隨著人工智慧議題越來越熱門，越來越多人開始投入 Python 或 R 語言的學習，且透過各種強大的開源套件如 Tensorflow、Keras 、Caffe、Torch、Scikit-learn，大幅降低了我們進入機器學習及深度學習的門檻。不少初心者想問，該使用怎樣的硬體環境才能加速訓練資料的時間？如果你或你的公司打算建構一個 AI 運行環境，本文或許能帶給大家一點幫助，少走點冤枉路；也歡迎有經驗的你，在文章下面留言給予大家更多建議。筆者公司開展了幾個 AI 專案，有幸從頭到尾參與了 AI server 的選擇、設定、測試、執行，從用 i5 CPU 優化、1050、1080Ti 到 NVIDIA 最頂規的 P100，當中問了一些強者也爬了不少文，這篇文章試圖收斂下當初挑選的守則，當做小小的回報。AI 世界軟硬體神人太多，期望拋磚引玉激起更多討論，也歡迎強人不吝指教。當跑深度學習（DL）、機器學習（ML）實驗，模型太大、層數或神經元過多， 一般電腦可能需要花半天、數天甚至以週為單位才能完成，或者發現錯誤。對公司而言，效率不彰絕對不是件好事；對初學者而言，trial and error 來來回回的時間過長，其實很容易感到挫折，如果能加速實驗進程，快速得到回饋並修正，對於這領域的學習與研究也會有較快的進展。如何為自己的模型加速？如果你是個初踏入 ML、DL 的初心者，學會 Python/R 不久，想試著建構模型，微軟設置了 Azure Machine Learning Studio 這個平台，使用介面相當直覺，也可以直接套用微軟本身提供的演算法模組修改參數就好，可以輕鬆將模型建置起來。而亞馬遜、Google 也提供類似的服務。 Azure Machine Learning Studio Amazon Machine Learning 入門 Google Cloud Machine Learning 如果你的模型並非圖像辨識相關，有沒有顯卡加速對你而言其實關係不大。加以，若你使用的語言是 Python 及英特爾的 CPU，英特爾推出加速庫「Intel Distribution for Python」，其實就能得到不錯的提升。前英特爾高級工程師 James...
Thomson Reuters 報導，澳洲四大銀行之一「澳大利亞國民銀行」（NAB）2 日宣布，因應數位自動化轉型，未來 3 年將裁員 6 千人並創造 2 千個職缺，淨流失的 4 千人大約相當於目前員工總數的 12%。過去 3 年大舉投資自動化技術的北歐地區最大銀行「北歐銀行」（Nordea）上週宣布，3.2 萬名員工當中至少有 4 千人將遭辭退，另有 2 千名顧問將丟掉飯碗。北歐銀行已推出聊天機器人（chatbot）來回答常見的客戶問題。英國金融時報報導，NAB 執行長 Andrew Thorburn 1 日在財報記者會表示，因應流程簡化、自動化以及通路數位化，NAB 將在未來 3 年裁員 6 千人。另一方面，NAB 將雇用 2 千名數據分析、人工智慧（AI）、機器人以及流程自動化相關背景人才。NAB 計劃在 2020 年底前加碼投資 15 億澳元在新科技與產品相關領域。花旗集團前任（2007~2012年）執行長 Vikram Pandit 9 月表示，未來 5 年銀行業 30% 的工作將因科技而消失。共同社、日本時事通信社 10 月 28 日引述消息人士報導，日本最大銀行「三菱東京日聯銀行」（Bank of Tokyo-Mitsubishi UFJ，BTMU）為提升獲利，考慮在 3 年內（自...
