語音助理已經成為許多人家中不可或缺的用具，但隱私問題始終是語音助理讓人詬病的地方。亞馬遜（Amazon）的員工向財經媒體彭博社（Bloomberg）爆料，指稱內部團隊可以查出用戶的地址。根據亞馬遜內部員工的說法，負責審核 Alexa 用戶指令的團隊在某些狀況下，可以輕鬆找到用戶的地址。這個團隊的成員遍布三大洲，負責分析處理 Alexa 所收到的部分錄音，幫助語音助理更有效的理解和回應使用者的指令。具有權限的團隊成員可以將 Alexa 用戶的座標輸入其他的地圖軟體，就能找到用戶的地理位置。不過根據員工所簽署的保密協定，他們不能公開談論這項計畫。雖然目前沒有跡象顯示擁有權限的亞馬遜員工會嘗試追踪個人用戶，但 Alexa 團隊的兩名成員還是向彭博社表達他們的擔憂，因為亞馬遜給予內部太多不必要的權限，導致很容易就能辨識個別設備的用戶。對這個問題，亞馬遜聲明表示對內部進行嚴格控管，而且只將權限授權給有限的員工用來改良服務。內部政策嚴禁員工出於任何其他理由使用用戶資料，並對濫用公司系統採取零容忍的態度。目前還不清楚有多少人可使用 Alexa 的內部系統，兩名亞馬遜員工認為 Alexa 資料服務部門大多數員工直到最近都能使用。亞馬遜意識到這項問題之後似乎開始限制員工的權限。一名員工表示一年前內部控制台可看到用戶完整的聯絡人資料和電話號碼，如今部分資訊已被遮住。有兩位員工表示彭博社在 4 月 10 日刊出 Alexa 的報導之後，亞馬遜進一步限制了用戶資料的權限，部分員工發現過去可運用的軟體已無法使用。 Amazon’s Alexa Team Can Access Users’ Home Addresses （首圖來源：Flickr/methodshop .com CC BY 2.0）延伸閱讀： 亞馬遜 Alexa 的龐大、破局與尷尬 Alexa 很懂你？除了人工智慧還是有真人在監聽 亞馬遜 Alexa 裝置銷量破 1 億台！CES 展 AI 超熱，Google、三星爭推 語音購物漸被消費者接受？2018 聖誕季 Alexa 語音購物量暴增 3 倍
據外媒 TechSpot 報導，25 日零售巨頭沃爾瑪在位於長島的 50,000 平方英尺門市裡開設智慧零售實驗室（Intelligent Retail Lab，以下簡稱 IRL）。據了解，IRL 天花板分散著數以千計的鏡頭，同時貨架上還裝有感測器。不過不同於亞馬遜 Amazon Go，沃爾瑪裝這些裝置的目的並非自動結帳，而是提高員工的工作效率。藉助人工智慧演算法，這套系統可分析貨架的貨物情況，以及哪些商品即將過期或有破損，並提醒工作人員補貨。此外，系統還能預測銷售高峰，提醒門市開放更多收銀檯，甚至還能預測哪些商品最受歡迎，提醒門市提前備貨。近兩年，隨著亞馬遜收購全食超市在實體零售市場占據一席之地，沃爾瑪等傳統實體連鎖商店的主導地位開始受到挑戰。為了穩固地位，沃爾瑪做了很多創新，比如研發地板清潔機器人、補貨機器人，測試自動食品配送系統等。但 IRL 或許是沃爾瑪最激進的創新。IRL 開設，標誌著沃爾瑪以一種更直接的方式與亞馬遜展開較量。IRL 首席執行長兼 Jet.com（3 年前沃爾瑪收購了 Jet.com）聯合創始人邁克‧漢拉漢表示：「我們真的很想把這家商店想成人工智慧工廠，一個我們正在製造這些產品、體驗、測試和學習的地方。」（本文由 雷鋒網 授權轉載；圖片來源：沃爾瑪）
