IT 大廠正激烈展開「智慧音響」研發競賽，除亞馬遜（Amazon）、Google 已推出「Echo」（見首圖）、「Google Home」之外，蘋果（Apple）、LINE 也已分別宣布將推出智慧音響產品「HomePod」、「WAVE」。而日前也傳出南韓三星電子將加入智慧音響大戰，計劃推出採用自家人工智慧（AI）語音助理「Bixby」的智慧音響「Vega」，不過根據韓媒指出，三星 Vega 恐將胎死腹中，三星可能已暫時中止，甚或已完全中止 Vega 的研發。日本網站 CoRRiENTE.top 21 日引述韓媒 The Invester 的報導指出，據熟知詳情的消息人士透露，三星可能已經暫時中止，或是可能已完全中止「Vega」研發計畫，主因目前已有亞馬遜 Echo 等產品寡佔智慧音響市場，加上三星大本營南韓市場規模不大，能賺取的獲利恐不多。報導指出，三星當前會採取靜待觀望的態度，而不會匆忙搶進新市場，之後會將心力擺在 Bixby 上，畢竟 Bixby 研發腳步延遲，於今年 3 月發表後，直到最近才推出英文版產品。三星計劃將 Bixby 導入至冰箱等智慧家電上。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Amazon）延伸閱讀： 三星加入「智慧音響」大戰？傳正進行研發並搭載 Bixby LINE 智慧音箱 WAVE 今夏開賣；找上豐田、FamilyMart 攻 AI 傳阿里巴巴正在研發中文智慧音響，迎戰亞馬遜 Echo
英特爾（Intel Corp.）20 日發表全球首款基於 USB 模式的深度學習推理工具暨人工智慧（AI）獨立加速器「Movidius 神經計算棒」（Movidius Neural Compute Stick）。英特爾表示，這款產品是專門為產品開發者、研究人員和創客設計，憑藉輕巧體積以及專用高性能深度神經網絡處理性能的特點來降低開發、微調、部署 AI 應用的障礙。Movidius（英特爾旗下公司）總經理 Remi El-Ouazzane 表示，Movidius 神經計算棒內建的「Movidius Myriad 2 視覺處理單元（VPU）」提供強大且有效率的表現，可以在 1 瓦的功率下提供超過每秒 1,000 億次浮點運算性能，以便直接在設備上執行即時深度神經網路。他說，這使許多 AI 應用都能在離線狀態下部署。機器智慧開發主要分成兩個階段：1. 透過現代機器學習技術、利用大量樣本數據對演算法進行訓練；2. 在需要解讀現實世界數據的終端應用中執行演算法。第二階段也被稱做「推理」，在裝置內執行推理有許多好處，包括降低延遲、功耗和避開隱私問題。Movidius 神經計算棒現已在特定零售商發售，製造商建議零售價為 79 美元，7 月 22~25 日於夏威夷檀香山舉辦的「電腦視覺與模式辨識」（CVPR）大會上也可購得。（本文由 MoneyDJ新聞 授權轉載；圖片來源：Intel）延伸閱讀： Nvidia 皮繃緊！Google TPU 二代來了、恐侵蝕 GPU 訂單 Amazon 榮登 50 家最聰明公司榜首，華為 in 蘋果 out 「電腦視覺」夯，英特爾收購 Movidius
