全球第二大晶圓代工廠格羅方德（GLOBALFOUNDRIES）近期消息不斷，除了日前傳出 IC 設計大廠聯發科將自 2018 年初開始將部分訂單專由格羅方德代工，近期 22 奈米（22FDX）製程又接獲中國 IC 設計廠商上海復旦微電子下單，這也是格羅方德首次接獲中國廠商的訂單。根據中國媒體報導，本次上海復旦微電子下單格羅方德，預計將採用格羅方德的 22 奈米製程技術生產用於人工智慧、大數據的處理器，並且將在 2018 年下半年投入使用。在此之前，上海復旦微電子就已和格羅方德在智慧卡 IC 領域達成合作協議。報導進一步指出，格羅方德的 22FDX 製程量產始於 2015 年，特別針對快速發展的主流行動裝置、IoT 物聯網設備、RF 射頻和網路市場開發的，除提供媲美 FinFET 技術的性能，效能也與 28 奈米製程相近，但生產成本更低。過去，聯發科也曾經考慮採用格羅方德 22FDX 製程，用於生產 IoT 相關設備使用的晶片。上海復旦微電子集團則是中國從事大規模晶片設計開發，以及提供系統解決方案的企業。1998 年 7 月由上海復旦大學專用晶片與系統國家重點實驗室、上海商業投資公司和相關業者共同出資建立，並於 2000 年 8 月 4 日在香港創業板上市，為中國晶片設計產業中第一家上市企業。根據 2016 年財報顯示，上海復旦微電子的營收為 11.87 億港元（約新台幣 46.56 億元），淨利為 2.12 億港元（約新台幣 8.31 億元）。根據日前外媒報導，格羅方德位於四川成都高新區西部園區的晶圓代工廠興建工程，已獲得成都市政府 1 億美元（約新台幣 30.15 億元）投資。該座晶圓廠預計採用 22 奈米 FDX...
根據《華爾街日報》報導，半導體大廠英特爾（intel）11 日發表了一系列全新資料中心處理器 Xeon Scalable Family，計劃與超微（AMD）等公司爭奪目前獲利前景看佳的資料中心處理器市場。報導指出，英特爾人工智慧產品事業群副總裁 Naveen Rao 表示，新款處理器可為人工智慧（AI）和無人駕駛汽車等應用提供更強大的支援。這些處理器也瞄準了 Google、微軟、亞馬遜等擁有大型資料中心的科技大廠。因這些科技公司的資料中心不僅要為自己的業務提供服務，還要為客戶提供運算資源。本次英特爾推出的 Xeon Scalable Family 處理器是旗下 58 款處理器的升級版，價格從每個約 200 美元至 1 萬美元不等，突顯出英特爾守住數據中心市場領域主導地位的雄心。英特爾指出，Xeon Scalable Family 系列產品中，最高規的處理器速度比該公司之前最強的伺服器處理器平均快近三分之二。目前 Google 的雲端運算是第一個採用英特爾新款處理器的資料中心。當前，英特爾仍面臨對手超微的激烈競爭。尤其，超微最近剛推出新一代資料中心處理器。另外，許多大型網路公司也在使用自己的硬體設計，加上以 ARM 等公司的架構來開發處理器晶片，建構出客製化的白牌處理器，這樣的趨勢也帶給英特爾一定的壓力。市調研究機構 Gartner 指出，英特爾新款處理器比上一代產品效能更高，而且提升了人工智慧載入效能並更強大的儲存能力，這是英特爾目前在資料中心處理器市場上的優勢；但是，英特爾面臨的最大風險，是過於依賴少數大型資料中心營運商。這些大型資料中心營運商未來能採購多少處理器，完全取決於營運商如何吸引客戶採用他們的雲端運算平台。因此，新一代資料中心處理器的推出，能為英特爾帶來多少成績還有待觀察。（首圖來源：Flickr/Pascal Volk CC BY 2.0）
