多數犯人都具有心理疾病，但患有精神疾病的人卻不一定會對這個社會造成危害。10 年前，美國邁阿密戴德縣一度將大量精神病患者關進監獄，但這種治標不治本的做法，不僅讓病情毫無好轉，反而造成了大量的財政耗費。而這個問題，現在可以用人工智慧來解決了。身為資深法學家，Steve Leifman 深知邁阿密戴德縣的法庭存在一個巨大的問題：10 年前它們不分青紅皂白，將大量患有精神疾病的人關進監獄。因此，Steve 對戴德縣的 4,700 名獄警推出了一項精神科訓練計畫，同時還為精神疾病患者提供心理諮詢服務。隨著「真相」水落石出，住監獄「罪犯」的數量大幅下降，戴德縣甚至直接關閉了一所監獄。不過，Steve 依然覺得這些努力不夠，因此他請求佛羅里達精神衛生研究所廣泛調查戴德縣內的監獄、精神衛生設施和醫院，以便查出到底有多少精神病人錯進了監獄。結果發現，過去 5 年內，共有 97 名嚴重精神疾病患者進了監獄，它們佔了該縣監獄人口的 5% ，共花掉戴德縣政府 1,300 萬美元的資金。「這些精神病人是監獄系統的大包袱，將他們關進監獄，對監獄、社會和其他人都沒什麼好處。」Steve 說。戴德縣監獄只是美國監獄的小縮影，美國的監獄其實早已成了精神病患者的「儲藏室」。數據顯示，全美超過一半的羈押犯人患有 1 級精神疾病，而 20% 犯人的精神疾病非常嚴重。因此，全美各地法庭不得不找出解決這一問題的辦法，他們可不想讓監獄變成瘋人院，同時這些人消耗的費用也成了各地政府的財政負擔。Steve 的團隊接下這個重擔，他們正在不斷強化自己的關懷系統。如今，南佛羅里達的 36 家醫療衛生提供商都接上了醫療資料庫，它們知道哪些人需要精神方面的幫助。雖然在隱私法的約束下，它們權限有限，但 Steve 希望該資料庫最終能成為醫療衛生提供商的標配。資料庫要夠完整才能避免誤判目前，美國其他城市也都學起了戴德縣模式，它們試圖利用數據分析將那些危險度較低的精神病罪犯「請」出監獄，同時找出誰需要精神治療，以便能為其辦理保釋或假釋。同時，執法機構也會充分利用這些數據來分配警力，在抓捕犯人後，警方則會藉助衛生機構的數據和機器學習技術來找出到底該如何處理這些犯人。現在，白宮也看到了這一模式的好處，它們專門推出了數據驅動的正義行動計畫，在全美 7 個州進行推廣。未來，所有與邁阿密戴德縣司法體系打交道的犯人，他們的醫療和家庭情況、前科等資訊都會被納入資料庫。眼下，負責打造該數據庫的還有日本製藥公司 Otsuka ，該公司在這一計畫上已經花費了 7,000 萬美元，它們開發的新演算法可以提前幫助法庭預測犯人所需幫助的類型。「如果我們能將這些犯人當成病人來治療，其效果要比將他們關進監獄好得多。」Steve 說。全新的演算法預測系統是一大創舉，它比簡單的精神衛生護理要有效得多。不過，該系統的效果取決於資料庫的深度，否則 AI 系統在判斷時就容易「偏心」，讓窮人和少數族裔成為受害者。一項 ProPublica 的調查顯示，佛羅里達布勞沃德郡用的評估工具就有失公平，非裔美國人被判定有罪的可能性比普通人高出了 77% 。「演算法和預測工具需要完整數據的支撐，」Ezekiel Edwards 說，他是美國公民自由聯盟刑法改革計畫的負責人。「可惜，大多數的數據都是由人創造的，而這些人普遍帶有偏見。」因此，如果要大面積推廣，這些預測系統需要得到充分的監督，它們還必須完全透明。同時，Steve 表示：「人類應該緊握最終決定權，而不是將它交給機器。」雖然如今 AI 演算法還不夠成熟，但沒人會否定它在節省預算、提高犯人生活狀況和推動司法系統公平性上的巨大作用。 How Algorithms Could Help Keep People Out of Jail （本文由 雷鋒網...