AlphaGo 大勝人類棋手，為 AI 發展寫下新的一頁。而 AI 為人類帶來的衝擊當然不只在棋盤上，這點金融業人員恐怕最能體會。從 2016 年至今，包括貝萊德集團、高盛集團、德意志銀行、瑞士信貸、荷蘭 ING 銀行等全球重量級銀行都展開裁員計畫，而背後的原因無不指向數位化後的終極目標──人工智慧。這股 AI 潮流首先從金融產業吹起並不令人意外，金融業的本質即是由數據所驅動，包括交易決策、投資策略擬定等，皆需倚賴大量數據為基礎，而大量數據也正是人工智慧導入的前提，這也是為什麼金融行業結合人工智慧的前景看好。AI 將在金融量化投資業務上扮演要角，衝擊現有勞動力結構從 AI 在金融行業的應用範疇來看，前端的客戶服務、精準行銷，到核心業務輔助投資與交易，再到後台的風險控管等，皆有其用武之地。其中，金融業導入 AI 應用中，最具發展潛力的應用莫過於輔助量化投資。因傳統的量化投資是指透過建立財務與交易數據模型，分析其中特性以進行交易策略的擬定，這些模型通常較為複雜且相對靜態，隨著時間的推進與市場的變化，模型精準度將不斷下降，若要維持模型精準度，則需即時更新前端數據採集，這也是整個量化投資流程中工作量最大的部分。而人工智慧的導入，正可為這個耗時與耗費大量人力的工作階段帶來效益。透過知識圖譜（Knowledge Graph）的搭建，結合機器學習、自然語言處理進行資訊處理，構建可在短時間完成數據分析與交易決策的量化交易模型。從上述機器學習的應用，就可以發現，人工智慧的導入必然將對金融業的勞動力結構帶來衝擊。事實上，金融業從 2012 年的數位浪潮興起後，華爾街已累計削減高達一萬兩千多個職位，人工智慧發展再度推波助瀾，使得影響的範圍不斷擴大，金融從業人員裁撤的數字持續往上攀升。導入 AI 應用將衝擊的職缺類型從我們的分析來看，投資業務因高度倚賴數據驅動，受到人工智慧技術的發展影響較大，為交易員、金融分析師、基金經理等職位帶來的較大衝擊。除了投資業務將備受衝擊，一般大眾也將在金融業數位轉型趨勢下，更快速感受到 AI 帶來的影響，就以投顧業務來看，網路或行動裝置下單已成為一般投資大眾與券商互動的主要方式，在此基礎上，智慧投顧的發展大幅將降低投顧服務進入門檻降，使得鎖定高淨值族群的投顧服務得以擴張至一般大眾，小額投資人得以較低廉的費用，接受到個人化的理財服務。另外，來看看 AI 應用為保險業者帶來的變革。當保險事故發生時，過去必須等待保險公司的定損人員到事故現場，但未來只需要透過手機拍照結合圖像識別、深度學習等 AI 應用，即可快速核定理賠金額。諸如此類的應用，將逐漸滲透到我們的日常生活中，對於過去仰賴人力從事這些業務的商業銀行、保險公司來說，AI 的發展將改變整體人力結構。AI 真的將取代金融業大部分人力？從金融業導入 AI 應用的發展來看，勞力結構分布勢必將被重塑，然而，AI 真的將消滅金融業大部分的人力需求？若從目前發展來看，AI 能夠處理的僅是初階的數據採擷與處理工作，在決策、演算法生成與交易執行的部分，因存在高度風險與監理門檻，仍需由專業金融從業人員負責。以保險服務為例，前台保險業務員、初階核保人員、勘察員等，仰賴大量人力處理繁雜文書業務的工作，將率先被人工智慧所取代，但後台的理賠分析、精算師等，尚需專業人員負責風險的把控。因此，即使 AI 的發展對於交易員、投資銀行分析師、投資顧問等勞動力的影響相對大，短期內 AI 被率先應用的領域還是風險相對較低與流程簡單的金融業務。長期而言，AI 技術發展成熟後，或將全面滲透高數據驅動的投資領域，各金融機構的 AI 系統也將因長期投入的數據資源不同，各 AI 系統所擬定的投資策略將出現差異化，屆時，不同 AI 系統間的角力戰可能將率先於金融市場引爆。（首圖來源：shutterstock）