專注於電腦視覺和深度學習的中國人工智慧（AI）企業商湯科技（SenseTime Co.）7 月 11 日透過官網宣布完成 4.1 億美元的 B 輪融資，創下全球 AI 領域單輪融資最高紀錄。商湯科技表示這意味著公司已成為全球融資額最高的 AI 獨角獸企業。商湯在官網「技術優勢」網頁中提到，基於 NVIDIA 的 Telsa 系列 GPU 可以實現每小時入庫 200 萬張人臉圖像。商湯已服務過包括中國移動、銀聯、中央網信辦、華為、小米、OPPO、微博等逾 400 家客戶。華爾街日報（WSJ）11 日報導，商湯執行長徐立表示，公司將利用新資金支應自駕車、醫療診斷等 AI 領域研發。商湯成立於 2014 年，目前擁有 500名 員工，最新一輪融資意味著這家公司估值已超過 15 億美元。臉部辨識的商業用途日益擴大，範圍涵蓋企業門禁、登機證、ATM 領款以及旅館登記入住。蘋果（Apple Inc.）去年收購的新創公司 Emotient 也具備臉部表情辨識技術。麻省理工科技評論（MIT Technology Review）6 月 27 日公布 2017 年度「50 家最聰明企業」（50 Smartest Companies）名單，列出最能結合創新技術與有效商業模式的 50 家企業。NVIDIA 連續第三年上榜，從第 28 名（2015 年）、第 12 名（2016 年）一舉在今年躍居為龍頭。全球第一個臉部辨識獨角獸「Face++」在這份榜單名列第...
有時不禁在想，人類為什麼會需要人工智慧，是想讓生活和創造變得更簡單，還是單純想要實現科幻電影中我們對未來的想像，又或是人工智慧真的只是科技公司爭相追逐的下一個機會？然而不管人工智慧是以怎樣的「理由」滲透我們的生活，這個一會兒叫做「人工智慧」，一會兒叫做「AI」的新鮮事物，正被人們視為「第四次工業革命」的主角。▲ Google Assistant on iPhone。（Source：Google）在這場「革命」中，Google 算是領先部隊中又走在前列的科技公司了。AlphaGo 的故事已不必多說，承載「Mobile first to AI first」的 Google Assistant 人工智慧助理也即將住進 iPhone，這兩個不同場景下的「AI」一個被人們津津樂道，一個被人們熟知並嘗試融入人們的生活。大多數的科幻電影中，人類懼怕「AI」，害怕「AI」統治世界，對人類社會造成損失，類似的劇情可能正在現實中上演。人們擔心個人資料洩露，擔心被「AI」搶飯碗，擔心最後被「AI」取代。▲ PAIR。（Source：Google）Google 不僅意識到這點，且還籌劃了一個專門研究計畫，用來「安撫」人類對人工智慧的恐懼。這個計畫叫「People + AI Research initiative」，簡稱「PAIR」，從計畫命名就可以看出，Google 想讓人成為人工智慧的中心。（Source：Google）Google 稱，這個計畫將專注於「研究和重新設計人與人工智慧的互動方式」。Google 還稱，從開始建立一個人工智慧系統時，就把「人」灌輸到整個機器學習中。總之，Google 的意思就是希望人們在開發人工智慧時，不要忘了它是服務人類的。更加值得思考的是，Google 對人工智慧在 3 個不同領域中的反思：工程師和研究人員：AI 是人類創造的。如何讓開發者更容易構建和理解機器學習系統？他們需要什麼樣的教材和工具？ 不同領域的專家：AI 如何幫助專業人士的工作？當醫生、技術人員、設計師、農民和音樂家使用 AI 越多時，我們要如何給予他們支援？ 普通用戶：我們如何確保機器學習具包容性，如何讓每個人都能透過 AI 獲益？如何使用 AI 開發新應用？如何將 AI 背後的技術民主化？這 3 個反思可能並不容易想清楚，而 Google 也在官方部落格表示，其實他們也沒有想明白這些問題。不過，按照 Google 近似「理工宅」的形象、過去對人工智慧的執著，某種程度上是對新技術的極端追求。▲ Google AutoDraw 就是一種設計 AI 的嘗試。（Source：Google AutoDraw）但如今 Google 表示，將把人工智慧視為生活中的一件物品去設計它，就像隨著電腦圖形處理能力進步，人們從簡單的繪圖，開始逐漸設計出用戶互動介面，以及我們現在最熟悉不過的各類電腦和手機應用軟體，這些都是為了人們的工作和生活而設計的。人工智慧也當如此，不是為了炫技，不是為了搶佔賺錢機會，更不是為了讓人們感歎電影裡一切真的實現了。除了提出這些「願景」，Google 還發表了「PAIR」的開源工具供開發者使用。「PAIR」將為開發人員創建...
