美國知名科技分析師 Gene Munster 發布 2018 年科技產業八大預測，其中，亞馬遜將買下美國零售巨頭 Target 的預測分析，獲得外媒熱議，而 Target 2 日股價也因此飆升 3.7%。主打媽媽族群的策略，成為共同點亞馬遜對零售業帶來的震盪，可能還沒結束。在 2017 年，亞馬遜以 137 億美元的金額，收購美國最大的有機超市 Whole Foods Market；Gene Munster 預測，2018 年，亞馬遜將對實體零售業展開更全面的購併，而 Target 在美國的門市量，約是龍頭 Walmart 的三分之一，但又高於好市多（Costco），數量適中，易於管理，且商品種類完整，再加上聚焦在家庭及婦幼用品的策略，與亞馬遜不謀而合，成為最理想的收購對象。近年來，亞馬遜推出的 Prime 服務，主攻媽媽族群的意味濃厚，連廣告都是對兒童友善的內容。Munster 分析，Target 對亞馬遜而言，將會是助長這項策略的強力工具，可讓更多媽媽成為 Prime 服務的忠實用戶。合併後門市數量達 Walmart 一半《Business Insider》報導，目前在美國擁有 1,834 間門市的 Target，規模遠小於在美擁有超過 4,700 間門市的 Walmart。Target 若加入亞馬遜，加上 Whole Food Market 目前的 470 間門市，亞馬遜擁有的實體店面數量將超過 2,300 間，有機會達到近 Walmart 的一半。也因此 Munster 分析，只要 Walmart...
如果要選擇一本 2017 年最紅、提到頻率最高的書，那一定是《人類大歷史》。在這本書中，尤瓦爾‧哈拉瑞 說：人類將把工作和決策權交給機器和演算法完成，大部分人將淪為無用階級。只有少數精英才能真正享受這些新技術的成果，用智慧設計完成進化、編輯自己的基因，最終與機器融為一體，統治全人類。這樣的描述對大多數人來說肯定是恐怖的，但更恐怖的是成功預測了 2017 年科技領域的走向。過去的一年，人工智慧基於前兩年的沉澱，愈加火熱──演算法突破、算力增強，在醫療、金融、教育等傳統行業開疆拓土，讓每個行業都開始探尋應用人工智慧的機會，讓智慧機器承擔更多人類的工作。雖然現在機器的能力還比較粗淺，沒有完全讓尤瓦爾‧赫拉利「得逞」，但毫無疑問，AI 正走在這條路上。2018 年來了，人工智慧還繼續火熱嗎？有很多調查機構、媒體、商業領袖、科技專家都給了一些答案，以下整理了一些觀點，從技術、應用、人才 3 個方面歸納總結，讓你讀懂未來。技術：雲端 AI 競賽、機器學習自動化毫無疑問，這場火熱的技術革命，本質上來自對技術主義的崇尚，新年到來，人們對 AI 技術本身的發展，也普遍顯得樂觀。KDnuggets 最近向大數據、人工智慧、機器學習領域一些頂級專家發問，Curai 聯合創始人／CTO，曾任職 Quora 技術總監和 Netflix 研究／技術主管的 Xavier Amatriin 認為，AI 最激烈的戰場是在雲端，大小玩家都在各自雲端加緊部署 AI，典型的例子如亞馬遜最近推出構建和部署 ML 模型的 Sagemaker，Nvidia 推出訓練深度學習模型的 GPU 雲端。來自華盛頓大學計算機科學與工程系的教授 Pedro Domingos 也表達同樣的意思，他認為 Google、亞馬遜、微軟和 IBM 之間的雲端 AI 競賽將愈演愈烈。雲端 AI 競賽之外，受關注的是機器學習。一方面，對大多數難以解釋的機器學習模型來說，2018 年或許有機會讓我們看得更清楚，尤其隨著深度學習模型在醫療、法律、金融方面的應用，也必然要求其原理夠透明。諾丁漢特倫特大學科學與技術學院的高級講師 Georgina Cosma 認為，模型提出的預測必須值得我們信賴，特別是這些預測結果會被人類用來做決定的時候。在另外一篇預測文章，來自梅奧醫學中心放射科的顧問 Bradley J. Erickson 博士也認為，新技術會幫助研究者減少對深度學習成為「黑盒子」的擔心，讓我們更了解深度學習內部。另一方面，BWDISRUPT 近日發表的一篇預測文章則認為，「2018 年最大和最重要的趨勢就是機器學習將從手工操作轉變為系統化和自動化」。同時，深度學習將繼續成為 2018 年最重要的機器學習技術。到目前為止，它在圖像和影片分析、自然語言處理方面取得最大的成功，但隨著技術商品化，將在越來越多應用領域取得進展。此外，在機器學習內部，還有一個令人驚喜的趨勢是中心學習（mata-learning）的發展，Google 研究科學家，加拿大高級研究機構機器學習和大腦計畫副主任 Hugo Larochelle...