美國總統大選已塵埃落定，一天之前所有報紙民調都說希拉蕊篤定當選，但結果卻如大家所知。有趣的是，在大選前預言說中的卻是人工智慧，由印度開發的 MogIA AI 就成功預言川普當選。這證明了傳統民調已經完全失效了，但大數據和人工智慧是否又一定準確？人人都想問：為何公投結果和民調預測完全不同？其實早前的英國 6 月脫歐公投已經有這樣的情況了。當時鋪天蓋地都是留歐的聲勢最強，傳統機構民調、市場預測，就連博彩網站也是留歐的賠率較低，而在公布結果前由調查機構 YouGov 做的票站民調也是留歐佔多。結果因為出乎預期，於是股市跌、匯價跌，人人都想問為何公投結果和民調預測完全不同。當時很多人分析原因，有人認為脫歐派被標籤為「年長、愚蠢、低學歷」，沒人願意對民調承認自己的真實想法，也有人認為脫歐派大多不是網友，因此難以被發現，亦有人指脫歐派都是窮人居多，就算下注脫歐也改變不了賠率。但不管原因為何，公投結果改變不了，英國政府動盪，卡麥隆下台，梅伊政府亦正研究如何啟動脫歐程序。對梅伊政府而言，預測失準帶來的損失非常大。正所謂「千金難買早知道」，成功預測未來結果就能及早準確，決定做或不做什麼事。如果卡麥隆準確預先知道公投結果，又豈會願意啟動公投？傳統民調哪兒出錯了？追不上時代！爆冷成功脫歐，就有人預測會不會在美國大選也出現戲劇性結果，當時人人都是說「個別事件」，但結果是再一次爆冷，這一刻實在不能不問，傳統民調哪兒出錯了？事實上民調從來不兒戲，是社會統計學的專業範疇，透過公正客觀的方式收集大量樣本，再按比例投射到整個群體，是相對客觀、精確地反映社會輿論的方式。傳統民調會用隨機方式以電話訪問民眾，在訪問前排除一些因素後再向被訪者發問一組問題。不過今時今日愈來愈少人用室內電話，也愈來愈少人願意花時間受訪，回應率愈來愈低之餘，加上愈來愈多人不樂意公開真實的想法（即使是匿名民調），自然更難像以前般控制樣本的純樸性。2012 年歐巴馬競選連任時，民調就估計是對手羅姆尼勝出，但結果是歐巴馬遙遙領先，近年全球大選都同樣有民調失準的情況。先撇開別有用心想造假，又或缺乏資源「為做而做」的民調不論，現實是民調手法落後已追不上現在實際社會發展。因此不少人都提倡民調中心應發展其他新技術，以讓民調能更符合現實發展，並提升準確性。小眾觀點傾向沉默，但原來票數足以改變結果最多人討論的當然是社群媒體的大數據調查。在商業世界早已應用社群媒體大數據來協助掌握消費者的口味，例如香港的電視台就已經利用上述技術來了解新劇集、新節目的網上口碑，甚至隔日就能在黃金時間的娛樂新聞節目回應；而消費商品更會監視消費者對新商品的即時反應，甚至用於調整商品的市場對策。不過，脫歐公投時何嘗不是網上一片「留歐」之聲？社群媒體大數據顯然仍有一些難以跨越的界限。傳播理論有所謂「沉默螺旋」：愈多人同意的內容，愈是比較放心公開說，反而抱持愈是小眾觀點的人就愈傾向沉默。由於社群媒體是公開的，自然愈有這種傾向，於是支持脫歐、支持川普的聲音就隱藏了起來。而且輿情能否跟選票真實掛勾是沒有因果關係的，在網上大罵政府的人不見得是選友，更不見得會在大選日投票，如果直接把網上輿情和選情預測掛上等號，幾乎一定出事。