全球經濟步入緩步復甦，經濟學家擔心缺乏動力之下經濟將呈現平庸化、兩極化局面，各國政府寄望新興科技能帶動工業革命一樣的效果，對個別產業而言，數位化也是突破獲利瓶頸，提升生產力與競爭力的關鍵，其中又以大數據分析能力最為重要，上月在德國漢堡舉行的航空用品展 (WTCE) 上，一個最新的趨勢就是「個性化」。個性化將是航空公司推動獲利成長的核心。Tnooz 報導指出，從餐飲服務到娛樂服務，航空公司專注於將旅行從同質體驗轉變為個性化旅程，甚至在消費者都沒察覺自己的偏好之前，就能滿足不同消費者的需求。這些都是大數據，也是這次漢堡航空展上的重要趨勢，包括要多少數據、如何管理、分析方法都是討論重心。雖然近期數據收集與濫用引發業界與消費端對隱私的擔憂，加上歐盟個資法即將於 5 月底上路，但如何適當使用數據，突破現有的營運瓶頸，是不可逆轉的趨勢。在展會上有幾項有趣的應用實例，如數據科學技術新創公司 Black Swan Data 宣布與海航集團旗下的航空配餐公司 Gategroup 合作，藉由分析乘客資料與社群媒體喜好，預測乘客可能會選擇什麼樣的餐點來設計菜單內容，這項合作已經有效降低 50% 的食物浪費，增加 15% 生產力。一家聊天機器人開發商 Aviget 讓航空公司透過 Facebook Messenger、Viber 和 WeChat 等平台，以一對一的方式服務乘客。聊天機器人使用自然語言處理技術來理解一般乘客詢問的問題，譬如幫助乘客找到低於 150 美元從希斯洛機場飛到雅加達的機票，或是回答乘客關於是否能夠攜帶兩件登機行李的一般問題。FoxTripper 的移動地圖服務軟體還能提供飛機行經路線的資訊，讓乘客預定目的地的活動，結合乘客資訊與這個過程中的追蹤資訊，FoxTripper 平台可以預測乘客喜歡什麼樣的產品與服務。這些由數據驅動的服務與工具可為乘客提供真正的個人體驗，同時向航空公司提供有價值的見解，做為微調與改善體驗的依據。使用人工智慧可以確定誰喜歡漫威電影、哪些飛行路線的人特別喜歡吃薯片、哪些人更可能購買手錶。隨著累積愈來愈多數據，可以更準確地預測乘客需要什麼，甚至可以提前幾個月預測到這些偏好。這些技術應用其實已經存在一段時間，如亞馬遜的購物平台以及 Netflix 的影片推薦功能，但隨著網路技術改善，這波大數據服務已經入侵航空業。報導認為，大數據分析將可解決當今航空業者在高度商品化和競爭市場中面臨的問題，即如何在提高效率的同時增加每位乘客的收入，並改善整體乘客體驗。當然數據分析的效果無法一觸可及，採用過程也可能觸及一些隱私的疑慮，但觀察這次漢堡航空展上新創公司活躍的表現，預料個性化飛行體驗將成為航空業的下一個戰場。 Why airlines are finally poised to unlock Big Data to enhance the passenger experience (首圖來源：Flickr/Delta News Hub CC BY 2.0)
人工智慧（AI）不只已經成為科技界的新寵兒，更成為預言者口中將摧毀就業市場，讓所有人都沒工作的恐怖夢魘。在一片將 AI 形容成惡魔的恐慌論調中，有人獨排眾議認為根本就不會如此，而他的理論基礎就是過去數百年的人類的數學發展經驗──數學史。Nathan Myhrvold 不只曾經是微軟（Microsoft）的技術長，也是專利公司 Intellectual Ventures 的共同創辦人。Myhrvold 在微軟被列為 17 項美國專利的共同發明人，在他自己和旗下的公司更共同擁有超過 750 項美國專利。除了在科技界有不小的成就，他還跨足核電、古生物學、氣候科學和天文學等領域，甚至還出版過烹飪書。多才多藝的 Myhrvold 對 AI 帶來的影響，和其他專家有截然不同的看法。Myhrvold 認為人們總是對新科技可能造成的破壞過度反應，而 AI 就是一個現代案例。