4 月 25 日，SECOM、AGC、DBA（DeNA）及 NTT DoCoMo 等 4 家公司宣布成功開發「虛擬警衞系統」，這是世界上首次開發出利用 AI 的虛擬形象擔任保全和受理業務。目前這套系統還在測試驗證，如果測試成功，將在 2020 年正式提供服務。▲ 具人工智慧的 3D 虛擬警衛。這套虛擬警衛系統配備高反射率的鏡面顯示器，可在螢幕顯示真人大小的 3D「虛擬警衛」，像真人警衞提供相關服務。警衛形象方面，也提供男性和女性兩種虛擬角色，像現實生活的警衛提供服務。▲ 兩個 AI 警衞，男的叫「阿衛」，女的叫「小愛」。此套虛擬安全系統的主要功能有 3 個：「安全監控」、「接待」和「緊急回應」。透過內建的鏡頭和人臉辨識功能，AI 可確定訪客的特性和目的並適當回應。虛擬警衛也能透過語音辨識和語音合成技術，用自然語言回答訪客的問題，例如，他們會蹲下來和孩子視線一樣高來回答孩童的問題，發現可疑的人也會提出警告。▲ 系統的主要 3 個功能：警備監控、接待、緊急回應。雖然日常是由虛擬警衛在前面提供保全監控和接待回應等工作，但這些資訊是和遠端 SECOM 監控中心相連接，一旦有緊急情況發生，會由真人保安出面處理。▲ 系統可辨識孩童的身高，蹲下來回應。▲ 對戴著安全帽的可疑分子也會提醒注意。▲ 同時，遠端的監控室螢幕也會出現對應狀態和措施。▲ 發生地震時，也能變身緊急地震速報顯示螢幕。另外緊急應對功能，當該棟建築物出現病人，可透過這套系統聯絡保全人員，發生緊急地震快報時也可變成警告牌。這套系統提供安保和警衛的技術由 SECOM 負責，AGC 則負責開發顯示器和虛擬機器人，DeNA 負責安全角色草案及語音合成，NTT DoCoMo 則提供 5G 及訪客語音辨識技術。根據報導，這套系統與傳統人工常駐警衛花費相比，預計能節省約一半費用。 ドコモやセコム、世界初の「バーチャル警備員」を共同開発–AIキャラが監視や受付け （本文由 T客邦 授權轉載；首圖來源：SECOM）
繪圖晶片大廠輝達 (NVIDIA) 於 2 日宣布，攜手經濟部工業局舉辦「AI 策略高峰會」，透過全球 AIoT 應用與技術發展趨勢，協助台灣各領域的企業經理人了解全球人工智慧 (AI) 趨勢脈動。NVIDIA 表示，「AI 策略高峰會」會中將邀請智慧製造與智慧無人機器領域的產業領導者，期望透過產業創新應用的實際案例分享，提供台灣企業完整規劃並部署 AI 解決方案的系統化概念。此外，在「AI 策略高峰會」前亦將舉辦為期兩天的深度學習實作坊，透過結合理論與實作的豐富課程，協助專業 AI 人才培育並進一步促進企業加速轉型。NVIDIA 指出，根據國際研調機構 IDC 的調查報告預測，至 2020 年將有超過 25% 的製造業者運用邊緣運算加速商業決策，全球 2,000 大製造業者也將透過 AI 和機器學習創造新的商業模式與收入來源，進而為整體生態系夥伴創造 15% 的額外產值。因此，為提升台灣企業的 AI 決策能力並加強人才培育，NVIDIA 與經濟部工業局攜手合作，於 6 月 12 日舉辦「AI 策略高峰會」，會中將規劃 NVIDIA AI 應用與技術大趨勢，聚焦於台灣最蓬勃發展的工業 4.0 智慧製造、邊緣運算、智慧無人機器等領域，透過來自豐富產業夥伴的實際案例分享，為企業擘劃產業 AI 化的未來、發掘商業契機，更藉此擴大並強化台灣 AI 生態系，此高峰會亦為資策會「AI 智慧應用新世代人才培育計畫」中的課程之一。經濟部工業局局長呂正華表示，台灣產業正積極推動數位轉型，各界對於 AI 人工智慧等數位人才需求非常殷切，經濟部工業局擔任產業推動整合資源的要角，已與 NVIDIA 在台培育超過 2,000 名深度學習技術人才，2019 年也將持續在 AI 人才培育及跨域智慧化應用等方面合作，以創新技術強化台灣產業的智慧化發展，希望透過 NVIDIA...