就以 2010 年香港的「五區補選」為例，當時網上就討論得相當激烈，但實際其實只是一少部分人熱鬧而己，投票率僅為 17.1%，是回歸以來最低。人工智慧大數據預測比民調更準？另一個會被談論的就是 Google Trend。比起眾多雜亂的社群平台，幾乎在中國以外的全球市場統一天下的 Google 是單一平台，擁有大量的搜尋數據，做統計分析其實相對客觀和誤差較少。而前面提過的人工智慧 MogIA AI 也同樣是收集 Google、Facebook、Twitter 和 YouTube 的大量數據來做分析。Google Trend 做的是呈現網友的搜尋趨勢，例如川普會和哪些字一齊被搜尋、在什麼時候開始多人搜尋川普、哪些地區的網友搜尋最多川普的訊息，這些都能在 Google Trend 上得到答案。搜尋趨勢是很客觀的，它能呈現一些社會議題被討論的多寡，配合其他數據交叉分析能得到有價值的結果，而且也沒有「沉默螺旋」的問題。但問題是，談論得多就是否等如能夠勝出大選？中間有沒有邏輯關係？其實這個誰也沒有答案。2014 年世界盃比賽，當時中國百度就推出了類似的趨勢網站，並利用中國網友的搜尋趨勢來預測賽果。但問題就來了，如果比賽實際影響因素是球員表現、天氣和場地狀態，那搜尋趨勢又代表什麼？AI 不懂「讀心」，網友意志未必真實呈現不過大選跟球賽的最大不同，當然是大選是呈現選民的集體意志，網友的搜尋趨勢當然會對投票抉擇有影響，而正面訊息和反面訊息的搜尋趨勢絕對值得參考，但要說 Google Trend 或其他基於這些數據來分析的選情預測的準確性夠高，目前仍需要時間去驗證。事實上，就連每天都寫科技消息的筆者，也對人工智慧預言川普當選的結果有所保留。畢竟這其實是一個「賭大小」的遊戲，選出獨立候選人的機會比圍骰還要低，如果不是川普就是希拉蕊的話，猜中的機率也不過是一半一半，實際就跟向八爪魚保羅請教世界盃賽果一樣。據 Business Insider 的報導，印度公司 Genic.ai 所開發的 MogIA，自 2004 年就開始就預測美國總統大選結果，而其結果就 3 次皆中，如果再計這次川普的話就更是四屆全中。為了進一步排除人為的偏見和誤差，MogIA 會利用機器學習來建立演算法，經過 12 年的學習就更加完善。但即使如此，人工智慧也未能解決一些核心問題，例如川普得票最多的就是鄉村地區，而最熱愛科技的卻是城市人。而且就連 Genic.ai 也承認，MogIA 對人類的「反諷」語言依然未盡了解，未必能夠辨別出否定的言論，而熱烈的互動率也絕不代表受歡迎。傳統學術非無能為力，往績其實更佳搖擺州份之所以難預測正在於人心的反覆，沉默選民的意向能否被正確收集和分析，目前仍要看他們有否積極在網路上表現，人工智慧並非真的能「讀心」，要證明大數據和人工智慧可取代傳統民調，還是需要時間做更多實證，不過隨著社群媒體的使用者愈多，準確性能提高應該是必然的。不過傳統學術是否真的無能為力？似乎也不是。美國紐約州立大學石溪分校政治學教授 Helmut Norpoth，分析了自 1912 年起的歷屆大選並歸納出兩個預測模型：初選模型和搖擺效益模型，而且就憑它成功預測了由 2000 年起的五屆總統大選，而他更預測川普的勝率達...
