近年蘋果積極開拓更多產品線，之前舉行的 WWDC 2017 大會尾聲時，就正式發表了旗下首款智慧喇叭 HomePod，不但可透過 Siri 語音控制，更具備空間感知功能可自動調校。雖然 HomePod 的價格比起其他同類產品更高是一大缺點，但一如以往蘋果推出的新產品，不少果粉都表示有興趣購買。HomePod 智慧音響要等到今年 12 月才登場，距離發售日期還有大約半年，為了解消費者的購買意欲，最近 Morning Consult 進行一項調查。根據調查結果顯示，在 2,000 名蘋果用戶中，19% 表示相當有興趣買 HomePod，至於一般人則 13% 有興趣。此外，調查同時發現目前最受歡迎的智慧音響前兩名分別是 Amazon Echo 及 Dot，緊隨其後是 Google Home 及未推出的 HomePod。至於影響購買的原因，一如所料消費者最關心的是價格，其次是品牌。有趣的是雖然 HomePod 價格（349 美元）約是 Amazon Echo（175 美元）的兩倍，但仍能吸引約二成果粉，足見蘋果用戶對品牌的忠誠度。此外，蘋果 CEO 庫克日前接受訪問時也談及這點，並指出當年 iPod 及 iPhone 推出之前都被人批評售價昂貴，但憑著蘋果的高品質，最後依然吸引大量消費者選購。 19% of Apple owners ‘very interested’ in buying HomePod, says large-scale survey （本文由 Unwire HK 授權轉載；首圖來源：蘋果）延伸閱讀：...
代工大廠和碩 20 日召開一年一度股東大會，會中除通過 2017 年將分派現金 5 元的股利決議之外，董事長童子賢也表示，2016 年中至今全球的政經變化很快，也使得電子產業也因終端需求不振，造成整體和碩在 2016 年的獲利下滑。展望未來的發展，和碩將會繼續積極爭取新客戶，並擴大與既有客戶的合作基礎，使得整體營收恢復成長動能。而受到股東會上的喊話刺激，20 日和碩股價盤中一度來到高點 99.8 元，上漲 3.8 元，漲幅近 4%，創掛牌以來新高。和碩在 2016 年雖然仍繳出總營收新台幣破兆的成績單，但是包括資訊、通訊、以及消費性產品等三大類產品線營收皆呈現小幅衰退的情況。全年合併營收為 11,577 億元，較 2015 年衰退 4.6%，歸屬母公司稅後淨利為 193 億元，年減 19%，每股 EPS 7.50 元。對此，童子賢在股東會後表示，過去一年因為產業變化快速，加上全球政經環境的變化，造成科技產品終端需求不振，影響和碩的整體營收動能。雖然，2017 年前 5 個月的合併營收仍較 2016 年成長 2.88%，但是和碩仍需要持續加油，進行轉型發展。另外，有股東問到未來和碩的營運展望時，童子賢也指出，近 3 年和碩的淨值報酬率均都在 12% 到 15%，這是上市櫃公司中難得有的好表現，未來會繼續努力替股東創造最大的價值。不過，由於每年在匯率和客戶上略有波動，可能會造成獲利高低。