Deepmind 今年稍早「一戰成名」，在中國烏鎮圍棋峰會上，AlphaGo 戰勝了世界冠軍柯潔九段。在這之後，我們知道 Deepmind 會把 AlphaGo 的技術運用在疾病診斷等造福人類的領域。所以，Deepmind 最近在做什麼「高大上」的事呢？……他們在教 AI「跑酷」。最近，Deepmind 放出一段「搞笑影片」。其中的火柴人看似將以酷炫的動作翻越路上的障礙物，但不幸演出各類「花式摔跤」。在影片中，還有 4 條腿的「螞蟻」和只有身體和腿的「走路器」。Deepmind 表示，這些小人的動作都是 AI 控制的。在 AI 的幫助下，小人能做走路、跳躍等一連串動作，甚至能模仿行動不便的老人走路的樣子。為什麼 Deepmind 的 AI 不下圍棋，而是開發新愛好「跑酷」呢？Deepmind 發表的文章中，研究人員稱「跑酷」和圍棋在目的上顯著不同，這點就是他們希望 AI 學習的。研究人員這麼解釋：在一些 AI 問題中，比如玩雅達利（Atari）的遊戲和下圍棋，目標非常容易定義──就是贏。但你如何解釋後空翻的目標？或跳躍動作？ 在訓練自動化系統運動時，如何向 AI 清楚解釋複雜動作，是經常遇到的問題。在實驗中，研究人員在火柴人的必經之路上擺放「矮牆」、鬆動的「地磚」等障礙物。AI 控制的小人在一次次翻越障礙不成功後，也學會了如何「安全」跑到終點。Deepmind 將這項技能形容為：我們的實驗對象在不接受指令的情況下演化出複雜技能。這是一個能用於訓練系統不同、模擬人體運動的技術。Deepmind 補充，他們採用一種「回饋學習演算法」（reinforcement learning algorithm）。這種演算法能幫助未來 AI 在不同環境中靈活自然地運動。在研究者的眼中，人工智慧控制的靈活行為是人工智慧擁有「運動智慧」的指標。在這技術的助力下，電腦很快就能勝任更複雜的工作，甚至變得和人類越來越像。▲ 你走路時是這樣嗎？Deepmind 對這項技術有不少期望。研究者在文章最後寫道：未來，我們可以將這些技術運用在複雜環境中，調控更多（機器）行為。調控一大堆模仿人類行為的機器？聽起來它們能做很多事，比如說……組成一個《西方極樂園》般的遊樂園？所以，Deepmind 今天還在花式摔跤的火柴人，能變成明日《西方極樂園》裡心思縝密、行動靈活的機器人嗎？ Producing flexible behaviours in simulated environments （本文由 36Kr 授權轉載；首圖來源：影片截圖）延伸閱讀： Google AI...