全球市場研究機構 TrendForce 10 日於台大國際會議中心 101 室，舉辦集邦拓墣 2017 年科技產業大預測研討會。本次研討會精彩內容節錄如下。2017 年電視、手機出貨成長仍可期，面板供給狀況佔其重要一環2017 年五大消費性電子產品品牌商持續為獲利而努力。其中，電視產品不斷往高解析度、大尺寸、智慧化邁進，而液晶監視器則朝向大尺寸、利基型及廣視角發展；筆記型電腦的亮點為持續拉抬 FHD 以上解析度滲透率，而平價平板當道下，平板電腦廠商難從硬體獲利，品牌減少資源投入態勢抵定。最後，智慧型手機品牌商在蘋果風潮帶動下，競相往 AMOLED 產品發展。TrendForce 筆記型電腦分析師王靖怡表示，2017 年智慧型手機、電視出貨將持續成長，而面板廠態度及供給狀況更佔五大消費性電子產品出貨的關鍵環節。供給短缺未解，2017 年 DRAM 產業進入全面獲利時代由於全球智慧型手機與伺服器市場需求強勁，DRAM 三大廠產能陸續從標準型記憶體轉進行動式記憶體與伺服器用記憶體上，讓今年上半一路走跌的標準型記憶體價格在第四季單季飆漲逾 30%，同時牽動其他 DRAM 產品呈上漲走勢。DRAMeXchange 研究協理郭祚榮表示，展望 2017 年，由於三大 DRAM 廠資本支出相對保守，新製程與新產能的擴張都較往年收斂許多，且策略上將以獲利為主要目標，隨著供給持續吃緊下，2017 年對 DRAM 產業將是不錯的一年。2017 年 3D-NAND Flash 進度為 Flash 產業重要關鍵2016 下半年正值各家業者積極轉進 3D-NAND 之際，但 2D-NAND 產能的降低及智慧型手機的高度需求使得 NAND Flash 產業呈現供不應求。DRAMeXchange 研究協理楊文得指出，2017 年將是 NAND Flash 產業充滿挑戰與機會的一年，由於 2D-NAND Flash 產能依舊快速下滑，而 3D-NAND Flash 的進度與良率提升充滿挑戰，2017 年將延續 NAND Flash 供不應求的情況。而市況穩定的關鍵，端看各家...
全球市場研究機構 TrendForce 10 日於台大國際會議中心 101 室，舉辦集邦拓墣 2017 年科技產業大預測研討會。本次研討會精彩內容節錄如下。2016 年全球車市銷售有望突破 9,000 萬輛2016 年全球主要汽車市場開始回復穩定成長，包括中、美及歐洲等地汽車銷售預估將年成長 5~8%，全球車市年度銷售有望突破 9,000 萬輛，2017 年持續穩定成長。拓墣預估 2016 年全球電動車銷售也有機會達到 95 萬輛的高峰，中國市場在全球市場銷售佔比超過 50%，美國市場也因銷售止跌回升，表現亮眼。拓墣車輛電子分析師張仙平表示，由全球車電產業發展趨勢看來，車聯網與自動駕駛將持續延燒，其影響主要來自車輛產業鏈的轉變。當車輛產業發展的壁壘被突破之後，讓其他產業紛紛踏入車輛相關產業鏈，或進行異業合作，從分享經濟與車輛服務的結合可見一斑。5G 世代將重新定義 2017 年行動終端功能隨著電信業者及網通大廠積極布建 5G 行動網路及終端設備測試，將驅動智慧型手機邁向多層次服務。在大數據、雲端運算逐漸發展成熟下，智慧型手機功能升級搭配虛擬實境應用持續滲透至各領域，使 2017 年行動終端功能將被重新定義。拓墣資深經理謝雨珊表示，2017 年行動通訊應用服務將以行動健康、行動支付、行動生活為發展主軸。其中，健康醫療應用仍以健身類 App 佔大宗，而在行動支付興起下，指紋辨識將持續為全球生物支付主流應用。行動生活方面，業者積極布局跨載具智慧家庭服務，車聯應用服務 2017 年也將更強調個人化，包含娛樂、胎壓監控等安全系統應用。物聯網仰賴大數據應用，人工智慧成市場新亮點物聯網技術發展至今，持續朝改革商業模式與創新服務模式努力。為達改善與創新的目標，勢必借力於大數據應用，從數據分析中獲得洞察（insight），並以此了解過往商業運作中無法發現的盲點，其中 CIO（Chief Information Officer，首席資訊長）的重要性更受市場熱烈討論。