為了因應這樣的變動，和碩整體團隊營運，在 2016 年進行了組織調整，為追求下一波的成長展開新的布局。公司接下來也將持續投入自動化以提升效率。童子賢進一步表示，就目前的市場發展趨勢來看，包括人工智慧 (AI)、物聯網 (IOT)以及電競等，會是持續加強發展的項目。另外，就整體 2017 年下半年的展望來說，和碩總經理程建中也指出，下半年的營運預期將會很不錯，而華碩也備妥好人力與產能，樂關的看待下半年的營運表現。至於，被問到目前大家都很關心是否在台灣繼續投資的問題時，童子賢指出，「這又是個會讓我心跳加速的問題！」不過，他接著表示，就以和碩在桃園龜山的工廠為例，很多人都說和碩在其他海外地區設廠後，龜山的工廠應該會萎縮，要賣掉，但其實沒有；而且，前幾天去參加晶碩的股東大會，龜山廠區其衍生的其他的關係企業和產品，現在又幾乎把龜山廠佔滿，空間已經不夠用，要再對外擴充，而這就是和碩以實質的行動說明未來仍在台灣實質投資的情況。（首圖來源：科技新報）
受惠全球景氣復甦，電子產品接單續增以及傳統貨品接單年增率佳，經濟部今天公布 5 月外銷訂單總額為 368.1 億美元，年增 9.1%，成功寫下連 10 紅表現。由於全球景氣復甦漸趨明朗，經濟部統計處表示，5 月外銷訂單受到晶圓代工、記憶體及晶片代理商接單續增；另外，傳統貨品接單年增率也多呈二位數成長，鋼品、塑橡膠製品和機械需求也增加，助益年增率表現。展望未來，統計處認為，下半年消費性電子陸續推出新品、人工智慧（AI）、物聯網和車用電子等新興應用擴增，加上傳統貨品接單漸趨穩定成長，都有助推升外銷訂單漸入佳境。（作者：黃麗芸；首圖來源：shutterstock）
即將接任宏碁董事長的現任執行長陳俊聖，21 日在股東會上面對小股東們對於宏碁未來的展望提出問題時表示，宏碁在經歷了過去 3 年多的轉型，目前的確有相當的成績出現。就以本業 PC 來說，在目前全球 PC 市場仍呈現衰退的情況下，2017 年前 5 個月宏碁在 PC業 務上的成長，以美元計價是較 2016 年同期成長 80%。而且，以調查機構 IDC 的報告來說，宏碁 PC 的市佔率也從 2016 年同期的第 6 名，上升至第 4 名。不過，這些成績對宏碁來說並不夠，未來還要持續努力。陳俊聖面對小股東提出台股目前上萬點、但是宏碁股價卻沒什麼表現時指出，此時宏碁的毛利率 10%，相較 2016 年同期的 6%，已經是是過去 10 年的新高水準。這顯示，過去宏碁在轉型期間內為求止血，不追求營業額的方向是對的。目前，宏碁的營業目的是要創造價值，不再以創造營收為主要目標，這使得宏碁由 2016 年時的 13 元，來到當前的 15 元價位，這個方向還要再持續努力。 展望宏碁營運發展，陳俊聖指出，宏碁策略已經相當清楚，除了 PC 本業之外，新事業也將有所發展宏碁從 PC 走到電競，再從電競轉到虛擬實境 （VR），VR 再進駐內容、之後內容跨足人工智慧 （AI）。就 PC 本業來看，雖然相較於其他競爭對手，宏碁在 PC 上對電競的布局較慢。但是，電競領域宏碁 2017 年第 1 季產品銷售成長...
