世界最大避險基金之一的曼氏金融集團（Man Group）早在 5 年前就在進行應用人工智慧的嘗試，且技術之先進不像輿論所想，只能用於執行被動投資。其執行長 Luke Ellis 表示，儘管現今技術已複雜到連工程師都不明白 AI 如何做出決策，但事實上真的有用。 捉摸不透的恐懼曼氏集團是世界最大的公開上市對沖基金，其資產規模達 960 億美元，然而卻對 AI 技術有相當大的興趣，且試驗相當成功，但 Luke Ellis 指出，最大的問題就是他們不知道為什麼會成功，當工程師及業務員無法跟客戶解釋為何要如此交易的時候，自然而然就會失去信任。在《彭博社》的訪問中，Luke Ellis 強調，AI 技術就像一個黑盒子一樣，令人捉摸不透，所以雖然早在幾年前，集團就已發展出相當程度的技術，但最後卻被束之高閣，成為次要計畫，甚至害怕它重見天日。直到 2014 年，有一位擁有數理邏輯博士背景的高級投資組合經理 Nick Granger 將其再度取出測試，並且證明 AI 的確能夠在投資上獲利。到了 2015 年，由 AI 掌控的資產雖然僅有 51 億美元左右，並非相當大規模，但非常穩定的在獲利。目前的 AI 技術已能快速的搜尋資訊，掃描新聞稿及財務報表上的關鍵字，並且對股市漲跌做出相當準確的判斷，所管理得資產也越來越多。Luke Ellis 譬喻，如今 AI 在公司內已不像以往，是一頭被排擠的怪物，至少成為了能夠在餐桌上一起吃飯的家庭成員，只是它還不會聊天。其中當然還是有一些故事使大家的想法發生了轉折。危機處理表現良好在 2015 年，市場曾因為對中國經濟問題的擔憂引發了拋售，然而 AI 很快地做空並迅速獲利，甚至預測到了反彈機會，再賺一筆，更重要的是，背後其實根本沒有人教它怎麼逢低買進。Nick Granger 指出，不僅如此，最成功的案例其實是去年的川普當選事件，當時 AI 也很快地抓準時機在跌聲中切入市場，並在後來的強勢反彈中持續獲利。雖然曼式集團不肯透露到底 AI 的實際績效如何，不過的確是引以為傲。Luke Ellis 表示，個人其實也希望有些事是人類會做，但 AI 做不來的，但他不會真的去賭這件事。曼氏集團投資長 Sandy Rattray...
自從特斯拉執行長馬斯克（Elon Musk）公開透露對於人工智慧（AI）發展的擔憂之後，許多科技大老都陸續發表了看法，近日微軟現任執行長 Satya Nadella 和創辦人比爾蓋茲（Bill Gates）被問到這個問題時，也都稍微分享了自己的觀點。 近日華爾街日報專訪，蓋茲與 Nadella 談論了一些對自動化、AI 及微軟未來發展的看法，在被問到馬斯克的 AI 威脅論時，Nadella 並沒有正面回應，蓋茲則較坦白地表示，這部分他與馬斯克的想法稍不同。蓋茲認為，馬斯克擔心的 AI 掌控人類，並非人類馬上就會面臨的問題，這部分他並不同意馬斯克的想法，人們不應為此感到驚慌。但蓋茲同時也強調，人們也不應該毫不猶豫的忽視，馬斯克擔憂的情況最終可能出現的事實。（Source：Flickr/Bhupinder Nayyar CC BY 2.0）Nadella 則將話題延伸至微軟現在發展 AI，Nadella 表示，微軟目前發展 AI 的核心原則是「該如何用來增強人們的能力」，即使是深度學習模式，人類可以負責的設計決策還很多，所以能確保沒有偏差、不良的數據出現在系統中。比起只是思考，Nadella 認為，技術目前還有許多進步的空間能塑造人類的未來，而未來遲早都會來到。但他也部分同意馬斯克的想法，「控制是一個選擇，我們應該盡可能保持主導權。」至於自動化是否會奪走人們的工作機會，Nadella 認為這確實是一個真正的問題，但技術進步造成的工作流失將不會是「二進制轉換」模式，新的工作會逐漸出現。就像在生活過程中，人們要尋找不同類型的就業機會，就得不斷學習一樣，自動化出現也讓人們需要教育和重新培養技能。「沒有技術上的突破，我們就無法進步如此快速，這對任何人來說都沒有好處。」 A Rare Joint Interview with Microsoft CEO Satya Nadella and Bill Gates Bill Gates: I do not agree with Elon Musk about A.I. ‘We shouldn’t panic about it’ （首圖來源：Flickr/Statsministerens...
