隨著科技不斷發展，與其觀察觀眾的反應，不如讓電腦自己就能看懂電影。麻省理工學院最近公布一項研究成果，研究人員成功透過機器學習訓練電腦來辨識影片中的情緒變化。這意味以後在影片網站觀看各種影片時，電腦也可能在觀察你的喜怒哀樂。據該團隊的部落格介紹，這項技術使用一個自主開發的機器學習模型，依靠深度神經網路分析了數千部不同類型的影片，包括電影、電視劇和短片等。研究人員以一種「感情弧線」為指標來評估影片的不同片段引起的情緒是積極還是消極，這種「感情弧線」的數值被研究人員稱為視覺效價（visual valence），並繪製影片中每個場景的情緒變化曲線圖。在情緒變化曲線圖中，X 軸是以分鐘為單位的時間， Y 軸代表視覺效價（visual valence ），視覺效價的數值越高，表示該時刻反映的情緒越積極。研究人員以動畫電影《天外奇蹟》一段經典片段來舉例，這段電影開頭幾分鐘的蒙太奇片段，是老爺爺 Carl 回憶與妻子 Ellie 一生的故事，講述了 Carl 小時候因熱愛探險與 Ellie 相識、相愛再到生離死別的過程，感動了無數觀眾。從這段影片的情緒變化曲線圖可清楚看到，在「Carl 小時候探險」、「Carl 和 Ellie 婚後想生孩子」和「老年的 Carl 和 Ellie 擁抱」這幾個片段時觀眾的心情應該最好，而 Ellie 病逝後，Carl 獨自一人回到家時的情緒最低落。也就是說，這項 AI 技術可更準確地分析觀眾的笑點和哭點，這對影視製作方來說十分有利。據悉除了讓機器觀看影片，研究人員也招募志願者手動為影片不同片段標註「情感標籤」。同時研究人員還會比對分析 Vimeo 上 1,500 部短片下的評論，來判斷觀眾對影片的反應是否和機器分析的一致。分析大量影片後，麻省理工學院的研究團隊還發現觀眾對大團圓結局的故事往往更喜歡。其實之前也出現過利用 AI 分析觀眾反應的技術，7 月迪士尼研究中心（Disney Research）就公布了一項用於觀察分析電影院觀眾反應的技術。迪士尼將這項技術名為分解變分自編碼器（factorized variational autoencoders），與麻省理工學院的 AI 技術一樣是基於深度學習的神經網路。▲ 你看電影時的微笑，屬於哪個區間？（Source：Disney Research）這項技術能透過捕捉電影院觀眾的表情，來分析觀眾的情緒，甚至觀察某個觀眾 10 分鐘後還能預測他接下來的反應。從 Netflix 利用大數據分析拍攝《紙牌屋》成功之後，內容商對數據蒐集和分析的能力要求越來越高，隨著人工智慧的發展，這項任務也寄託到基於深度學習的神經網路。今年倫敦科幻電影節，第一部由人工智慧編劇的電影短片《Sunspring》曾亮相，並參加了 48 小時挑戰單元競賽，這件事本身就挺科幻。正如麻省理工學院部落格所說，隨著講故事的人越來越認識人工智慧的價值，以及使用 AI 工具的門檻越來越低，未來的影視和影片創作，或許會因為人工智慧的介入而發生重大改變。（本文由 愛范兒 授權轉載；首圖來源：pixabay）延伸閱讀： 當你在看迪士尼電影的時候，它可能也在觀察你
自滿往往成為致敗之由，研調機構 ABI Research 發布報告指出，創新自滿可能是蘋果當前最大敵人，恐使其在後智慧型手機時代被 Google 與亞馬遜超車。ABI Research 報告定義後智慧手機時代，將從手指觸控進化至新互動方式，如亞馬遜開發的數位助理 Alexa，利用的是語音互動，這需要更強大的人工智慧（AI）、擴增實境 （AR）與虛擬實境（VR）技術。