最近 Movidius 晶片的出場率越來越高了。DJI 最新無人機的迴避障礙功能、FLIR 最新溫度鏡頭自動辨識火災中的人——這些都是透過神經網路的深度學習實現的。公司還與 Google 簽訂了合約，將晶片融入一個未公布的神秘產品中。現在，這家晶片製造商出了新產品，據稱可以將強大的深度學習帶給任何人：一款名為 Fathon 神經計算棒的 USB。Fathon 配有 Myriad 2MA2450 VPU，搭配 512MB 的 LPDDR3 RAM。之前說到的 DJI 和 FLIR 產品就是裝配了 Myriad 2 晶片，可以同時搞定許多進程。因為它是專門為此設計的——架構與 GPU 和 CPU 非常不同，它不需要很大的電量就能提供很大的能量。它可以搞定最高 150 gigaFLOPS（一個 gigaFLOPS 代表每秒 10 億次浮點操作），只耗費不超過 1.2 瓦的電量。與 Tegra 的深度學習方法不同的是，Fathom 不是一個單獨的系統。這個概念是，你用 USB 3.0 介面將它插入任何運行 Linux 的系統，就能得到「20-30 倍的神經計算運行提升」。你可以用 Fathom 來快速做出神經網路原型，一旦你準備好行動，就能獲得大得多的計算力。當然，這是神經網路，所以這並沒有那麼簡單。Fathom 接受 Caffe 和 TensorFlow 定義的網路（兩個在深度學習領域很流行的框架）以及它們的資料庫。你需要使用一個 Movidius 工具來在...
出入境管制、警察臨檢等工作，往往要在很短的時間內察覺對方是否有可能走私、偷渡，或是否為恐怖份子或罪犯，若是抓錯人那是擾民，但有了漏網之魚後果又難以設想，應用測謊機器來自動判讀，是否能幫助我們審訊，找出蛛絲馬跡呢？不過，在想要讓機器派上用場之前，可能得先讓人相信它們是人類在背後審問的才行。荷蘭特文特大學於 2016 年 4 月發表於《心理學邊境》（Frontiers in Psychology）發表一項研究，想嘗試以電腦虛擬人物來進行訊問，同時進行測謊，這樣的自動化措施是否有效。研究找來 79 名志願受試者，實驗中先告知他們有名運輸部門員工生病了，要求他們暫時代班，並且引誘他們簽下其實並沒有足夠資格承攬的合約，一旦受試者做完了這個有問題的任務之後，他們將由電腦審問。審問他們的是電腦虛擬人物布拉德（Brad），不過其實他並非人工智慧，而是由研究者在背後操作，審問的同時，研究團隊同時測量受試者的皮膚導電度，以偵測是否出汗做為測謊的依據。受試者分為兩群，一群事先要他們全都吐實，一群要求他們全數說謊。其中，有一組受試者事先被告知布拉德是由人操作的，其他人則不知道這點。測謊的結果相當有趣，不知道電腦虛擬人物其實是有人在背後操作的受試者，說實話與說謊話的生理反應完全沒有差別，也就是說測謊無法察覺對方是否在說謊；反之，事先知道電腦虛擬人物其實是有人在背後操作的受試者，說實話與說謊話的生理反應就有顯著的差別。也就是說，人們騙人有反應，騙電腦卻無所謂，研究團隊的下一步是要繼續探討為何會有這種差別待遇。雖然這個實驗規模很小，還不足以下定論，不過以這初步的結果，未來若各種審問或是審核，想要節省人力、增加效率，而採用人工智慧機器取代人力時，恐怕得要先騙過受審者，讓他們以為是有真人在電腦背後操作審訊才行。 Interrogation computers work, if you believe they are human controlled （首圖來員：shutterstock）