根據美國疾病控制和預防中心資料，結核病是世上最致命的疾病之一，2017 年有近 1 千萬人感染，其中 130 萬人死於結核病，但是，導致結核病的細菌：結核分枝桿菌，能對某些藥物產生抗藥性而難以定位。這些新感染的病例中，有 4% 至少對兩種藥物有抗藥性，這種疾病稱為多重抗藥結核菌（MDR-TB）。另外，十分之一的人表現出對多種藥物的廣泛抗藥，即所謂的廣泛抗藥結核病（XDR-TB）。如果患者確定感染就需給予一線藥物，如果患者表現出抗藥性症狀或偵測表明該菌株不受一線治療影響，則增加二線治療。哈佛醫學院 Blavatnik 研究所的研究人員設計了一種演算法，能偵測出治療前對常用結核病藥物的抗藥性。實驗成功在 0.1 秒內準確預測結核菌株對 10 種一線和二線藥物的抗藥性，且比類似模型的預測精準度更高。此方法發表在《EBioMedicine》期刊，並將加至哈佛醫學院（Harvard Medical School）的 genTB 工具，genTB 工具用於分析結核病資料並預測結核病抗藥性。哈佛醫學院的進階研究作者兼生物醫學資訊學助理教授 Maha Farhat 聲明：「抗藥形式的結核病很難被發現、難以治療，且代表患者的預後效果不好。因此，診斷時快速偵測出完整的抗藥性能力，對改善個體患者的預後、減少傳染他人至關重要。」使藥物抗藥性偵測更快更準確Farhat 進一步解釋，藥物敏感性偵測裝置在發展中國家很難獲得，即使在裝備精良的實驗室，也需要數週才能驗證結果。而掃描 DNA 樣本搜尋抗藥基因的新偵測方法也有局限性，主要是無法發現多種藥物的抗藥或偵測出罕見導致抗藥的基因變異。至於全基因組測序測試，在偵測二線藥物抗藥性方面表現不佳。相比之下，研究人員的方法利用機器學習演算法捕捉多種突變的影響。包含兩個模型：一個統計模型和一個「wide-and-deep」系統，後者將每個突變當作一個變數，變數要麼產生抗藥性，要麼沒有。「我們的目標是開發一個神經網路模型，這種模型與大腦神經元之間的連線形成方式大致相似，」研究第一作者 Michael Chen 說。「神經網路將兩種形式的機器學習相互交叉，以辨識基因變異對菌株抗藥性的綜合影響」。這兩個人工智慧系統培訓 3601 株抗一線和二線藥物的結核菌株，其中 1,228 株抗多藥菌株。為了在現實環境測試效能，這些模型要預測 792 個未「見過」的完全測序結核病基因組的抗藥性。「wide-and-deep」的 AI 系統預測菌株對一線和二線藥物的抗藥性分別具 94% 和 90% 準確率，而統計模型預測菌株對一線藥物的抗藥性有 94% 預測準確率，對二線藥物預測準確率達 88%。兩種模型都能在 0.1 秒內預測菌株對一線和二線治療的抗藥性，而「wide-and-deep」模型顯示出預測極其罕見的基因突變影響能力。研究人員稱，如果將這些模型納入臨床試驗，可使藥物抗藥性偵測更快更準確。「我們的模型強調人工智慧在結核病的作用，但重要性遠遠超過結核病。AI 透過快速合成大量資料指導臨床決策，以幫助臨床醫生在許多情況和其他疾病做出最明智的決策。」據了解，此研究得到美國國立衛生研究院 BD2K（授予 K01 ES026835）的支援。 Got Resistance? （本文由 雷鋒網 授權轉載；首圖來源：shutterstock）延伸閱讀： 哈佛大學醫學院開發人工智慧系統，可偵測致癌基因缺陷...
