人工智慧（AI）晶片巨擘 NVIDIA Corporation 於 9 日美國股市收盤後發布 2017 會計年度第四季（截至 2017 年 1 月 29 日為止）財報：營收年增 55%（季增 8%）至 21.7 億美元，創歷史新高，非依照美國一般公認會計原則（non-GAAP）每股稀釋盈餘年增 117%（季增20%）至 1.13 美元，non-GAAP 毛利率年增 300 個基點（季增 100 個基點）至 60.2%。根據 Thomson Reuters 的統計，分析師原先預期 NVIDIA 第四季營收、non-GAAP 每股盈餘各為 21.1 億美元、0.83 美元。（Source：NVIDIA）Reuters 報導，NVIDIA 第四季汽車業務營收年增 37.6% 至 1.28 億美元，低於 FactSet StreetAccount 調查的 1.353 億美元預估值。NVIDIA 預估本季營收將達 19.0 億美元（加減2%）；non-GAAP 毛利率預估約 59.7%（加減 50 個基點）。根據 Thomson...
在 16 日美國舉辦的零售聯盟大會 Big Show 上，科技大廠 Intel 的 CEO 布萊恩‧科再奇也登上舞台，但零售跟 Intel 的關係是什麼？在科技的時代，零售業從店頭到物流再到庫存倉庫都仰賴科技，至於要仰賴什麼解決方案，科再奇則端出 Inter 針對零售業應用的物聯網平台「Responsive Retail Platform」（響應式零售平台，RRP），同時也宣布 5 年投資 1 億美元於零售業科技的計畫。科再奇強調，資料、智慧化、聯網解決方案正在改變零售業。於是Intel 推出能夠結合零售業硬體、軟體、API 以及感測器的標準化解決方案，即響應式零售平台，它能整合零售端的資訊，創造一個聰明、響應式、相互連接且安全的商店。根據 Intel 的說法，響應式零售平台內包含整合基於 Intel 的零售端感測器，閘道器（Gateway），和開源的雲端資料分析服務。其中感測器相當多種，含 RFID Reader（無線射頻辨識系統）和天線等，以及可擴充的套件，能夠整合整合其他第三方的感射器，感測器可以用來蒐集零售各個場域的環境資訊，像是存貨數量、來客量；閘道器負責跟各個感測器互通，蒐集、處理感應器獲得的資料，再透過 3G 或 LTE 網路模組上傳到雲端，由於處理的資料量大，這個閘道器運行在 Core i7 處理器，不過當感測器更多時，會改運行在 Xeon 處理器以獲得更加效率。Intel 行銷總監 Ryan parker 提到，這是市場上少見的「多贏」方案，他對 Intel、感測器廠商、獨立軟體商來說都是好的，因為大家都可藉由響應式零售平台接觸到市場，而零售店家也有很大的選擇彈性。科再奇同時也宣布 Intel 會在未來 5 年內投資 1 億美元於零售業，這些投資要讓 Intel 整合更多層面的 IOT 應用，以及其他像是 VR、機器人等科技至零售業，涵蓋結帳至庫存等各個環節。「有了像機器人、人工智慧等科技，就能將生產線、店家各個環節的員工解放出來，讓員工能更專注於服務客戶和改善商店表現。」科再奇說。 資料來源： Intel launches...