自殺是一個不容忽視的公眾健康問題，因為每年全球自殺致死的人數高達 80 萬。所以提前發現自殺傾向及時預防就顯得特別重要。不幸的是，由於自殺是一種高度個人化的行為，而且人類普遍在辨識自殺傾向的能力都相對糟糕。不過好消息是研究人員已經利用機器學習找到預測自殺傾向的方法，且精確率出奇的高；但我們因此需要面對一些倫理方面的問題。一個人自殺會給親朋好友留下心碎和悲痛，以及如果他們換個心態會怎樣的無解問題。Colin Walsh 是美國范德比大學醫學中心的資料科學家，他在預測自殺風險方面做了一些出色的工作，他希望自己的工作能提出「我能做什麼？」問題以及預防的機會。Walsh 和同事建立一些機器學習演算法，這些演算法可以預測病人嘗試自殺的可能性，精確度高得嚇人。試驗結果表明，演算法對某人在兩年內是否有自殺傾向的預測精準度達 80%~90%，而預測下週是否會嘗試自殺的準確度則高達 92%。預測的資料基礎來自各種入院資訊，包括年齡、性別、郵遞區號、用藥及先期診斷等。Walsh 和團隊一共收集了范德比大學醫學中心 5,167 名病人資料，這些病人均承認有過自殘或自殺傾向。他們閱讀每個病例，辨識出其中 3,250 個自殺企圖案例。這組超過 5 千個病例的資料隨後用來訓練機器，辨識那些有自殺傾向風險的人，並且區分有自殘行為但無自殺企圖的人。研究人員還開發演算法預測一組人的自殺傾向，這群人的數量達 12,695，都是隨機選擇、沒有自殺企圖歷史的人。結果表明，在預測這群人的自殺傾向準確度方面，演算法甚至比醫院的預測還準。Walsh 的論文已在今年 4 月發表在《臨床心理科學》雜誌，這只是研究工作的第一階段。他現在正致力於驗證自己的演算法應用到另一家醫院、完全不同的資料集時也一樣有效。一旦該模型證明有效，Walsh 希望跟更大團隊一起合作建立一套適當的預防方法。他預期在兩年內有一套預防計劃用於測試。他補充說：「我當然傾向於相當快，但在醫療保健方面相當快往往也意味著要幾個月。」自殺是一種極強烈的個人行為，以至於從人類角度來看，僅根據一組粗糙的資料集不可能做出精準預測。Walsh 說臨床醫生自然會問預測是怎麼得出的，但演算法實在太複雜了（注：其實不是複雜，而是因為機器學習內部是黑箱），抽出單個風險因素不可能。他說：「是風險因素的組合讓我們得出答案。」話雖如此，Walsh 和團隊仍驚訝地發現，服用褪黑激素（腦白金主要成分）似乎是計算風險的一個重要因素。Walsh 說：「我並不認為褪黑激素是導致產生自殺想法的原因。這一點沒有生理學依據。但對自殺風險來說有一個東西十分重要，就是睡眠失調。」有可能開褪黑激素的處方捕捉到睡眠失調的風險──儘管這點仍是假設，尚有待驗證。這項研究還引起更廣泛的倫理問題，也就是電腦在醫療保健中的角色是什麼，以及真實的個人資訊應該如何使用。Walsh 說：「意外後果的風險一直都存在。我們的意圖是好的，想建立一套系統來幫助大家，但有時候結果可能會事與願違。」研究人員還必須確定基於電腦的決策將如何確定對病人的護理。身為一名初級醫療的保健醫生，Walsh 說意識到自己可以按照機器的指令行事這一點令人不安。他說：「如果機器告訴我高風險，但我的臨床現象卻沒有證實這一點，會不會出問題？你會不會因為電腦告訴你而改變原來的護理方式？」目前為止，機器學習算法基於入院資料。但 Walsh 意識到許多有自殺風險的人並沒有住過院。他說：「我們大部分生活都在醫療保健設施以外的地方度過。如果我們只是依賴醫院的資料來做這項工作，那麼我們也只能取得一部分成果。」但研究人員還可從哪裡獲得資料？網路是相對有希望的選項之一。Walsh 說，花了那麼多時間在 Facebook 和 Twitter 面，這些社群媒體資料也許可以用來預測自殺風險。「但我們需要工作來證明這一點是正確的。」