冗餘判斷等問題。所以，事故對自動駕駛領域的硬體及演算法產生促進，對於雙目 / 廣角鏡頭、毫米波雷達、雷射雷達的綜合採用將可望迎來破冰。特別是對於之前成本較高的雷射雷達 + 多鏡頭方案會帶來推動作用。另外，特斯拉的事故如果採取的是多探測器冗餘判斷模式，完全可以避免。所以，出於安全性考慮，NHTSA（美國高速公路安全管理局）也有可能會在硬體配置及系統要求上，敦促相關部門研擬較高的門檻及規定，這對於行業而言，意味著單車附加值的提升。雖然，自動駕駛安全隱憂仍然存在著，也不可避免的存在風險問題，但是，有一點可以確定的是，對比起目前 94% 的交通事故是人為原因造成的，自動駕駛的持續研究和發展必然對人類的人身安全有重要的意義。（本文由 雷鋒網 授權轉載；首圖來源：達志影像）延伸閱讀： Uber 收購無人駕駛卡車新創公司 Otto 連出車禍，Tesla 改口稱 Autopilot 只是輔助駕駛而非自動 Tesla 車主靠自動駕駛功能救回一命，能否消除自駕車安全疑慮？ Tesla 自動駕駛模式亞洲首撞，對障礙物視而不見
近日，《華爾街日報》稱日本是最適合使用自動駕駛巴士的國家。由於日本班車用戶在不斷減少，使得只有三分之一的公司才能盈利，政府不得不進行大幅補貼。軟銀稱他們旗下 SB Drive 集團正在研發的自動駕駛巴士可降低一半的巴士營運費用，最早可在 2019 年上路。自動駕駛巴士與自動駕駛車不同，它有固定的路線，因此無需不斷監測和分析全新的未知路況，機器智慧等級相比之下較低。 今年 4 月，軟銀和 ASM（Advanced Smart Mobility）成立 SB Drive 集團。ASM 是由豐田汽車前工程師創辦的自動駕駛研發公司，軟銀在今年為其註資 5,000 億日圓，佔 40% 的股份。軟銀透過自身的高速通訊技術與 ASM 的自動駕駛技術團隊合作，進行障礙物感知、加速與減速、方向盤操控等核心技術的研發。目前，SB Drive 的試驗車已經在封閉道路上行駛，明年將正式開始城市實地道路測試。而在最近的測試中，SB Drive 集團首席執行長親自登上試驗車輛完成了 30 分鐘的測試。除軟銀外，現在已有多家公司涉足自動駕駛巴士。賓士的 Future Bus 已開始長距離測試，此外他們還投資 2 億歐元打造一套城市巴士系統，讓巴士連入城市網絡，與紅綠燈和城市其他基礎設施互相打通；法國 EasyMile 已開發出了一輛能夠搭載 15 人的巴士 Arma；中國的宇通集團 2015 年也順利完成了自動駕駛城際公車的測試，測試路段全長 32.6 公里。軟銀收購 ARM 後，讓孫正義的 30 年內公司全面擁抱人工智慧和聯網設備的夢想離現實更近一步，而自動駕駛巴士也正是孫正義極為看重的部分。（本文由 雷鋒網 授權轉載；首圖來源：達志影像）
麻省理工科技評論 (MIT Technology Review) 文章從科技發展的歷史，到科技的本質，以及因應方式深度分析機器人與人工智慧 (AI) 帶來的衝擊，告訴我們隨著時代演進，新科技發展從未停止過，也無可避免，但對人類的影響程度、好壞，仍掌控在政府、企業、消費者的手中，強調決策的重要性，特別是在經濟成長停滯的時代，追求生產力的同時更需要納入平等的思考。文章作者 David Rotman 指出，哥倫比亞大學創意機器實驗室 (Creative Machines Lab) 創辦人 Hod Lipson 是世界上最頂尖的 AI 與機器人專家，他主持的實驗室宗旨在推動機器參與人類生活的最大可行性，但他也開始擔憂，自動化與數位科技快速發展，取代許多人賴以生活的工作，從而幫另外一群人創造大筆財富，進而加深社會不平等。機器深度學習創造人工智慧，3D 列印也改變工業生產過程，過去一般認為科技雖然會摧毀許多行業，創造出許多更新更好的工作，但 Lipson 直言，「現在看來，科技讓許多行業消失也的確創造了更好的工作，但好工作並不多。」