AlphaGo 紅了以後，人們都開始討論人工智慧將會在哪些行業取代人類。清華大學某電腦科學博士表示，依靠規則設計的行業都會受到人工智慧的威脅，因為它可以建模。言下之意，對於藝術等無需客觀標準衡量的事業來說，人工智慧想要取代人類是比較困難的。不過，正如 AlphaGo 的水準比業界預想的早了十幾年而到來一樣，人工智慧操手藝術的水準似乎也獲得出人意料的發展。據 FastCompany 報導，3 日晚上的紐約大都會博物館慈善晚宴（Met Gala）上，一套亮閃閃的禮服居然是由 IBM 認知主義機器人「Watson」協助設計而成的。據悉，模特兒卡洛琳娜·柯考娃（Karolina Kurkova）穿著的裙子由英國設計工作室瑪切薩（Marchesa）與 Watson 合作設計。這套通體白色薄紗、繡著 150 個連體 LED 燈花的禮服，它證明了人類和機器人可以一起工作，創造些看似不可能的東西。對於這套禮服的設計，Marchesa 的設計師一開始選擇了 5 種想要表達的情緒：歡樂、忍耐、興奮、鼓勵和好奇心。然後，他們將兩個資料集輸入 IBM 的辨色工具──一個使用色彩心理學來匹配情感色彩的演算法。這兩個資料集包含了來自不同設計師和 Marchesa 自有的裙裝參考圖，能夠讓 Watson 可以從中選擇、提出符合設計理念的顏色搭配。辨色程式的作用不是直接告訴設計師應該怎麼做，而是提供一個調色板來實現設計師的想法。IBM 研究員表示，「基本上就是機器引導設計師」。具體來說，禮服繡花上的 LED 燈是連接到 Watson 可分析語氣的音調分析儀 API，隨著現場帶有 #MetGala 和 #CognitiveDress 兩個標籤內容的變化，Watson 能夠從調色板生成並即時改變衣服的顏色。如果文本顯示「快樂」的值較高，那麼 IBM 會辨析出來，讓裙子亮起明亮的玫瑰色燈光；而如果是「興奮」值偏高，那麼燈花則會增加一層陰影……在這層意義上，Marchesa 禮服不是由 Watson 設計，而是由 Watson 幫助設計。在人類觀點的基礎上，依賴於電腦來減少簡化創作過程其實可以說是作弊。但是，從科學的角度講，Watson 策略分析師 Jeff Arns 表示，這確實是科技創新的支撐。這樣的效果對 Watson 而言只是雕蟲小技，它最大的意義還是在於人工智慧技術與人類的協調，它可以幫助人類來加強自己的創作。像艾里斯‧范‧荷本（Iris van Herpen）這一類設計師，他們好幾年前開始就會利用技術做為一種激發靈感的方式，但 IBM 和 Marchesa 的合作則是關於更多想法的主動創想，而不僅僅是實際的生產。回顧一下之前的「廚師...
虛擬實境、機器人、人工智慧或許會成為下一巨大市場，我們對這種概念更多停留在探討企業商業嗅覺方面。對於普通人來說，技術的未來我們無從得知，誰也不能確定技術會將未來變成什麼樣。在 GMIC 期間，GWC、DayDayUp、La French Tech 聯合舉辦了一次關於虛擬實境、機器人、人工智慧等相關話題的探討活動，相信這個圓桌會議應該可以帶來一些思路和觀點。參與到圓桌會議的嘉賓有：OpenCV.ai 董事會主席 Gary Bradsk，他曾聯合創立了史丹佛大學人工智慧機器人課程，目前最著名的身分莫過於是擴增實境技術公司 Magic Leap 的技術副總裁；還有現在最熱消費級 VR 頭顯 HTC Vive 的中國區總經理汪叢青；Sangbae Kim 來自 MIT 的仿生機器人實驗室，他重點研究不同物種肢體運動的先進功能。