微軟相當自豪自家的雲端服務 Azure，除了一般架設網站的功能，還有多項前瞻科技，能充分運用 Azure 的威力。微軟在 Build 大會之前宣布多項 Azure 相關應用與改進，像是用 DevOps 概念放在機器學習 MLOps，讓資料科學家能隨時調整演算法；Azure ML 支援硬體加速機制；微軟與 JP Morgan 宣佈 Quorum 將是第一個落腳在 Azure Blockchain Service 簿記系統；Azure SQL Database Edge則將 SQL 的威力帶到 edge 端，並且自帶 AI 訓練能力。機器學習無疑是這年代熱門的技術，然而訓練演算法相當耗時，一旦部署運作演算法後，假若出問題，麻煩可大了。微軟聽到大家心聲，在 Azure ML 上面帶來多項革新。MLOps 類似近年不少軟體部署採 DevOps 方式進行，讓演算法能夠邊運作邊修正，增加開發者開發的機器學習生命流程中，再生產、責信和自動化的能耐。微軟為了機器學習中達成極端低延遲性，以及成本考量下的推論需求，Azure ML 將普遍支援硬體加速，不論是 FPGA，還是 NVIDIA TensorRT 和 Intel nGraph 的 ONNX Runtime 支援，都能勝任。微軟與 JP Morgan 合作，將 Quorum 這套背後靠以太坊運作的簿記系統，放到 Azure...
你可能不熟悉 Raymond Scott，但如果你喜歡辛普森家庭、兔寶寶、達菲鴨、豬小弟這些角色的動畫，那你一定聽過 Raymond Scott 的配樂。Raymond Scott 被稱為「電子音樂之父」，因為他不僅是 Motown 電子音樂研發負責人，更是第一個製造電子音序器的人。1950 年代起，他開始研究 Electronium──一台音樂合成器，之後投入 100 萬美元和十多年時間，希望這台音樂合成器能讓任何人隨意創作旋律然後演奏成完整曲目。▲ Raymond Scott。（Source：William Morris Agency (management) , via Wikimedia Commons）遺憾的是，他未完成這傑作就因肺炎離世。現在，日裔聲音藝術家 Yuri Suzuki 與合作夥伴 Pentagram 用 50 年研究，透過數位技術讓 Scott 的遺作起死回生。▲ Yuri Suzuki。（Source：designweek）他們與專注於人工智慧的創意工作室 Counterpoint 合作，創造了由 Google Magenta AI 提供的軟體、內建於和 Electronium 一樣的三板合成機器。（Source：Pentagram）只要人們在中心面板輕輕敲出簡單的旋律或幾個音符，人工智慧就能採用旋律並組成音樂。同時，音樂可在右側面板用視覺形式表達，左側面板可添加隨機效果或節拍，讓樂器播放多變的音樂。（Source：Pentagram）這成為獨特的歌曲創意建構程式，並能在 AI 演算法下讓旋律保持順暢且延續，同時不會像以往音樂重複讓人厭煩（點擊「這裡」可聽音樂效果）。它也完全做到 Scott 希望人機完美協調，同時編寫和播放音樂的願望。（Source：Pentagram）為了完整「復活」此計畫，Suzuki 的團隊找遍 Scott 的家人、Electronium 現任老闆 Mark Mothersbaugh 和那些舊裝置的持有者，因為 Scott 的研究筆記和論文一直高度保密，連原理圖都是去世後才被人發現。一番波折後，團隊終於幸運挖到大部分資料，並在不改變原型外觀和理念的基礎下，設計出這台會自己「學習和創作」的復古音樂合成器。Scott 十幾年都難以實現的目標，現在 Suzuki 僅短短幾週就完成技術構建部分，並利用機器學習演算法讓音樂更快、更靈活呈現。▲ 左為 Scott 版，右為 Suzuki 版。（Source：Pentagram）Suzuki 正將它重生為讓人們激發無限創造力的音樂工具、能在音樂領域發揮更大作用的機器。Scott 身為領先時代的音樂家和發明家，直到 1987 年去世，他的音樂既沒受到「正統」音樂家的尊重，在卡通原聲的貢獻也沒得到應有的認可，而他對電子音樂的開創性意義，更是一直隔離在實驗室中。現在，Suzuki 透過...