拓墣物聯網分析師劉耕睿指出，大數據所帶來爆炸性的數據量已非企業傳統 IT 架構所能負荷，因此 IT 架構的革新將成為未來企業所重視的領域。此外，在各式創新發展之際，人工智慧也因深度學習技術的精進再次被重視，未來有機會以高度智慧的演算法協助人類在各領域中進行決策，並達到智慧自動化的可能。2017 至 2019 年中國工業機器人銷售量年複合成長率達 21%拓墣光電暨創新技術資深經理柏德葳表示，近年來，中國已成為全球最大工業機器人市場，在中國政府積極推動「機器換人」之下，預估 2016 年銷售量將成長至 9 萬台。由於中國在工業機器人保有量與密度仍遠低於全球平均，且中國汽車自主品牌與多數汽車零組件生產線仍以大量人工生產為主，再加上龐大的消費性電子組裝產線需求，可見中國製造業對工業機器人的需求仍相當大。拓墣預估 2017 年、2019 年中國工業機器人銷售量分別為 11 萬台、16 萬台，年複合成長率為 21%，2019 年時將有近 4 成的全球工業機器人銷往中國市場。2015 至 2020 年全球醫材市場規模年複合成長率為 5.3%Trendforce...
雖然 Siri 平時使用起來一定有激怒人的時候，不過蘋果對於這款與用戶交流極深、也是自家 AI 核心的服務，還是做出許多改變，在產品還來不及傳達給用戶太多驚豔感的前置期，先做了許多底層的變革。如今的 Siri 與 iPhone 4s 上的 Siri 完全不同實際上，Siri 的本質在蘋果收購之初，就已經在持續轉變。Siri 最初是一款 App 性質的 AI，在 Android、iOS 甚至黑莓機也都通用，不過在蘋果於 2011 年收購以後，這款軟體便深度地融入 Machine Learning 的機制，與最初的版本只依賴一定的計算規則差異頗大。AI 與 Machine Learning 並不完全一致。確切來說，後者是前者的一個子集，用來在吸取新的資訊後，可以提升並整合進 AI 的任務處理能力。因此，Siri、或者 iOS 的鍵盤輸入不見得會聽懂或「理解」用戶的每一個用語，但通過 Maching Learning 的機制，當用戶嘗試過一次甚至更多次，系統的 AI 就能更快地反映出用戶實際想表達的句子。儘管不是每個人都能察覺這種進步，不過至少在底層的程式碼上，蘋果的 AI 在理解自然語音的能力，確實是比起 5 年前來得更好。外媒《Mashable》的編輯先前曾與蘋果連繫，談及了蘋果一向被認為落後對手的 AI 實力，因此也理所當然地談到 Siri 與 AI 在蘋果生態圈的地位。蘋果的答案出乎意料。他們認為，AI 在蘋果的生態圈「將會無所不在」，而 Siri，只會是蘋果 AI 佈局的一部份。實際上到目前為止，iOS 的 AI 已經運用到以下這些場景： 相簿的人臉辨識 Apple...
繪圖晶片巨擘 NVIDIA Corporation 於 10 日美國股市收盤後發布 2017 會計年度第三季（截至 2016 年 10 月 30 日為止）財報：營收年增 54%（季增 40%）至 20 億美元，優於公司原先預期（16.8 億美元、加減 2%），非依照美國一般公認會計原則（non-GAAP）每股稀釋盈餘年增 104%（季增77%）至 0.94 美元，non-GAAP 毛利率年增 270 個基點（季增 110 個基點）至 59.2%。根據 Thomson Reuters 的統計，分析師原先預期 NVIDIA 第三季 non-GAAP 每股盈餘為 0.57 美元。（Source：NVIDIA）NVIDIA 預估本季營收將達 21.0 億美元（加減2%）；non-GAAP 毛利率預估約 59.2%（加減 50 個基點）。根據 Thomson Reuters 的統計，分析師原先預期 NVIDIA 本季營收將達 16.9 億美元。NVIDIA 今年初宣布，100 台配備全球功能最強大車載人工智慧（AI）引擎「NVIDIA DRIVE...