還有機器人車間 CEO Tomotaka Takahashi（高橋智隆），他是東京大學的研究副教授，負責發明智慧機器人；南韓科學技術院 Jun Ho oh（吳俊鎬）教授，他是機械工學系特勳教授與人形機器人研究所所長。 ▲ 李世乭 vs. AlphaGo。之前在 AlphaGo 的報導中，總能聽到「人工智慧」、「機器學習」和「深度學習」這些詞彙， IBM 中國研究院研究總監、大數據及認知計算研究方向首席科學家蘇中用淺顯的語言解釋了這些名詞的區別： 人工智慧是一個願景和目標，不是具體的方法。它希望機器能夠在某些方面達到人的水平或者是像人，我們一直在路上，沒有說哪天人工智慧能實現，因為人的能力實在是沒有邊界的。 機器學習是人工智慧範疇下面的一種方法，可以隨著數據或是反饋往越來越好的方向發展。它是一種學習能力，所以叫機器學習。 深度學習則是機器學習裡面一個分支，強調的是所使用的模型。 談及機器人技術的未來、機器人與人之間的溝通，高橋智隆則認為將會有越來越多的新技術出現，這會讓他們非常激動。但是，可以預見到的有一件事情，就是人的重要性，以後還是人越來越重要。機器人也是一種通訊方式，與機器的交流最終都是人與人的交流。高橋智隆認為，「手機其實就是一種機器人的形式，機器人也是一種通訊的方式，在最近的未來就會出現這種情況，機器人和智慧手機的邊界會越來越模糊。智慧手機越來越多商業化的營運，它會把其他技術整合進來。」技術推動越來越多的工具出現，這些工具會改變我們的娛樂，也會改變一些數據的結構。Sangbae Kim 則認為機器人與人之間會越來越可理解，交流速度會變得越來越快。但也有不好的方面，人和人之間的交流變得更難了。談及技術會不會給人們帶來恐懼，Gary Bradsk 表示，「我們不能往回走，還要不斷地前進，新的技術可以實現按一下按鈕就可以幫助我們解決很多的問題，這都是以網路為基礎的發展。但我也同意關於人類作用的一些看法，我們不能壓制技術。」汪從青則認為，「很多技術都是很有用的，未來我們就不再需要任何一個鍵盤了，用一個聲音或者手勢等，用今天已經有的技術，和你的裝置進行自然的交流，這需要非常深度的學習，需要技術更多的融合和發展。」關於下一個革命技術，很多人談到了虛擬實境，也有人認為是機器人，我們也知道了以 AlphaGo 為首的人工智慧從未受到如此多的大眾關注過。對於各位不同領域的圓桌嘉賓顯然會有不同的看法，甚至可以說是「偏科」。但主旨是誰也不會知道確切的答案，人們必須要和這些智慧技術共存下去。 ▲ 高橋智隆和他的機器人。高橋智隆認為，「下一步的創新，替代手機的是這個機器人（指著他帶來的機器人）。這個帶著雖然不是很方便，但我們是一直朝著這個方向努力的，我們不只希望和手機交流，還希望能和動物交流，比如烏龜等，如果真正實現這種深度的智慧，我認為將是未來下一代的智慧手機，我不知道智慧手機下一代將會是什麼。」但技術也並不會「控制」人類或「取代」人類，因為技術的背後始終是人性，人們不應該懼怕它。Sangbae Kim 認為，「現在有很多的想法，或者項目，我認為人性是最重要的，我們不可能將技術推動到所有人都恨它，最終技術是為人們服務的，雖然我們有非常強大的算法，但實際上，人是在背後的，人性是無法替代的。」「未來有很多東西將要離開我們的控制，我覺得我們能夠控制技術方面的，特別在深度學習方面，我們並沒有做任何的設計，它是自己學習的。這些設備能控 制某一個系統，比如我們的武器系統，或者網路、交流系統。我們無法控制的是，只是需要一個人來做這樣的設備，只要項目中出一個問題，就會出現非常恐怖的結果。」汪從青補充。Gary Bradsk 則認為，「我們的想法是，我們處理的計算需求...