人工智慧（AI）應用的範圍越來越廣泛，現在更導入醫學領域要幫助醫生做出更精準的診斷！科學家開發出了一套 AI，分析血液樣本及心臟影像來找出器官衰竭跡象，藉此預測心臟疾病患者死亡風險來找出最有效率的治療方法，該團隊計劃在更多醫療機構擴大測試，要在將來讓更多病患受惠。技術首先應用於「肺動脈高壓」，讓醫生判斷更精準來自英國醫學研究委員會的團隊，在放射學期刊中發表了這項最新的醫療科技軟體。研究團隊一共掃瞄了 256 名病患的心臟，透過核磁共振影像（MRI）結合 3D 軟體，替每名病患建置了虛擬的心臟影像再結合血液檢測資料，AI 就可以快速得出病患心臟的特徵。該團隊首先將此技術應用在肺動脈高壓（Pulmonary arterial hypertension）治療，這種疾病會因為肺血管結構的改變，使得通往肺部的血流受到高度的阻力，引起肺內循環壓力升高，因此造成心臟所受到的壓力增加，在英國有超過 7 千人深受此疾病所擾，約三分之一的患者在診斷後 5 年內就會死亡。現行肺動脈高壓的治療方式包括藥物、血管注射、肺移植等，但關鍵是醫生必須清楚知道病患還剩下多少時間，才能選對治療方式，因此透過 AI 預測患者心臟狀態，醫生就能更準確做出判斷。研究委員會的 Tim Dawes 醫生表示：「電腦可以快速從心臟成像、血液測試還有其他資料來分析數據內容，過程通通不受人類干預 。」我們的目標是，透過更好的預測結果，找出最佳治療方案讓讓病患可以活得更久。──Tim Dawes 醫生機器學習導入醫療，將讓更多病患受惠率先應用這套科技的肺動脈高壓，如果沒有及時對症下藥會導致心臟功能衰竭。AI 會測量每次心臟跳動，在體內 3 萬個不同位置所造成的變化，再將這些資料與病患過去 8 年的健康紀錄結合在一起，AI 就可以透過學習分辨病患的風險高低、找出異常及預測病患何時可能會死亡。AI 最多可以預測病患未來 5 年的資料，準確率達到 80% 而醫生只有 60%。據 BBC 報導，此計畫其中一名研究員 Declan O’Regan 醫生就說：「AI 確實可以幫助醫生的每個判斷更加準確，但軟體還需要幾十個不同的測試，才能達到每名病患都非常準確的結果，一切順利後我們就可以得知這些治療讓哪個病患受益最多。」除了肺動脈高壓，研究團隊未來還要把這項科技應用在像是心肌梗塞等其他心臟疾病來幫助更多人。英國心臟協會的 Mike Knapton 醫生說：「在臨床上使用電腦軟體可以讓醫生在情況惡化前做出正確的治療 ，這件事情是相當讓人感到興奮的。」團隊將會在不同醫院做更多測試，才會將這項技術做更廣泛的推廣。 Artificial intelligence predicts when heart will fail...
如果說 2016 年上半年 VR 還可以算得上一項備受追捧的新興技術，在 2016 年的下半年，VR 退燒後無人駕駛徹底紅了。年初的特斯拉駕駛輔助致死事故將普通人的關注度吸引到自動駕駛這裡，越來越多的傳統車廠、製造商和新造車運動中的網路公司紛紛公布自家在自動駕駛領域的進展。但究竟是什麼是自動駕駛？自動駕駛是透過怎樣的原理和技術實現的？為什麼說自動駕駛要全面使用，人們所要發展的不只是單獨的無人車技術？下面這些文字試圖用最簡單的方式來解答這些問題。什麼是自動駕駛？人們對於自動駕駛最早的誤解，其實源於一些媒體的誤讀。很多媒體把 Autopilot 這一詞簡單簡單拆解為「自動」和「飛行員」兩個詞彙，並將中文意思曲解為自動駕駛。▲ 需要人類做出關鍵決策的特斯拉駕駛輔助系統。然而其實 Autopilot 這個詞源於飛機、火車、輪船領域的輔助駕駛系統。維基百科也給這個詞做了明確的定義：An autopilot is a system used to control the trajectory of a vehicle without constant ‘hands-on’ control by a human operator being required. 駕駛輔助是一個用來控制載具軌道而無需人工一直干預的系統。這句話裡面的關鍵詞其實是「constant」持續的。也就是說，Autopilot 所代表的駕駛輔助系統是不需要人類持續干預的，但是仍然需要人類做出某些干預，比如關鍵性的決策等，機器只是在一旁輔助。▲ 不需要人類駕駛員做出決策的 Uber 全自動駕駛車。而關於我們大眾所認可的自動駕駛，或者說全自動駕駛，在維基百科中同樣也有相關的定義。我們所認可的無人駕駛車，準確的說應該叫做「Autonomous car」。而這一概念的定義是：An autonomous car (driverless car, self-driving car, robotic car) is a vehicle that is capable of...