報告藉由專利組合（Patent Portfolio）、購併與對開放程式碼的貢獻，來預測評斷臉書、微軟與三星等十大科技公司在後智慧型手機時代的表現，結論認定亞馬遜、Google 未來 6 年將會引領下一波智慧裝置風潮。ABI 研究主管 David McQueen 指出，Google 與亞馬遜在主要成長項目具有顯著優勢，特別是在資訊工程方面，這是創造下世代人機互動體驗不可或缺的要素。另一方面，包含蘋果、三星與微軟等已具規模的裝置製造商因既有硬體包袱，在新市場上都將成為追隨者。（CNBC）亞馬遜第二代智慧音箱 Echo 已經上市多時，Google 2016 年也已推出對應產品 Google Home，對照蘋果智慧音箱 HomePod 今年 6 月才發表後，日前並宣告延遲到明年初才開賣。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/Niels Epting CC BY 2.0）
它不是醫師，但人類醫師讀書也拚不過它。台北醫學大學體系大膽採用 IBM 華生，並非為了取代人類醫師，而是要讓 AI 與人類完美協作，替病人打贏抗癌戰役。它不是醫師，卻已受過 6 年的癌症醫學特訓。先是啃了逾 1,500 萬頁的教科書、研究、治療指引，還被分派到全球知名的紐約史隆凱特林紀念癌症中心（MSK）調教；它更持續用深度學習法，消化每年約 5 萬篇的新癌症研究。它是全球首個人工智慧（AI）癌症治療輔助系統：IBM 華生（IBM Watson for Oncology）。雖然外界批判「它仍卡在學習癌症辨識的基礎」，但 IBM 回應，它已進軍全球 13 國、逾 50 家醫院，擔任醫師助手。大數據正改變醫療生態系，也改寫人類的抗癌戰。大數據做後盾 量身打造療法今年 6 月，全台唯一引入華生的台北醫學大學體系，已產生化學變化。近 40 位腫瘤科醫師已和華生交手，還有逾 200 位、罹患大腸癌、乳癌、攝護腺癌等 8 類癌症病人，曾接受華生的幫助。54 歲、從電子業退休的王彥明（化名）就是一例。2 年前，他發現罹癌，原先控制得穩定，但今年中卻發現癌症轉移到肺臟。這讓他不只時常咳嗽，講話還有點困難。10 月，王彥明決定讓華生輔助治療。「用別人走過的路試試看，」他說起，敢採納新科技的原因是大數據的經驗累積，「癌症病人走的每一步都是生死決定。有醫師建議，以及更多的輔助證據，我比較有信心。」他的主治醫師在診斷後，將病歷、檢查數據、影像報告等輸入系統。華生接收到指令後，立刻判讀、分析出多種治療選擇，依存活率、效用、副作用等排序。醫療團隊依此和王彥明討論，再根據他的病況、經濟條件等，擬定個人化的治療策略。最後，他決定採納放射線和藥物治療並行。「華生是我最好的總醫師，」台北醫學大學台北癌症中心執行副院長邱仲峯定位它的角色，「無形中，把我們的時間、精力、診療水平拉升。」台灣的醫師往往忙於教學、行政和臨床，而華生從接受指令到彙整好資訊，只要 1 分鐘。這和過去很不同──碰上難纏的癌症，醫師得花上 3、5 天找資料，還擔心有疏漏，「（現在）不怕有什麼沒替病人想，對治療更有信心。」華生就曾列給邱仲峯一款剛通過美國 FDA 核准的新藥，治療乳癌末期轉移的病人，「找到我連聽都沒聽過的藥，讓我很訝異。果然讀書，讀不過它。」科技讓人類醫師更人性化不過，他話鋒一轉，「它給我們大幫助，但不會取代我們。」他認為大數據要有用，得由醫師當作橋梁，讓治療有人性。例如，華生無法和病人噓寒問暖，也無法了解病人的情緒、經濟條件及健保制度等民情。而這些都需醫師和病人互動溝通。「以前我們是比知識取得，考第一名才最厲害，但現在知識都在這，重要的是知識怎麼用，以及人性化管理，」醫師和病人的互動溝通得更進化，「科技反倒訓練我們更人性。」科技也讓醫師更跨界。