有些經濟學家認為到 2030 年美國有將近一半工作可能會因自動化消失，民調高達 73% 美國民眾相信 AI 會讓更多人失業，甚至有人認為 AI 的危害比核子武器更大。Myhrvold 對這樣的說法表示懷疑，他認同 AI 的確有潛力能徹底改變人類的工作和生活，但這個社會將透過規範、文化壓力和市場力量來形塑 AI 帶來的改變。「如果你擔心 AI 造成大量失業甚至更嚴重的破壞，那可以思考一下，為什麼計算機和電腦出現沒有讓數學家過氣？」Myhrvold 提出問題。Myhrvold 指出在 17 世紀，「computer」這個詞其實指的是計算員而非電腦，這個職位要負責用紙筆處理帳務等工作。到了 1960 年代，計算員獲得計算尺和機器計算機的幫助，但這個工作還是存在。如同 2016 年上映的電影《關鍵少數》呈現的，美國太空總署（NASA）非常依賴 Katherine Johnson 和非裔女性團隊的計算員，為早期太空計畫進行計算。▲ 計算尺是 1970 年代以前廣泛使用的計算工具，後來被電子計算機取代。（Source：Flickr/The Last Cookie CC BY 2.0）如今連智慧型手錶都能算得比任何人快個幾十億倍，那 NASA...
Google 8 日在加州召開了 2018 年度的開發者大會（Google I/O 2018）。在大會介紹的 Android P、Gmail、Gboard、TPUv3 等眾多新產品和功能中，尤為亮眼的無疑是個人助理 Google Assistant 中新增加的 Duplex，它可以打電話給餐廳、髮廊等店家，幫用戶預約時間。具體效果可以先看看 I/O 大會現場的展示影片：在這兩則真實電話錄音中，Duplex 不僅用自然流暢的語音和電話另一頭的人類完成了交流，對方根本沒有意識到打電話來的居然是個「AI」，而且第二則錄音中它還成功地處理了意料之外的發展狀況，不僅理解了「無需預定」，還主動詢問了等位的時間。根據 Google CEO 桑德爾·皮蔡（Sundar Pichai）介紹，他們未來還計劃進一步拓展 Duplex 詢問營業時間的能力，有一個用戶的 Google Assistant 打電話詢問了某家店面的營業時間，就可以把這個詢問結果同步給更多別的用戶，不僅節省了用戶 / 消費者自己查詢的時間，也為店家節省了時間。實際上，這也是 Google 對 Google Assistant 的設計宗旨：為用戶節省時間，為用戶把事情搞定（get things done）。Google 也同步在 Google AI 部落格上更新了 Duplex 的技術細節，編譯如下。Google Duplex：能打電話完成真實世界任務的 AI 系統長期以來，人類和電腦之間互動的目標都是希望兩者之間可以進行自然的對話，就像兩個人之間講話那樣。近幾年來，電腦理解和生成自然語音的能力出現了革命性的提高，Google 語音搜尋、WaveNet...
先前華爾街分析師預期，繪圖晶片大廠輝達（NVIDIA）在 2018 年第 1 季的營收年成長將會大增超過 50%。如今成績揭曉，2018 年第 1 季營收達到 32.1 億美元，較 2017 年同期成長 66%，較 2017 年第 4 季也成長 10%，創下歷史新高數字。不過，因為資料中心的營收狀況不如預期，導致 NVIDIA 在美股股價盤後下跌近 3%。根據 NVIDIA 所公布的 2018 年第 1 季財報顯示，該季營收達到 32.1 億美元，較 2017 年同期成長 66%，較 2017 年第 4 季也成長 10%。以非會計準則來計算，毛利率達到 64.7%，每股 EPS 較 2017 年同期大增 141%，也較 2017 年第 4 季也增加 19%，達到 2.05 美元。根據日前，華爾街分析師發布的財測分析指出，NVIDIA 第 1 季的營收將落在 28.84...