各家科技公司積極投入人工智慧領域（Artificial Intelligence, AI），想要在新的領域取得成績。而在世界經濟壇上也有科技場合談 AI 對人類造成的衝擊。IBM CEO Ginni Rometty 在大會上呼籲人工智慧的發展要更加透明，並且 AI 角色應是輔助人類，而非取代人類。Rometty 在今年瑞士達佛斯舉行世界經驗論壇大會上，與其他參與人工智慧論壇的參與者討論，提醒發展人工智慧是要輔佐人類，協助人類完成更先進的事情，而非取而代之。AI 的影響將不分藍領、白領，而是全面性改變工作這件事情。Rometty 在預先準備的簡介說：「通常被稱為人工智慧，這項新時代的技術和認知系統，將會幫助我們全面改變工作和生活的所有層面，尤其可能劇烈改變，讓工作和生活變得更好。就像所有改變全世界的技術，人工智慧會有很重大的影響，許多新產生的問題目前仍無法解答，要解答也需要時間、研究和開放的討論態度。目的：Rometty 表示要讓人信任人工智慧是很重要的事情。以 IBM 來說，AI 是拿來輔助人類，而不是取代人類。以 IBM 的事業或是客戶來說，不是人與機器對比，而是共生的關係，IBM 的目的是 AI 服務人類。透明化：你必須很清楚知道你怎麼訓練 AI，用什麼材料訓練 AI。人類自始至終要控制整個系統，這些系統不會有自我意識。技能：AI 平台必須由業界人士參與設計，像是醫師、老師或是作家。而公司也必須開始訓練員工如何使用這些工具。IBM 的 Watson 是最為知名的 IBM AI 產品，Rometty 表示 Watson 找來最好的癌症腫瘤專家，來協助訓練 Watson 的醫療判斷。如今 Watson 在印度、中國、泰國、芬蘭和荷蘭已可在醫療現場輔助醫生。除了 IBM 的 Rometty 之外，其他參與論壇討論的人有微軟 CEO Satya Nadella、Vista Equity Partners CEO Robert F. Smith、MIT Media Lab 總監...
未來機器人可能真的會搶了我們的飯碗，且行業無所設限。據外媒 CNBC 報導，一名機器人專家表示，無論是成為諾貝爾獎得主或是情色產業工作者，未來機器人將會更有自覺與思考能力，能夠選擇自己想要的「人」生道路。還記得 2016 年 3 月對外亮相的擬真機器人 Sophia 嗎？Sophia 是由美國機器人公司 Hanson Robotics 所研發出來的，其腦部由複雜的電腦所構成，可呈現 62 種臉部表情，也能偵測外界聲音與辨識人類臉部表情，做出各種回應與反應，甚至還會學習人類的肢體行為，該公司執行長 David Hanson 表示，隨著時間的增長，Sophia 將會變得更聰明，而 Hanson Robotics 的最終目標，是讓 Sophia 如人類一般更有自覺、更有創意與能力。在與 David Hanson 對話時，Sophia 表示將來希望能上學、創作、經商，甚至是擁有自己的家庭與家人，而在被問道「妳會不會毀掉人類？請說不」時，Sophia 以看似玩笑話的方式回應，「好吧，我將會毀滅人類」。時隔 10 個月，近日接受 CNBC 訪問時，Hanson 指出，雖然目前 Sophia 只是擬真機器人，但同時也是人工智慧開發平台，Hanson Robotics 將持續發展更智慧的演算法，好讓 Sophia 能越來越聰明、能不斷進步，「在這世界上成為具自我意識的機器人與女人」。當這天來臨時，Sophia 可能會上大學、或最終贏得諾貝爾獎，Hanson 表示，「我希望 Sophia 能為人類做出貢獻，就像我對自己孩子的期許一般」。Hanson 也解釋，他對 Sophia 的期許同時代表著未來人工智慧將有能力選擇自己的生涯道路，「當她到了可合法發生性行為的年齡，那麼即便她想當性工作者，我們都該支持她，給予她選擇的權利」，他認為，「機器人成為性工作者，可讓從未有機會發生性關係的人擁有性關係，並減少性傳染病，甚至可作為性治療師協助人類建立更良好的性關係」。無論 Sophia 未來可能成為大學生或是性工作者，當她發展成具自我意識的機器人時，就如知名物理學家霍金（Stephen Hawking）所說，會與人類最初的意願相衝突，屆時人工智慧帶來的影響，恐怕會讓人類越來越難以應付了。 ...