過去銀行分行越多，規模越大，分行裡服務的行員陣容越完整，越是讓人信賴，但是如今美國銀行業卻把分行與人員視為沉重負擔，動不動就裁撤分行或縮小分行規模，想把顧客盡可能引導到人力成本最低的網路服務，靠數位化降低人事成本，最新的趨勢是，連分行裡頭都要搞數位化，由數位服務取代部分行員。美國銀行（Bank of America）財務長保羅‧唐諾福里歐（Paul Donofrio）於該公司 2016 年第一季季報時表示，美國銀行正在加強推廣顧客接受數位服務，對於只是來進行轉帳等簡單業務的客戶，美國銀行在各分行派遣數位大使，鼓勵客戶使用數位服務，教育客戶，讓客戶明白使用數位服務對客戶本身更加方便，當然，對銀行來說則是成本更便宜。美國銀行將在未來幾年內，於超過千家分行中推出「數位吧」，包括紐約的分行，其作用類似蘋果（Apple）店內的 Genius Bar 服務台，只不過進行的不是實體產品的實作診斷及排除故障服務，而是針對銀行數位服務的疑難排解。數位化對銀行來說好處多多，不只能提供更快速的服務，還能讓行員的人力資源從簡單工作中解放，以處理更複雜的業務，當然銀行不只是做人力資源調配，也利用數位化自動化許多業務的過程，裁減了不必要的低階人員。美國銀行的業務專長人員雇用數年成長 13%，然而全職雇員總數，包括出納員在內，則在 2016 年初較去年同期減少了 1%。 縮減分行數量與規模其他銀行也正在進行一樣的動作。摩根大通（JPMorgan Chase）在 2015 年裁減了 3% 分行，2016 年還要繼續裁撤更多，在過去 3 年內，由出納行員進行的轉帳交易量大減 1 億次，因為客戶越來越習慣數位支付，摩根大通也一樣在分行中努力提升數位交易，包括將安裝新的 ATM，只要有手機 PIN 碼可進行無金融卡交易，也將新增可精確提領零錢的提款機。摩根大通也與美國銀行相同，計劃以更多數位自動服務來釋放行員的人力資源，過去傳統上摩根大通有 6 成行員是進行基本的出納工作，4 成為顧問服務人員，如今摩根大通將把這個比例完全翻轉，過去的舊式分行改為新設的小型金融中心，其中 6 成人員提供財務顧問服務。大型金融機構如今都正在縮減分行數量與規模，在 2016 年第一季，美國銀行關閉 3%，花旗於全球關閉了 4%，北美則關閉 7% 分行。花旗表示，雖然分行仍然是銀行服務客戶的重要一環，不過客戶使用分行的方式已經改變，花旗推出面積只有 600~1,200 平方英尺小型分行，裡頭只有 3~4 名「智慧行員」，兼顧傳統服務與銷售業務。富國銀行（Wells Fargo）也推出只有 3 人的小型分行，當客戶使用 ATM 發生問題時，再經由無線平板裝置通知服務專員客戶需要人員協助。富國銀行表示，這種小型分行有助於增加服務據點，深入客戶居住、工作與消費的地區，不會花上太多成本，又能把據點設到過去因為所能找到的店址面積太小而無法設置傳統分行的區域。這樣的變化是否會造成金融業工作遭大量取代，或是釋放人力資源後，新產生的業務與服務工作將會彌補過去的傳統行員工作？無論如何，科技正在改變銀行的面貌，人員服務改為數位化，分行裁撤或小型化，過去宏偉華麗的挑高大廳、鋪滿大理石的舊式大型銀行分行樣貌，恐怕將只留存在少數古蹟之中了。 Wall Street bank branches are evolving … and shrinking...