在巨大災難面前，應該派誰去搶救，一直是殘忍的問題。現在這個問題稍微好回答一點，這個「誰」可以是機器人。最近，林肯大學的科學家從英國工程和物理科學研究委員會（UK Engineering and Physical Sciences Research Council）獲得了 110 萬英鎊的資金用於開發機器學習 AI，提高機器人的決策技能，這些機器人將部署在核電廠。為了使機器人能學習適應高輻射環境，研發人員將開發用於測繪和導航的 AI，進一步完善視覺引導的抓取、操縱和切割等功能。更好的演算法可以幫助機器人處理核電廠退役、核廢料處理和現場監測等任務。核洩漏到底有多難處理？2015 年諾貝爾文學獎得主斯維拉娜‧亞歷塞維奇，她的紀實文學作品《車諾比的悲鳴》記錄了發生於 1986 年 4 月 26 日的 20 世紀最嚴重核洩漏──車諾比核子事故。事故發生 5 年後，斯維拉娜‧亞歷塞維奇採訪了當事人，包括救火隊員遺孀、核電廠工人、政客、醫生、物理學家和撤離區居民等。（Source：維基百科）這本書中文版名為《我不知道該說什麼，關於死亡還是愛情》，開篇講述已故消防員瓦西里‧伊格納堅科的遺孀，在她講述的愛情故事中，消防員丈夫出勤時只認為要去一個普通火災現場： 他們沒有穿帆布制服，只穿著襯衫出勤，沒人告訴他們，他們只知道要去滅火。 這部實錄以口述方式稍稍打開「記錄真相的黑盒子」，在這團「核迷霧」中，可以確定的是，當時受災人們對核洩漏認識不足，很多傷亡原本可以避免。機器人處理核洩漏已有實際應用，但效果卻不理想。車諾比以後，2011 年發生了福島核電廠核洩漏。核洩漏事故由日本地震海嘯引發，當時參與清理工作的一些工人已發現罹患癌症。面對福島核電站發生的核燃料熔融，機器人是提取未定位的熔化燃料棒的安全方法。東京電力公司（TEPCO）先後使用過多款機器人幫助清理核子反應爐，但參與工作的機器人也身受重傷，沒能順利完成任務返回。在核輻射極端的熱量條件下，機器人的線路也被熔化。洩漏現場還有約 100 萬公噸輻照水，冷卻水池條件也讓機器人工作更困難。東芝公司和國際核退役研究所（IRID）開發了一款高抗輻射能力的小型潛水機器人 Mini-Manbo，它能進入並檢查受損的福島第一核電站 3 號機組主要安全殼。透過開發更安全的自主學習機器人應付諸如核洩露等危險，幫助我們放下沉重的罪惡感。不過根據研究人員的設想，擁有學習能力的機器人，也許會自己決定不進入核洩漏現場。（本文由 愛范兒 授權轉載；首圖來源：shutterstock）延伸閱讀： 福島核災 6 年後，機器人終於找到第一個融化的鈾燃料棒 英國政府採用機器人做吃力不討好的工作：清理核廢料
據美國白宮高層表示，川普政府對於人工智慧（AI）將採取不干涉的立場，讓產業自由發揮，即使已知 AI 未來會取代部分工作亦然。白宮週四舉辦科技高峰會，出席的企業包含 Google、Facebook、亞馬遜等 30 多家科技大廠。路透社報導，川普科技政策顧問克拉席歐斯（Michael Kratsios）在會中明白表示，對於 AI 的研發，川普政府將不插手過問，以給予產業最大的空間。克拉席歐斯也指出隨著 AI 應用普及化，就業機會流失在所難免，但即使如此，美國也不能故步自封。相反的，克拉席歐斯認為，現在最該做的是學習適應，就像過去的美國人一樣。在承諾最少法規限制的同時，克拉席歐斯還同時建議在沒有危害隱私或國安疑慮的前題下，開放聯邦政府的數據庫，以協助 AI 產業發展。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