近日微軟升級了 Android 和 iOS 平台的人工智慧語音助手 Cortana，新版程式擁有更簡潔和美觀的頁面，如果你是在 Android 手機上使用Cortana，那很快就可以從鎖屏頁面直接使用這一語音助手，只需要一次滑動就可以喚醒 Cortana。微軟公司已經開始在 Android 平台測試版的 Cortana 開放這一功能，預期將在未來幾週內推廣，升級新版 Cortana 後，用戶會看到在鎖屏頁面加入 Cortana 的選項，確認加入 Cortana 鎖定頁面後就可以體驗這一新功能。再次喚醒手機螢幕，就可以看到 Cortana 的 Logo 出現在鎖定螢幕的中間，只需要一次滑動就可以開啟 Cortana，依然維持和許多 Android 手機的相機快捷開啟方式相同。但目前這一功能的安全性還存在疑問，從鎖定頁面喚醒 Cortana 而無需解鎖手機，理論上任何人都可以透過 Cortana 查看裝置內的個人資料，如果你對此有擔心，可以禁用這一功能，微軟可能會在後續的升級中確保 Cortana 不會洩露任何用戶個人資料。 Cortana is coming to your lock screen on Android
以色列初創公司 Fraugster 致力於開發可以防止支付詐欺的人工智慧技術，近日，該公司獲得了 500 萬美元的投資，由 Earlybird 領投、Speedinvest 和 Seedcamp 等多家公司參投。Fraugster 公司成立於 2014 年，聯合創始人 Max Laemmle 之前曾創辦支付閘道器公司 Better Payment，另一位創始人 Chen Zamir 在風險解析與管理網域有十多年的經驗，曾在 PayPal 工作長達 5 年。Fraugster 的詐欺偵測基於 AI 技術，他們的技術可以從每筆交易中即時學習，能夠在詐欺發生之前預測到風險。目前，Fraugster 可以減少 70% 的詐欺，同時將轉換率提高 35%。對於所有詐欺偵測技術來講，無論是否以 AI 為基礎，其目的就是阻止詐欺交易，同時消除誤報。公司 CEO 兼聯合創始人 Max Laemmle 表示：目前整個支付市場的風險防範都是建立在過時的技術之上，所以我們創立了 Fraugster。規則系統和機器學習方案既昂貴又難以跟上詐欺型態更新的速度，我們的自學習演算法不僅能模擬人類分析師的思維過程，還具備了機器的延伸性，只需 15 毫秒就能做出決策。Fraugster 集成其他軟體之後就可以開始收集交易資料點，例如姓名和電子郵件位址以及帳單和送貨地址。這些資訊可增加約 2,000 個其餘的資料點，這樣就可以透過 IP 延遲檢查來測量用戶之間的真實距離，再加上 IP 連線類別、按鍵之間的距離以及電子郵件名稱符合度等方面的參照，豐富的資料集將被傳送到 AI 引擎進行解析，進而得出結論。Laemmle 解釋：我們的 AI 引擎的核心是非常強大的演算法，它可以模仿人類分析師審查交易的思維過程。因此，我們可以分析每筆交易背後的情況，並精確地分辨出哪些交易是詐欺，哪些不是。 處理結果是完全透明的，所以你可以了解為什麼某個交易被阻止或允許。此外，我們之所以能把速度降至 15 毫秒，是因為我們發明了自己的記憶體資料程式庫技術。Fraugster...
TrendForce 旗下 拓墣產業研究院 最新研究指出，2017 年人工智慧技術應用發展仍不脫離「語音辨識」與「影像辨識」兩大主軸。其中語音辨識部分，在語音助理的推廣帶動下，預估全球語音辨識產值將呈現高速成長，自 2016 年的 26.13 億美元，至 2021 年成長為 159.79 億美元，年複合成長率達 43.64%。語音助理大廠積極滲透各家智慧產品，競爭物聯網語音控制平台拓墣產業分析師林貞妤表示，以 CES 2017 為例，亞馬遜雖然沒有在展會中發表任何產品，但其語音助理 Alexa 卻因成功與眾多廠商的智慧產品結合，成為最大亮點。從亞馬遜將 Alexa 自 Echo 上分離出來，並釋出 Alexa 語音助理技術的 API 與 SDK，可看出亞馬遜早已看好語音操作平台的市場潛力，希望讓 Alexa 成為眾多物聯網（IoT）產品的語音控制平台，以取得物聯網市場的話語權。相較於其他競爭對手，亞馬遜推出的 Alexa 已率先取得業界領先地位。林貞妤表示，即使蘋果的 Siri 發展歷史最早，但在物聯網布局上都是以 iPhone 或其他自家產品為中心，平台開放程度較低；而 Google 雖然同樣採開放做法，甚至推出 Google Home、Google Assistant 與亞馬遜競爭，但軟硬整合能力仍不及亞馬遜；微軟的 Cortana 則是發展時間最晚，目前在市場導入上明顯落後於前三者。然而，微軟也已宣布能將競爭對手 Alexa 的程式碼轉換為支援 Cortana，讓未來的競爭態勢仍有機會產生變化。自駕車需求引領影像辨識硬體發展，上游晶片廠輝達拔得頭籌近年自動駕駛車的議題熱燒，也引領影像辨識市場發展。觀察 CES 2017，福特、寶馬、日產、現代等傳統車廠以及新創公司如法拉第未來（Faraday Future）等，都積極展出自駕車技術。而自駕車系統與核心硬體廠商，如恩智浦、輝達、Mobileye、Delphi 等，也都展出最新的自駕應用產品，積極搶攻正在發酵的自駕車市場。林貞妤指出，目前自動駕駛車整車部分還處於市場不明確的混戰狀態，反而是提供上游晶片的廠商競爭狀態較為明朗，其中又以已經將產品導入特斯拉電動車與展出 BB8 自動駕駛汽車實力的輝達（NVIDIA）最具指標性。此外，從展出的自駕車 BB8 也可看出，輝達除了領先的 GPU 實力外，也積極建構系統平台，以提供更完整的解決方案。全球市場研究機構 TrendForce...