導入華生前，邱仲峯就派出 33 歲的年輕主治醫師陳俊佑擔任種子教官，跟 IBM 具醫師背景的員工學系統操作。「他們有共同的語言，溝通更順暢，」IBM 公眾／電信／流通事業群總經理王惠慶觀察。陳俊佑從高中時就自學寫程式、大學還曾和夥伴創業，現在的他能把累積的經驗派上用場。他甚至自寫程式，讓華生能和北醫體系的病歷系統接軌，「讓華生融合在醫療過程中，縮小人員使用的落差，」陳俊佑談起程式總滔滔不絕。然而，並不是所有腫瘤科醫師都願意使用華生。不過，邱仲峯認為，當「需要」變得迫切，大家便會自然採納新科技。尤其，人工智慧和大數據正風起雲湧地改變全球的醫療體系，大環境的改變，正催生出更多需求。邱仲峯說，現在不只華生，全球也有更多人工智慧輔助系統出現，就連北醫體系內的各部門也正組織團隊，朝這領域發展，「我原本以為 AI 還很久，但現在警覺──這條路不得不走了。」（本文由 天下雜誌 授權轉載）延伸閱讀： 全電動車時代快來了 BMW、賓士加碼投資 75%超級成功人士出身問題家庭 為什麼？ 一堂超過 6 千萬的募資課：從台灣奇蹟「嘖嘖杯」爭議，看清群眾募資的真相與承擔
全世界捲起一股智慧城市興建熱，現在連 Google 和比爾蓋茲都要以造鎮方式投入，他們的願景，對各國智慧城市的發展，提供了新的刺激與思考。自動駕駛小巴取代私家轎車穿梭在城市中、紅綠燈能感應到行人並調整信號、冬天騎自行車會感受到車道的溫暖、家中的水電等能源來自地下管道、貨運機器人在地下隧道送貨、全城市都有公共 Wi-Fi──這樣的情境似乎出現在科幻電影中，不過在不久的將來，加拿大多倫多東湖濱區，即將出現一個這樣的智慧社區。Google 造鎮 從基礎建設開始這個智慧城市是由 Google 母公司 Alphabet 旗下的子公司 Sidewalk Labs，以及半官方機構多倫多湖濱（Waterfront Toronto）聯手打造，首期建設面積近 12 英畝的碼頭區，最終在東湖濱區完成一座面積 800 英畝的數位之城。初期預定投注 5 千萬美元，第一階段估計容納居民約 5,000 人，最快明年第一季開始試驗，希望在建築、運輸、能源、環保等各方面都應用創新的技術，節省成本，同時又能提升便利性和舒適度。興建內容包括道路工程的防洪基礎建設，以及其他必要的建築物，財源將來自聯邦、州和市政府共同出資的 12.5 億美元基金。Google 加拿大總部和約 300 名員工將來要遷到這裡的新辦公室。目前世界各主要國家都在推動智慧城市，根據 Markets and Markets 的報告，20.7 年全球智慧城市市場規模為 4,247 億美元左右，5 年後預估會增加到大約 1 兆 2,017 億美元，年複合成長率達到 23.1%。近來的打造趨勢是從零開始，而不是改建現有的城區；因為這樣遠比改造舊城更容易，也符合成本效益。例如沙烏地阿拉伯王儲賓‧沙爾曼也宣布要斥資 5 千億美元，在紅海岸的沙漠區興建一座名為新未來的城市「Neom」。在這座城市內，電力將百分之百來自太陽能、風力等再生能源，一切都會和人工智慧、物聯網連結，而且機器人的數目會比居民還多。日本軟體銀行會長孫正義也表明要提供協助，第一階段的開發計畫預定在 2025 年完成。此外，比爾蓋茲則透過卡斯凱特投資公司（Cascade Investment）下的貝爾蒙特（Belmont Partners），在向來對科技業友善的美國亞利桑那州，以 8 千萬美元購置 2.5 萬英畝的土地，開發可供 8 萬戶住家、470 英畝公立學校保留用地，以及 3,800 英畝供辦公大樓和商業設施使用。估計新城區可容納人口 18 萬人，全區將可以高速上網、自動駕車、自動化物流等。全新城市 ...