在人工智慧技術的發展之下，透過 AI 對圖片進行基本分類已經不是什麼難事，而 Google 的研究團隊最近更展示出一種新方法，教會 AI 從多張相似圖片中，挑選出人們的審美觀普遍認為較好的圖片。TNW 報導指出，透過深度學習來訓練卷積神經網路（CNN），研究人員讓 AI 學會預測人類對圖片的喜好，進而替圖片評分，團隊將這種模式稱為神經圖像評估（NIMA）。與傳統的方式不同，NIMA 採取的是 10 分制評分，在檢查特定像素和整體美學後，NIMA 會以深度學習了解到的人們對這些資料評分的傾向，為每張圖片評出一個分數。這並不是在說機器能像人一樣「感覺」或「思考」，但這項設計確實能讓電腦具一些程度的審美觀，進而成為更好的藝術家或策展者。團隊認為，NIMA 未來可用來從大量圖片篩選最好的圖片。許多攝影者為了捕捉到最好的影像，經常選擇某些瞬間拍攝 20~30 張圖片，在這種情況下，NIMA 便能為你節省大量空間與時間。試著想像只要按下按鈕，AI 便會替你瀏覽這些圖片後，挑選出最好的一張並刪除其他圖片。除了幫助攝影者挑選照片，Google 研究部落格指出，NINA 的「基準美學」也可以協助人們改善圖片，透過引導卷積神經網路過濾器，NINA 能找到適合圖片各項參數的最佳設置，讓圖片達到完美的成果。從 AI 廣大的應用層面來說，僅是創造一個能和人類一樣理解圖片質量的神經網路，聽起來並不是非常具革命性意義，但為了讓 AI 能在現實生活執行任務，像是在無人幫助的情況下自動駕駛汽車，AI 必須學會觀察並瞭解周遭環境，而類似人類視覺應用便是必要的，NIMA 及類似的項目正在奠定基礎。 Google’s AI can predict whether humans will like an image or not （圖片來源：Google research Blog）
相較美國矽谷，中國百度、阿里巴巴和騰訊等企業在人工智慧（AI）有更多數據優勢。中國公司已利用機器學習進入了一些較新的領域，包括醫療診斷、臉部辨識，以及可用語音操作的 AI 硬體。英國金融時報報導，百度、阿里巴巴和騰訊高度重視 AI，在國內和海外建立專家實驗室，聘請頂級工程師。騰訊首席營運長任宇昕表示，2016 年開始騰訊把 AI 視為優先項目之一，當作一個戰略重點。阿里巴巴在今年的盈利報表中也開始介紹推動 AI 的成果。今年 11 月 11 日的「光棍節」展現了 AI 的一部分威力，阿里巴巴在購物節前一個月利用 AI 製作了 4 億個定製橫幅廣告；在預售期，阿里巴巴的聊天機器人每天回答 350 萬個簡單詢問，比如「我的包裹在哪？」阿里巴巴的第三方電商平台淘寶網也在發展 AI，讓用戶利用圖片搜尋，找到相同或類似的商品。比如，這可以讓購物者搜尋某個名人穿的裙子。分析師們表示，上述中國企業在利用 AI 方面仍處於起步階段，但是這類應用暗示了中國如何可能居於全球領先地位，特別是隨著企業加快利用相關技術。諮詢公司麥肯錫（McKinsey）高級合夥人史瓦米那尚（Anand Swaminathan）表示，中國相比矽谷有兩個優勢：「他們在這裡能夠藉助 10 億以上人口進行測試，因此美國在這方面先天不足。而且中國的投資速度和規模從根本上高於美國。」中國科技業在通訊和醫療行業可能如何利用 AI，會是未來值得關注的議題。阿里巴巴目前採用的語音開通個人助手概念，比蘋果的 Siri 和亞馬遜的 Alexa 領先一步；阿里巴巴計劃在地鐵站推出可以過濾掉背景雜音、只聽訂票者說話的售票機。