7 月，日本軟銀決定以 320 億美元收購半導體巨頭 ARM，溢價率高達 43% 震驚市場，並於 10 月注資千億與沙烏地阿拉伯主權基金攜手成立科技基金「軟銀視野」。但如今軟銀總裁孫正義不顧資產負債還想要再追加投資，並強調這一千億僅是個開始而已，該基金將是未來 10 年科技業最大的投資者。孫正義在 26 日受訪時表示，龐大的投資都是為了使「奇點」（Singularity）發生，並帶給人類更美好的未來。孫正義所談到的「奇點」指的是技術奇異點。奇點本是天體物理學術語，是指時空中的一個普通物理規則不適用的點，是由黑洞理論而來。而技術奇異點出自奇點理論，一個根據技術發展史總結出來的觀點，其認為技術發展可能會在很短的時間內發生極大的進步，而當此轉捩點來臨時，將會改變整個社會，並以新規則主宰整個世界，例如可以自我進化的人工智慧。 投資不應在意一時孫正義為此不惜舉債投資被認為是相當大膽的作為，甚至會影響軟銀財務。分析師表示，儘管在 2017 年國內電信業務能為其帶來約 48 億美元的營收，但軟銀的現金流平均也只有 30 億左右而已，將面臨風險。軟銀本身的負債並不少，在收購 ARM 後，其債務站上 7.1 兆日圓，折合美元約 680 億美金。但孫正義表示，這是他衡量了數十年的投資回報，所進行的長線布局。談到投資，孫正義表示，方法有兩種，一種是找到與你的企業有所綜效的夥伴來合作，另一種則是更長遠的觀看產業趨勢的發展，而目前的關鍵就在於資訊革命。他強調，這如同棋手下棋一般，普通的棋手可能會落子在其目標附近，然而高明的棋手可能會落到更遠之處，因為他早就料想到幾十步後的變化。軟銀的布局一直都是長遠的，其投資回報高達 44%，這是單純追求綜效所達不到的目標。孫正義談到，他原本屬意於併購 Sprint 及 T-Mobile ，但這將危及 AT&T，所以美國政府沒有放手，如今 AT&T 卻想併購其他媒體巨頭，的確是惹人發笑，美國政府的確是毫無正義可言。但這也促使軟銀走向另一條路，也就是併購 ARM。 堅信資訊革命「在我心中曾有十數個投資方案。」孫正義表示，但他後來堅信資訊革命的力量，人工智能及物聯網將令傳統產業改頭換面，而 ARM 就處於革命的核心，將使微處理器無處不在。而投資者必須要擁有對未來的想像，儘管很困難，但必須要拋開過去的窠臼，結合資金及團隊才能夠實現。孫正義的夢想及目標將會透過發展 ARM 的雲端計算技術來達成。孫正義認為，技術奇點將在未來 30 年內發生，如未來學家 Raymond Kurzweil 及 Vernor Vinge 所述，超越人類的人工智慧將會誕生。他強調，首先在近 20 年，就會看到全球將有超過 1 兆的物聯網設備構成龐大的網路，並開始促使奇點的產生。當一些著名人物如 Bill Gates、Elon Musk 以及 Stephen...
蘋果硬體產品線呈現逐日下滑，然而 Google 的硬體產品卻有了順風順水的勢頭。 根據蘋果 26 日發布的 2016 財年第四財季報告顯示，除了淨利同比下降 19%，貢獻了蘋果總營收 63% 的主力 iPhone 銷量下滑 5%，單項營收更是下降 13%。除此之外，包括 Mac、iPad 以及其他硬體產品銷量均出現了下滑，具體來看：蘋果公司第四財季共售出 4,551.3 萬支 iPhone，比 2015 年同期的 4,804.6 萬支下滑 5%；共售出 926.7 萬台 iPad，比 2015 年同期的 988.3 萬台下滑 6%；共售出 488.6 萬台 Mac，比 2015 年同期的 570.9 萬台下滑 14%。這樣的數據表現，致使蘋果自 2001 年以來，出現了全年營收首次下滑的現象。然而，與蘋果硬體產品銷量整體下滑相比，Google 一直以來的硬體夢似乎出現了曙光（由於 iPhone 是蘋果最大的營收來源，所以相對的我們也只拿 Google 的手機產品來對比）。一個鮮明的表現是，Google Pixel 手機自 10 月 20 日美國上市之後，預定數量大幅超乎預期。如果你沒有在 Pixel...