在新科技輔助下，人類對宇宙的了解擴展到太陽系之外，可偵測並探究其他恆星周圍的行星。雖然探索行星並不容易，但 Google 藉助機器學習（Machine Learning），最近取得一些進展。Google 日前在官方部落格發文指出，天文學家搜尋系外行星的主要方式，是分析來自 NASA（美國太空總署）克卜勒任務中的大量資料數據，並透過自動化軟體和手動方式來執行。克卜勒任務用了 4 年的時間觀察近 20 萬顆恆星，每 30 分鐘拍一次照片，創造了近 140 億個資料點；這 140 億個資料點相當於約 2,000 兆個可能的行星軌道，這個龐大的資料量即使用最強大的電腦來分析也非常耗時、費力。為了讓這個分析的過程更有效率，Google 導入機器學習來加速分析時程。Google 說明，當一顆運行中的行星擋住了恆星的光線時，恆星的亮度會減小。Google 以此概念為基礎，將其特徵訊號用來辨識周圍運行的行星，並運用克卜勒天文望遠鏡，在 4 年之間觀察並分析了 20 萬顆恆星的亮度。Google 強調，機器學習能夠訓練電腦認識運作模式，這對於分析大量數據尤其有用；機器學習技術的重點在於讓電腦從範例中學習，而不是透過編寫特定的規則。Google 利用 1 萬 5,000 個被標示的克卜勒訊號，來訓練 TensorFlow 機器學習模組去辨認行星訊號，並利用這個模組，從 670 顆恆星的數據中發現新的行星，且成功發現了 2 個先前被忽略的行星：克卜勒 80g 和克卜勒 90i。值得注意的是，克卜勒 90i 是第 8 個被發現圍繞克卜勒 90 的行星，這使它成為除了太陽系之外，第一個已知的 8 大行星系統。Google 表示，目前為止只用 TensorFlow 機器學習模組搜尋了 20 萬個恆星當中的 670 個，而克卜勒的數據中可能還有更多系外行星尚未被發現，未來機器學習的新思維和技術將能幫助人類進行宇宙探索，發現更多未知的領域。（記者：吳家豪）延伸閱讀：...
日前，繪圖晶片大廠輝達（NVIDIA）的創辦人兼執行長黃仁勳，在東京向觀眾展示 NVIDIA DRIVE 及可擴展架構在自動駕駛領域的新技術。黃仁勳並在演講中表示，輝達在 NVIDIA DRIVE 及可擴展架構上整合了令人難以置信的演算法和各種應用程式。因此，這將是一個功能安全的自動駕駛操作系統。黃仁勳表示，輝達下一代 DRIVE 平台的處理器 Xavier，將是世界上最複雜的單晶片系統。Xavier 已開始在輝達產線製造，且輝達迫不及待要震驚世界各地的汽車公司和機器人專家了。輝達先前指出，利用 Xavier 的汽車自動駕駛應用程式，將可使用深度神經網路演算法來處理外部和車內的感測器數據、手勢，以及理解自然語言。這個由輝達所設計的新產品應用，代表著配備它的汽車將能警告駕駛者潛在的危險，以及汽車周圍的安全隱憂，同時還能檢測駕駛者當前的精神狀況。最後，輝達提供的產品不只是自動駕駛設備，而是利用人工智慧為副駕駛來幫助駕駛人，同時保障駕駛人的人身安全。事實上，2016 年 9 月時，輝達就公布了針對自動駕駛技術和汽車產品準備的 Xavier 處理器。該處理器採用 16 奈米 FinFET 製程製造，搭載 70 億個電晶體，將支援高達 8K 解析度的畫面。並內建輝達全新 Volta GPU 架構，目標是為自駕車的電腦視覺加速器。黃仁勳之前在歐洲 GPU 大會宣布，這款新的單系統晶片並非僅是處理器，更可算得上提供人工智慧的超級電腦。他還表示，Xavier 樣品預計將於 2017年第 4 季推出。不過，雖然輝達推出 Xavier 處理器，使自動駕駛應用有機會向前跨進一大步，但目前仍沒看到任何可實際應用的產品出現，要看到實際應用上路，恐怕還要再等一段時間。（首圖來源：科技新報攝）