雖然貧富差距、薪資停滯等議題不見得與科技有關，但是科技是中產階級消失的部分原因。經濟學家普遍認為，許多人都不具備先進科技技術的相關訓練，同時軟體與數位科技取代了許多如會計、文書等日常工作，逼得這些人去做更低薪的工作，或直接離開職場。2007-2009 年金融危機後讓許多中產白領工作消失得更快，許多業務、行政工作，加上組裝工人與機器操作等藍領工作，佔美國所有工作總量的 50%，且對 20 歲世代的人影響最大，很多這個年齡層的人乾脆不找工作了。然而，更大的海嘯還在後頭，Martin Ford 新書中指出無人駕駛汽車與 3Ｄ列印等新科技，即將帶來的是一個失業的未來。有些人支持基本收入政策，保障人民有一個最基本的生活條件，另外一些人認為應該從稅制下手，讓有錢人多繳稅來幫助低薪勞工，這些都是強化社會安全網的手段。但這些政策對新科技快速發展造成的失業都於事無補，被科技中心模式排除在外的人，不僅是浪費許多有企圖心與天份的人才，還會創造龐大的社會財政負擔，基本收入政策對這些高風險職業的中產階級，或是在高薪工作中缺席喪失財務保障的人並無幫助。機器與 AI 到底讓多少工作消失目前無法量化，因為高科技提升生產力，同時也替其他行業創造許多工作，電腦科學專家普遍認為，機器人與人工智慧可以讓人擺脫瑣碎工作，從事更需要思考性的工作，且認為現在人太過吹捧 AI，但 AI 只不過是讓電腦運算能夠處理大量的資料，是過去運算技術的延伸而已，並不是什麼重大突破。倫敦經濟學院教授 Anthony Atkinson 就表示，「現在討論科技的方式就像科技是從另外一個星球來的一樣。」他認為科技進展無可避免，但最終要使用哪種科技，仍是掌握在政府、消費者、企業手中。政府與企業的決定會影響工作與收入分配，雖然很難精準的預測新科技造成的後果，但至少我們必須意識到將來會發生什麼事。部分決策來自於我們如何看待生產力，以及我們想從機器得到什麼。譬如生產力來自勞力與資本的組合，當機器與軟體等資本愈來愈便宜，工廠當然會減少人力使用，哥倫比亞大學經濟學家 Jeffrey Sachs 曾經預期機器與自動化很快會取代 Starbucks，但他的看法可能是錯的，因為 Starbucks 的成功從來不是因為咖啡便宜與效率，而是來自人與環境的體驗。再來是蘋果零售店，人員服務是很重要的一環，維持這樣的品牌印象仰賴的是人，而不是機器。因此科技會取代很多工作沒錯，但終究要看人們的選擇。Uber 也是一樣，採用科技讓叫車服務與付款更有效率，反而增加司機需求量。科技對失業的影響是可控的，Lipson 強調認為科技進步永遠是好事的思維必須改變，且必須提出解決方案，而這種解決方案並非抑制創新，而是要思考 AI 比人腦更好用的時候，要如何讓人參與其中，他認為這才是工程師面臨的最大挑戰。要創造充足的工作機會，仍然必須大幅投資在教育、基礎建設、生物科技與能源研究，Martin Ford 警告人類正進入一場由氣候變遷與技術失業釀成經濟壓力的完美風暴當中，而受影響程度要看我們選擇發明與擁抱哪些科技。譬如若採用自動化運輸，我們就要問是否會讓公共交通系統更安全，更方便，更節能，還是只是讓高速公路塞滿無人駕駛車與卡車之外沒任何好處。毫無疑問，解決就業機會下滑的方式就是經濟成長，無論是透過創新服務密集的商業模式如蘋果商店與 Uber，還是基礎建設與教育系統投資，經濟成長才能解除我們對機器人的憂慮。《第二機器世代》的作者 Andrew McAfee 指出，數位經濟會創造巨大的社會與經濟利益，但也可能降低對勞動力的需求，他認為政府必須提出更利於經濟成長的政策證明他的推論是錯的，他說，「資本主義的好處就是人們總會找到事情做。」但現在面臨最大的阻礙是經濟問題，變成只有少數人能受惠，只要看矽谷的財富分配就知道，矽谷可以是經濟成長引擎，同時也會增強收入不均。1968 年 J.C.R....