「未來是內容的時代。」倚天資訊與華爾街金融公司 BeyondBond 合作開發出一款不僅能夠篩選股票、還能自行產製綜合性財經報告的 AI 軟體「ALAN 智能伏羲」，算是全球首創並於 2 日在台灣首度公開。 倚天資訊在 2 日舉行新品發表會，董事長萬以寧表示，寫文章是人類專利的時代已經過去了，就如同 AI 在棋藝技術上的進步，如今的人工智慧技術已經能夠猶如真人分析師一般，不僅能自動分析還可以使用多國語言。且這套軟體不僅面向一般民眾，還包括專業人士。 倚天資訊公司是台灣早期中文系統的先驅，後來轉換跑道鑽研金融資訊軟體，近年來市場上比較少有倚天的訊息。官方表示，近幾年來，公司很少花費在行銷上，而專心在鞏固現有客群，如今要再度擴展市場。目前兩家合作模式是倚天負責前台行銷及客戶服務，而 BeyondBond 處理系統及後台維護。而總部位於紐約的 BeyondBond 自 2012 年來便開始利用大數據提供客戶財務分析，以及對投資組合的風險控管。無國界跨語系報告「人工智慧就是一個巨人，我們正在想的就是如何站在這個巨人肩膀上，發揮長才。」總裁洪哲雄博士表示，這套 A.I.CaaS（Content as a Service）技術是根據多因素風險模型（MFR）來辨識個股估值、質量、技術分析以及總體面向等大數據交叉分析進行風險管理評測，並能夠非常快速的針對超過 6,000 檔的美股行情生成分析報告。但這並非是為了要取代分析師的工作，而是提供投資人更多元化更直觀的資訊。其產品定位並非只是篩選股票，而是進一步產出內容，幫助客戶迅速了解非常複雜的市場。當然這更不是新聞翻譯軟體，而是直接透過大數據分析編寫出文章，所以可以輕易的產出各種語系的報告。其優點，便是讓不管是任何國家的客戶都能輕鬆的了解全球市場的趨勢，就像在閱讀分析師報告一樣。而對分析師而言，這套軟體更能增進其工作效能，使其擺脫撰寫冗長報告的時間，並可以與自身想法相對照。（Source：倚天資訊）總體經濟分析最搶眼洪哲雄強調，這套軟體的創舉在於並不只是在做技術圖形分析，還包括國際金融層面，除了市場數據外，還有匯率、利率及總體經濟指數都囊括在內，這也是目前業者最感興趣的一塊。甚至除了基本面外，未來這套系統還會加入輿情分析，不過現在的版本並沒有特別的著墨，因為很多分析師會有自己的感情，對消息重要性的衡量都不同，還有一些謠言也是問題。當然這套系統在選股方面也非弱勢，近年來投資策略回測率已達 70%，但與其他同樣研發財經 AI 的業者不同，這個產品是為了實現真正的普惠金融。簡單來講，此軟體重視的是人機互動，分析師可以自行透過手動的參數調整，使同樣的軟體平台也可以產出完全不同的報告。 （Source：倚天資訊）這套系統現階段是以分析美國股市為主，畢竟這是目前全球最受矚目的市場，也是 BeyondBond 的強項，不過下個階段將會跨足台灣股市，而正式的公測版本預計會在三個月後上線。（首圖來源：倚天資訊）延伸閱讀： Watson AI 選股擊敗大盤，Salesforce 靠「愛因斯坦」發光 貝萊德為節省成本，將裁員改用機器人選股 澳洲銀行 NAB：因應 AI 自動化，3 年內將淨裁員 4 千人 AI 分析語言模式窺人心，財報會議發言恐洩天機
日本 JX 通訊社沒有任何記者，靠著人工智慧（AI）技術在社群網站上辨別新聞，並提供快訊。儘管目前 AI 判斷新聞的精確度仍待提升，但「零記者」通訊社已然掀起產業革命。日本網路媒體《Abema TIMES》報導，JX 通訊社日前利用最先進的技術進行選情調查，成功預測這一次日本眾議院大選中，位於東京都內小選區的投票結果。JX 通訊社社長米重克洋說，媒體一直以來都花費大量時間與人力進行民調，但他透過機器撥打電話匯整，由他來進行最後分析。JX 通訊社打著「商業與新聞並存」的願景，2008 年成立；公司員工只有 24 人，平均年齡 30 歲，7 成是工程師、3 成負責行銷公關等業務。他們透過 AI 蒐集社群網站上可能成為新聞的內容，經過判斷，每秒最多可自動產生 200 則快訊。JX 通訊社營運長（COO）細野雄紀說，日本有 4,000 萬人在使用推特，就某種意義來說，這些使用者變成是監視錄影機。