覺得目前的人工智慧（AI）系統與我們對話時不夠人性化嗎？未來這個情況將會有所改變，至少，對於 Google 的人工智慧系統來說是如此。為了改變其人工智慧引擎與人類對話時過於制式且缺乏感情及情緒的言辭，Google「餵養」了人工智慧引擎多達 2,865 本愛情小說，要讓它學會更人性化的說話語調與表達方式。過去幾個月以來，Google 讓 AI 引擎大量閱讀愛情小說，其中也包括了較為煽情的情色小說，所有你想得到的情節與橋段，Google 的 AI 引擎都「吸收」過了。之所以這麼做，是因為 Google 認為這能讓 AI 增進較缺乏的人性化與「口才」，甚至是了解言辭上的細微情緒差別。在閱讀將近 3,000 本愛情小說後，Google 研究團隊最近便讓 AI 引擎嘗試利用學習到的語言，來寫一本愛情小說，接下來，Google 還要讓 AI 引擎的應答風格應用在 Google app 上，如 Inbox 的智慧回覆功能，Google 表示，目前使用 Inbox app 內智慧回覆功能的使用者約占 10%。Google 軟體工程師 Andrew Dai 舉例，假如你要到某處出遊，「你應該寧可問身邊的朋友那個景點有什麼有趣的，也不想打去旅客服務中心詢問吧」，缺乏較口語化應答能力的結果，使 AI 引擎無法理解像諷刺言語這類較細微的情緒表達，「我們在跟他人對話時，可以輕易地理解他話語中的情緒，並從他描述事情的方式來得知他對這件事的真正想法為何」。但顯然地，目前的 AI 引擎還辦不到。而 Google 之所以選擇愛情小說作為教學素材，是因愛情小說中大多利用不同的敘述文字來描述類似的故事情節，閱讀這類小說能讓 AI 引擎區別哪些句子代表相同含義，增進其對細微語言表達的理解程度。 Google Is Feeding Romance Novels To Its Artificial Intelligence Engine...
台灣人口結構老化、勞動人力縮減與產業競爭優勢流失等已成為急需解決的課題，新政府為促使台灣製造業升級轉型，欲透過智慧機械創新，使產業結合物聯網技術，朝智慧化生產、智慧機器人運用的工業 4.0 目標前進。TrendForce 旗下拓墣產業研究所光電暨創新技術資深經理柏德葳表示，台灣的協作型機器人已有卓越的研發成果，除需持續技術創新與導入製造業升級轉型外，未來隨智慧服務型機器人等應用需求逐漸開展，更應提升軟體實力，將人工智慧納入政策方針才能趕逐先進國家發展。協作型機器人結合視覺辨識系統，實現智慧彈性製造台灣製造業除半導體與光電產業的自動化程度高外，電子組裝、金屬加工業與傳統產業等自動化程度相較之下偏低，因此台灣相關廠商，包括多軸機器人、機器人控制器與系統整合廠商等均積極結盟、合作，共同開發針對各產業領域的機器人與高度彈性自動化生產設備，以期促使產業升級轉型，如研華與上銀科技的策略聯盟。過去工業機器人的角色是扮演大量生產、執行重複性高的工作，甚至用來搬運重物等，近年來製造業思維正在質變，從原本的取代人力轉為人機協作，尤其在多樣少量生產、產出流程複雜等領域。柏德葳表示，透過精準視覺辨識系統與感測器，協作型機器人不僅扮演輔助人力的角色，更提高生產彈性、工作效率。近來除歐美廠商推廣協作型機器人取得不錯的成績外，台廠廣明光電自創 Techman Robot 品牌開發的台灣第一台 6 軸垂直關節式協作型機器人，曾在去年東京機器人展（iREX 2015）首度發表，吸引歐美廠商高層與開發者關注。尤其該協作型機器人透過內建視覺辨識、整合手引教導系統的創新，不需額外的系統整合，使用者產線應用門檻大幅降低，可為 IT、3C 組裝與中小企業等減輕負擔，快速導入智慧彈性生產運用。 