在多數人觀念裡，人工智慧的發展應該只需要工程師在前線技術不斷突進，但事實是，AI 訓練的背後是龐大的勞動力支撐。在自動駕駛的實現過程中，圖片標記就是一項需要密集勞動的浩盪工程。當別人在翻雜誌或滑 Instagram 時，Shari Forrest 打開手機 App 開始訓練人工智慧。Forrest 住在聖路易斯城郊，今年 54 歲，她不是工程師，也不是程式設計師，她靠寫教科書謀生。在平時休息的零碎時間裡，她會登錄 Mighty AI，標註行人和垃圾桶，以及其他你不想讓自駕車撞上的東西。「如果我乾坐著等醫生看診的時候，還能賺幾個錢，何樂而不為？」對 Forrest 來說，這是一個愉快的消遣，而背後的本質是，自動駕駛時代正在到來。支撐自動駕駛訓練所需的數據量超乎想像。雖然 Google 和通用這些公司很少提及，但他們耀眼的機器和資料中心卻依賴全世界越來越多像 Forrest 這樣的人。正如你聽到的那樣，如今，幾乎每個人都認為 AI 勢必帶來全面革命。汽車廠商尤其樂意強調這些，因為自駕車將提高安全性，減少塞車，讓生活更便捷。「汽車是機器學習使用熱度最高也是最先進的領域之一，」Mighty AI CEO Matt Bencke 說。雖然沒有點名，但他表示，公司正在合作的汽車廠商至少有 10 家。如何教機器學會開車是一個很大的挑戰。美國車輛管理局的規則樹立了一個起點，提供一些基礎概念，比如「行人量」。但行人到底是什麼樣子？人一般有兩條腿，不過，對機器來說，穿上裙子後的兩條腿就和一條腿一樣，而且，坐輪椅的人該怎麼辨識？推嬰兒車的呢？前面的障礙物究竟是一個小孩，還是一隻大狗，或一個垃圾桶？無論如何，搭載人工智慧的汽車必須學會辨認這些，理解這個經常連人類也理解不了的世界。對人來說這是第二本性，但放在車子身上就截然不同了。Forrest 和其他 20 萬 Mighty AI 用戶自動駕駛原型車的鏡頭幾乎可以捕捉所有環境和情景下的圖像。廠商和科技公司將數百萬張圖片發給 Mighty AI 這樣的公司做標記，也正是後者促成在照片中辨識萬物的遊戲。聽起來或許很乏味，但 Mighty AI 這類公司正是透過這種 10 分鐘的輕便任務來維持自身運轉。「這更像一個休閒遊戲，而不是體力勞動，」Bencke 說。錢財的獎勵雖然微不足道，卻也發揮一定作用。Forrest 小心翼翼地在每張圖裡的每個人旁邊畫一個框，然後是每輛在接近的車、每輛車的輪胎。之後，她再將它們放大，逐像素地確認，細緻描繪出樹的輪廓。點擊、點擊、點擊。她會選擇不同顏色的指示器，將交通號誌、電線桿、交通錐調亮。所有步驟完成之後，這個場景就以機器可以理解的語言標註出來了，工程師稱之為「語義分割」。對準確性的要求決定了這項工作注定是辛苦的，但 Forrest 卻表示很享受這個過程：「就像很多人喜歡塗色一樣，這是一項讓人放鬆的工作。」這些百萬計的標註圖片可幫助 AI 辨識各類事物，幫助理解諸如人是什麼樣子這類問題。最後，AI 將變得夠聰明，能自行在行人旁畫框。像 Forrest 這樣的工作人員可幫助檢查 AI 的工作。「一段時間以後，AI 會夠聰明，能夠可靠地辨識事物。」Kangaroos 說。將這些願景寄託到非專業人員身上看起來可能很奇怪，但這仍是訓練 AI 的有效方式。「這很可能是唯一的路徑。」在 USC 資訊科學機構研究機器視覺的 Premkumar Natarajan 說，他在這領域有超過 20 年的經驗。雖然在這個所謂的無監督學習領域已經有一些研究，電腦可以最小資源投入學習，但眼下人工智慧的智慧程度仍取決於它訓練的資料品質。Bencke 稱，他的平台還可以使用自己的機器學習，判定 Mighty AI 上每個成員最擅長的東西。並沒有人因為從事這項重要的工作致富，但是對 Forrest 來說，這不是重點。她說，自己將去年在平台賺到的 300 美元花在網購上。她從來沒見過自動駕駛車，更不要說親自乘坐一輛這樣的車，但意識到自己在幫助這些車變得更聰明，讓她在進行這項工作的時候更相信科技的力量。（本文由 雷鋒網 授權轉載；首圖來源：Mighty AI）