Facebook 今稍早宣布使用自家人工智慧審核有自殘跡象的發文。結果據說已比 Facebook 從那些人的朋友標記為有風險的結果更準確。訓練機器辨識自殺的告警訊號遠不是那麼直截了當。要想成功預測和預防，Walsh 認為消除自殺污名化必不可少。他說：「如果我們對討論這件事情感到不舒服，就永遠沒辦法幫助那些人。」不過，隨著自殺導致全球每年 80 萬人死亡，這已成為一個無法忽視的公眾健康問題。鑑於大多數人類包括醫生，辨識自殺風險的能力方面都相當糟糕，機器學習也許可以提供一個重要的解決方案。 Artificial intelligence can now predict suicide with remarkable accuracy Predicting Risk of Suicide Attempts Over Time Through Machine Learning （本文由 36Kr 授權轉載；首圖來源：pixabay）
2016 年時，Google 旗下科研機構 Google Research 宣布成功讓人工智慧（AI）學會如何檢測糖尿病造成的視網膜病變（PDR），如今他們打算在印度實際進行大型實驗，如果計畫順利，將能幫助印度數百萬名糖尿病患者免於陷入失明的情況。網站 WIRED 報導，在近日舉辦的「WIRED 商業大會 2017」中，Google Brain AI 研究小組表示，作為世界最缺乏眼科醫院的地區之一，印度的糖尿病患者並沒有機會能及早進行檢查，許多人在檢測到病變前就已經失去視力，但糖尿病造成的失明是完全可以預防的，為此 Google 正在與印度眼科醫院合作，來應用這項技術。根據國際糖尿病聯盟（IDF）2015 年統計的數據顯示，目前全球有超過 4 億人患有糖尿病，以亞洲國家人數比例最高，其中印度約有 7,000 萬名患者，由於太過缺少眼科醫師，官方統計印度 PDR 患者有 45% 在確診前就已失去部分或全部視力。為了讓醫療更容易普及推廣，Google 決定來到印度和亞拉文眼科醫院（Aravind Eye Care System）合作，由亞拉文醫院提供一系列的視網膜圖片，讓 Google 建立的演算法透過深度學習來開發視網膜篩檢系統，這項臨床研究已經在近期完成。研究小組產品經理 Lily Peng 表示，與亞拉文醫院的合作仍在持續中，目前正將技術實際運用於日常的患者檢查，透過確認微小動脈瘤的存在與否，讓患者得到早期協助。對於一些人認為這項技術將造成醫生的缺額減少，Peng 並不認同。Peng 指出，Google 的演算法只是完成繁雜的篩選作業，「解放」醫生去執行更重要的工作，「我們讓專家來治療患者。」 Google’s AI Eye Doctor Gets Ready to Go to Work in India （首圖來源：pixabay）延伸閱讀： Google 最新成果：利用神經網路讓糖尿病患者擺脫失明
想獲得安全可靠的道路行駛能力，自動駕駛汽車必須對周圍環境有全景式的了解。它不但需要認出周邊呼嘯而過的轎車、卡車、摩托車，同時還要看到慢吞吞的自行車和行人。此外，交通訊號燈、路牌和路上的障礙物也無法放過。不過，這還不是最考驗自駕車的事，讓各家公司花費大量時間和資源搜集資料的各種天氣和光照條件，才是自動駕駛能否真正上路的最高門檻。畢竟如果無法窮盡每種可能性，誰也不敢保證上路的自駕車不會惹出亂子。一般來說，想讓自駕車實現眼觀四面、耳聽八方，研究人員必須標記大量資料，而這些標記過的資料將成為機器學習算法的養份。標記資料可不是輕鬆的工作，每家廠商都會派成百上千的工作人員處理車輛拍攝的照片或影片，他們需要用方框圈出旁邊的車輛、路標等物體，同時還得貼上相應的標籤。令工作人員絕望的是，這個標記資料的過程需要一遍又一遍的重複。