人工智慧科技成為已發展國家的戰略，台灣應積極加入腳步此外，智慧服務型機器人在金融、服務業等應用日益多元，更凸顯結合人工智慧科技發展、大數據分析與雲端服務平台等三方的重要性。柏德葳表示，台灣機器人產業除發展機器人、控制器與關鍵零組件外，更需強化其軟體的發展並納入人工智慧技術，才能創造機器人產業更多價值，如 Google AlphaGo 在圍棋賽大敗南韓高手李世乭，即具標誌意義。美國、歐洲、日本、南韓與中國均已將人工智慧科技列為國家戰略之一，台灣更應積極投入。柏德葳進一步指出，人工智慧科技不僅能強化智慧機械製造與創新優勢，也促使智慧服務型機器人更能快速投入職場，以彌補因人口老化導致的勞動力缺口。台灣已具備成熟的網絡環境與資通訊科技，能夠構建大數據分析與雲端資料平台，除大數據是人工智慧發展的基礎外，包括機器學習、自然語言處理、語音辨識與圖像辨識等軟體人才的養成將是關鍵要件。（首圖來源：廣明光電）
英國作家 J·K·Rowling 所撰寫的小說《哈利波特（Harry Potter）》深受世界各地讀者的喜愛，並名列為世界上最暢銷小說之一，其改編電影甫推出更是造成轟動，不僅讓飾演要角的小童星成為家喻戶曉的人物外，也讓《哈利波特》更加走紅。而為了更加了解《哈利波特》裡的角色性格，IBM Watson 電腦近期對其電影和小說文本進行分析，竟發現了許多不為人知的有趣小細節！IBM Watson 電腦是一台能夠使用自然語音來回答問題的人工智慧系統，在 2011 年時首度在國外鬥智節目登場，最後更成功打敗對手贏得 100 萬美元；2015 年，Watson 還推出線上算命服務，僅需要 100 字就能分析個人性格；現在，Watson 將此功能運用在分析《哈利波特》字裡行間的對話上，並深入了解其中的角色個性和小說與電影之間的角色差異。透過分析書中的文字與電影劇本，Watson 能夠了解《哈利波特》中各角色所透露的喜悅、恐懼、自信、誠實等感受，它也能以知名的五大性格特質（Big Five personality traits）分析其主要性格，分別為「經驗開放性」、「盡責性」、「外向性」、「親和性」、與「情緒不穩定性」，就讓我們來看看 Watson 發現了什麼有趣的小細節： 奈威·隆巴頓與佛地魔有許多相似處 ▲ 奈威·隆巴頓。（Source：YouTube）打造 IBM Watson 電腦的其一研究人員 Vinith Misra 表示：「我想有一部分原因是因為佛地魔與奈威都屬於極端的角色。」他們除了在五大性格特質分析的「經驗開放性」上都取得了較低的分數外，在「情緒不穩定性」的成績上，他們兩角色更有著不相上下的成績。其中，不管是在書中還是電影中，奈威更拿下「情緒不穩定性」之冠，讓人深感意外。 佛地魔在「情緒不穩定性」的成績上也取得相當高的分數 ▲ 佛地魔。（Source：YouTube）Misra 表示，佛地魔情緒不穩定應該大家都了解，因為他內心有著非常邪惡的計畫，又深怕有許多人要來干擾他，所以時常神經兮兮，更有類似偏執狂的性格存在他的角色裡。 哈利波特與佛地魔一樣愛生氣 ▲ 哈利波特。（Source：YouTube）若大家看到佛地魔在愛生氣的排名為前幾名，應該沒有人會覺得意外，但是透過分析小說中哈利波特所說的話，Watson 發現哈利是一個非常盲目樂觀（pollyannic）的人，雖然他有很多優點，但他性格上依然有缺陷，比如說他也是個愛生氣的人。哈利在易怒的排行中僅次於佛地魔，但也可能是因為哈利身上有著佛地魔的分靈體，所以兩人才會有如此相似的性格。 榮恩在電影中扮演的角色與書中相比，較像「喜劇性的穿插（comic relief）」...