米重克洋說，特別是發生大型災害等時，到處不斷出現訊息，這個時候 AI 就可以幫上大忙。他們提供的 Fast Alert 服務，目前已開始獲得民間電視台、共同通訊社及報社等使用，這些媒體透過 JX 通訊社提供的訊息，派記者前往刑事案件或意外現場，提供民眾最快速的報導。米重克洋說，當初成立 JX 通訊社的想法是，社群網站可以說也是新聞現場，要如何把這些資訊即時傳送到各媒體？於是他找來許多優秀的工程師，透過系統的運用與出借、開發應用程式等，讓它成長為可以提高收益的公司。米重克洋表示，在大型勞動密集型產業中，仍有過勞死等問題，像搜尋推特等這種單純的工作，不是新聞記者該做的事；把人能做跟不能做的事情徹底區分，能讓機器做的事就讓機器去做。他說，到現在為止，如果不靠記者去一一採訪警方或消防人員，就無法取得相關資訊；藉由 Fast Alert，讓專業記者可以把力氣花在採訪事件內幕。如此一來，或許可以在降低成本的同時，也能得到更快更有趣及更引人入勝的新聞。但另一方面，細野雄紀說，如何從跟新聞無關的資訊中，更快速只蒐集真正重要的東西很困難，必須更努力提高正確性。過去曾有高中生在推特發了一張烤肉時火燒到肉的照片，然後用「火災」來形容並貼文，結果被 AI 判斷成發生火災；還有懷疑偷拍的男子，AI 誤以為是猴子等失敗案例。米重克洋說，AI 可以透過掌握曾發生過的假新聞特徵，學習如何排除，未來要提升 AI 分辨假新聞的精確度到 99%。他說，發出新聞前的最後一道手續，仍然要透過人確認，例如雖然得知發生大火，還是要致電地方消防隊確認。（作者：黃名璽；圖片來源：影片截圖）
Intel 先前推出 Xeon Scalable 系列伺服器專用處理器，包含白金、黃金、銀、銅等不同等級產品，取代先前 E7、E5、E3 命名方式，並能帶來高於前代產品 1.73 倍的綜合效能表現，在深度學習方面更有 2.2 倍的效能表現，相當適合用於人工智慧領域，Intel 也說明了人工智慧的效能需求與一般運算有何不同。AI 在做什麼最近 AI（人工智慧）的發展有爆炸性成長，如影像辨識、語音辨識、自然語言處理等需求，都可以透過 AI 處理。而深度學習也是 AI 技術的其中一環，它是種執行機器學習的技術，能將大量數據輸入機器，並透過演算法分析數據，讓機器從中學習判斷或預測事物的能力。以影像辨識為例，輸入的影像會經過許多稱為「層」的數學運算過程，每「層」運算都能讓系統分析影像的特徵，當第一「層」運算完成後，就會將分析結果傳到下一「層」，如此迭代運算直到最後一「層」。在運算過成中，系統內的類神精網路（Neural Network）會透過正向傳播演算法（Forward Propagation）學習圖像的特徵與計算權重，並透過反向傳播演算法（Backward Propagation）比對輸入資料與演算誤差，修正錯誤。在深度學習中，輸入的圖像通常是一組數量龐大的圖庫，並以平行處理方式同時進行大量運算，使用者可在訓練過程調校參數，提高訓練的準確度與速度。當訓練完成後，我們就能利用 AI 進行圖像分類，讓 AI 自動將圖像分類或是加上標籤（Tag）。這個動作稱為深度學習推論（Deep Learning Inference），是相當重要的效能指標。▲ 深度學習領域的類神經網路，是模仿生物大腦結構和功能的數學模型。Xeon Scalable 處理器衝著 AI 而來了解深度學習的概念後，就可以開始看看 Intel 如何強化 Xeon Scalable 處理器的效能，來提升深度學習的效率。類神精網路運作時的摺積運算基本上就是矩陣相乘，因此能以每秒進行的單精度通用矩陣乘法（Single Precision General Matrix Multiply，SGEMM）或通用矩陣乘法（Integer General Matrix Multiply，IGEMM）運算次數，來評估處理器的效能表現。相較 Broadwell 世代 Xeon 處理器，Xeon Platinum 8180 能帶來 2.3 倍 SGEMM 效能，以及 3.4 倍 INT8...