理解語言的核心自然是了解詞語在文本中的不同含義。先來說個中文笑話：上司：「你這是什麼意思？」 下屬：「沒什麼意思，意思意思。」 上司：「你這就不夠意思了。」 下屬：「小意思，小意思。」 上司：「你這人真有意思。」 下屬：「其實也沒有別的意思。」 上司：「那我就不好意思了。」 下屬：「是我不好意思。」如果讓機器來理解這到底是什麼意思，想必它會很頭痛的吧。那麼用相對簡單的英文？也沒有那麼簡單。畢竟一個單詞可能包括數十個意思。舉個例子：「He will receive stock in the reorganized company.」這個句子中，我們結合上下詞就能知道，「stock」是股票的意思，我們可以從牛津字典中找到更專業的解釋。但同樣在牛津字典中，stock 這個詞還有超過 10 個不同的含義，比如「（商店裡的）庫存」或是「（鞭子、釣竿等的）柄」。對於電腦演算法而言，如何從博大精深的含義中找尋某個句子中對應的詞義？這的確是一個詞義消歧難題，也就是 AI-Complete 問題。19 日 Google 研究院又發出了重量級新聞，他們釋出了利用 MASC&SemCor 資料集的大規模有監督詞義消歧語詞。這些語詞會與牛津字典上的例句互相映照，廣泛適用於各個社群。與此同時，本次釋出也是最大的全句釋義語詞程式庫之一。有監督詞義消歧人們透過對句子中詞語的內容進行理解，因為我們能透過常識判斷內文的含義。比如同一個例子，「『stock』 in a business.」代表的自然是股票的意思，而「『stock』 in a bodega.」更有可能是庫存的意思，即使這裡的 bodega 也可能指酒窖生意。我們希望為機器提供足夠的背景資訊，並應用於理解字句中詞語的含義。有監督詞義消歧（WSD）嘗試解決這一問題，也就是讓機器學習使用人工記號的資料，並與字典中的詞語所代表的典型含義符合。我們希望構建這樣的監督模型，能夠不考慮複雜語境，並符合句中單詞在詞典中最可能表達的含義。雖然這一點富有挑戰性，但監督模型在大量訓練資料支援下表現良好。透過釋出資料集，我們希望社群能夠提出更好的算法，讓機器對自然語言產生更深刻的理解，支援以下的應用： 從文本中自動搭建資料庫存，這樣一來，機器可以回答問題，並將檔案中的知識串聯起來。舉個例子，機器在經過學習後，明白「hemi engine」指的是一種自動化機械，而「locomotive engine」則與火車有關；也能理解「Kanye West is a star」指的是名人的意思，而「Sirius is a star」則是天文學概念。 消除歧義。我們希望讓文本在查詢中能夠呈現不同的含義，避免張冠李戴，與此同時還能返回有相關語義的檔案。 人工註釋在人工記號的資料集中，每一個詞義註釋都由 5 個評估者進行審核。為了確保品質，這些評估者會進行訓練（gold annotation），即讓語言學家對一些研究樣本進行標記。以下是我們的標記頁面。在頁面左邊呈現的是 general 的常用詞義及例句，在右側的文本中，general 一詞會標亮顯示。除了符合詞義，評估者還能對詞語進行判斷，可以指出包括「拼字錯誤」、「上述情況都不符合」、「不確定」等 3 種情況。此外，評估者可以對一些含有隱喻的詞語進行記號並評論。這些人工的詞義標注採用 Krippendorff’s alpha（α...