阿里巴巴智慧語音交互團隊總監鄢志傑表示，這項技術新穎之處在於，在不斷改進的技術的幫助下，把它應用於實際產品，代表個人助手可能進入公共場所，包括機場、火車站、餐廳和服務台。智慧程度更高的 AI 和更龐大的數據規模也適用於醫療應用場合。騰訊打算把 AI 技術應用於檢測早期肺癌的公司之一。但香港大學助理教授、呼吸內科專家林志良（David Lam）表示，項目得出初步結果將需要 5 年時間。（首圖來源：shutterstock）
在 2016 年，國際刑警曾經宣布會利用人工智慧技術，協助搜尋網路的兒童色情內容，盡快取締和拘捕散布這些不法內容的人。現在英國警方也開始引入人工智慧系統，在帶走懷疑散布兒童色情物品嫌疑犯的電腦和智慧手機裡，嘗試分辨出有問題的影片和圖像。英國警方表示，他們已經利用軟體，協助掃描和辨認含有槍械、毒品和金錢的影像好一段時間。不過軟體在辨認裸照則成效不佳，期望未來兩三年會陸續改善。警方的終極目標是，利用人工智慧縮短掃描充公裝置的時間，同時避免需要每天親自翻閱這些令人困擾的影像，對負責辦理案件的警員造成心理創傷。警方還表示，為了對罪犯做出不同程度的量刑判罰，現在他們需要親自將兒童色情內容分類。可以想像對年復一年處理案件的人會有多大困擾，如果能夠訓練人工智慧取而代之，就能夠減少人類的參與。 London Police To Use AI To Search For Child Pornography （本文由 Unwire HK 授權轉載；首圖來源：shutterstock）
長期關注半導體產業及處理器技術的最新發展，不可能不知道以下 4 場歷史悠久、與 IEEE（電子電機工程學會）息息相關的 4 場研討會。 Hot Chips：介紹最新型高效能晶片，目前第 29 屆，廠商彼此較勁、技術行銷意味濃厚的簡報大賽活動，時間選在炎炎夏日，的確頗符合「Hot Chips」的抬頭。 Cool Chips：介紹最新型「低功耗，高效能」晶片（所以連 IBM 和 Fujitsu「自己覺得沒那麼耗電」的 Power9 與 SPARC64 XII 都登場了），目前第 20 屆，商業味道比較沒那麼重，主要在日本橫濱舉辦，眾多日本廠商和學術機構一同共襄盛舉，包含明年 4 月的第 21 屆。 ISSCC（國際固態電路學會）：從 1953 年至今，發表先進固態電路與系統單晶片的全球論壇，提供工程師獨特的機會，在先進 IC 設計工作的領域進行交流，論文清單也可經常見到台灣企業與學校的身影。 IEDM（國際電子元件會議）：始自 1955 年，發表半導體、電子元件技術、設計、製造、物理與模型等領域中的技術突破，動輒勞駕總統行政院長褒揚的台灣半導體相關人士，多半與在 IEDM 發表重大研究成果有關。近年越來越多關於新世代非揮發性儲存記憶體的相關論文，都在此發表。 其中相對「平易近人」的 Hot Chips，堪稱是處理器業界現況與趨勢的風向球。Hot Chips 29 的趨勢：人工智慧滿天下 相較於 2016 年的 Hot Chips 28，「人工智慧概念股」完全爆炸性的成長，而各類型「人工智慧晶片」，從 GPU、超級多核 CPU、FPGA、專用晶片，甚至吸引眾人目光的 Google TPU，均傾巢而出。 拜自駕車風潮之所賜，自動駕駛相關技術也是變得異常熱門。 以可程式化為首的...