為掌握人工智慧（AI）帶動產業轉型潮流，推動智慧科技產業發展，行政院表示，至 2025 年的未來 8 年中，將投入 1,000 億元，用於成立大數據運算平台、推動智慧城市、自駕車等，促進台灣成為全球 AI 創新研發基地與 AI 系統輸出國，帶動產業發展。行政院政務委員吳政忠 12 日指出，2016 年底政府通過「數位國家‧創新經濟發展方案」，將智慧聯網、無人載具等先進科技列入研發重點項目，並規劃於明年投入 140 億元推動智慧科技相關計畫，預計至 2025 年總計將投入約 1,000 億元。經費主要來自年度科技預算和部分的前瞻特別預算。吳政忠表示，該計畫內容在研發面上，包含設置大數據運算中心，以提供 AI 運作所需的大容量與高速度，並在中、南部設置 AI 創新研發基地，鼓勵年輕人加入 AI 研發等；應用面則包含智慧城市推動與產業輔導等，例如無人機、自駕車等應用，都需要 AI 技術。行政院舉行「智慧系統與晶片產業發展策略（SRB）會議」後，並預計於 9 月底擬定跨部會「加速智慧科技產業發展行動計畫」，將 SRB 結論納入整體規畫。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
被譽為當今全球最聰明企業第一名的 NVIDIA Corporation 正在投資哪個領域的新創企業？NVIDIA 7 月 12 日宣布投資以色列深度學習（deep learning）新創公司「Deep Instinct」。這家公司利用 GPU 為基礎的類神經網路與 CUDA，達到 99% 的網路攻擊偵測率，遠高於傳統網路安全軟體的 80%，它所開發出來的軟體可以自動偵測並擊退最先進的網路攻擊。Deep Instinct 日前甫獲世界經濟論壇（WEF）評選為「科技先鋒」。NVIDIA 12 日並且透露，過去一年來在 4 個國家投資下列 8 家新創企業：ABEJA、Datalogue、ElementAI、Fastdata.io、Optimus Ride、SoundHound、TempoQuest、Zebra Medical。NVIDIA 2016 年大漲 223.85%，漲幅居標準普爾 500 指數成分股之冠，今年迄今再漲 52.25%。NVIDIA 連續第 6 個交易日收漲，12 日上揚 4.25%，收 162.51 美元，創歷史收盤新高。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Deep Instinct）延伸閱讀： 黃仁勳：AI 正吞噬軟體，GPU 是當代愛因斯坦必備工具 孫正義：機器人將具備先進智慧，跑鞋內建 ARM 晶片
2017 年 7 月 13 日微軟公司宣布建立專注於人工智慧技術研發實驗室，實驗室位於微軟公司總部，由 100 多位人工智慧領域的科學家組成，涉及自然語言處理、深度學習、感知系統等領域。建立一個人工智慧技術實驗室能研發許多應用在不同領域的技術，而不是專注某個產品或服務，這也是許多科技公司在人工智慧方面的戰略。最出名的就是 Google 建立的 Google Brain 及 2014 年收購的人工智慧公司 DeepMind 推進相關技術，讓人工智慧應用到更多領域。微軟的人工智慧實驗室主要分為 8 個團隊，包括自適應系統化和交互、空中資訊和機器人、人機對話、深度學習、資訊和資料科學、知識技術、語音與資訊技術、機器學習與優化、機器教學、自然語言處理、感知與交互。