Facebook 人工智慧研究院的研究員 Dhruv Batra 和 Devi Parikh 共同撰寫，介紹 Facebook 關於自主智慧體的最新研究成果──目標驅動自主學習──近日公開，並宣布開源 EmbodiedQA 和 House3D 資料集，以下根據原文編譯供讀者參考。大多數能與人類互動的自主智慧體（Autonomous agents）都有一些共同點：它們並不是那麼自給自足（Self-sufficient）。如智慧喇叭（Smart speaker）雖然可以透過語音介面與人類交流並採取一些動作（如訂購產品），但它卻無法感知周圍環境。另一方面，割草機器人雖然具備動作（割草）和感知（透過感測器）能力，但除了不斷閃燈或傳送錯誤資訊，還無法達成與主人自由交流。如果不同時具備 3 個重要的關鍵因素──感知、溝通和動作，那麼自主智慧體就無法成為全面助理，而這其中的空白代溝還需要人類彌補。這個問題對目前的智慧體來說似乎並不是什麼大毛病，如 Roomba 機器人如果不通知你有把椅子阻礙它的清潔路線，這只是一點小困難而不是什麼大災難。但為了讓下一代智慧體融入並改變我們的生活，自主系統需要更自給自足。訓練人工智慧系統時要扔下嬰兒車為了給幫對人類微觀管理依賴程度較低且更具通用性的系統鋪平道路，Facebook 人工智慧研究院（FAIR）開發了一系列用於訓練和測試自主智慧體的虛擬環境，以及能學習智慧探索環境的新型智慧體。這些智慧體將用做模擬機器人，是 Facebook 與喬治亞理工學院的研究員合作建立。使用虛擬智慧體和虛擬環境比起將真實機器人送到現有的室內場所要來得有效率，因為這需要花費數千台機器來符合基於 AI 訓練的執行速度。Facebook F8 會議關於透過 AI 提高內容可存取性的主題演講，簡單介紹過這項工作。FAIR 的目標是指導系統根據長期計畫採取多種動作，同時還要努力完成給定的工作。為了取得成功，這些智慧體必須在環境中行動，綜合使用感知、導航和溝通能力搜尋問題的答案，然後使用簡單自然的語言傳達這些答案。對 AI 來說，這是極具挑戰性的問題，一旦達成，就是朝著自治邁出了一步，並且該智慧體的適應性也將足以在非架構化的人造世界發揮作用。為了測試這種目標導向（Goal-driven）方法，FAIR 和喬治亞理工學院聯合提出一個多步驟 AI 工作，稱為「具體化問答」（Embodied Question Answering）或「EmbodiedQA」。與聊天機器人或智慧喇叭相比，此智慧體必須在物理環境（儘管是虛擬環境）學習和執行，因此稱為「具體化的」（Embodied）。當智慧體被問及單一問題時，例如「車子是什麼顏色？」或「我的鑰匙在哪個房間？」智慧體必須能理解書面語言，然後用第一人稱相機感知周圍環境，探索 3D 的室內環境直到找到答案。且為了使智慧體自主性更完善，還將透過自然語言的方式回覆該答案以完成使命。▲ FAIR 提出一項新的 AI 工作──具體化問答（Embodied Question Answering）。圖為一 3D 環境的某個隨機位置產生一個智慧體，並給它一個問題（車是什麼顏色），為了回答這個問題，智慧體必須藉助智慧導航以探索環境，透過第一人稱（以自我為中心）視覺收集資訊，然後回答問題（橙色）。FAIR 相信這些是第一個要求 AI 系統綜合展示感知、交流和動作以達成目標的實驗。將完全自主（智慧體在沒有人類啟動和干預的情況下做到自主活動）和不熟悉的環境結合，增加工作的挑戰性。智慧體要在隨機的、數以百計的不同樓層平面圖（每個平面都是仿照現實家庭建模）執行，且不具該環境中實踐執行過的增益，也不曾在類似地圖執行。更難的是，為了回答問題，智慧體必須行動，因為問題裡的物品也許無法立即看到。工作中學習為了訓練和評估這些智慧體，所需的虛擬環境不僅具備互動功能，還要具備多樣化和數量充足的特徴，以避免智慧體在相同環境反覆執行，這對自主智慧體的發展而言是更巨大的挑戰。FAIR 的解決方案稱為 House3D，是由 45,000 個手動建立的模擬室內環境組成。House3D 是基於普林斯頓大學的 SUNCG 資料集建立，但 House3D 為一完全可導航的位置集合（Fully navigable set...
