Business Insider 10 月 22 日報導，Box 執行長 Aaron Levie 表示，人工智慧（AI）的崛起就像是 1980 年代個人電腦（PC）革命一樣，有望改變人類與科技互動的方式。Box 上週發表「Box Skills」，讓應用軟體開發商可以將微軟（Microsoft）Azure、Google Cloud 以及 IBM Watson 的 AI 工具套用到雲端檔案上。例如，Box 可以自動為影片檔案加註標記（tag）、對白文字檔並標示出影片中的演員以及他們出現的時間點。此外，Box 也可針對醫院 X 光片進行標記、分類。Amazon Web Services、微軟 Azure 以及 Google Cloud 等平台為軟體開發商提供越來越聰明的服務，但這些功能可能只有功力較為深厚的專業人員才有辦法充分利用，多數企業可能都需要某種形式的協助。Levie 表示 Box 可以提供這類的服務。英國機器人流程自動化（RPA）軟體技術開發公司 Blue Prism 10 月 11 日宣布將在微軟 Azure 推出數位勞動力作業系統。微軟、Blue Prism 將攜手在 Azure 上增添智慧自動化功能。新聞稿指出，企業現在可以利用由 Azure 機器學習、微軟 AI 所驅動的 Blue Prism 智慧自動化平台，在尖端 AI、機器學習、分析和雲端功能的幫助下推動全面化數位轉型。Box 20...
據南韓媒體援引知情人士消息，2017 年 8 月三星電子投資中國 AI 新創公司深鑒科技，投資金額未知，但知情人士透露對於一家新創公司而言，這筆投資不小，深鑒科技成立僅一年時間，專注於深度學習解決方案的開發。深鑒科技成立於 2016 年 3 月，創辦人姚頌、汪玉、韓松均是清華大學的畢業生，該公司提供基於原創的神經網路深度壓縮技術和 DPU 平台，為深度學習提供端到端的解決方案。透過神經網路與 FPGA 的協同優化，深鑒提供的嵌入式端與雲端的推理平台更加高效、便捷、經濟，現已應用於安防與數據中心等領域，深鑒團隊擁有國際性的學術影響力和資深的工業經驗，得益於深度學習圖像與語音處理方面取得的成果，專注於為更多行業提供前沿的人工智慧解決方案。日前深鑒科技還發表了中國首個深度學習 SDK，DNNDK 提供了一套完整全流程軟體工具鏈，涵蓋了神經網路推理（Inference）階段從模型壓縮、異構編程、編譯到部署執行的全流程支援，幫助深度學習演算法工程師和軟體開發工程師輕鬆利用 DPU 的深度學習計算能力，達到 AI 計算負載的加速。據該公司的官網顯示，投資方包括金沙江創投、聯發科、清華控股等，三星則是該公司的合作夥伴。這次三星第二次投資海外的 AI 新創公司，2016 年 10 月三星曾向英國的 Graphcore 投資 3,000 萬美元，深鑒科技開發的神經網路壓縮技術和神經網路硬體體系結構吸引了三星的關注，但沒有透露此次投資的金額。據知情人士透露，就在幾個月前，南韓通信營運商 SK 電信也對深鑒的 AI 業務非常關注，並提出了投資意向，但遭到後者拒絕。三星在 AI 技術上的投資，未來有可能會將相關的技術整合到處理器的研發中，此次投資深鑒科技除了技術上的考量外，也可能是與中國的市場環境相關，中國政府大力扶持國內的人工智慧產業，三星的投資能夠讓該公司在中國市場更順利地開展業務。 Samsung invests in China AI chip start-up DeePhi
在通往達成自動駕駛的路上，其中之一的障礙，就是極端天氣，例如下雪。2015 年，Google 公開承認，儘管自動駕駛汽車安裝各式各樣的高精度感測器，仍逃不開變幻莫測的天氣條件下繪圖和導航的道路難題。曾經，為了克服雨天路況，Google Waymo 團隊為鏡頭感測器加裝雨刷，但全面即時掌控路況還是很難。日前，一家公司邁出更遠的一步。有趣的是，方案的源頭並非專注自動駕駛的技術企業、也不是車廠，而是日本老牌電器公司三菱電機（Mitsubishi Electric，ME）。可以想像，下雪對自動駕駛系統需要感知的路面車道線、辨識等資訊將帶來「災難性」的毀滅。就像蓋上一條白色毯子，雪會覆蓋掉非常多幫助車輛安全駕駛的資訊。三菱電機開發的技術，則透過「位置資訊增強」演算法，用 GPS 資料糾正天氣對路面探測造成的影響。