就在不久前，AlphaGo 在圍棋上打敗了人類最後的希望，身為創造 AlphaGo 軟體的公司 DeepMind 創辦人，Demis Hassabis 可以稱得上對人工智慧（AI）「略懂一二」。這樣的 Demis Hassabis 近日提出了一個大膽的想法，他認為要讓 AI 展現出真正潛力的唯一方式，就是得從人類智慧中獲得更多靈感。麻省理工科技評論（MIT Technology Review）報導，目前多數 AI 系統都是基於數學層面上設計，只有非常少的細節是由人腦工作方式啟發，但在這樣的情況下，不同類型的機器學習，像是語音或圖像辨識，就得仰賴不同的數學結構進行，得出的演算法也只能用來執行特定的任務。其實打造出能執行一般任務、非面向特定市場的 AI，一直以來都是機器學習領域的願景，但事實上是，要將特定演算法擴展至通用領域，是難以置信的困難。其中部分原因可能是 AI 發展仍處於起步階段，像是好奇、想像力、記憶力這些人類特徵並不存在系統中。Hassabis 認為，要讓 AI 突破現有的界限再往上提升，就必須更了解人類智慧如何運作，並將其應用在 AI 系統。近日發表在神經元（Neuron）期刊的論文中，Hassabis 和 3 位合著者解釋了這個想法。論文指出，了解人類大腦的運作方式，將能幫助研究人員為 AI 系統設計更好的結構及演算法；其次，在建構及測試 AI 系統時，也更能幫助人們定義什麼才是真正的智慧。Hassabis 在論文中透過介紹神經科學與 AI 發展的歷史，來幫助人們了解兩者間的交互作用，像是許多人曾聽過的深度學習（deep learning），就是透過人造神經元了解內容並強化學習，在錯誤中學習經驗，了解這些對神經科學都有很大的幫助。論文指出，近期 AI 的研究方向比較沒有仰賴生物學，但想要進入一般生活領域，AI 需要學習更多人性化特徵，像是對現實世界的直覺理解，以及更有效率的解決方式。Hassabis 認為要達到這個目的，最好的解決方法就是讓「人工智慧」與「神經科學」兩個研究領域互相交流思想，來促進雙方之間良性循環。Hassabis 並非唯一有這種想法的人。紐約大學心理學教授、Uber AI 實驗室前主任 Gary Marcus 認為，通過運用兒童認知發展的研究結果，可以讓機器學習系統更往前一步。但是人工智慧和神經科學已經是兩個非常大的發展領域，即使是成為其中一個領域的專家都很困難，更別說同時專精兩個領域。就像 Hassabis 接受採訪時說，最終還是得由雙方專家互相「翻譯」，才有助於找到兩個領域之間的聯繫。 Google’s AI Guru Says That Great Artificial...
台灣擁有人工智慧（AI）領域人才，也具備軟硬體技術實力，只是缺乏編織夢想的勇氣。PTT「創世神」、台灣 AI 實驗室創辦人杜奕瑾指出，台灣需要加強的是追逐夢想、建立體驗，不必複製別人的成功經驗搶當第二，要勇敢走出自己的路才有意義。成功無法複製，應做創造者而非追隨者杜奕瑾 23 日出席聯合報系願景工程活動時，為台灣發展 AI 提出看法與建言。他表示台灣有很好的硬體廠商、軟體人才和創新想法，但常會因為沒有成功先例而不敢投入，一有成功的例子就紛紛搶進。「如果很明確發現某條路會成功，那一定是紅海，」杜奕瑾說先不管一條路可不可行，只要努力做出成果，整個價值鏈都會屬於你，其他人就是追隨者（follower），一旦創造出價值，即使有其他公司做出一模一樣的東西，也無法將你打敗。「成功通常是不可複製的，」杜奕瑾鼓勵大家勇於在 AI 領域中創新，去做一些別人認為沒有價值的事，「自己一路走來發現，我們做出來最有價值的東西，往往是一開始老闆覺得沒價值的事」。