密西根大學的研究人員想出更好的解決方案：在模擬中完成整個過程。對自己的想法，研究人員也是底氣十足，因為他們已證明這種方法比人工標記真實資料要有效得多。不過，機器人專家並不看好模擬法，因為模擬事實上是簡化版的現實世界，在模擬中取得成功並不代表在現實世界中能百分之百安全。密西根大學研究人員並不服輸，上週在新加坡舉辦的 IEEE 機器人與自動化國際會議上，他們就找來遊戲大作《俠盜獵車手 5》，嘗試透過該遊戲證明虛擬世界也能訓練深度學習系統辨識物體。這種方法靠譜嗎？▲ 《俠盜獵車手 5》中用於眼睛辨識的圖片。透過模擬的方式完成訓練其實一舉三得：首先，速度大幅提升，而且與真車在路上採集資料相比費用少多了。其次，在模擬中資料標記就變現成的，畢竟遊戲程式對畫面出現的物體屬性非常清楚。最後，在模擬環境中你可以設定任何刁鑽路況或天氣。在加州路上測試，你會發現這裡總是陽光明媚，根本沒什麼挑戰。此外，在模擬環境中你甚至可以為同一路段設定不同的天氣或路況，實現事半功倍。▲ 在同一路段模擬不同的天氣。為了偵測虛擬世界中的訓練效果，研究人員在遊戲中生成三個模擬資料集，分別包含 1 萬、5 萬和 20 萬張不同的遊戲圖片。隨後，深度學習目標探測系統開始以這些資料集為基礎進行訓練。當然，研究人員還準備另一個實車拍攝的資料集，名為 Cityscapes，包含 3 千張經過手動標記的圖片，同樣的深度學習系統也會以該資料集為基礎訓練。訓練完成後，兩套系統需對名為 KITTI（也是實車實拍，但與 Cityscapes 不同）的資料 7,500 張圖片進行眼睛辨識測試。結果顯示，在模擬環境中訓練出來的深度神經網路辨識效果更好：用 5 萬和 20 萬張圖片訓練出來的深度神經網路表現要好過 3 千張資料集。研究人員稱，單張模擬圖片價值並不高，但如果數量夠多，效果就會非常棒。確實，單張模擬圖片的訓練效果不如單張實拍圖片，畢竟現實世界中的光源、色彩和材質變化是電腦模擬無法比擬的，因此模擬圖片只能以量取勝。不過，只要有足夠的計算能力，我們就能生成超多模擬圖片，最重要的是這些圖片不再需要人為標記了。▲ 模擬圖片（上）中的誤報明顯更少。除了以上優勢，在虛擬世界訓練出來的神經網路在辨識較遠和模糊車輛的能力上也更勝一籌。同時，這種方式也能減少誤報。也許這種優勢也是拜模擬圖片的巨量所賜，包含的資料更寬泛，能為訓練提供更加多樣化匯入。當然，用模擬圖片訓練神經網路也有缺陷：首先，虛擬世界不同於現實世界，一些難以預測的情況模擬不出來，而這些情況是自動駕駛最大的安全殺手。不過，雖然我們無法靠《俠盜獵車手 5》解決所有問題，但密西根大學的研究人員確實指了條明路，能大大降低各家廠商的成本，提升訓練效率。（本文由 雷鋒網 授權轉載；首圖來源：VOLVO）
統一超商董事長羅智先在股東會後表示，人工智慧不斷進步，未來可能會取代很多事物，也會創造很多新功能，關鍵在新事物能不能掌握，舊優勢流失速度能不能管理好。談到生活趨勢，羅智先認為，社會進步太快，序列化、數字化的東西，未來幾年人工智慧（AI）都可以做到，掌握到，對統一超商門市而言，尤其在人力緊張之際，寄件、取件的事都可以讓機器人來做；補貨系統也可以採取 AI 應用，可以節省時間，又不易出錯。他說，機器人未來角色將更吃重，物流、工廠也需要機器人幫忙，也可預見金融科技（Fintech）是下一代的生活型態，但畢竟超商不是 AI 這個產業，對於新的需求不斷產生，舊的事物被替代，只能緊密觀察生活動態。對於去年營運表現，他坦言，不能說對自己很滿意，但也只能盡最大努力；今年下半年景氣外溫內冷，但超商賣的是民生必需品，影響相對較小。（作者：潘智義；首圖來源：shutterstock）