據 Bloomberg 報導，微軟人工智慧實驗室將從現有研究的基礎上吸取經驗，繼續招募研究人員，涉及感知系統和心理學等多個領域，同時實驗室還將與 MIT 的大腦研究中心、機器研究中心合作，尋找在商業機構與學術研究之間合作更佳的方式。事實上許多科技公司都與大學研究機構建立合作關係，Google 和 Uber 都參與了相關科系的人才培養，為招募頂尖人才做準備。除了建立人工智慧實驗室之外，微軟還建立了一個人工智慧倫理監督團隊，該團隊將在整個公司的技術研發過程中擔任顧問。之前微軟已經與 DeepMind、Amazon、Google、Facebook 和 IBM 簽署了合作協議，建立人工智慧道德委員會，Google 和 DeepMind 內部也有類似的團隊。 Microsoft creates an AI research lab to challenge Google and DeepMind
雖然類神經網路可以達成很多任務，像是辨識人臉、預測心臟病等，但要吃掉很多電腦效能。MIT 工程師近期發表論文研究使用光路來達成類神經網路，並同樣建構在矽晶片上，因此成本不會太高，同時實驗結果發現運算能力有效率許多。他們正在籌備公司並計劃兩年內完成相關產品。近年來摩爾定律逐漸失效，人們對運算能力的要求越來越大，積體電路終究有極限，且似乎已在不遠處；科學家於是紛紛開始研究達成更強大運算能力的方法，光學晶片很有可能就是下一個世代的接棒者。現今各種人工智慧的應用出現，需要越來越強大的運算能力，其中人工智慧的分支之一──類神經網路，這個從人類大腦運作啟發的靈感而創造的人工智慧運算方法，展現了強大的能力，舉凡偵測謊言、辨識人臉、預測心臟病等都可做到；但是，對電腦來說需要非常強大的運算能力，也會消耗很大的能量。傳統晶片已漸漸無法負荷當今人工智慧如類神經網路的運算量，麻省理工學院的研究人員為了解決這個問題，近期研發出的光學晶片，在使用人工智慧的運算像是類神經網路時，運算效率和速度比一般傳統晶片要高出許多。傳統晶片跟光學晶片雖然想達成的目標類似，都是運算、通訊、儲存等，但兩者的基本架構不同，一般晶片為運用一連串可以決定電流要不要通過的電晶體，來達成運算。光學晶片則是依靠入射光線的明暗來達成運算，每個「光路」由放大器（Optical Amplifier）、相位調變器（Phase modulator）及偏振轉換器（Polarization converter）構成，一旦光線產生後，要達成怎樣的運算只要運用鏡片就可以改變方向，過程不損耗能源，不像電晶體需要電力來運作。研究人員以新研發的光晶片運作的類神經網路，來辨認英文字母母音的聲音，傳統電腦的類神經網路正確率可達 92%；與之相比，雖然以光路運作的類神經網路正確率只有 77%，但是效率跟速度都快上許多。跟以往光學晶片研發不同的是，這次是以矽為基底做成，也就表示量產的可能性大大提升。科技巨頭如 IBM 也傳出正在研發整合更多光路到矽基板上，一旦光學晶片研發順利，未來以類神經網路運算的科技如自動駕駛將可大幅提升。《科學人雜誌》（Scientific American）形容就好像口袋一樣小的裝置能擁有自動駕駛車一樣的運算能力。該研究團隊的研究員已開始籌備公司，並且預計兩年內產出產品。 Computer chip mimics human brain, with light beams for neurons Light-based neural network does simple speech recognition Light-Powered Computers Brighten AI’s Future Silicon Photonic Neural Network Unveiled （首圖來源：shutterstock）