大多數當今青年的眼中，從 2016 年開始的人工智慧熱，似乎是人生經歷的第一次人工智慧浪潮。但從技術角度講，這樣的說法並不準確。如果以神經網路的發展歷史來看，從 2012 年開始 Google 等網路公司在深度學習領域的突破，已是第三次人工智慧浪潮。但前兩次技術領域的人工智慧浪潮，其實並沒有轉化成太多應用，也沒有為社會生產力帶來更多變革。日前，在一場創新工場的閉門會，剛拜訪美國人工智慧界四巨頭的李開復，分享了自己對未來一年人工智慧在應用領域的看法。李開復用 5 週時間跑遍美國和加拿大，先後拜訪了 Google、微軟、Facebook 和亞馬遜公司，同時還與人工智慧學術界三大巨頭 Yann LeCun、Yoshua Bengio 和 Geoffrey Hinton 深入交流。整理和沉澱與這些公司學者交流過程所得，再加上創新工場過去幾年對人工智慧領域的投資與理解，李開復認為在應用領域，人工智慧應用領域的浪潮分為四波，我們事實上已不知不覺迎來了前三波。在李開復看來，人工智慧應用領域的浪潮在時間軸上是交錯的，並非一波接一波。始於 1998 年的 Google 和誕生於 2012 年的今日頭條同屬於第一波人工智慧應用，而這波人工智慧應用稱之為「網路智慧化」。「網路智慧化」更像 AI 應用的初始積累，所有網站、應用、產品以資料為能源和燃料，資料越多，發展越快。過去 20 年裡，許多網路公司有幸積累了大量資料，因此在人工智慧技術演算法有突破之後，就會快速將原本在網路層面開展的業務快速人工智慧化。舉一些例子，比如說美圖。這是一家創立很早的公司，剛開始不是 AI 公司，現在美圖介紹自己都是 AI 公司，有沒有發現過去 3 年你自動美化越來越美？這是因為用戶不斷貢獻資料、標記資料後，加上深度學習演算法做成的。 演算法如何知道你對一次 P 圖行為是否滿意？你自拍之後一般會有 3 個動作──移除、儲存或分享。移除表示這張照片不行，儲存表示一般，分享則代表很棒。機器會不斷分析，什麼樣的照片滿意，什麼樣的照片不滿意。對第一波浪潮來說，無論投資人還是創業者，未來都很難說是好賽道。儘管今日頭條的崛起算是網路格局已定情況下的一次變數，但與其同時生長的滴滴、美團點評更固化了網路這大賽道。想要透過人工智慧單點突破這樣的局面，有些困難。第二波人工智慧應用浪潮，是適於 2004 年的「商業智慧化」。之所以與第一波不一樣，是因為資料和應用都不直接來自網路，比如銀行、醫院、物流公司，對人工智慧的應用。「商業智慧化」前提有兩點，一點是非網路公司在使用網路和電腦辦公之後，沉澱大量資料。第二點是，這些公司有意將這些資料格式化並加以利用。在這個領域，發展最快也最天然的例子就是金融。因為金融本身就是由格式化資料構成的產業──「電腦在這個領域天生就比人類做得更好」。股票一年之後不是漲就是跌，貸款不是還了就是沒還，所以只要能累計一段時間資料，發生過意外的人可能要收更多保費，貸款如果沒有還就少借。金融就是大量資料好標記，還有只要做得好，錢就到了。另一個李開復認為很有價值的領域是醫療，人工智慧在醫療領域的發展可能會幫助人類攻克很多疾病。