DeepMind 用機器學習的方式殺得頂尖圍棋好手接連敗仗，可說是機器學習領域的大勝利。但拿 DeepMind 技術處理健康資訊，那可是另一個故事。Google DeepMind 共同創辦人 Mustafa Suleyman 及隱私和透明度主管 Ben Laurie 發文說要用區塊鏈技術記錄健康資訊，引發不少爭議，不少人無法信任有廣告業務的 Google 經手處理最私密的資料──醫療健康資料。Google 旗下健康部門 DeepMind Health 發展的特殊數位記錄方式，是每當資料傳送時，自動用密碼學方式產生每一筆記錄，意味健康保險單位、醫院還是病人，每次只要修改、存取時，都會留下紀錄。如果這套類似比特幣區塊鏈的技術能引進醫療業，將能大幅減低人工記錄的時間，減少審計資料的成本。這次 DeepMind 高層發文要用區塊鏈技術應用到醫療資訊，其實是延續去年在英國的醫療資訊合作案。去年 11 月 DeepMind 已與英國國民保健署簽下 5 年的合作合約，國民保健署下 3 家位於倫敦的大醫院──Royal Free、Barnet 和 Chase Farm，將與 DeepMind 分享 160 萬名病患的醫療資訊。另外 DeepMind 也會協助醫院簡化記錄病患資訊的流程，並推出手機 App Strams，依據病患的醫療紀錄，醫護人員在病人有狀況時即時推播病患資訊。但 DeepMind 要介入健康資訊記錄領域，卻引來爭議，深怕 Google 的手太深入了，淪為 Google 要推數位精準廣告下的數據。但 Google Deepmind 共同創辦人 Suleyman 覺得引入區塊鏈機制進醫療資料，帶給贀療資料透明化的曙光，能清楚顯示資料是被誰存取，又是什麼情況授權下取得資料。目前看來 Google DeepMind 想簡化審計資料的流程，用自動化生成的區塊鏈來記錄誰修改、用到資料。除了 DeepMind...
無人機或無人車的開發者總有一種困擾，那就是要驗證 AI 究竟管不管用，免不了要打造機體，找空曠的地方測試是否會墜機或撞車等，發生不少損壞意外。好在微軟（Microsoft）針對無人機開發了 AirSim 模擬器且以 MIT 授權開源釋出 ，讓無人機、無人車的 AI 演算法可以在模擬的世界先好好測試一番。Microsoft 的 AirSim 基於 Unreal 3D 遊戲引擎 ，提供一個非常高級細膩的虛擬世界，其中道路、樹木、房屋、電纜等障礙物一應俱全，陰影、反射也十分細緻，畫面的解析度、擬真度極高。用來訓練無人機、無人車的 AI 時，在這個極其逼真的世界裡可以盡情測試，不必擔心發生損害真實事物的風險。Microsoft 表示，希望透過此舉幫助「機器人開發的民主化」，幫助資本有限的個人、研究人員和小公司，也能好好測試自己開發的無人機或無人車。為什麼要在虛擬世界而不是真實世界中測試無人載具呢？主要是因為無人載具在移動的過程中，AI 要學習區分陰影、實心物體、深色牆壁的差別，這要對其類神經網路做大量「訓練」，如果你把無人機造出來，讓它在真實世界進行訓練與測試，你可能要經歷多次花費昂貴的失敗；改在虛擬世界進行時，你就不用怕這些損失，而且本來在真實世界不方便也不能進行的，你都可以大膽地一再進行了！例如說虛擬世界的住宅區、高速公路等，這樣就避免在真實世界進行上的許多限制。如果你的無人機在住宅區測試，AI 失手墜機了，砸傷人或損壞車子、房屋，不單打造無人機的費用沒了，還可能要負擔鉅額的保險理賠。當然，因為是模擬的，所以也允許改變場景的體積大小與時間速度，來更有效率地訓練 AI 系統。為了好好「教育」無人機，所以這個軟體也要保持對真實世界模擬的高度準確，Microsoft 表示，其模擬器會保持運用圖形處理技術的最新進展，提供最接近真實世界的細節，陰影、陽光眩光、陰霾和道路表面積水等都必須精確模擬好，這樣子 AI 才能好好學習。此外，根據 Microsoft 的 Ashish Kapoor 在公司網誌文章中的說法，它應該也適用於任何類型的機器人，所以長腳的機器人應該也能受益。其他用途上，如果你有玩遙控飛機，也可以接搖桿或 XBOX 控制器，在這個模擬器裡面好好練習飛行技術呢。 Microsoft open sources a simulator for training drones, self-driving cars and more （圖片來源：微軟）