谷歌人工智慧(AI)系統「AlphaGo」，先前擊敗南韓圍棋棋王Lee Se-dol揚名國際。如今研發AlphaGo的團隊再下一城，宣稱能讓電腦說話的聲音更貼近人類，或許未來人們能和AI對話聊天。CNBC、每日郵報、英國金融時報報導，谷歌母公司Alphabet旗下的DeepMind 8日宣布研發新技術，能讓電腦合成語音和人類聲音的差距減少一半。DeepMind表示，長久以來，人機互動的夢想就是讓人類能和機器對話。當前的語音合成技術錄製人們實際說話的聲音，存放在資料庫，需要時把字句打散重組，合成為完整句子，此種方式生成的語音聽起來生硬不自然，也缺乏感情。DeepMind的「WaveNet」技術，能分析原始聲波，使用類神經網路(Neural Network)加以修正。此種技術需要龐大的運算能力，每秒要1.6萬個範本才能轉成數據、合成為語音。DeepMind表示，WaveNet生成的中英文，聽起來比谷歌現行技術自然許多。英文https://storage.googleapis.com/deepmind-media/pixie/us-english/wavenet-1.wav中文https://storage.googleapis.com/deepmind-media/pixie/mandarin-chinese/wavenet-1.wavDeepMind說，Wavenet能模仿所有人的聲音，還能加入感情和語調，讓電腦生成語音聽來更豐富多變。不此如此，他們還用該技術製造出類似鋼琴的琴聲。不過內情人士指出，WaveNet需要極大的運算能力，可預見的未來或許還無法使用在真實世界，目前也未用於谷歌產品。人工智慧(AI)再次締造里程碑，谷歌人工智慧系統「AlphaGo」，3月9日擊敗世界圍棋棋王Lee Se-dol，寫下歷史新頁。 英文、中文説話品質比較 金融時報(FT)、衛報報導，電腦早已征服西洋棋，1997年IBM深藍(Deep Blue)打敗了西洋棋王Garry Kasparov。圍棋比西洋棋更複雜，有上兆種可能性，需要靠直覺推演情勢，即便超級電腦都不容易上手。研發AlphaGo的谷歌DeepMind執行總裁Demis Hassabis說，AlphaGo的勝利是歷史性時刻。韓國解說員認為，AlphaGo下法神祕莫測，致勝關鍵在於不會受到情緒干擾。AlphaGo就算犯錯，仍能保持冷靜，不影響後面棋局。相反的，Lee因為一開始的失誤，苦吞敗仗。AlphaGo的勝利，可能意味人工智慧將更廣泛運用，人類工作岌岌可危。CNBC報導，人工智慧不斷進化，新創公司Thumbtack報告稱，當前所謂的「零工經濟」，將在20年消失。未來物流公司無需聘請人類駕駛，改用自駕車和無人機取代，叫車軟體優步(Uber)、零售巨擘亞馬遜(Amazon)都會加入此一潮流。另外，當前的高階工作者，如律師、會計等，工作也不再穩固，將成為新的零工經濟成員。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Google）
美國豪華電動車廠特斯拉（Tesla Motors）的自動駕駛（Autopilot）模式備受爭議，5 月佛州一起死亡車禍更引起美國國道交通安全管理局（NHTSA）的重視，為此，執行長 Elon Musk 努力了數個月，終於在 9 月 11 日宣布軟體更新，改變 Autopilot 對雷達、相機和影像處理系統的操作模式，宣稱如此一來類似佛州車禍的意外事故有機會避免，未來一、兩周內車主就可自行下載更新程式。The Verge、紐約時報等外電 11 日報導，Musk 召開記者會表示，特斯拉軟體更新 8.0 數周內就會釋出，之前 Autopilot 主要以相機、影像處理系統做為主要感測器，再以雷達確認資訊，但在更新之後，相機和雷達會同步偵測路上的障礙物，使系統提前偵測到過去可能會被忽略的撞擊事故。Musk 說，以雷達做為主要感測器是相當困難的技術，除非能把其他車輛連結至雲端，否則無法達成。他將這項技術稱為「車隊學習」（fleet learning），特斯拉汽車把雷達偵測到的周遭資訊回傳至雲端伺服器，讓所有特斯拉的車輛都能同步學習，辨識路上的障礙物，等於是把每一個用戶當成特斯拉汽車的訓練師。