2017 年稍早，中國阿里巴巴跟螞蟻金服的創辦人馬雲才對世界宣告，接下來是「互聯網 +」進入「AI +」的時代，各種相關人工智慧新聞在這幾年與日俱增，也早已標誌著人工智慧的未來已勢不可擋。近期最受人矚目的消息，當屬 Google 子公司 DeepMind 推出 AlphaGo，在 2016 年的圍棋對弈中以四比一擊敗南韓棋王李世乭；到了 2017 年初，更以 Master 之名在網路圍棋上橫掃各國高手。過去人們認為機器不可能趕上人類的領域，竟然被 AlphaGo 稱霸，讓人們不得不正視人工智慧的重要性及隨之而來的影響。物聯網無所不包，AI 人工智慧亦然其實，人工智慧發展到今日並非一蹴可及。早在上個世紀 1950 年，著名的英國密碼學家圖靈（Alan Turing）就提出了「圖靈測試」：看機器能不能讓人無法辨別隔壁房間裡回答問題的是人類還是電腦。而西元 1956 年，人工智慧之父約翰‧麥卡錫（John McCarthy）也提出人工智慧三大概念「感測、認知、移動」，開啟了人工智慧研究的第一階段。但由於研究方法及應用領域的諸多侷限，人工智慧的整體進展十分緩慢，直到 1997 年 IBM 深藍電腦用西洋棋戰勝人類棋王，再度吸引世人的注意力。進入 21 世紀，人工智慧的研發力道才又持續增長。2004 年美國國防高等研究計劃署（DARPA）在內華達州沙漠開始舉辦自駕車競賽，促使 Google 從 2009 年啟動自駕車專案計畫。Google 與史丹佛教授吳恩達（Andrew Ng）合作的 Google 大腦計畫，於 2012 年成功從大量 Youtube 影片中識別出一千多萬張有貓的數位影像。同一年間，IBM Watson 超級電腦在美國的問答節目競賽「危險邊緣」（Jeopardy!）打敗了兩大人類常勝冠軍。此外，2012 年蘋果公司開始在 iPhone 等裝置上推出雲端人工智慧 Siri，Google 也在2012 年中於 Android OS 上推出 Google...
Waymo（Alphabet 旗下自駕車事業體）13 日透過官方部落格宣布，綽號「螢火蟲」（Firefly）的無人駕駛原型車正式退役，公司接下來將專注把最新技術整合到量產型 Chrysler Pacifica Hybrid 油電複合迷你廂式車，希望藉此能更迅速讓更多人體驗到全自動駕駛技術。Pacifica 迷你廂式車配備 Waymo 最新一代客製光達、雷達、視覺系統以及全新人工智慧（AI）電腦平台，使它看得更遠、更清楚。相較於 Firefly 原型車的 25 英里／小時速限，初期打造的 600 台 Pacifica 自駕車能夠全速行駛且內部配備升級，相當適合用在目前於亞利桑那州鳳凰城進行中的測試計畫。英國金融時報報導，Waymo 執行長 John Krafcik 1 月 8 日在底特律車展宣布，自駕車所有感應器硬體全部都是自行開發。他表示，這不但將大幅降低自駕車的製造成本，軟、硬體皆不假他人之手也意味著準確度將可大幅提升。Waymo 2016 年的測試紀錄顯示，平均約 5 千英里才會出現一次需要人類駕駛人接手的情形，較 2015 年進步 4 倍。Business Insider 報導，摩根士丹利證券（大摩）5 月發表報告指出，百年汽車產業商業模式正面臨史無前例的科技衝擊。大摩指出，共用、自駕以及電動移動解決許多現有產業模式的缺點，包括低利用率（一天當中用到汽車的時間僅有 4%）、消耗有限資源（汽車每年消耗掉將近 4 千億加侖的燃料、佔美國整體石油需求量的 45%）以及公共安全（全球每天平均約有 3,500 人死於車禍）。Alphabet Class A 股價 13 日上漲 0.90%、收 970.50 美元，3 個交易日以來首度收高；6 月 8 日收盤價（1,004.28美元）為歷史最高紀錄。CNBC 報導，蘋果（Apple...