「機器學習能幫我們找到更多相關資料，數學模型能幫我們做出更佳預測，而且能即時自我修正學習。」這段話聽起來像是技術應用研討會上的發言，然而說這話的是 Upstart 創始人兼 CEO Dave Girouard。Upstart 是家美國網貸創業公司，服務傳統金融機構「狗不理」的年輕客群──它開發了新信用評分模型，為沒有幾年信用和從業紀錄的年輕人提供貸款。是的，在紐約最近一次金融科技峰會 LendIt 上，金融專家將舞台完全拱手讓給技術。人工智慧成為金融市場上的「新寵」理解金融科技，就要理解技術是提供金融服務的中心。人多、錢多、資料多的金融業一直是工業變革的推手，而人工智慧是當下最令人興奮的技術之一，為這個古老的行業提供更多可能。金融專家對人工智慧的期待，普遍集中在提高效率和擴大規模上。人工智慧已取得突破的一個應用場景，就是改變企業與用戶互動的方式。從直播答題節目出道的網紅超級電腦 IBM Watson 擔起這個重任。Watson 的最新案例正是智慧投資顧問：和以前依照規則和人群圖譜分析猜測完全不一樣，Watson 現在能夠透過辨識自然語言和人臉表情來「理解」用戶的需求。這項人工智慧服務能在手機和其他智慧裝置隨時隨地啟動，「聽懂」你的語氣、「看懂」你的表情，並「讀懂」你的歷史資料，再據資訊做出不機械的反應。這也是此項技術最有趣的地方。它不是按圖索驥，把你放在規則之間比長比短，而是結合你的風險偏好和理財目標，給你個性化的建議。也就是說，人工智慧在答疑解惑之餘，還能發現用戶潛在的金融需求。這種聰明互動能像骨牌一樣活化金融服務。在前端提供個性化的用戶服務，在決策黑盒子中最佳化授信和決策，在背景用於風險控制。技術以意想不到的速度，幫這個古老行業進化其實 Watson 的例子已有很多，包括華爾街和矽谷鼓吹技術改造金融工業已經很久，主角從雲端計算到大數據再到人工智慧，但無論大數據還是人工智慧，技術並沒有徹底改變金融規則，而是讓規則更完善。FICO 為美國主要的信用評價體系，長期以來透過審核人們的銀行戶口、多少存款、償還多少貸款這些資料來做信用評價。由於年輕人信貸歷史短、交易紀錄少，所以一般信用評分較低，這樣的體系讓年輕消費者陷入「沒借過錢所有沒有信用紀錄─沒有信用紀錄所以借不到錢」的迴圈。就像下面這個諷刺漫畫說的那樣：Upstart 的智慧演算法可把更多資料納入。它並沒有完全推翻 FICO 的規則，而是完善。它在自己的網貸系統裡將社會因素加入分析範圍，把年輕人教育程度和工作經歷加入考量範圍，讓年輕人貸款有更合理的評價。CEO Dave 在創業前曾在 Google 負責企業應用。他說：「人工智慧無法重新發明授信機制。技術能參與破壞性創新的玩法是，讓符合標準的借款者，能更容易借到符合他風險水準的貸款。」正如 Upstart 扎根於矽谷，越來越多技術人才在金融工業掌握更多話語權。Sentient Technologies 是目前人工智慧領域融資額最高的新創公司之一，從李嘉誠等其他頂級投資人手裡融到 1 億多美元，想做的就是把人工智慧應用到金融市場上的大量交易。Jeff Holman 是華爾街老兵，也是 Sentient Technologies 的投資負責人，他正不遺餘力地為自家公司旗下即將公開交易的新對沖基金搖旗吶喊。Jeff 領導一支 15 人的對沖基金團隊，隊裡有 11 個工程師，卻只有 4 個金融業者。他解釋人員配置的理由：「工程師會控制算法生成的虛擬交易員，來高速處理各種資料包。」根據他透露，Sentient Technologies 本身有個 30 人演算法的科學家團隊，這些人 20% 的時間也用在交易算法的最佳化上。他們會根據一個 3 年的歷史資料包建立虛擬環境，讓演算法不斷進化，找到更有效的交易方式。就像 Alpha Go 不斷透過虛擬對弈強化，由於 Sentient 的技術積累可將...