幾乎所有人都聽過三菱電機的名字，在日本，自 1980 年代起，三菱電機因電視和錄影機產品線成為當地家喻戶曉的品牌，如今這兩條產品線已停產，三菱電機的核心業務轉向機器人等工業自動化產品以及 AI 產業鏈。時間可追溯到今年 3 月召開的德國漢諾威國際資訊及通訊技術博覽會（CeBIT），三菱電機發表了基於 AI 的行動繪圖系統（Mobile Mapping System，MMS）。據了解，MMS 利用鏡頭和其他感測器建立「高精度動態 3D 地圖，用來提供道路和周邊物體資訊」。官方介紹，這個繪圖系統的感測器能整合到任何家用車車身，並建立點雲圖。雷射在掃描障礙物同時，系統會依賴三菱的 AI 技術繪製反射得到的資料成地圖。據悉，透過駕駛時使用雷射雷達、鏡頭和 GPS 感測器，系統的即時繪圖精確度已達 10cm 甚至更高水準。三菱電機希望，這個系統未來能應用在自動駕駛，甚至更多場域。透過車載感測器即時高精度地圖資料生成，這其實不是什麼新技術，三菱電機有什麼不同呢？據了解，利用三菱提供的演算法和感測器硬體配置，MMS 系統能比以往繪圖系統的地圖生成速度快 10 倍，且成本更低。據三菱介紹，最大的不同點在於系統的「差異化擷取」技術，能自動辨識與上次繪製的地圖不同，或說變了的地方再繪製。這樣一來，系統只傳送和更新變化的路況資訊，而不是每次都重做大量的高精度地圖資料，這將大大提高傳統意義高精度地圖的繪製效率，同時降低資源投入和成本。當然，因為搭載的感測器與市面繪圖系統無異，MMS 系統也不可規避地面臨下雪探測失靈的繪圖難題。為了攻克這個技術難點，三菱開發了一種名為「公分級增強服務」（CLAS）的定位手段，基於日本準天頂衛星系統（QZSS），而三菱電機是這個國家級專案的主要政府承包商。CLAS 補足 MMS 的技術空缺。具體而言，CLAS 從衛星抓取資料，基於地面感測器辨識車輛位置，然後再利用「位置增強」演算法進行誤差糾正。通常而言，衛星精確度在 10 公尺左右，而 CLAS 的演算法能將這個數字進一步最佳化到公分級。近期一個關於自動駕駛的分析報告指出，自動駕駛技術具備可行性的前提是，車輛對周邊環境的感知精準度應保持在 25cm 以內。據 CLAS 的資料，其水平精確度 12cm，垂直精確度 24cm。所以總地來說，將 MMS 3D 繪圖系統與更精確的位置感知相結合，一定程度上，自動駕駛系統可不需要辨識車道線來做駕駛決策。目前三菱已成功利用 MMS 系統訓練車輛在下雪天繞過圓錐路障，公司也計劃在此基礎進行更深度的測試研發。CLAS 實地測試始於 9 月 19 日，官方表示，該服務將於...
上週，AlphaGo 「終極版」AlphaGo Zero 再次讓世人驚訝，自學 3 天完勝李世乭、40 天登頂「世界圍棋冠軍」。但這並不意味著人工智慧有能力取代人類，套用機器人界的一句話：5 歲以上人類能做的事，機器人都能輕鬆勝任，但學會走路，辦不到。簡單來說，要 AI 辨識人類的行為動作至今仍是難題，而 4 個月大的嬰兒就能辨識各種臉部表情了。Google 正讓自家 AI 克服這個難題。最近 Google 發表了新的人類動作數據庫集體 AVA（atomic visual actions），可以精準標註影片中的多人動作，而其學習的對象則是來自 YouTube 大量的影片。據 Google Research Blog 介紹，AVA 的分析樣本主要是 YouTube 的影視類影片。Google 先從這些影片收集大量不同的長序列內容，並從每個影片截取 15 分鐘，並將這些 15 分鐘片段再平均分成 300 個不重疊的 3 秒片段，同時採樣讓動作順序和時間順序保持一致。▲ 3 秒片段邊界框標註範例，範例中只顯示一個邊界框。接下來則需要手動標記每個 3 秒片段中間幀邊界框中的每個人，從 80 個原子動作（atomic action）中選擇合適的標籤（包括行走、握手、擁抱等）標註這些人物行為。▲ sit▲ watch▲ kissGoogle 把這些行為分成 3 組，分別是姿勢／移動動作、人物交互和人與人互動。目前 AVA 已分析了 570,000 個影片片段，標記了 96,000 個人類動作，並生成 21,000...