近期，NVIDIA Blog 發布了文章，講述人工智慧技術與藝術的結合，全文編譯如下。人工智慧通常與數據相關聯。不太為人所知的是它藝術的一面──譜曲、將塗鴉轉化為照片式大作，還可以跳舞。但是劍橋大學的顧問們對此非常了解，他們已經在 Vincent AI 身上展示了人工智慧的藝術才能，它可以把你的塗鴉變成 7 種藝術風格中的一種，從 JMW Turner 的油畫到霓虹燈色調的普普藝術，應有盡有。當數據成為藝術上個月，與藝術家兼動畫師的 Jo Lawrence 合作的英國諮詢公司舉辦了世界第一屆 Collusion 展，這是在劍橋舉辦的互動沉浸式藝術展，探索我們與新技術的關係，以一種罕見的、發人深省的方式慶祝了技術和藝術的交匯。展覽會上的這個人工智慧是由 NVIDIA 公司在歐洲的第一個深度學習服務合作夥伴劍橋諮詢公司開發的，它會隨著鋼琴家的現場演奏推動電影的最終敘述。Datacosm 是一部由人工智慧驅動的動畫電影，描述我們與技術之間不斷變化的關係。電影講述了一個從 A 到 B 的數據運動的故事，揭示了表演和製作的過程。在電影中，螢幕的上半部分展示了舞台和動畫，是物理木偶戲和數位製作的結合。下半部分顯示了木偶戲演員的表演。螢幕由一個連續的代碼塊劃分，這將幕後工作的人工智慧帶到前沿。電影的特別之處在於，當故事展開時，AI 會根據現場鋼琴家演奏的音樂類型來選擇結局。隨著音樂的播放，人工智慧辨識出了音樂類型，並透過添加不同層次的動畫改變了電影的走向。而且它還能根據演奏的內容，從 4 個不同的結局中挑選出一個來。勞倫斯和其他幾位藝術家肩負著調查新興技術對文化和社會日益加劇和複雜影響的任務，他們開始在自己選擇的媒介上表達自己的發現。談到電影是如何產生的，她解釋：「數據可以交流，可以生長、耕種、收穫、儲存、分發、消費、損壞和傳播。受到啟發後，我想到了一個敘事動畫的點子，利用木偶和物體的定格動畫、像素化和電影的結合，探索基於數據的主題。」人工智慧狂熱愛好者驅動 Datacosm 的機器學習技術被稱為「狂熱愛好者」，它可以立即辨識各種音樂類型──從巴洛克和古典，到雷格泰姆音樂和爵士樂。16 台 NVIDIA GPU 接受了數百小時的音樂訓練後，這位狂熱愛好者在準確辨識音樂類型方面甚至超越人類和傳統編碼。這個專門建造的人工智慧研究設施是圍繞 NVIDIA DGX POD 參考架構建造的，帶有 NetApp 儲存，被稱為 ONTAP AI。它是為在一個安全的環境中發現、開發和測試機器學習方法而設計的。這個計畫只是劍橋諮詢公司開發眾多計畫之一，做為數位溫室計畫的一部分。在數位溫室中進行的尖端研究被用來解決劍橋諮詢公司客戶面臨的各種挑戰。擁有超過 850 名工程師、設計師和科學家組成全球團隊的劍橋諮詢公司的人工智慧研究主管 Dominic Kelly 說：「將 NVIDIA DGX POD 與 NetApp...