從日常生活中找出別人還沒解決的問題，只要想法夠好、夠創新便值得一試，但如果是大家都在炒的話題，如 AlphaGo，那再去做類似的東西就沒有意義了。杜奕瑾指出，美國與中國的科技大廠多著重軟體而非硬體，台灣在考量軟硬體如何整合之前，應先認清軟、硬體兩者為不同專業範疇。對於偏重硬體研發的台灣來說，有些人認為台灣市場太小，難以發展 AI，他則認為台灣應放眼國際，該擔心的是野心太小而不是市場太小的問題，尤其軟體不分國界，只要能夠證明想法是對的，不管有沒有夠大的市場，都可以將軟體運用在全球各地。掌握三大發展重點，思考該解決什麼問題針對台灣發展 AI 領域，杜奕瑾提出三大重點。首先是資料創新，需要資料訓練模型與 AI 演算法。他提到，目前全球智慧型手機數達 20 億支，帶動資料量快速成長，而過去兩年所蒐集到的資料量，就占了人類史上總資料量逾九成；接下來則將進入物聯網（IoT）時代，以後不只手機、PC 聯網，家中所有裝置都會聯網，預計 2020 年全球 IoT 裝置將達 250 億台，未來資料量可望持續快速成長。雖然擁有資料的人有一定競爭優勢，但不見得所有文字、影音影像日後都能做為 AI 的主要資料，而一些應用如自動駕駛、家用機器人、智慧語音裝置、無人機等等所產生的資料，才較符合未來 AI 時代所需。杜奕瑾認為只要想清楚解決目標，那從現在開始蒐集資料也不遲。台灣其實有很多隱形冠軍，日常生活中所做的每件事都有資料，只要具專業性就有其價值可加以蒐集。杜奕瑾透露當初在架設 PTT、蕃薯藤時，不少人嘲笑他們沒什麼資料，但他認為在資料蒐集上不必好高騖遠，甚至可忽略資料持有者所定義的門檻，因為門檻只是做為進入障礙（entry barrier）讓別人無法打進。「不要擔心資料從哪來，先想想要解決的是什麼問題，」他說。第二是演算法創新，近年來在演算法大幅進步下，AI 應用領域愈來愈廣，包括影像辨識、臉部辨識等，錯誤率甚至比人類來得低；自動駕駛車也是其中一例，肇事率低於人為操控，比人類來得安全可靠。接下來，台灣得積極從日常生活中發掘更多應用。第三是結合專業領域應用，「台灣在資料創新、演算法創新這兩項都很強，但需要加強的是敢去作夢、追逐夢想、建立體驗，」杜奕瑾說，就像 1995 年那時他們架設 PTT 時一樣，當時沒人會跟他們說那是對的，只覺得有興趣就去做，AI 也是一樣。「試著去看身邊的問題，有什麼可用 AI 解決，手上有哪些工具就拿出來，依照每個人的專業領域，將夢想編織出來，」杜奕瑾鼓勵大家大膽想像，並將生活中所發掘出的待解問題，運用現有產業優勢結合專業領域，努力在 AI 領域創造新想法、新話題。（首圖來源：聯合報系願景工程）
現在不少產品都標榜「人工智慧」，但真的與其他產品有差別嗎？Gartner 指出，人工智慧（AI）的市場成熟度及日益增長的興趣，推動了成熟的軟體供應商在產品策略中引入人工智慧，但很多沒有營造任何真正的差異化，讓買家混淆。Gartner 指出，「人工智慧」一詞於 2016 年 1 月在 gartner.com 上的排名在 100 名以外，但該詞到 2017 年 5 月的排名躍升至第 7 位， 反映了這個主題的熱門。 Gartner 又預測，到 2020 年，超過 30% 首席資訊總監將視人工智慧為五大投資優先事項。Gartner 研究副總裁 Jim Hare 表示：「隨著人工智慧加快成熟度週期（Hype Cycle），近幾年許多軟體供應商均想分一杯羹。人工智慧提供令人興奮的可能性，但不幸的是，大多數供應商只專注於製造和營銷人工智慧為基礎的產品，而不是先了解需求、 潛在用途和對客戶的業務價值為出發點。」