新創企業為吸引人才，常會端出這句話：給我們一個機會，如果公司成功會讓你「很有錢」。現在科技產業巨擘為吸引 AI 人才，也開始撒錢搶人，導致學術界教授出走，中小型企業向海外人才招手，且 AI 人才短缺現象還會持續好幾年。紐約時報（The New York Times）訪問 9 位在美國大企業從事 AI 技術開發的人表示，一般 AI 專家包括剛畢業的博士，以及教育程度較低但有幾年經驗的人，可拿到的總報酬從每年 30 萬美元到 50 萬美元。知名專家 4~5 年時間可拿到上百萬或上千萬元報酬，並可重新議約，很像專業運動員的做法。最頂尖的是 AI 計畫負責人，自 2007 年起加入 Google 的自駕車部門主管 Anthony Levandowski 在去年加入 Uber 前，於 Google 賺到 1.2 億美元報酬。科技產業競逐 AI 人才導致報酬急速上升，業界甚至認為科技業也需要國家足球聯盟式的薪資上限。薪資急速上升的原因還有其他產業加入競爭，如汽車業。網路公司如 Facebook 與 Google 不怕撒錢，且他們認為 AI 可幫助他們開發數位助理，以及家庭智慧裝置，並發現不適當內容。但是，人才難尋。根據蒙特婁獨立實驗室 Element AI 的說法，全世界不到 1 萬人擁有處理 AI 研究所需的技能。卡內基梅隆大學電腦科學系院長 Andrew Moore 表示，「高薪競逐人才的現象不一定對社會有好處，但這些公司這樣做是出於理性的行為，因為他們急於確保自己擁有 AI 技術團隊。」DeepMind...
科技部今天宣布與全球半導體設計軟體大廠新思科技（Synopsys）簽署合作意向書，新思科技預計投入 500 萬美元，協助台灣 AI 產業發展。科技部今天召開記者會，科技部長陳良基與新思科技董事長暨共同執行長阿特戴格斯（Aart de Geus）簽署合作意向書，未來新思科技將協助建置標準科技研發平台及新進技術，讓 AI 產業環境更上一層樓。台灣新思科技總經理李明哲說，新思是全球半導體設計軟體龍頭，高通、IBM 等世界大型企業都是合作夥伴，這次和科技部簽署合作意向書，內容主要是打造晶片平台標準化，軟體開發智慧化；之後也會捐贈相關精密設備給科技部，總金額達到 500 萬美元。科技部長陳良基表示，工欲善其事，必先利其器，新思科技提供厲害的工具，讓教授、學生可以有能力嘗試不同發明，這樣創新才能出來，對台灣 AI 領域發展來說，是重要的里程碑。科技部國家實驗研究院院長王永和指出，AI 是台灣下一步重要產業，透過大企業協助，打造研發平台、AI 應用平台及關鍵技術，國研院晶片中心與新思科技已合作多年，建立良好關係，這次簽署合作意向書，對台灣整體高科技產業幫助甚大。（作者：朱則瑋；首圖來源：Synopsys）
趁著祝賀台積電 30 週年的機會，Socionext 的高層來到台灣，並且與媒體談論 AI 和 IoT 的未來願景。以影像相關晶片起家的 Socionext，將在未來適當時機透露跟台廠合作的 AI 晶片細節。Socionext 這家晶片設計公司在大家眼中可能很陌生，但是如果提及富士通的話，原先 Socionext 是是日本富士通公司旗下子部門，在 2015 年獨立出來，由於主要隱身幕後，Socionext 提供不同影像裝置所需要技術，像是傳統監視器解決方案，優化影像，或是 GoPro 相機，背後是 Socionext 的方案。Socionext 還是 8K 技術背後的推手，提供 8K 電視所需要的晶片。2020 年的東京奧運，日本將用 8K 影像直播，提供深歷其境的臨場觀賞比賽的體驗。傳統的電子裝置或是播放設備之外，Socionext 總裁暨營運長井上周先生認為，如科幻電影中《銀翼殺手 2049》 那樣充斥都市中的電子看板，家用電子中越來越多的影像元件，以及遠距離開刀房設備，成為影像晶片未來重要的新領域。