本週將在全球開賣的蘋果 iPhone X，最受外界關注的新功能就數 Face ID 人臉辨識系統，顛覆以往的使用體驗，除了安全度必須精準到位，很多人也好奇究竟跟大眾熟悉的 Touch ID 相比，哪一種解鎖方式的速度比較快呢？透過蘋果前鏡頭最新的 TrueDepth 技術，無論戴眼鏡、戴帽子或化妝 Face ID 都能辨識出用戶身分，Face ID 跟 Touch ID 最大的不同，在於不受戴手套、手指潮濕等身體狀況改變的限制；而 Touch ID 的優勢是不受外觀遮蔽的影響。Touch ID 解鎖快，Face ID 操作直覺外媒《Tom’s Guide》本週進行 iPhone X 評測時，比較 Face ID 與 Touch ID 的解鎖速度，iPhone X 從按壓側鈕喚醒螢幕花了 1.2 秒、滑開螢幕鎖定又花了 0.4 秒，整個過程總計 1.8 秒；而使用 Touch ID 的 iPhone 7 Plus 直接按壓解鎖進入到主頁只花了 0.91 秒，顯然比 Face ID...
智慧助理的語音辨識技術已經漸漸成為現代社會不可或缺的科技，除了 Apple 的 Siri 之外，Amazon 及 Google 更開發了家庭智慧助理，分別為 Echo 和 Google home，只要對機器說指令，舉凡開燈、放音樂、訂外送等，智慧助理都會幫你完成。但是儘管科技公司不斷的在精進語言辨識的技術，智慧助理如 Amazon 的 Echo 仍無法在嘈雜的環境中辨認你的聲音。近期位於美國麻州的三菱電子研究中心研發出一項技術，能在多人講話的情況辨認出你的聲音，並已於東京科技展亮相。研究團隊表示，他們使用機器學習中一種稱為「deep clustering」的方法來辨認每個人的「聲音軌跡」（voiceprint），三菱電子發言人 Niels Meinke 說，一開始他們使用 100 個英語母語使用者來訓練機器學習模型，後來發現即使用帶有口音的聲音當訓練資料，機器也有辦法辨認出不同聲音。相比傳統使用兩個麥克風模擬人耳的方法來辨認聲音，只有 52% 準確度，這套新方法在兩個人說話的環境下，辨認準確度可達 90%，就算 3 個人的環境也能有 80% 準確度。多人環境下語音辨識的問題已困擾人工智慧界多年，這項新技術可望幫助智慧家庭助理、智慧汽車，甚至自動語言翻譯等領域的進步。三菱電子也表示，他們正計劃安裝語音辨識技術到自家冷氣、電梯等產品。 An AI has learned how to pick a single voice out of a crowd Alexa Gives Amazon a Powerful Data Advantage...
AI 可能引發下一次工業革命，世界各國都在爭搶 AI 人才。先前美國麻州大學教授做了一項電腦科學論文發表數量排名，前十名全部是美國大學，亞洲國家中新加坡國立大學排第一，在全球排第 15，中國大學在亞洲前十名的也有不少。這次日經新聞與荷蘭學術出版公司 Elsevier 合作的一項調查顯示，根據論文引用次數來看，全球前十名中，中國大學佔據 2 個位置。調查認為，學術出版物的文獻引用率可反應論文的品質，而在 2012~2016 年期間，論文引用次數前十名中，排名最高的是微軟，中國科學院與清華大學分據第 3 名與第 9 名。其他上榜者名次從高到低有新加坡南洋理工學院、法國國家科學研究中心、卡內基美隆大學、多倫多大學、麻省理工大學、Google、紐約大學。前 100 名榜單中，30 家是美國學校或機構，其中中國大學與組織也有 15 家。報導分析，中國以高薪吸引留美研究與工作的中國專家回到中國工作是推進 AI 發展的主因，而中國推動國家研究基地的政策，正在滋養中國的大學與機構，使中國大學成為培育 AI 研究人員的溫床，這些人最後會到大企業或新創公司工作。前 100 名裡新加坡機構有 3 家入榜，原因也是一樣，與政府積極招攬海外人才有關。令人意外的是，馬來西亞也榜上有名，主要原因可能是馬來西亞研究人員講英語，因此增加引用次數。印度只有 Jadavpur University 擠進前 200 名，印度理工學院擠進前 300 名，但許多觀察家相信以印度的 IT 實力，AI 研究方面未來幾年會快速成長。南韓大學排名第 97。日本只有東京大學入榜排名第 64，前 500 名中只有 6 家入榜，突顯日本近幾年在 AI 研發上遠遠落後，主要原因是在研發投資與吸引國外研究人才方面都不夠積極。日本企業也缺乏技術創新，只有 NTT 憑藉日本語的語音辨識技術，以企業之姿排名第 269。中國科技業從網路世代崛起，與美國網路巨擘一樣，一開始即坐擁發展 AI 需要的龐大數據庫。而中國經濟起飛，資源充沛條件下，吸引海外人才回流進行技術研發只是剛好而已。中國要掌握下一次工業革命的主導權，對此，Google 前執行長 Eric Schmidt 在公開場合表示，中國發展...