軟銀願景基金（SoftBank Vision Fund）大手筆投資未來科技產業，據傳賓士母公司和日本三大銀行看好前景，同意注資。納入這筆資金後，願景基金募款 1,000 億美元的目標達成在望。金融時報、日經新聞報導，願景基金是史上最大規模的科技私募基金，計劃籌款 1,000 億美元，投資人工智慧（AI）、次世代運輸系統等。內情人士透露，德國車廠戴姆勒（Daimler）、三菱日聯金融集團（MUFG）、瑞穗銀行（Mizuho）、三井住友銀行（Sumitomo Mitsui Banking）是願景基金最後一批投資人之一。據稱甲骨文共同創辦人 Larry Ellison 和中東國家巴林的主權基金也加入注資行列。另外，軟銀創辦人孫正義將加碼投資。計入這些資金之後，願景基金可望成功募得 1,000 億美元。軟銀內部已經開始討論，是否成立第二個願景基金，預定名稱為「Vision Fund II」。願景基金最主要投資者是軟銀、沙烏地阿拉伯、阿布達比，這三者出資 880 億美元。其他投資人還有鴻海、夏普、蘋果、高通等。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/MIKI Yoshihito CC BY 2.0）延伸閱讀： 中投公司傳想投資視野基金，軟銀憂染「紅」問題多
在 Google 人工智慧研究團隊 DeepMind 的努力下，AI 似乎又要在一個領域打敗人類的專業，只是這次並不是什麼困難的棋類，而是常見的迷宮遊戲。雖然遊戲需要的定位與找路能力或許聽來簡單，但實際作用方式卻非常複雜。 2005 年，科學家在動物身上發現網格細胞（grid cells），並透過這項研究贏得諾貝爾獎。透過研究揭示的內容，普遍認為網格細胞便是動物能自動導航、尋找路徑的關鍵所在，這些細胞就像在特定空間裡畫上無數六角形網格，如同座標系統反應前進的軌跡路線，幫助我們在空間中繞過障礙，計算前往目的地路徑並找到捷徑前往。但這麼多年以來，科學家都並未能確定網格細胞與生物導航間的詳細機制，如今 DeepMind 團隊透過訓練 AI 在虛擬迷宮空間定位，成功發現 AI 自發性的發展出類似網格細胞的功能。《衛報》報導指出，團隊在建構出深層神經網路（DNN）後，透過編碼出大鼠覓食時的方向與速度來教導程式導航的基本知識，隨著時間過去，AI 在虛擬環境移動時定位的情況變得越來越好。訓練中，團隊發現近四分之一 DNN 的人造神經元開始像生物的網格細胞一樣活動，換句話說，AI 在導航找到了同樣的策略──就像人類大腦很久以前就開始做的那樣。「我們很驚訝 AI 運作得這麼好，這與原先機制的相似程度絕對很驚人。」▲ 上方為 AI 製造的網格單位，下方為大鼠的網格細胞。（Source：DeepMind）在發現 AI 製造的網格單位（grid units）之後，DeepMind 研究人員稍微改進了程式，而 AI 持續在遊戲測試中擊敗有經驗的人類玩家，甚至速度更快，還能在捷徑出現時立即判斷出路徑。DeepMind 高級研究員 Dharshan Kumaran 表示，AI 所做的，就是像各種動物一樣盡可能採取直接路線，並在有可用路線時採用捷徑，而透過網格細胞的模擬，AI 找路的性能顯著增強，已能超越專業的人類玩家。網格細胞對生物的導航定位來說至關重要。雖然人們往往將找路視為一件稀鬆平常的事，但其中的機制我們仍未完全了解，透過這項研究，人腦自動導航背後的神經機制將有望更清楚的揭露出來。這項研究也意味著 AI 領域的另一個里程碑，儘管 AI 技術已證明能在圖像辨識和棋類遊戲超越人類，但像人腦導航所面對的認知挑戰則完全不同。這項研究等於開創了 AI 技術全新的可能性。在 AI 可以探索類似大腦活動的情況下，除了能用來製作更聰明的程式，也為電腦工程師找到工作的全新目標：透過打造 AI 模型協助神經科學家更理解人類的大腦，而不需要透過動物或人體實驗進行。▲ 像人腦一樣的導航定位對 AI 來說是不同於下棋的挑戰。（Source：pixabay）約翰霍普金斯大學 AI 和神經科學專家 Francesco Savelli 表示，在他看來 AI...