2016 年 10 月 25 日 IBM 和 Slack 發表聲明稱，雙方將基於 IBM Watson 人工智慧技術開發聊天機器人，讓 Slack 平台上的聊天機器人能夠更好地理解用戶的問題，同時還將推出一款支援 IBM Watson 人工智慧技術的工具包，讓開發者能夠將此整合到 Slack 平台。Slack 平台上已經有聊天機器人這一功能，由於該機器人沒有加入任何人工智慧技術，無法十分準確地理解用戶詢問的內容，同時也無法提供準確的搜尋結果。IBM 與 Slack 達成合作後，Slack 聊天機器人將整合到 IBM Watson Conversation 系統中，能夠對語音和文本訊息進行辨識，有助於聊天機器人更好地理解用戶的訊息。IBM Watson 主管 David Kenny，加入人工智慧型技術的聊天機器人，能夠對海量的資訊進行處理和分析，給用戶更準確地回答，對於公司而言聊天機器人能夠承擔一部分客戶服務的工作。目前 IBM 3 萬多名員工都在使用 Slack 通訊協作服務，IBM 也是後者最大的企業級客戶，雙方的合作能夠利用 Slack 平台的海量數據，使用人工智慧技術進行分析，包括企業營運、人力資源、產品研發、網路技術等各方面的問題，所有的資料都可以做為人工智慧的分析資料，找到更高效的解決方案。 IBM Teams Up With Slack to Build Smarter Data-Crunching Chatbots
還有人在使用 Prisma 圖片編輯軟體嗎？就是那款可以把照片變成像藝術家畫作的軟體。Facebook CEO Mark Zuckerberg 27 日發表兩則貼文，他用一個以「Style transfer 」AI 技術做出的影像編輯軟體，將拍攝的影像即時演繹為藝術畫風格，而拍攝的內容是他家的狗狗「Beast」，以及他在寫程式的畫面，看來 Facebook 將要推出向 Prisma「致敬」的產品了。早在 2 天前，Facebook 產品長（CPO）Chris Cox 接受華爾街日報的直播對談時，就曾展示一款 Faccebook 正積極開發中的藝術畫風格濾鏡，將用在直播影片中，而那款產品就是 Mark Zuckberg 今日使用的藝術化風格影像編輯軟體。但 Cox 提到，這款產品仍在開發原型的階段。Mark Zuckerberg 在自己的 Facebook 貼文中簡單介紹，這個把他家狗狗「Beast」的影片變成藝術化風格的應用，概念是讓一個叫作「style transfer」的 AI 看一幅畫作，然後這款 AI 會將你的照片或影片，即時的演繹為那幅畫作的藝術化風格。他還說，「期待這個應用能快點進到你手機裡。」基本上 Mark Zuckerberg 提到的應用概念，跟 Prisma 圖片編輯軟體的概念如出一轍。 Prisma 把照片變成像藝術家畫作，也不是靠套入濾鏡這麼簡單，他採用深度學習的「捲積神經網路」（Convolutional Neural Networks），讓電腦人工智慧學習藝術品的風格特徵，並重新解讀要編輯的照片，最後將藝術家畫作風格特徵套入照片裡。不過 Facebook 的「style transfer」AI 是要直接應用在直播影片裡，因此他的運算就要做到更加即時且強大；而 Prisma 只有應用在圖片，將圖片演繹為藝術化風格時也需要幾秒的運算時間。 Facebook...