隨著 AI 技術越來越火熱，原先處理影像的公司地位越來越高，井上先生認為，Nvidia 傳統上被認為是做圖像的公司，如今 GPU 用在 AI，原先是用在圖像處理技術，現在運用到 AI 上面。其他廠商會投入資源發展 AI 的晶片。當然 Socionext 與台廠有相關的 AI 晶片合作，等待適當時機對外宣布。5G 行動網路的時代即將來臨，傳統上需要高解析度影像，並且搭配低延遲的通訊運用，如遠距離開刀房，則成為成本和技術可行的方案。醫生能即時看到遠端病患的狀況，仔細透過高畫質影像了解病患病徵，帶給偏遠地區更多醫療可能。因高畫質影像帶來的細節，資訊越來越多，並且有隱私問題。高畫質影像下藝人臉部的老態曝露無疑，人也沒辦法處理這麼資訊。井上先生認為資訊整合技術在 8K 時代是很重要的事情。這一切，不單是影像處理技術，以及高畫質畫面如 8K 能單獨達成，需要有通訊技術配合，以及不同的應用場域。未來 Socionext 除了傳統監視器或是影像裝置的晶片，也期待他們在 AI 晶片的新產品。
沙烏地阿拉伯主權財富基金「公共投資基金」（PIF）24 日發表「新未來」（NEOM，意即 New Future）發展計畫。未來數年沙國、PIF 及全球各地的投資人預計投入逾 5 千億美元開發 NEOM。NEOM 是全球第一個橫跨 3 個國家的獨立特別區，位於沙國西北部與埃及、約旦交界處，總面積達 26,500 平方公里，擁有豐沛的風力、太陽能資源，相當適合發展再生能源計畫。瀕臨紅海（Red Sea）的 NEOM 地理位置優越，全球 70% 的人口可在 8 小時內抵達此處。PIF 表示，NEOM 興建工程已經啟動、第一階段預計在 2025 年底完工。NEOM 將全面採用再生能源發電設施，涵蓋產業還包括自主駕駛車、無人機、3D 列印、機器人、電玩遊戲、數位內容、人工智慧（AI）、虛擬實境（VR）、擴增實境（AR）、數據中心、物聯網（IoT）以及電子商務。NEOM 對沙烏地阿拉伯 GDP 的貢獻預估在 2030 年至少會達到 1 千億美元，屆時該特別區人均 GDP 預計將居全球之冠。Thomson Reuters 報導，軟銀社長孫正義 24 日在「未來投資計畫」（FII）會議上透露，沙烏地阿拉伯王儲 Mohammed bin Salman（MbS）要求他參與 NEOM 發展計畫。（本文由 MoneyDJ新聞 授權轉載；首圖來源：NEOM）
行政院政務委員唐鳳談到現在當紅的人工智慧（AI）時，形容「無人載具」好比是移動式的 AI，「好像是 AI 在路上跑」；AI 可視為新的物種，人類必須學習怎樣跟這樣新的物種相處。科技部將今年訂為「台灣 AI 元年」，唐鳳 23 日接受中央社專訪談到 AI，她說，她對於 AI 的態度，與先前看虛擬實境（VR）一樣的。這是一個非常好的契機，打破過去教育分科、專才的現象。面對新的事物，較不會有本位主義，尤其新的技術出現，人類必須思考怎樣運用。唐鳳說，面對新科技事物，政府與民間是相互的，並非政府硬要壓下來做什麼；反過來，民間廠商也不要認為政府是來管制，「而是雙方一起坐下來，凝聚共識」，透過創新實驗條例，可以互相馴化（domesticate）的關係，而不要視為洪水猛獸。對於 AI 發展，唐鳳說，科技部、各部會都投入相當大的資源，目的不僅只是發展 AI 技術本身，也是透過 AI 技術的興起，把現有的優勢，包含半導體在內的各個不同硬體優勢，全都整合。尤其 AI 到最後是要跟人類相處，它要像人一樣學習，所以也必須整合社會學、人文學科等軟性領域。「無人載具，就像是移動式的 AI」、「一個 AI 在路上跑」，唐鳳說，甚至於可以把 AI 視為新的物種，人類則必須學會如何跟這樣新的物種相處。至於人才是否足夠，唐鳳說，人才永遠不夠，全世界都是這樣。