但病人隱私等問題，目前醫療資料在各國格式化和流通度都不高。目前，先進的電腦視覺在相對開放的影像醫學領域嘗試已得到一些成功。「但因為資料局限性，推進速度還較慢。」第二波投資與創業機會在不同的領域，完全不同。比如金融領域的人工智慧雖然發展成熟，但機會也相對較少。醫療就還是尚未開墾的巨大市場。進入到 2011 年才開始的第三波人工智慧應用浪潮，就是大多數我們驚呼「科幻」的領域了，也是商業巨頭最喜歡宣傳展示的那些。因為在這階段，人工智慧終於擺脫了虛擬世界，正式「入侵」我們。第三波應用叫「實體世界智慧化」，達成的前提是越來越多資料採集和感測器──橘子本身沒有資料，貼上 NFC 標籤就有了；路本身沒有資料，裝上鏡頭就有了；人本身不是資料，但透過人臉辨識身分，就是了。我們早就習慣一登入淘寶，淘寶就認識我是誰，然後建議我個性化商品。 但是現在，現實世界也可以這樣了。你進入一家超市，超市就辨識出是不是 VIP 用戶，給予特別的優惠，服務員可能也會和你打招呼。這引領了中國零售的全新型態，創新工廠總結為 OMO 型態，即 Online-Merge-Offline──線上與線下全面融合。這種型態下，不再只是線下購物用行動支付結帳，或線上買優惠券去線下消費，是無論用戶線上線下購物，都有幾乎完全相同的購物體驗，包括身分會員體系、個性化建議、貨源追溯和商品評價等。第三波「實體世界智慧化」發展正當時，創新工場過去幾年也在這領域做了許多投資，無論技術領域的 Face++、教育機器人領域的小魚在家及無人零售領域的 F5 未來商店，目前都處於蓬勃增長時期。第四波人工智慧領域的應用，稱之為「全自動智慧化」。與 AI...
華爾街日報 10 日報導，研究公司 Gartner 指出，過去兩年整體的人力資源與勞動力管理軟體市場成長 23%，今年預估達 115 億美元，預估到 2020 年將會再成長 25%。倫敦大學學院商業心理學教授 Tomas Chamorro-Premuzic 表示，管理者的主要任務就是找出具有潛力的人才、建立團隊、分配任務、衡量績效並提供意見。他說，一般而言人類對這些任務並不是很擅長，未來可能會有一天我們再也不需要管理者。經濟學人 7 日報導，根據 Pitchbook 的統計，2017 年迄今（至 12 月 4 日）全球企業完成的人工智慧（AI）相關收購／併購金額達 213 億美元，較 2015 年高出 26 倍。報導指出，AI 人才目前遠比數據或運算效能還要稀少。安德森‧霍羅維茲（Andreessen Horowitz）分析師 Benedict Evans 表示，擁有 AI 就像是找來 100 萬名可以任意差遣的實習生，企業若能找到對的 AI 人才，等同讓旗下勞動力呈現倍數增長。AI 的優勢在企業對用戶需求的預測中展露無疑。例如，Netflix 用戶觀看影片中約有四分之三是來自自動化建議清單；亞馬遜銷售商品超過三分之一是 AI 推薦。機器學習同時也讓亞馬遜的線上與實體營運變得更有效率。這家公司的物流中心擁有 8 萬台機器人，並透過 AI 分類庫存。就生鮮訂單而言，亞馬遜運用電腦視覺去辨識草莓的成熟度，、藉此決定該將哪批水果運送給客戶。根據美國國家教育統計中心的估算，去年電腦與資訊科學相關領域畢業生不到 6 萬人，但目前美國相關職缺卻逼近 50 萬份。日經亞洲評論報導，軟銀集團（SoftBank Group）總裁宮內謙（Ken Miyauchi）10 月 27...