艾陽科技是家小公司，走進位於新北市新店區民權路工業區的辦公室，尚未就位的辦公桌椅與會議室，不到 10 人埋首工作的場景，要不是入口漆上 ioNetworks 橘紅字的企業識別，很難篤定地踏入展開採訪工作。「從自己默默耕耘，突然間，受到各界的矚目，有點不習慣。」執行長林鼎自嘲地說。創業至今 4 年，艾陽剛獲得 2018 年智慧城市展系統整合輸出獎，名號在業界受到普遍關注，加上遷入新辦公室算是雙喜臨門。林鼎也不禁欣慰地說：「我們從成立以來，從未向外募資，就已經賺錢了！」2018 年智慧城市展，艾陽整合了國內數位攝影機大廠利凌，以及通關閘門供應商眾陽機械，推出具備人工智慧臉部辨識的追蹤攝影機通關系統，能在黑名單經過時，1 秒迅速追蹤鎖定。得獎後，艾陽接到來自全球的國境通關、大型企業門禁等領域系統整合商進一步深度洽談的邀請。智慧臉部辨識通關系統 黑名單出現立即鎖定林鼎認為，艾陽在臉部辨識引擎及影像管理平台的優勢，在不同應用領域中，與既有安控軟硬體系統整合輸出是一貫的策略，在泰國航空全球商務據點、科威特機場、南非 MTN 財團、中東地區的電信公司的物聯網中央安控等案皆是如此。「雖然已具備含金量相對高的臉部辨識引擎與影像管理技術，但艾陽仍專注在安控市場，從門檻高的軟硬整合解決方案切入。」合作多年的利凌公司策略長許家雄說：「台灣在全球主流規格 IP CAM 的市場，無論是價格或品質，早已無法與紅色供應鏈競爭；深度整合到不同垂直領域的應用中，從初期的建置及費用，長期以軟體更新與服務費用的模式，才能獲利與紮根。」此外，區域及應用市場的選擇，也是艾陽這家小公司的戰略性布局。林鼎認為，公用雲的市場是亞馬遜網路服務（AWS，Amazon Web Service）與阿里雲等大型企業的天下，目前已廣布各項應用服務的工具，儼然是廣大的市集；而另一正在崛起的則是擁有自建頻寬與機房優勢的全世界電信廠商，後者，正積極地尋求各式人工智慧應用服務的合作夥伴，臉部辨識引擎能夠應用在軍事、金融、醫院、大型企業及安控多重領域，就成為艾陽科技心目中的藍海市場。再者，林鼎認為，國際上對中國的安控解決方案有高度戒心，以臉部辨識及安控產業而言，具有高度政治經濟敏感性，其他國家在國境通關系統、境內安全管制等攸關國土安全系統建置案，大都刻意排除中國廠商的主導或參與。如果能在產品、介面、架構及高辨識率與中國廠商有所區隔，專注在中高與高階市場，這正是艾陽近年投注大量資源深耕中亞、中東與東南亞地區市場的主要原因。中國具政治經濟敏感性 台廠突圍市場擁利基「刷臉領薪」，近年是台灣大型企業在中國、東南亞地區設廠時的新興應用。林鼎笑說：「這實在有其必要，經過深入盤點廠商們的需求發現，這些地區的例行發薪日都需要一一確認身分，以現金發放，且人數眾多，經常有冒領的風險，臨時性人力的調度及領薪等，也都讓人力資源部門困擾不已。臉部辨識正好幫他們解決了這些問題，如果能再串聯後端的人資及薪資系統，效益就更明顯了。」他提到，這部分艾陽已經是鴻海中國廠的合作夥伴，在智慧城市展中，也有電腦大廠提出比照辦理的需求，突顯出利基市場的突圍是一條可行的路。（本文由 財訊 授權轉載）