Gartner：「人工智慧」標籤遭濫用Gartner 稱，愈來愈多新創公司和供應商均聲稱自己可提供人工智慧產品，但卻沒有營造任何真正的差異化，讓買家混淆。超過 1,000 多家擁有自家應用程式和平台的供應商，均形容自己是人工智慧供應商， 或說他們的產品有用到人工智慧。他們續指，與「漂綠」類似，即是企業為了商業利益誇大自家產品或行為對環境保護的付出，現在很多科技供應商都濫用人工智慧標籤進行「漂人工智慧」。廣泛使用「漂人工智慧」已在技術投資上造成影響。為了與終端用戶建立信任，供應商應集中製造包含量化結果的人工智慧成功個案系列。Gartner 又提醒企業，不應因人工智慧的進步而忽略一些更直接和成熟方法的價值，建議供應商應使用最簡單的方法完成工作，甚至不需透過尖端的人工智慧技術。（本文由 Unwire Pro 授權轉載；首圖來源：shutterstock）
日本網站 iPhone Mania、Gadget 速報引述南韓媒體 ETNews 21 日的報導指出，三星電子將推出一款支援三星自家人工智慧（AI）語音助理「Bixby」的新款藍牙耳機產品，且預估會和三星次代旗艦機種 Galaxy Note 8 同步開賣。Note 8 將在 8 月 23 日亮相，且預估會在 9 月初旬開賣。三星目前已有推出無線耳機 Gear IconX。報導指出，三星已和南韓中小企業合作，著手進行上述新款藍牙耳機的研發，而該款藍牙耳機產品預估將是類似於蘋果（Apple）AirPods（見首圖）的裝置，不過將搭載新降噪（Noise Canceling）技術，能夠在吵雜的環境下準確辨識使用者的聲音。三星關係人士接受 ETNews 採訪時，證實了三星確實正在研發新型藍牙耳機產品，不過未透露其售價等細節，且也不確定該款耳機產品會和 Note 8 同捆販售，抑或是會以配件的形式另行販售。（本文由 MoneyDJ新聞 授權轉載；首圖來源：蘋果）延伸閱讀： Amazon Echo 太強大？三星智慧音響 Vega 傳恐胎死腹中
麥肯錫（McKinsey）報告指出，銀行將有三分之一的工作量將因為人工智慧（AI）等新技術發展而消失，且不出幾年這個轉變就會發生。彭博（Bloomberg）根據麥肯錫最新報告指出，主要是能模仿人類思考的認知技術應用或機器已經夠便宜，銀行可部署以促成交易或其他資本市場業務操作。報告稱採用人工智慧的好處是將人類從大量的工作中解放出來，讓人們專注在高價值的工作，譬如從事研究、產生新想法或客戶服務。報告當中最令人擔憂的是，一般認為人工智慧要取代人類還要幾十年光景，但麥肯錫認為，單以銀行產業而言，只要 2 到 3 年就會看到大幅度變革。自動化已經在華爾街掀起波瀾，許多勞工擔心他們將被可編譯和篩選資料庫、解釋合約和幫助客戶的機器取代。不過麥肯錫指出，現在已經轉型的企業並沒有削減勞動力。採用人工智慧反而幫助有價值的勞工放下重複性工作，從事更高生產性的工作，人們需要運用新技能，從事更多關於分析、轉型和變化的工作。摩根大通也認為採用新技術將在成本不變下，未來 20 年內將僱用更多員工。麥肯錫報告指出，採用新技術的銀行將更有效率、創新、靈活，相對其他競爭者將面臨被淘汰風險。但是華爾街仍持續縮編，高盛前總裁 Gary Cohn 預期新技術已讓銀行業在過去十年裁減一半以上員工，裁員仍在持續，LinkedIn 調查上千位金融專家，有四分之一的人擔心自動化將影響工作。金融領域自動化已非常廣泛麥肯錫的報告並非著重在前台人員，而是辦公室內部運作，包括從交易員手上接下來的交易工作，以及財務，認知技術將承擔四分之一的工作量，而向客戶發送確認和處理付款等工作，將有三分之一以上工作量被取代。