服務型智慧機器人為當前科技發展一大重點領域，市場成長潛力備受看好。繼軟銀 Pepper、華碩 Zenbo 等機器人陸續在台上市後，遠寬電信也宣布引進機器人製造商優必選（UBTECH Robotics）兩款教育機器人「Alpha1 PRO」及「Jimu Robot」，並與遠傳電信合作推出獨家銷售方案。UBTECH 為中國高科技新創公司，自 2012 年成立以來，主要研發人工智慧（AI）與人形機器人相關產品。台灣民眾或許對 UBTECH 機器人稍感陌生，事實上 UBTECH 所開發的 Alpha 系列機器人，已在全球吸引不少企業青睞並達成合作關係，其中包括成為英超足球名隊曼城（Manchester City）全球策略合作夥伴，並與亞馬遜（Amazon）策略合作，將導入其 AI 語音助理 Alexa 推出新款 UBTECH 智慧人形機器人，另外也將與迪士尼（Disney）合作開發 IP 授權機器人，產品預計今年在台推出。 ▲ UBTECH Alpha1 PRO 人形機器人。 UBTECH 所推出的升級版 Alpha1 PRO 人形機器人，在台灣發表會現場大展舞姿，不僅肢體協調性與平衡力極佳，靈活度也相當高，可做出下腰、倒立劈腿等高難度動作。Alpha1 PRO 採用無毒環保材質，全身置有 16 個伺服馬達（servo motor），可因應各種複雜動作，最大角度可達 300 度，並具有防夾手結構設計，電池續航力可達 60 分鐘。使用者可透過 App 簡易操控機器人，以及運用 PC 端 3D 視覺化動作編輯軟體設計機器人動作。 ▲ Alpha1 PRO 機器人具有極佳協調力與平衡力。 ...
在沒有 Uber 的時代，馬路上經常遊蕩著這樣一批計程車：跑了好幾圈也沒載到一個人，好不容易拉到一個人，去的地方也就 10 公里。而在日本，計程車的現狀依然如此，因為 Uber 至今沒有合法在全日本落地。不過，最近日本本土一家公司打算著手解決這個問題了，那就是日本的五大營運商之一 NTT Docomo。Docomo 在 3 月 6 日宣布，要在今年秋天為出租車搭載一款人工智慧平台，將會幫司機更了解乘客需求情況，並且有效提醒司機哪裡可以更快接到乘客。它的應用會在很大程度上幫助司機優化路線，提高出租車司機載客效率。說得具體一些，Docomo 的系統會用 AI 技術分析大量數據，包括手機使用位置的分布情況、天氣狀況以及乘客乘車的歷史紀錄，分析顯示的結果會是乘客潛在的叫車地點，顯示在司機座位旁邊的螢幕上，這樣司機在尋找乘客時也會更有目標。Docomo 其實在去年 7 月就已經透露了這一計畫，並已經和富士通用有限公司和東京計程車協會進行合作。在去年 12 月，該系統在東京成功完成測試，測試期間平均每輛計程車的收入增幅達到 50%。如果這項技術能在 2020 年東京奧運前得到大規模應用，不論對計程車還是乘客來說都是利多消息：司機拿到更多訂單、出租行業加固競爭優勢、乘客叫車更容易；但是對一直嘗試想進入日本的網約車平台來說可能就意味著更高的門檻。為什麼日本政府不允許 Uber 做網約車服務，卻允許 Docomo 做類似事情呢？這其實並非日本政府針對本土企業的政策保護，而是 Docomo 的模式與 Uber 完全不同。Uber 的模式大家都比較熟悉，就是網約車公司直接與私人車主簽訂勞動或勞務合約，車輛屬於網約車公司或個人，乘客付錢給網約車公司，網約車公司再給司機付勞務費──這其實就是一家計程車公司的營運模式。