日本的古都京都是不少人旅遊的目的地，但你想到在 AI 領域的研發競爭中，這裡可以成為其中的重要據點。LINE 在今日 (9/28) 東京 LINE 開發者大會上，技術長朴懿彬 (Park Euivin) 宣布在京都擴點，積極為 LINE 徵才的 AI 計畫，以及找人才開發 LINE 旗下眾多服務的基礎設施。LINE 技術長朴懿彬在大會 Keynote 上宣布京都設置辦公室擴點的事情，並且在稍後的記者會上談論細節。朴懿彬表示京都辦公室的人數規模將在上百人的程度。朴懿彬說，儘管在日本設置新辦公室，但在 AI 的競爭場域，仍然要招募世界頂尖的人才納入旗下。而且除了 AI，LINE 也相當重視後端的基礎設施，要將既有服務擴大，需投入人力打造適合的 IT 設施。除了日本京都，LINE 也才剛在印尼和泰國設置聚點，加入 LINE 的跨國研發團隊。很多大廠在 AI 領域努力的展開研發工作，目前還沒有一家有明顯的領先優勢。朴懿彬表示，他們相信 LINE 儘管公司成立才 6 年多的時間，做 AI 相關工作的 Clova 計畫也不過是 1 年半前開始，LINE 公司的運作速度快，而且在亞洲這裡有相當多資料，相信可以趕上這波 AI 技術研發的風潮。
2017 年 3 月發表的「2.0 平台」（Platform 2.0）是第一台完全由豐田研究所（Toyota Research Institute，TRI）自行開發的自主駕駛測試車。半年後，TRI 發表 2.1 平台版本測試車，採用感測範圍更遠的 Luminar 高傳真光達（LiDAR）系統。TRI 成立於 2015 年，在美國加州 Los Altos、麻州劍橋市以及密西根州 Ann Arbor 設有辦公室。TRI 的四大任務之一就是透過人工智慧（AI）、機器學習技術來加快研發速度。2.1 平台是第一套可以在一台車上使用相同感測器、軟體測試「監護人（Guardian）模式」、「司機（Chauffeur）模式」的研究工具。TRI 27 日公布路測影片，當中分別有兩段式測試自駕車在 Guardian 模式下行駛，另兩段是在 Chauffeur 模式進行。Chauffeur 是豐田 SAE Level 4 / 5 自主駕駛系統測試版。在 Guardian 模式下，自駕系統只是充當人類駕駛的安全網，協助避免意外發生。影片中，駕駛因打瞌睡而導致車子偏離車道，Guardian 立即接手讓車子趕緊回到常軌。在 Chauffeur 模式下，測試車雖處於自駕狀態，遇上前方突然出現掉落物品時也能切換車道避開。根據 statista.com 匯整世界智慧財產權組織（WIPO）、科隆經濟研究所的分析數據，2010 年 1 月至 7 月期間全球最大汽車零件商博世（Bosch）日經亞洲評論 7 月報導，豐田汽車公司計畫在...