最近一段時間，英特爾與輝達在自動駕駛 AI 晶片的競爭已進入白熱化狀態。雙方不但在產品暗暗較勁，還打起了嘴仗。英特爾 CEO Krzanich（見首圖）最近在洛杉磯車展時就宣稱，英特爾子公司 Mobileye 設計的 EyeQ5「深度學習執行效率是輝達 Xavier SoC 的兩倍以上」。英特爾 CEO 發表該言論後，輝達汽車部門高級主管 Danny Shapiro 表達了強烈的抗議。首先，Shapiro 稱對兩個發表日期和製程（Xavier 為 16 奈米，EyeQ5 為 7 奈米）完全不同的晶片比較有些不合適。Shapiro 指出，Xavier 已「整裝待發」，這款 SoC 在 2019 年就將正式量產。與其相比，EyeQ5 明年才能打樣，量產則定在 2020 年，2021 年才會整合進首款車型──BMW iNext。其次，Shapiro 重點提到了功耗問題。輝達 Xavier 達成每秒 30 萬億次計算（TOPS）功耗為 30W，不過這是整個系統，包括 CPU、GPU 和內儲存。EyeQ5 雖然運算速度更快且看起來功耗更低，但英特爾在強調功耗問題時其實只將深度學習核心計算在內。英特爾過分嗎？這樣來看，英特爾 CEO 在公開場合貶低 Xavier 是不是有點過分了？「當然」，Tirias Research 創始人兼首席分析師 Jim McGregor 回答。不過，在他看來深層問題不在於拿 EyeQ5 與 Xavier...
2017 年 12 月 22 日，亞馬遜收購了智慧家居公司 Blink。根據 CNET 報導，Blink 在 2014 年創立，主要是做家用安全鏡頭等系列產品。被收購之前，Blink 也在亞馬遜平台銷售。針對本次收購，亞馬遜官方發言透露了收購目的，以及後續發展方向：身為 Blink 通路商之一，我們了解消費者喜歡這家公司的家庭安全鏡頭和監控系統。我們很高興能代表用戶歡迎他們的團隊和發明。從亞馬遜官方發言就能得知，這次收購 Blink 主要還是為推出安全監控類產品做準備。▲ Amazon Key。之前，亞馬遜已推出 Cloud Cam 和 Amazon Key 這類產品，後者是為方便自家物流業務的附屬服務。透過這兩款產品，用戶可遠端監控開啟家門，即便在沒有人的情況下也可讓快遞員送貨進門。這套系統的開發理念是為了在收貨的時候便利雙方，但 Amazon Key 之前出現安全問題。有人可用一些特殊方式騙過鏡頭，遠端用 Amazon Key 解鎖。這件事也讓 Amazon Key 服務受到打擊，亞馬遜需要引入一些更安全的元素，解決問題。而亞馬遜表示，Blink 能在安全門鈴方面提供更專業和方便的解決方案。Blink 的 Doorbell 只需要兩顆 5 號電池就能驅動，電池可用兩年左右，售價也只有 99 美元，這對當地用戶來說還算合適。而且，Blink 還能提供運動偵測、雙向對話及防水和夜視等監控技術，這些能提高監控的安全性。綜合這些，亞馬遜透過 Blink 推出的產品來推動服務，確實要方便得多。自「智慧喇叭大戰」打響之後，亞馬遜和 Google 母公司 Alphabet 在智慧家居領域展開角逐。Alphabet 旗下有 Nest 智慧家居品牌，亞馬遜也有以 Alexa 智慧助手為中心的智慧家居體系。兩者需要不斷擴大自己的服務支援，才能搶到優勢。亞馬遜這次收購 Blink，不僅是為了提升自己的技術儲備，也是為了爭取更多硬體支援，擴大自家智慧家居硬體生態圈，為與 Nest 的大戰做好準備。（本文由...
Nvidia 公司是 2017 年最受關注的科技公司之一，也是人工智慧技術熱潮中最大的贏家，該公司的股價在過去一年中累計成長了 90%，同時也表明人工智慧晶片市場存在著巨大的潛力，許多專注於人工智慧相關硬體的新創公司正在搶占市場，並獲得巨額的募資。2017 年人工智慧技術的應用似乎變得無所不在，從智慧型手機，汽車和智慧型家居產品都加入了人工智慧技術，不僅僅是在應用層面上的變化，人工智慧相關的零組件市場也在改變，產生了更深層次的影響。許多開發硬體的新創公司還是針對人工智慧技術開發應用，並獲得了大量投資，儘管這些公司的產品還沒有大規模推廣或者發貨，但完全沒有影響募資。圖像和語音辨識是兩大重要的應用領域，新創公司希望能夠開發最佳化辨識的過程，提供更快捷、能耗更低的服務，為下一代人工智慧技術驅動的裝置提供支援。新創公司 Cerebras Systems 在 2016 年 12 月獲得了知名投資機構 Benchmark Capital 的投資，總額大約為 2,500 萬美元，當時人工智慧晶片還沒有像現在這樣受關注，截止到 2017 年 8 月該公司的估值溢價飆升到了 9 億美元。Graphcore 在 2017 年 11 月獲得了紅杉資本的投資，最新一輪募資總額高達 5,000 萬美元，該公司在 2017 年 7 月剛獲得由 Atomico 領投的 3,000 萬美元的投資，Graphcore 和 Cerebras Systems 都還沒有做出量產上市的產品，但並不影響投資者的信心。在人工智慧技術發展的浪潮中，中國市場是不能夠忽略的，阿里巴巴投資了新創公司 Cambricon Technology，後者估值大約為 10 億美元，Intel 公司投資了地平線機器人公司，總額高達 1 億美元，最近一筆中國人工智慧市場的投資是 ThinkForce 在最新一輪募資獲得了 6,800 萬美元。由 Google...