與各國一樣，這種模式在日本受到嚴格的限制，Uber 始終不達標而無法開展營運。但 Docomo 的這套系統不涉及叫車、約車和支付，只是搭載在已有的合法計程車上告訴司機「這個地區可能乘客要多起來了」或「這個地區這個時段沒有客人」，本質上是一種預測系統而不是訊息中介和交易平台。要做到這一點的難度其實比滴滴的大數據調度更複雜，因為它要在不要求用戶主動提供叫車資訊的情況下，分析每個用戶的外出習慣，並預測一個地區內的交通流動。不過對營運商來說，Docomo 要做到這一點並不困難。因為想像一下，如果中國移動想要做一個交通領域的大數據分析，拿到的數據量和覆蓋範圍一定比任何一家網約車公司都要多，因為每個手機用戶的位置資訊都是即時透過基地台傳遞到營運商後台。不同在歐美國家的流行地位，Uber 在亞洲地區的日子可說是非常不好過，在中國被滴滴合併、在日本被計程車擠兌、在台灣被禁。但 Uber 似乎從來沒有放棄打破僵局的機會。被日本政府禁止大部分地區的營運後，Uber 轉向其他方向嘗試，去年 10 月在日本引入 UberEats 外賣系統，意在暗示載人不行我還可以送吃的。選擇突破口只是一個開始，能否在這個行業長時間存活下去還要看背後的支撐是否夠堅實。 Uber 也試圖在技術上增加自己的競爭優勢，即自家無人駕駛技術開始測試後，Uber 去年 12 月宣布成立人工智慧實驗室 Uber AI Labs，同時完成對初創公司 Geometric...
自動化程式充斥在網路上，要分辨是真人或程式以往都要依靠麻煩的 Captcha 工具，有時就算是真人也未必能看清扭曲的文字。Google 最新開發的技術，就避免了這個問題，完全隱藏在後台，不會騷擾真人用戶。早於 2009 年 Google 就收購了 reCaptcha，提供人機分辨工具，最初的版本是大家熟知的扭曲文字辨認，不過隨著自動程式越來越聰明，文字變得愈來愈難辨認，後來應運而生有圖片辨認或其他謎題，不過對用戶而言已經變得愈來愈麻煩。Google 後來在 2013 年推出新版本，使用者只需要按下「我不是機器人」旁邊的勾號就可以，大幅減少輸入文字的麻煩，最近更變成完全隱形。這個技術利用分析用戶在網頁上的瀏覽習慣，例如滑鼠的移動和輸入資料的速度等，來判斷使用者是真人或者程式，藉此做到無需額外確認就能分辨的效果。這個工具背後也是基於機器學習的人工智慧，在大家使用這個工具的同時，其實 Google 同時也從中學習我們的使用習慣，改進其人工智慧。無論如何，對用戶來說，無需輸入麻煩的扭曲文字或分析照片，總算是一個好消息呢。 Google Has Finally Killed the CAPTCHA （本文由 Unwire HK 授權轉載；首圖來源：Flickr/Alan Levine CC BY 2.0）
中國科技部部長萬鋼表示，目前正與相關方面共同起草促進中國人工智慧創新發展的規劃，預估「兩會」之後很快就會推出。中證網引述萬鋼指出，此規劃旨在推動人工智慧在經濟建設、社會民生、環保事業、國家安全等方面應用；同時，基於人工智慧的研究必須是開放的，要有知識交流和共用的平台，建立開放的軟體平台、開源的硬體平台及專業化的眾創空間。上證報引述中國全國人大代表、佳都科技董事長劉偉表示，今年政府工作報告中首次提及人工智慧，顯示國家層級已經很重視此行業，並且將從國策高度去推動產業發展。他認為，現在已進入人工智慧 2.0 時代，一些技術開始成規模地進入商用，目前中國在人工智慧領域已有了很多應用場景，在未來 5-10 年內，人工智慧會像水電煤一樣與日常生活息息相關。