技術進步對前台具有重大意義，因為處理速度更快、更便宜和更智慧。麥肯錫最近審查 8 家銀行在現金股票業務中採用技術的程度，發現重度採用者的前台收入增加 8 倍，交易後業務中高度運用新技術的企業，其每位中期和後勤員工的交易量高出競爭對手 4 倍。金融領域的自動化已運用的非常廣泛，麥肯錫報告點名極具潛力的技術應用，包括機器學習，即使用演算法辨識大量數據，幫助銷售和交易人員更快理解買賣部位，並進行預測。自然語言處理可以透過掃描記錄、電子郵件和錄音來將其轉換成結構化數據，以執行法律和監管任務。認知代理人可以擔任內部個人助理或服務中心，作為交易員遇到系統問題時的諮詢對象。機器人過程自動化，讓機器處理重複任務，對銀行中台工作特別有效。智慧工作流程工具，包括文檔掃描和自動化數據輸入，可以加快註冊新客戶端的速度。報告指出，整合機器學習和機器人過程自動化將產生更好的體驗，帶來更高的成長性，因此當企業結合這些工具時，影響程度將加倍放大。 Machines Poised to Take Over 30% of Work at Banks, McKinsey Says （首圖來源：Flickr/Dominic Alves CC BY 2.0）
根據微軟表示，目前已經為 HoloLens 眼鏡的晶片設計找到解決方案。未來，將透過額外增加的一套人工智慧處理器，可以分析使用者在設備上看到和聽到的內容，而不是浪費寶貴的時間將資料送回雲端，再接結果送回 HoloLens 眼鏡上。現階段該晶片正在開發中，將用在下一個版本的 HoloLens 上。不過，微軟對此沒有給出具體的問世時間表。事實上，微軟極少致力於新處理器的開發上，這次首款為行動設備設計晶片。而微軟會投入此領域的原因，是因為一些企業認定現成的處理器無法充分展現人工智慧的潛力，這使得在相關設備上內置晶片變得越來越流行。而不只微軟，之前就有消息指出，2017 年 5 月時蘋果就開始測試一款配備有 AI 處理晶片的 iPhone 原型機。另外，Google 也正在準備推出自己的第 2 版人工智慧晶片。而這些發展都是為了說服消費者購買下一代的電子設備、如手機、虛擬實境頭戴設備，甚至是汽車。而這些設備上的 AI 體驗將會是快速的，而且是無縫連接。市場研究調查機構 Tirias Research 表示，對於一輛自動駕駛汽車來說，沒有時間把資料送回雲端，再做出決定。因為，自動駕駛汽車的資料量是巨大的，使用者無法把所有的資料都發送到雲端處理。這也顯示，設備內建人工智慧晶片的時代將會逐漸來到。預計到 2025 年，與人們互動的每一款設備中都將內置人工智慧。另外，多年來包括英特爾（Intel）和其他公司所製造的中央處理器已經為世界的小型電子設備和伺服器提供了足夠的動力和智慧。但是，就當前人工智慧的迅速發展來說，很大程度上依賴於藉由分析模式和學習模式來類比人腦的神經網路，而過去用於個人電腦和伺服器的通用晶片，並不是為了快速處理多個問題而設計的，所以並不能滿足人工智慧對運算上的需求。因此，近幾年來，微軟一直在開發自己的晶片，並且為其 Xbox Kinect 影像遊戲系統開發了一款動作追蹤處理器。還有，為了在雲端服務領域與 Google 和亞馬遜公司合作，微軟也使用了可編程的 「程式設計序列」 來釋放自己在人工智慧領域的專長，以應對現實世界的挑戰。如今，微軟向英特爾子公司 Altera 購買晶片，並透過軟體對晶片加以調整，在適應自身的需求後，這種晶片的能力是獨一無二的。