微軟在 Build 大會，揭露智慧助理如何帶給人更好的生活。透過 Cortana 加 Bot Framework 實現的個人語音秘書，以及直接在 Build 大會會場的即時會議逐字稿系統，看到微軟在語音資料處理和轉換的能耐，將要逐步商品化進入大眾的生活。Cortana 加 Bot Framework 製作的個人語音秘書功能願景，透過事前錄製的情境影片，人人都有的行事曆程式加上語音指令功能，而且不只是簡單辨識你說的話語，還能做出對應的後續行動。像是更改行程，原先的餐會確認誰會不會與會，並且確認後，自動完成邀請原先沒有在名單上的人，全部靠說話方式下完指令，就像董事長、總經理身邊的秘書，全部改由 Bot 處理。儘管微軟影片中的語音秘書還是未來願景，Build 大會上隨著舞台上演講、展示人員的說話話語，Conversation Transcription 即時對話轉文字系統默默的運作，在螢幕上稍微延遲的時間差，即時出現台上人的話語語音辨識，以及轉換為文字。儘管仍有大約 5 秒鐘的差距，對於事後弄逐字稿，可說相當方便。 ▲ 微軟的影片展示微軟 Cortana 和 Bot Framework 技術，能夠做到未來個人語音秘書，用語音排定和調整行事曆行程。微軟為了取信大家，特地安排微軟人員現場示範唸一段含有專有名詞的話語。示範人員用一般電腦上的麥克風取音，一位唸了一段包括大量資訊技術術語的片段，一位唸包含一堆醫學相關術語的片段。結果均成功抓到對的字詞。 ▲ Conversation Transcription 即時對話轉文字系統成功辨識專有名詞，如資訊與醫學相關的專有名詞。微軟在語音辨識和智慧應用上有相當深厚的基礎研究，開發應用也相當注重人們的需求。微軟在 Build 大會火力展示，有未來技術願景，還有現在技術能做到的程度。目前 Conversation Transcription 處於 preview 狀態。 What’s Microsoft’s vision for conversational AI? Computers that understand you...
青光眼是世界致盲的第二大原因，在 40 歲以上族群，3.5% 受青光眼影響。2010 年，有 6,050 萬人受病影響，預計到 2020 年數字將升至 8,000 萬人。雖然現有治療可阻止病情惡化，但無法恢復視力。因此，早期發現和及時治療是青光眼臨床的重要問題。IBM Research 與紐約大學就「青光眼治療」進行一項研究，重點編譯如下。視野測試反映患者在整個視覺空間的視力範圍，並用於診斷各種疾病。例如，青光眼引起的視覺神經損傷會導致上視野和下視野的特徵性視野缺損。雖然其他條件能以類似青光眼的方式影響視網膜架構，但對視力的影響往往非常不同。因此，這些測試是診斷時不可或缺的一部分。然而，由於這些測試完全依賴患者回饋，患者的警覺性是主觀的。眾所周知，一天在什麼時間測試是影響患者表現的因素之一，早上的狀態比中午好。因此，一個人可能需要多次測試，以精確測量任何視力損失。從生物學的角度來看，我們知道視覺功能和視網膜架構有關係。這裡出現一個有趣的問題：我們能透過非侵入式技術成像，直接從眼睛架構估計視覺功能嗎？答案是肯定的，因 IBM 研究人員已發現視網膜成像資料的資訊，可幫助評估青光眼的存在。IBM Research 與紐約大學合作研究，採用資料驅動法，利用深度學習技術探索這個問題，以前所未有的精度從單個光學同調斷層掃描（OCT）影像估計視場指數（VFI），Pearson 相關係數為 0.88。VFI 是代表整個視野的國際指標，透過人工智慧精確捕捉，為未來可能使用此分析快速評估患者視覺功能的技術奠定基礎。這可讓專業人士在診斷青光眼收集資料時獲得更精確的資訊，而不需要多次耗時測試。傳統的 OCT 架構測量，如視網膜神經纖維層（RNFL）厚度和神經節細胞內叢狀層（GCIPL）厚度，在青光眼目標位置已知的情況下都無法達到這精確度。研究表明 OCT 捕捉到的架構測量包含與功能測量高度相關的資訊，這在專業人員尋求診斷方法時非常有用。青光眼的另一個重要挑戰是惡化速度，這需要仔細分析多次就診的資料。IBM 研究已使用機器學習解決了這個問題，表明可預測未來存取時的視覺功能測試結果。總有一天，這種能力可幫助專業人士更能預測疾病的開始和發展，並調整治療方法。這項研究於 4 月 28 日至 5 月 2 日在加拿大溫哥華舉行的 ARVO（視力和眼科研究協會）年會發表。IBM 研究團隊與紐約大學就青光眼偵測和管理各方面提出 7 篇摘要。 AI Holds Promise for Glaucoma, a Leading Global Cause of Blindness （本文由 雷鋒網 授權轉載；首圖來源：IBM Research）