Google 上週宣布以 11 億美元買下宏達電 Pixel 手機代工部門震撼業界，不少人直指 Google 是為未來智慧手機 AI 與 AR/VR 發展布局；無獨有偶，蘋果近期發表的十週年新機 iPhone X 以人工智慧為本，在人臉辨識、攝影推出革新功能，中國智慧手機品牌旗下晶片廠海思，近期則發表 AI 應用處理器麒麟 970，智慧手機品牌也開始擁抱 AI，AI 之於智慧手機，究竟能為我們擘劃什麼樣的未來新藍圖？人工智慧（AI）發展方興未艾，愈來愈多大廠投入人工智慧研究，技術逐步應用在金融、醫療、汽車工業等領域，另一方面，智慧手機做為應用最為廣泛的行動終端，甚有人認為，智慧手機導入 AI，是早已面臨同質化、創新瓶頸的智慧手機市場新解藥。裝置的革命往往從處理器、單晶片而起，今年可看見處理器架構商、晶片商到品牌商自製行動應用處理器（AP），紛紛強調 AI 的導入，包括最主要的智慧手機處理器架構商 ARM，在今年 3 月推出針對機器學習與人工智慧的全新處理器指令集 DynamIQ；到近期手機品牌商華為旗下晶片公司海思，推出 AI 晶片麒麟 970；以及近日蘋果 iPhone X 搭配自製 AP A11 Bionic，強調其機器處理能力，並將此應用在重要功能人臉辨識「Face ID」、攝影功能「人像光線」上。當紅的 AI 晶片到底是什麼？AI 晶片到底是什麼、神在哪裡？又能賦予智慧手機什麼樣的應用新未來？近年崛起的所謂 AI 晶片，其實精確一點來說，是 AI 機器學習晶片，機器學習是人工智慧學習的分支之一，機器學習之後又發展出深度學習，兩者都是透過「訓練」由巨量資料提取特徵、從特徵建構模型，進而做出「推斷」進行判別與預測。其中深度學習會將特徵分層處理，透過層層特徵來建構模型做出預測，且特徵之間的處理訊息可共享。如人臉辨識第一層先將圖形進行分割，定義出簡單的圖形邊界；第二層定義圖形的角度或弧度；第三層針對圖形和人臉眼睛鼻子等部分特徵進行匹配，再將所有特徵值連結起來完成臉部辨識。一連串建立特徵、模型的過程是「訓練」，而利用模型做出判別，則是「推論」的任務。（Source：Google Deepmind）「訓練」需要巨量資料的支持，以及大量的運算資源，一般會在雲端進行，而訓練完成的模型將能執行「推論」，諸如圖像/語音辨識、文本翻譯都是機器學習模型之應用，「推論」能在雲端也能在終端產品執行。（Source：NVIDIA）此次 iPhone X 的人臉辨識功能「Face ID」、攝影功能「人像光線」就是運用機器學習的「推論」，以 Face ID 為例，其利用 3D 感測模組（蘋果稱此技術為 TrueDepth...
AI 技術帶來的未來儘管還未到達科幻小說的程度，但新技術的突破部分常給人驚奇感，尤其日本人經手的專案。LINE 與 Gatebox 合作推出的虛擬偶像運用 LINE 的 AI 平台 Clova，日本人的執著帶來 AI 虛擬偶像，玩主僕遊戲不再需要另一個真人，而是虛擬偶像與人互動，最終能跟「主人」互動帶來像真妻子的感覺。有時人們與真人打交道有障礙，或是不喜歡與真人互動。日本著名的虛擬偶像初音未來有相當多粉絲，而且還曾開過演唱會。在 LINE 開發者大會，Gatebox 的武地実和久森達郎說明與 LINE 在 MWC 2016 宣佈合作之後，目前產品進展如何。▲ LINE 投資 Gatebox，成為 LINE AI Clova 最引人目光的專案。LINE 開發者大會宣布，智慧音響 WAVE 的推出時程越來越近了，另一個套上 LINE 玩偶形象的產品 CLAMP Sally 和 CLMAP Brown 則展示原型機，顯示 Clova 技術能廣泛部署，不是只有智慧音響。 ▲ 催生 Gatebox 的武地実，在 LINE 開發者大會談 AI 驅動的投影虛擬偶像。但 LINE 的 AI 平台 Clova 不只能驅動智慧音響，還可以辨識語音，經過伺服器處理合成聲音，產生對話回應人。運用...