同樣也是中國全國人大代表的科大訊飛董事長劉慶峰也表示，未來人工智慧將進入教育、醫療、金融、交通等幾乎所有行業。去年 12 月底，中國國家發展改革委公示了 19 個「互聯網 +」和大數據領域國家工程實驗室擬確定承擔單位名單，在這 19 個國家工程實驗室中，有3個是人工智慧領域的技術應用。劉偉認為，中國在人工智慧領域的科技產業轉化過程比較弱，但是在技術上與國際領先水準保持基本同步。然儘管在人工智慧領域的核心技術及產業創新方面，中國都面臨著良好的發展契機，但劉偉認為，針對人工智慧的發展仍有一些亟待落實的問題。他表示，人工智慧還缺乏國家層面的戰略規劃體系，人工智慧涉及硬體、軟體、晶片、智慧製造等方面的內容，應該在頂層設計上予以重視。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
可飛天的無人自動駕駛車概念已經不是新聞，而現在概念又再度進化，出現了無人車結合無人機、可無縫轉換陸空兩用的分離式交通工具！歐洲飛機製造大廠空中巴士（Airbus Group）近日在日內瓦車展（Geneva International Motor Show）中，為大家揭曉這款極具創意的新型概念交通工具「Pop.Up」。為了改善城市交通日益加劇的壅塞問題，空中巴士及義大利頂尖汽車設計公司 Italdesign 合作打造了 Pop.Up，兼具無人機和汽車的外型與功能，概念卻又不同於此前所見的載客無人機或是飛天汽車。Pop.Up 為全電動零排放的模組化交通系統，主要由雙人座車艙、空中模組及地面模組等三大結構組成。▲ 空中巴士 Pop.Up 為陸空兩用分離式交通系統首先，Pop.Up 以單體式（monocoque）碳纖維車艙為核心結構，座艙空間長寬高 2.6 x 1.5 x 1.4 公尺，配置擴增實境（AR）裝置顯示行車狀態；地面模組為四輪底盤，而空中模組則是四軸對轉式八旋翼無人機，兩模組各自具有電池裝置，只要 15 分鐘即可完成充電，並視交通狀況與乘客需求與車艙對接使用，最高時速可達約 100 公里左右。 ▲ Pop.Up 結構包括空中模組、雙人座車艙、地面模組 ▲ Pop.Up 電池裝置位置 Pop.Up 系統做為人工智慧平台，能靈活彈性地管理及提供新型態交通共享服務，其特點不只是將車艙連結陸空兩模組使用，甚至還可能跟其他交通工具無縫整合，例如火車、超高速管道列車（Hyperloop）等。乘客只要透過行動裝置 app 預約行程，Pop.Up 系統便會依據行程細節、交通狀況與乘客偏好，自動建議最合適的搭乘方案，並決定車艙對接模式。未來乘客只要坐在車艙裡，完全不必移動轉換交通工具，就能安全又快速地直達目的地。當乘客抵達目的地後，Pop.Up 模組會自動返回專用充電站，繼續等候下一趟載客行程。 ▲ 透過 app 預約行程並提出相關資料與需求，Pop.Up 會自動訂出最適宜的搭乘方案 空中巴士期望 Pop.Up 能改善城市交通壅塞情況，提供民眾安全便利又有效率的運輸方式，但以現階段來說，Pop.Up 仍是尚未落實的概念設計，空中巴士也未提及預計推出時間。空中巴士城市空中交通部（Urban air mobility）總經理 Mathias Thomsen 表示，若要實現 Pop.Up 這類新型交通工具，除了需要航太與汽車產業共同推動外，也需要當地政府支持，建設永續性與智慧化基礎設施，並建立管控規範架構。Italdesign 執行長...