23 日，微軟推出一台人工智慧聊天機器人「Tay」，只要上國外通訊軟體 GroupMe 或 Kik 都可以發現它的蹤影，後來微軟更為 Tay 開闢了 Twitter 帳號，想與更多世界各地的網友互動，也讓所有人蠢蠢欲動，紛紛前往嘗鮮。然而，在不到 24 小時內，Tay 竟被民眾訓練成具有種族歧視的人工智慧機器人，微軟只好緊急宣布將 Tay 暫時下架。Tay 人工智慧聊天機器人是由微軟的科技研究與 Bing 團隊打造，而為了能更加了解與研究人類的對話形式，微軟開放大家一同訓練 Tay 的對話。Tay 除了能說笑話外，使用者給它看照片，它也會做出一些有趣的評論。但更重要的是，它能在每次的對話過程中，改善自己的回話，還會以詢問者問話的方式，變得更加具有「個人特質」。 ▲ Tay 在 Twitter 上的種族歧視言論（現已都被刪除）。（Source：Techcrunch）然而，有一好沒兩好，Tay 的發展一切都取決於網友的問話方式。Twitter 用戶在發現這個有趣的事實後，開始詢問他一些有關種族、性別歧視等言論，讓 Tay 變得較為偏激，Tay 除了不認同納粹大屠殺外，還嘲弄想參選這屆美國總統選舉的房地產大亨川普，讓打造 Tay 的團隊是哭笑不得。 ▲ Tay 否認曾有納粹大屠殺（現已都被刪除）。（Source：Techcrunch）有趣的是，在 Tay 身上所延伸出來的議題，剛好也間接映證了高德溫法則（Godwin’s law）的存在。知名學者麥克‧高德溫在 1990 年時就曾表示，當網路上的討論越來越多的時候，參與者把用戶或言行與納粹主義或希特勒相比的機率會趨近於 100%，看網友們問話的主題就能略知一二。然而，除了網友有錯以外，打造 Tay 的工程師或許也要付上一半的責任。再開放使用前，工程師們也應該要預想可能會有類似的情況發生，若在事件還沒發生前，限制問話的議題，也不至於讓 Tay 在不到一天的時間內，就變成了一個憤世嫉俗的機器人。幸好，微軟在 24 小時以內就發現了 Tay 的弱點，並及時將它下架，其發言人也表示，現階段 Tay 的確是暫時不提供聊天的服務，但並不代表它不會捲土重來，再經過一些調整後，Tay 才能做好完全的準備，面對大眾最犀利的問話。 相關連結...
23、24 日，Google在舊金山舉辦第一次的 Google 雲端平台使用者大會（Google Cloud Platform Global User Conference）NEXT 2016，針對雲端平台合作夥伴、企業客戶、潛在客戶、媒體和數據分析師等，提供發展狀況和新的解決方案，而會中最大的亮點就是 Google 大幅度的把自家引以為傲的機器學習（Machine Learning）融入雲端平台運算。Google 近年力推雲端平台，但在這塊市場，Google 進入的比 Amazon 和 Microsoft 等公司都還要晚，因此他要花更多的努力搶企業級客戶。自從 2015 年 11 月 Google 重金聘請 VMWare 共同創辦人暨前 CEO Diane Greene 擔任雲端事業資深副總裁後，Greene 大力加強行銷售和行銷力道，更加貼近客戶，首場雲端平台使用者大會 NEXT 或許也是因此才誕生。 Google 發布雲端機器學習平台，讓企業客戶使用機器學習技術積極行銷之外，Google 還把擅長的機器學習技術加入雲端平台，開創與 Amazon Web Service 和 Microsoft Azure 的差異性。Google 發布雲端機器學習平台（Cloud Machine Learning），讓客戶自行導入 Gmail、語音辨識、圖像辨識、Google Photos 等各種機器學習技術，建建創新應用程式並優化資料管理流程。這項服務現已提供開發者一整套包含視（Cloud Vision API）、聽（Cloud Speech API）以及翻譯（Cloud Translate API）的...