預測時尚潮流是一項需要天分的工作，還得仰賴一個龐大的系統讓少數人追捧的時尚進入大眾流行市場，進而讓業者賺取大筆鈔票。現在預測工作也可以交給人工智慧，讓服飾業者率先掌握流行趨勢，甚至未來可以取代造型師，成為個人穿搭顧問。麻省理工科技評論（MIT Technology Review）報導，加州聖地牙哥大學研究人員及 Adobe 開發出一種人工智慧，會學習個人穿搭風格，並創造與這種風格相匹配的電腦生成圖像，零售商可以使用該系統創造個性化服裝，甚至可以用來幫助預測更廣泛的時尚趨勢。這篇研究詳細介紹 2 種不同的演算法，研究人員訓練卷積神經網路（Convolutional Neural Networks，CNN），根據用戶對某些項目的偏好進行學習和分類，使用來自亞馬遜（Amazon）男女裝的上衣、褲子、鞋子 6 大類服飾種類購買資料庫。這種類型的推薦模式在線上零售世界很常見，通常出現在頁面底部的您可能會喜歡的其他項目區域。接著團隊使用這些資訊來訓練一個生成對抗網路（Generative Adversarial Network，GAN），這是一種在生成逼真圖像方面特別精通的人工智慧，生成對抗網路透過 2 個以相同數據訓練的網路來運作，其中一個網路根據該資料庫生成假圖像，而另一個網路使用相同的資料庫來確定圖像是否真實，這種方法可以讓網路改善結果，在這項研究當中，生成對抗網路可為每個用戶創造多張產品圖像。將生成對抗網路添加到推薦系統，可以幫助線上零售商了解除了已存在的項目之外，顧客還想要什麼產品。儘管如此，研究人員在這之前還需要弄清楚一些事情，包括如何將 2D 電腦生成的圖像轉換成可以用來製作一件衣服的 3D 效果圖。研究團隊開發的生成對抗網路只能生成同一類型的服飾，還無法取代造型師提供全套的穿搭建議，譬如系統還無法針對某款褲子生成搭配的鞋子。儘管目前有局限性，人工智慧已經開始入侵時尚產業。時尚產業擁有豐富的客戶興趣資料庫，如亞馬遜（Amazon）已經在開發人工智慧系統，預測時尚趨勢，並且也採用生成對抗網路展開一些工作，阿里巴巴也剛推出 FashionAI，這種技術可以根據消費者拿到更衣室的物件向顧客推薦產品。時尚人工智慧新創公司 Vue.ai 首席科學家 Costa Colbert 最近使用生成對抗網路產製假的時裝模特兒圖片，採用此技術的服裝公司將不再需要雇用模特兒、攝影師、租用攝影棚來拍攝每季時裝照，只要拍攝平面的服裝照片，人工智慧會自動生成不同膚色的模特兒最適合的穿搭照片，這類照片的模特兒沒有頭部，背景是白色，因此並非取代高級時裝攝影或封面藝術拍攝工作。Vue.ai 目前正在與北美零售商合作實施這項技術。Colbert 表示，儘管加州聖地牙哥大學和 Adobe 的研究似乎很有希望，但它需要大量的資料，且只對現在大型線上零售商有幫助。不過，生成對抗網路將繼續在線上領域發展，Colbert 指出一些企業已經讓購物者傳送個人資訊訂製產品，而生成對抗網路可能是客製化服務中最便宜、快捷的方式，當然，也可以幫助業者賣出更多商品。 This AI Learns Your Fashion Sense and Invents Your Next Outfit Artificial intelligence can say yes to the dress （首圖來源：Flickr/Cajsa Lilliehook CC BY 2.0）