根據 TrendForce 最新研究指出，透過導入大數據與 AI 人工智慧的機器學習技術，全面強化電腦輔助的藥物篩選與設計，縮短新藥開發時程與提高成功機率，新藥開發邁入 3.0 時代。從大數據與 AI 人工智慧導入新藥開發的發展來看，TrendForce 生技產業研究副理劉適寧指出，現階段著力的重點在於新藥探索（discovery）階段，其發展奠基於扎實的基礎研究知識、生醫領域大數據的可取得性、AI 演算法與軟體開發能力等基礎之上。劉適寧表示，現有新藥開發方法所產出的潛在新藥，臨床試驗失敗的原因據統計約有 17% 是來自安全性或有效性不佳，原因就在於以細胞、組織與動物模式的前臨床試驗，以及早期人體臨床試驗做為支持藥物作用標的選擇與人體實質療效的預測性不佳。傳統電腦輔助藥物篩選與設計，著重於結構及潛在藥物活性分子與受體之間的原子層級的交互作用；有別於新藥開發 2.0 時代的高通量篩選以及傳統電腦輔助藥物篩選與設計，新藥開發進入 3.0 時代，在大數據的輔助下，將分子層級例如基因體（genome）、轉錄體（transcriptome）、蛋白質體（proteome），以及巨觀層級電子醫療數據、臨床文獻等龐大的資訊匯入，並導入機器學習技術，進行藥物潛在作用標的與疾病關係的驗證，以及各類藥物如化學小分子藥、蛋白質藥、雙標靶藥物等開發。歐美大量成立 AI 輔助新藥開發新創公司多間歐美廠商已嗅到這趨勢，標榜以 AI 輔助新藥開發的新創公司如雨後春筍般創立，例如 Exscientia、Atomwise、Insilico Medicine 等，吸引全球如 Pfizer、Sanofi、Merck & Co、GSK、Allergan 等諸多大藥廠與這些新創公司合作，此外，AI 在生醫應用領域知名的 IBM Watson 亦未缺席，各家藥廠商皆希望以 AI 強化在產品開發的核心競爭力。劉適寧指出大數據與 AI 在生醫領域的應用在台灣尚在起步階段，特別在新藥開發領域，一方面產業對新藥探索（discovery）階段著墨少，一方面需要結合扎實的基礎研究知識、大數據、AI 演算法開發，門檻雖不低，卻是提升台灣新藥產業實力的利器。（首圖來源：pixabay）
目前全球企業將物聯網（IOT）視為下一代企業 IT 部署最重要的環節之一，什麼樣的解決方案才適合自己企業使用，已是企業關切的重大議題。在物聯網產品領域布局甚深的施耐德電機（Schneider），在日前舉行的「創新高峰會」，發表基於施耐德 EcoStruxure 平台架構的不同解決方案，為期望布局物聯網及智慧生產等領域的企業，提供最佳化選擇。目前政府推動「工業4.0」產業趨勢下，施耐德電機表示，基於物聯網基礎的 EcoStruxure 架構，企業可藉隨插即用的開放架構，針對建築、資料中心、工業和基礎設施 4 大終端市場，提供配電、建築、資訊技術（IT）、機器、工廠、電網等 6 大專業領域端到端解決方案，達到實現物聯網應用與智慧生產。施耐德電機董事長暨執行長 Jean-Pascal Tricoire 表示，在物聯網基礎上，企業的生產與管理系統間的垂直水平整合，是一個必要發展的趨勢。施耐德 EcoStruxure 平台架構能協助客戶打造智慧工廠，由優化軟體分析控制器數據，聯網產品即時分析工廠各項數值，協助工廠做出最有生產效率的決策，並即時追蹤工廠的健康狀況並做到「預先保養」，讓客戶掌握成本，減少不必要的資源浪費。Jean-Pascal Tricoire 強調，除了生產效率之外，施耐德 EcoStruxure 平台架構也注重 OEM 廠的數位轉型，藉由將舊有設備改造成互聯互通設備，降低企業成本支出，並達到效率提升。企業在生產的能源消耗有 50% 來自機器，透過 EcoStruxure 的大數據與雲端運算，能有效提高效率並降低 OEM 客戶營運成本，同時為機械設備的生命週期創造更高價值。施耐德蒐集了各行各業數據資料後，也會上傳到雲端，透過數位化方式把用戶經驗永續傳承，打造專屬用戶的物聯網。另外，本次施耐德 「創新高峰會」EcoStruxure 平台架構的全球首展會上，施耐德電機也發表了 3 款最新解決方案。第一，包括提供下一代基於雲端的資料中心基礎設施管理 （DCIM） 系統，能即時預測性分析視覺化，並優化 IT 及基礎設施營運的 EcoStruxure IT 解決方案。