不過台灣的 12 年國教未來不再是培養各科考試能力，而是改為素養導向，包含運用資通訊跟媒體素養等等，也就是說讓小孩不會覺得 AI 只是上程式設計課 2 小時的事情，而是所有這些工具，都可以讓他在各科的學習變得更好。她也說，如果這一波這樣做下去，只有都會區的小孩享受到，就可能加深社會的對立，全世界都有不少人擔憂，AI 有可能撕裂社會。不過唐鳳說，其實台灣有一個優勢，台灣就這麼大，能夠把寬頻網路佈建到每一個地方，確保大家都有網路人權，也能確保高速運算，落實到每一位小學生都能使用得到，以及確保每個教室都能有好的連線，因此能夠達到普及，減少資訊的落差，「這真的，我們都做得到」。（作者：李淑華；首圖來源：shutterstock）延伸閱讀： 建置研發平台，科技部新思合作發展 AI 全球頂尖 AI 人才不到 1 萬人，難怪中、美砸錢搶人
農民的生活從來就不是件容易的事，乾旱、暴雨導致作物欠收、市場價格低廉、現代化緩慢……科技如此進步的時代，手機應用程式似乎可以解決一切問題，但也能幫助農民工作嗎？答案似乎是肯定的，至少從目前印度使用 Plantix 來辨識作物病蟲害的數百名農民反饋來說，科技很有幫助。BBC 報導，Plantix 是德國新創公司 Peat 開發的手機應用程式，這個由研究生和科學家所組成的團隊相信透過「智慧農業」協助農民解決困擾，才能面對世界快速增長人口和食安問題的挑戰。在開發 Plantix 的階段，為了解農民的實際需求，Peat 團隊決定前往印度農村實地調查，最終並得出結論：智慧型手機低價化的現在，運用圖像辨識的診斷 App 對農民來說最有用。團隊最終也決定在印度實際測試 Plantix。在印度，約有一半人口是從事農業，這讓病蟲害問題變得更重要，團隊也能盡可能收集到更多數據讓 Plantix「成長」。透過人工智慧（AI）的捲積神經網路（DNNs）深度學習，Plantix 能運用和生物神經系統相似的方式處理資訊，整體概念就像人類的大腦。就像人類在學校學習一樣，剛開始的階段，一旦 Plantix 在圖像辨識碰到困惑之處，相關病理學家便會提供資訊幫助程式解決難題。除了圖像辨識「解題」之外，Plantix 也具備多語言功能，執行長 Simone Strey 解釋，農民通常會使用當地語言，而非學界的專有名詞來稱呼作物的病蟲害，這將能協助他們了解問題的解決方案。印度 Bapatla Mandal 一個村莊裡，將近 500 名農民種植大米、玉米、棉花、香蕉和一些其他農作物，雖然其中只有約 20 人有手機，但他們彼此分享使用，拍攝受損的作物並上傳。隨著圖片數據庫持續增加，Plantix 也在過程中逐漸學會辨識可能的病蟲害。Plantix 不僅能辨別番茄缺鉀、小麥的稈鏽病及營養缺乏等農作物的病害，還可以分析結果、提供建議及結論。長時間的研究中，Plantix 從農民得到的反應非常良好，從現在的情況看來，這些應用確實幫助了農民，但 Strey 指出，從長遠角度來看，這些收集的數據才是最關鍵的東西。「在這之前，全球研究機構都還沒有完成類似的研究，這些數據真的非常有價值，而每個農民都代表一個數據來源，這就是農民不需要付費使用 App 的原因。」「如果你想要收集數據，就不要要求用戶付錢。」（Soure：plantix 官網）自從一年前在印度免費提供程式使用後，Peat 數據庫的圖片自 10 萬張增加到 150 萬張，其中 80% 都是來自印度 30 萬至 40 萬的農民用戶。不僅是農作物的病蟲害，App 的地理標籤（Geo-tagging）也能記錄植物生長的地點，以及它們在當地環境是否健康，也可以記錄天氣，並建立氣候狀況的圖片庫。這些知識不僅對農民本身有幫助，對肥料、殺蟲劑製造商，甚至想直接取得作物資訊的食品產業、確保大環境平衡的政府來說，都非常有價值。Peat 並非唯一希望透過手機 App...