2016 年，微軟在一次展示實力的過程中，就曾經使用了數千個這樣的晶片，將所有英文維基百科翻譯成西班牙語，其中包括 500 萬篇文章、30 億字，用的時間僅不到十分之一秒。根據微軟的計畫，在下一步為軟將讓它的雲端運算客戶來使用這些晶片，用以加速自己的人工智慧功能。該服務預計將在 2018 年推出後，客戶可以使用它來處理巨量資料中辨識圖像工作，或者使用機器學習的演算法來預測客戶的購買模式。不過，除了微軟之外，包括亞馬遜也使用了可編程的「程式設計序列」，並計畫使用一種由輝達 （Nvidia） 設計，名為 Volta 的新型晶片，藉該晶片可用於培訓亞馬遜的人工智慧系統。在此同時，Google 也已經建立了自己的人工智慧半導體內容。這項名為 Tensor 的處理單元，已經提供給客戶使用。因此，即便在內部製造晶片的代價高昂，但是微軟卻別無選擇。因為在技術變化太快，又客戶需求快速提升的情況下，沒有進行發展，微軟很容易就看不到領先者的車尾燈。（首圖來源：微軟官網）
近日，摩托羅拉宣布與 AI 公司 Neurala 合作，共同開發用於公共場所的智慧影片監控攝影機，旨在讓警務人員能更有效地搜查目標，例如失蹤的兒童和嫌疑犯。Neurala 是一家人工智慧新創公司，公司總部位於波士頓，2006 年創辦並於當年 12 月獲得 1,370 萬美元融資。Neurala 創建的深度學習軟體可以藉助「仿生」方式，讓機器人和智慧裝置學習，並適應周圍環境並和周邊環境互動。本次合作中，雙方將 Neurala 的 AI 技術與摩托羅拉解決方案的軟體和相機深度集成，開發出人工智慧攝影機，它可以「自動搜尋」感興趣的人或物體。摩托羅拉解決方案公司首席技術長 Paul Steinberg 表示：「人工智慧具有強大的潛力來提高客戶的安全性和效率，進而有助於創造更安全的環境。利用 Neurala 的 AI 技術，將幫助我們進一步探索各種公共安全下的解決方案，包括在擁擠或混亂的環境中高效地找到失蹤兒童或其他對象。」據了解，能夠有效找到失蹤人或者物，主要依賴於 Neurala 的增量學習技術。該技術有助於解決 AI 應用中存在的實際挑戰。例如，智慧攝影機「學習」辨識感興趣的人或物體，而這種被稱為漸進式學習的功能也包括了「災難性遺忘」的風險，當神經網路忘記了以前的訓練時，這種風險就會發生。利用增量學習可以提高 AI 應用在公共安全領域的準確性。「Neurala 的增量學習技術讓更多複雜難題變得簡單。」Steinberg 繼續說。「它還可以為公共安全用戶解鎖新的應用程式。以失蹤孩童為例，假設父母向鄰近的警務人員出示孩子的照片，該警察的智慧攝影機掃描到照片後，AI 引擎立即『學習』孩子的身體特徵，然後發送到附近警察的智慧攝影機上，並迅速建立一個尋找小孩的隊伍。」Neurala 的 L-DNN（終身深層神經網路）技術消除了「災難性遺忘」的風險，這是限制深度學習神經網路即時使用的首要問題。Neurala 的技術可以在裝置上立即解決這個問題，加速了新的人工智慧應用程式的開發，而這些 AI 應用程式在部署後可以進行增量學習。Neurala 首席執行長解釋。「與摩托羅拉合作，探索當地即時 AI 的公共安全應用，利用人工智慧的力量可以有效解決更多問題。」另據了解，之前 Neurala 獲得將近 1,400 萬美元的 A 輪融資中，摩托羅拉解決方案風險投資公司是該公司的主要投資者。 Motorola and AI company Neurala are going to make intelligent cameras （本文由 雷鋒網 授權轉載；首圖來源：pixabay）