這麼一來，該公司就能以 GPS 在地圖上編碼，標示不會威脅到車輛的各種物件（例如天橋等） ，以防系統在沒必要時頻頻剎車，Autopilot 也能連年進化，辨識出正在過馬路的卡車、廢棄金屬甚至幽浮，並知道應該避開這些障礙物。即使客戶的車款較舊，Autopilot 也能持續改善，硬體完全沒有升級的必要。不僅如此，特斯拉的最新技術還能把雷達訊號彈射到前方車輛的底部地面，偵測被前方汽車擋住之處，是否有什麼突發狀況，有了這項科技，即使前方車輛在濃霧中事故，跟在後方的特斯拉汽車還是能順利躲開意外。假如特斯拉偵測到車輛即將遭到撞擊，那麼自動駕駛系統會強制啟動、為駕駛踩下剎車，並轉動方向盤降低撞擊的嚴重度。另外，駕駛人在開啟 Autopilot 後，經常會放鬆警惕，導致車禍意外。為此，新版 Autopilot 將增加警示頻率，若 1 小時內駕駛人因為手未放在方向盤上而 3 次受到警告，那麼 Autopilot 就會自動關閉，駕駛人須停車才能重新啟動。不過，若當前的交通停停走走，行車時速低於 8 英里，那麼駕駛人就幾乎完全不需把手放在方向盤上，系統會等到時速上升至 45 英里後、或是道路開始轉彎、前方有車輛時發出警示。（本文由 MoneyDJ新聞 授權轉載；首圖來源：達志影像）延伸閱讀： Tesla：Model S 致命車禍非自動駕駛系統之過
9 月 13 日，NVIDIA（輝達）在北京國際飯店會議中心召開 GTC China 2016 大會。在會上，NVIDIA發表了 Tesla P4 和 Tesla P40 兩款 Pascal 架構 GPU。本次集成了 72 億個電晶體管的 Tesla P4（2,560 個 CUDA 核心）和 120 億個電晶體的 Tesla P40（3,840 個 CUDA 核心）是用來讓用戶識別和查詢語音、圖像或文本的。Tesla P4&P40 的性能相當於 40 個 CPU，反應速度是 CPU 解決方案的 45 倍。同時，Pascal 架構能助推深度學習加速 65 倍，最新一代的架構 Pascal 是首個專為深度學習而設計的 GPU。今年 4 月，NVIDIA 推出過 Tesla P100 加速卡，它是用於執行深度學習神經網路任務的。速度是輝達之前高階系統的 12 倍，研發費用高達 20...
人們常說「不要從封面來判斷一本書的好壞」，但美國麻省理工學院和喬治亞理工學院開發的這套系統，卻能讓你從封面一眼看透書本的內容。原理先來了解一個概念：太赫茲輻射。這是一種電磁輻射，波長介於微波和紅外線之間。這種輻射通常用於安全性檢查，有點類似於 X 射線，但太赫茲輻射能夠辨識出墨水及空白紙張，這是 X 射線做不到的。由於不同的化學物質吸收不同量的太赫茲輻射，因此每種物質都擁有其獨特的頻率，傳感器根據反彈回的輻射波就能判斷所對應的物質。而這套「透視封面」的系統，正是利用太赫茲輻射這一特性來辨識文字。（Source：Lainformacion）為了區別每張獨立的紙張，工程們使用了短脈衝的太赫茲輻射來分辨墨水與紙張，生成字母的圖像。光有太赫茲輻射還不夠，辨識系統還需要多個演算法合作處理，以便創建清晰的列印圖像。麻省理工學院設計了生成 RAW 圖像的演算法，並由喬治亞理工學院進行了完善，使得模糊的原始圖片變為清晰的單個字母。 效果工程師們用一疊紙對成像系統進行了測試，每一張紙都印有一個字母。麻省理工學院透露，該系統已經能夠準確辨識出前 9 張紙上的字母。（Source：Latinformacion）應用然而，在這套系統能夠透過封面看全書之前，還需要解決消除傳感器噪音及乾擾的問題。一旦能做到這點，它將能夠閱讀一本 600 頁書的每一頁。（Source：ADSL Zone）該計畫已經引起了紐約大都會博物館的濃厚興趣，因為他們希望能將這一技術應用於查看古籍，而不需要接觸到這些珍貴書籍脆弱的紙張。 This new imaging system can read closed books （本文由 愛范兒 授權轉載；首圖來源：pcworld）