根據美國財經網站 CNBC 報導，本週微軟（Microsoft）設備部門的全球副總裁 Panos Panay 接受媒體聯訪時指出，微軟正在研發下一代 HoloLens 頭戴顯示器使用的 AI 晶片。除了用在 HoloLens 之外，微軟或許還會將它應用到旗下其他硬體產品。報導指出，2017 年 7 月時，微軟曾向外界透露，正為下一代 HoloLens 頭戴顯示器研發一款處理器，這款具備 AI 運算能力的晶片，也將成為微軟進入 AI 晶片領域的第一次嘗試。微軟還打算將這款 AI 晶片應用到其他產品。目前微軟推出一系列硬體產品，例如 2012 年發表的 Surface 系列平板電腦產品線，已拓展到筆記型電腦領域。同時，微軟還推出和 Xbox 遊戲機連結的 HoloLens 頭戴顯示器，這些硬體設備都有可能成為未來應用該款 AI 晶片的產品。目前，AI 晶片競賽進行得如火如荼。稍早時，蘋果、華為等科技公司都已自行研發相關的 AI 晶片。透過這些 AI 晶片，使電子設備具備應用 AI 技術的能力。這意味著這些設備毋須與雲端運算交互聯繫，單獨就能處理一些複雜的 AI 運算，使效能更先進。微軟表示，預計裝在新一代 HoloLens 中的 AI 晶片，最終目標是加入專門的運算能力，以便完成圖像辨識和語音辨識等複雜任務。這有可能帶給 HoloLens 獨特的功能和更快的處理速度，不需要將資料發送到雲端運算平台處理；在 HoloLens 之後，將看到這些技術用於其他產品，也使其他產品具備 AI 應用的效能，如此 HoloLens 將成為微軟跨入 AI...
很多人都有忌諱就醫的毛病，對身體檢查十分抗拒，除了恐懼檢查過程，還因為等待結果的時間讓人忐忑不安。日本有研究人員嘗試利用人工智慧解決這個問題，雖然暫時用於腸癌測試方面，不過已是一大突破。研究人員成功開發一款軟體，宣稱能在 1 秒內偵測腸癌。在他們的測試中，人工智慧透過放大內視鏡影像，成功辨認出結腸直腸腺瘤。這是一種良性腫瘤，但有機會轉成癌症。研究人員利用超過 3 萬張圖片訓練人工智慧，讓系統在短時間内判斷是否癌症。日前在巴塞隆納舉行的一個醫學活動，負責項目的橫濱昭和大學森悠一博士表示，他們研發的系統能讓病人減少無謂的手術。人工智慧系統短時間内判斷病人是否患有腸癌，可以加快切除惡性腫瘤，同時避免開刀進行不必要的瘜肉切除手術。森博士指出，系統現在還未得到日本當局認可，但相信結果可用於臨床應用。 Researchers Develop AI That Can Detect Bowel Cancer In Under A Second （本文由 Unwire HK 授權轉載；首圖來源：shutterstock）延伸閱讀： 不怕人工智慧，2026 年美國最缺醫療護理人員 病理「數位化」，Proscia 用 AI 提升病理診斷精確度 「智慧紋身」或重新定義偵測健康的穿戴裝置