在 NIPS 大會上，蘋果公司的 AI 總監 Salakhutdinov 發表了演講，更加深入地對蘋果如何利用機器學習研發自動駕駛汽車系統以及取得的成果進行了闡述。對於一向走保密風格的蘋果來說，這又是一次少有的高調。據《Wired》雜誌報導，在 8 日舉辦的一個重大學術會議 NIPS 上，蘋果公司的人工智慧研發總監 Ruslan Salakhutdinov 向在場的 200 位 AI 專家發表了演講，主要探討了蘋果如何利用機器學習來完成自動駕駛項目。他此次演講的大部分內容主要圍繞著機器學習對自動駕駛汽車系統的影響。例如，他討論了如何在繁忙街道上檢測汽車和行人、在不熟悉的街道上行駛、以及繪製詳細的城市 3D 地圖。 這次演講為大家了解蘋果的自動駕駛汽車項目提供了新的見解。今年 4 月，蘋果正式獲得在加州測試無人駕駛汽車的許可；而在今年 6 月，蘋果公司 CEO 庫克也首次證實了蘋果對自動駕駛技術的關注和興趣。會上，Salakhutdinov 展示了蘋果上個月在網上發表的一篇論文中披露的項目數據。該項目的核心是使用光學雷達來檢測行人和騎自行車的人。同時，Salakhutdinov 還討論了一些蘋果之前並未向外透露過的系統。其中，有一個系統是透過創建軟體，並透過車輛上安裝的單個或多個鏡頭獲得的圖像來辨識汽車、行人和道路的可行駛路段。據 Salakhutdinov 展示的圖像顯示，即使雨滴濺到鏡頭，該系統的表現依然出色。在一些危險情況下，如行人被部分停放車輛遮擋而不在視線範圍之內，該系統也能推斷出行人在人行道上的位置。為此，Salakhutdinov 還調侃說：「如果你 5 年前問我，我也會非常懷疑這是否能做到。」在展示完成後，Salakhutdinov 討論的另一個項目是，如何讓安裝了新系統的車輛在世界各地移動時保障運行。為此，他提到一種 SLAM 的技術，該技術可以用於即時定位和地圖構建，並進行本地化的同步和映射。SLAM 被用於機器人和自動駕駛汽車，並且在地圖製作和擴增實境方面也有應用。最後，Salakhutdinov 還展示了蘋果如何從路上的汽車中收集數據，並利用這些數據建立廣泛而詳細的 3D 地圖，並提供交通號誌和各種道路標記等資訊。大多數的自動駕駛汽車原型需要詳細的數位地圖才能操作。Salakhutdinov 還提到在動態情況下進行決策的工作，在他的展示 PPT 裡，有一個主題是關於一輛汽車環繞著行人的道路圖。據了解，Salakhutdinov 於 2016 年 10 月加入蘋果公司，目前他仍在卡內基美隆大學兼任教授一職。自其加入該公司以來，蘋果已經發布了 5 篇關於機器學習的學術論文。不過，與僅在本週就為 NIPS 發表了 60...
產經新聞、日經新聞等多家日本媒體報導，鴻海轉投資的夏普（Sharp）於 11 日宣布，可連接網路、使用人工智慧（AI）服務的「智慧家電（AIoT 家電）」日本國內累計銷售量（累計生產量）計劃在 2019 年度結束前（2020 年 3 月底前）擴增至 300 萬的水準，將達 2016 年度末（累計銷售量約 3 萬台）的 100 倍（即累銷要在 3 年內增至百倍）。夏普統籌家電事業的常務執行幹部沖津雅浩於 11 日舉行的記者會上發表上述計畫。夏普於 2012 年開賣搭載 AI 的掃地機器人等產品，今後將以空調、冰箱、烹飪家電品牌「HEALSIO」為中心擴增新產品及服務陣容，且也將讓智慧家電產品支援亞馬遜（Amazon）等廠商相繼推出的智慧音箱（AI音箱），加快普及速度。夏普計劃於 2019 年度將智慧家電占日本國內整體白色家電銷售量比重提高至 3 成，且今後夏普也將開拓中國、印度等海外市場的白色家電銷售，目標在 2019 年度將整體白色家電的海外銷售比重自 2016 年度的 45% 提高至 60% 的水準。夏普於 1957 年開始生產冰箱、吸塵器、洗衣機產品，今年是夏普進軍白色家電市場的第 60 周年。夏普並於 11 日宣布，旗下冰箱產品全球累計產量於 2017 年 12 月達到 6,000 萬台大關。夏普冰箱全球累計產量於 2007 年突破 3,000 萬台，之後歷時 10 年時間就將累計產量增加一倍。（本文由...