第二，以協作的智慧建築平台與開放系統架構為特徵，並支援開發者與合作夥伴互動、共用資料和開發應用，同時將效率提升至 30%，還確保顧客的舒適度的 EcoStruxure Building 解決方案。第三，結合工業軟體平台可擴充性與專業知識，使人員與流程無縫連接，藉嚴控風險、保證資料安全和績效表現的前提下，將總體擁有成本降至最低 EcoStruxure Industry 解決方案。施耐德電機表示，藉由這些解決方案的推出，可使企業了解施耐德電機具備的豐富軟硬體、解決方案和服務組合，更確認匯集技術合作夥伴和新創公司的資源，能為企業需求提供專屬的方式與內容。Jean-Pascal Tricoire 指出，隨著物聯網、人工智慧和數位化發展，新興數位經濟正在各個市場崛起，雖然這些都有助於企業大幅提升效率、實現顛覆性創新和差異化的進行發展。施耐德電機就是為企業進行數位轉型前，提供開放且實用的數位化技術，實現客戶轉型數位經濟的大膽創想，為客戶建構物聯網、人工智慧和數位化的發展做準備。（首圖來源：科技新報攝）
全球市場研究機構 TrendForce 29 日於台大醫院國際會議中心 101 室， 舉辦 2018 集邦拓墣大預測研討會。 本次研討會精彩內容節錄如下。半導體AI（人工智慧）對半導體產業的影響，已從銷售機會與生產方式升級兩項指標逐步顯現，包括 OS 廠商、EDA、IP 廠商、IC 晶片廠商都在 2017 年針對 AI 應用推出新一代架構與產品規畫，AI 帶來的影響將在 2018 年持續擴大，預期 2018 年至 2022 年半導體年複合成長率將為 3.1%，AI 將扮演半導體主要成長動能。此外，AI 正從兩種不同的路徑影響半導體產業，一個是銷售機會，包含新的應用帶來新產品與新技術，像是更多的感測器、數學加速器、儲存單元與通訊能力，落實服務、建設通訊骨幹、並同步升級資料中心與伺服器，並帶來半導體產業生產方式的升級。通訊相較 4G 行動通訊技術，5G 提供更快資料傳輸速率、擴大無線通訊覆蓋面積和降低網路時延，在消費類以外的應用，如工業、交通、醫療等垂直行業擴展。隨著南韓計劃透過 2018 年 2 月平昌冬季奧運展示 5G 技術，2018 年將成為 5G 元年，預期各國行動營運商將以更積極態度採用 5G 技術，達到營收的多樣化，以挽救傳統語音和數據服務 ARPU（Average Revenue Per User）下滑困境，而 5G 正式商業化預計將於 2020 年之後展開，目前以日、 韓兩國在 5G 布局最積極。面板面板產業趨勢跟消費性電子產品市場可說是牽一髮而動全身，像是 OLED 面板就受到電視和智慧型手機產業的青睞而需求日增。小尺寸面板市場首要關注的就是...
日經亞洲評論報導，LG 電子砸下 6 千億韓圜（約 5.25 億美元）在南韓打造一座配備人工智慧（AI）、物聯網（IoT）技術的工廠。這座建坪達 336,000 平方公尺的新廠預計在 2023 年完成、將用來取代位於昌原市的現有工廠，從零件採購、生產、品管檢驗到出貨都透過單一系統管理。LG 表示，AI 將自動控管生產流程（從產品規畫到設備運作）。LG 現有廚房高階家電產品生產基地分散在 6 座不同的建築物，總年產量為 200 萬台，新廠於 2023 年啟用後年產量將上看 300 萬台。根據英國研究公司 Euromonitor International 的統計，LG 為全球第四大電冰箱、洗衣機生產商，市佔率分別為 6.7%、7.9%。韓國時報報導，LG 表示配備大數據分析的新廠將採用模組設計系統、能夠快速地因應全球市場需求變化而調整產品項目。LG 計劃在新廠生產烤箱、淨水器、洗碗機、電冰箱等高階廚房家電。IDC 9 月 25 日發表報告指出，2017 年全球認知與人工智慧（AI）系統支出金額預估將年增 59.1% 至 120 億美元、2021 年預估將升至 576 億美元，2016-2021 年平均複合年增率（CAGR）預估高達 50.1%。IDC 預估 2017 年零售業、銀行業的認知與 AI 系統支出金額將分別達到 17.4 億美元、17.2 億美元。裝配式製造（Discrete Manufacturing）、衛生保健以及流程式製造（Process Manufacturing）今年的支出金額預估都將超過 10 億美元。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）