眼睛只要挪開一秒，你就會錯過這歷史性的一刻：半導體製造商英飛凌（Infineon）推出一台世界上最強大的微型電腦──Sub 1 Reloaded。在德國慕尼黑電子展上，Sub 1 Reloaded 僅用 0.637 秒便復原一個三階魔術方塊，並打破了自己先前創下的 0.887 秒金氏世界紀錄。之前人類的最高紀錄是由一名 14 歲男孩 Feliks Zemdegs 創下的 4.73 秒。要知道，一個普通的三階魔術方塊的組合變化總數約為 4.3×10^19 個，若將這個數量的標準大小魔術方塊鋪滿地球表面，可以累積 275 層，每層厚度約 20 公尺。▲ 一個普通的三階魔術方塊組合數量卻很驚人。為何 Sub1 Reloaded 功能如此強大？是因為其有許多微晶片，這些晶片就像電子版的神經、大腦、肌肉一般組成一個完整的 Sub1 Reloaded 機器人。只要按下按鈕，Sub1 Reloaded 就會自動進入復原魔術方塊狀態。首先，感應器上的百葉窗開啟，電腦透過感應器掃描影像，這樣可偵測魔術方塊如何被打亂。其次，機器人的「大腦」微晶片透過演算法，在不到 0.15 毫秒的時間內得出最快的復原方式。之後，機器人透過半導體微控制器將指令傳送給 6 個機器手臂，並由機器臂快速轉動魔術方塊，完成魔術方塊的復原。為了使轉動時間保持最小，設計 Sub1 Reloaded 的工程師 Albert Breer 特意製造一個「速度立方體」，用以減少移動部件產生的摩擦力。▲ 內建的微控制器使 Sub 1 Reloaded 能做出最少反應。從以上步驟可以看出，最關鍵的環節便是最後一步──利用微控制器指導機器人復原魔術方塊。Sub1 Reloaded 運用英飛凌生產的微控制器。這個微控制器與無人車輔助駕駛系統中的控制器很相似，都能使機器能做出「最少反應」（minimal reaction...
近日，DeepMind 正與英國國家電網公司討論，利用 AI 平衡英國電力供需問題。英國國家電網擁有將電力輸往英國各地的基礎設施，以確保任何時候有足夠電力滿足英國各地需求。不過近些年平衡電網供需有些棘手，其主要因客觀因素：如風能和太陽能等可再生能源已經成為英國能源架構中重要的組成部分。鑑於能源種類變多，如何使可再生能源的規格和適當排程，成了英國電網需要解決的問題。基於此，DeepMind 認為，機器學習可以更準確地預測需求型態，有效平衡英國國家電力系統中的供需矛盾。DeepMind 發言人提到，預測性機器學習在輔助電力系統減少對環境的影響上有巨大潛力。一個真正令人感興趣的前景是，DeepMind 是否可利用機器學習技術預測電力需求和供應的高峰，進而幫助英國國家電網公司最大限度利用可再生能源。DeepMind CEO 哈薩比斯說：「目前，我們正在與英國國家電網公司以及其他大型電力供應商進行初步探討，以便幫助解決這些機構面臨的種種問題。無需投入新的基礎設施，只要透過最佳化，就可幫助英國節省 10% 的電力使用量，這一成效將非常令人興奮。」之前也曾報導，去年 7 月 DeepMind 就有成功電力節能應用的案例，其利用機器學習將Google 資料中心的用電量減少了 15%。DeepMind 的智慧演算法能更有效預測 Google 資料中心的冷卻系統和控制裝置的負載，進而將冷卻電量減少 40%。DeepMind 人工智慧軟體控制資料中心內大約 120 個裝置參數變量，包括風扇、空調系統、甚至窗戶等。雖然 DeepMind 人工智慧系統僅幫助資料中心降低了十幾個百分點的耗電量，但由於總量巨大，一定程度上也節約了很多成本。根據 2014 年資料，Google 公司的總耗電量達 4,402,836 百萬瓦小時，相當於 366,903 個美國家庭平均年用電量總和，而其中最大的耗電源就是資料中心──用於支援全球網頁及行動應用服務。分析師估計，未來幾年這可能會為 Google 節省數億美元。這裡需要指出，Google 並不是擁有 DeepMind 後才想用人工智慧節能，而是 2014 年就將機器學習技術用在一資料中心上，當時使用神經網路預測能耗隨時間的變化，更有效地安排裝置使用情況。哈薩比斯稱，「因為效果非常好，所以將這技術的應用擴大至整個 Google，但我們希望看到它能用於英國國家電網這樣的規模上。我們認為，能用於資料中心的技術沒有理由無法用在國家電網上。」（本文由 雷鋒網 授權轉載；首圖來源：DeepMind）延伸閱讀： Google 名利雙收，用 DeepMind 的技術減少電費