3 月 21 日，Google 發表有史以來第一個人工智慧音樂 AI Doodle，慶祝世界著名的德國作曲家和音樂家──Johann Sebastian Bach（約翰‧塞巴斯蒂安‧巴哈）的生日！Doodle 是 Google Magenta 和 Google PAIR 團隊合作完成，是一種互動遊戲，玩家可創作自己選擇的兩種旋律音樂。按下按鈕後，Doodle 會使用機器學習將旋律協調為巴哈的音樂風格（如果你碰巧在 Doodle 發現非常特別的復活節彩蛋，那可能是巴哈時 1680 年代的混合搖滾風格）。偉大的德國音樂家巴哈1685 年 3 月 21 日，巴哈出生在德國艾森納赫小鎮。他在一個音樂大家庭長大：父親能用多種樂器演奏，還擔任鎮上樂隊的指揮。大哥也是音樂家，巴哈 10 歲時父親去世了，從此跟著哥哥長大。巴哈也是傑出的風琴手，他還懂得如何製作和修復複雜的管弦樂器。巴哈是多產音樂家，每週都能創作一首大合唱曲，同時巴哈也非常謙遜，把自己的成功歸於天賜靈感和嚴格的職業道德。他活著的時候只有幾部作品出版，但現在散於世界各地的手稿作品超過 1,000 部。隨著 19 世紀「Bach revival」，巴哈名聲一飛衝天，當時，音樂界開始認可和推崇他的四聲部和聲。也許衡量音樂家的最好標準是對其他藝術家的影響，幾個世紀以來一直如此。然而，音樂家並不是唯一受巴哈音樂影響的人。「旅行者 2 號」太空探測器發射後，科學家兼作家 Lewis Thomas 建議將巴哈的音樂傳遞到太陽系最外層。「我建議使用巴哈的音樂，所有巴哈的音樂」，他寫道。Doodle 背後的故事我們可先看看下面的影片，了解 Doodle 誕生的經過。開發 Doodle 的第一步是什麼？就是建立機器學習模型。傳統的電腦程式設計是訂定一套規則讓電腦給答案，但機器學習是經過輸入大量資料，讓電腦學會找出答案。今天 Doodle 使用的模型是由 Magenta 團隊的 Anna Huang 開發，她開發了...
晶圓代工龍頭台積電 3 日宣布，在開放創新平台 (Open Innovation Platform，OIP) 之下推出 5 奈米設計架構的完整版本，協助客戶實現支援下一世代先進行動及高效能運算應用產品的 5 奈米系統單晶片設計，目標鎖定具有高成長性的 5G 與人工智慧市場。台積電表示，電子設計自動化及矽智財領導廠商與台積電已透過多種晶片測試載具合作開發並完成整體設計架構的驗證， 包括技術檔案、製程設計套件、工具、參考流程以及矽智財。台積電指出，目前 5 奈米製程已進入試產階段，能夠提供晶片設計業者全新等級的效能及功耗最佳化解決方案，支援下一世代的高階行動及高效能運算應用產品。相較於台積電公司 7 奈米製程，5 奈米創新的微縮功能在 ARM Cortex-A72 的核心上能夠提供 1.8 倍的邏輯密度，速度增快 15%，在此製程架構之下也產生出優異的 SRAM 及類比面積縮減。而且，5 奈米製程享有極紫外光微影技術所提供的製程簡化效益，同時也在良率學習上展現了卓越的進展，相較於台積電公司前幾代製程，在相同對應的階段，達到了最佳的技術成熟度。台積電進一步指出，完備的 5 奈米設計架構包括 5 奈米設計規則手冊、SPICE 模型、製程設計套件、 以及通過矽晶驗證的基礎與介面矽智財，並且全面支援通過驗證的電子設計自動化工具及設計流程。在業界最大設計生態系統資源的支持之下，台積電與客戶之間已經展開密集的設計合作，為產品設計定案、試產活動與初期送樣打下良好基礎。當前最新的 5 奈米製程設計套件目前已可取得用來支援生產設計，包括電路元件符號、參數化元件、電路網表生成及設計工具技術檔案，能夠協助啟動整個設計流程，從客製化設計、電路模擬、實體實作、虛擬填充、電阻電容擷取到實體驗證及簽核。台積電與設計生態系統夥伴合作，包括益華國際電腦科技 (Cadence)、新思科技 (Synopsys)、Mentor Graphics、以及 ANSYS，透過台積電開放創新平台電子設計自動化驗證專案來進行全線電子設計自動化工具的驗證，此驗證專案的核心涵蓋矽晶為主的電 子設計自動化工具範疇，包括模擬、實體實作 (客製化設計、自動布局與繞線) 、時序簽核 (靜態時序分析、電晶體級靜態時序分析) 、電子遷移及壓降分析 (閘級與電晶體級) 、 實體驗證 (設計規範驗證、電路布局驗證) 、以及電阻電容擷取。而透過此驗證專案，台積電與電子設計自動化夥伴能夠實現設計工具來支援台積電 5 奈米設計法則，確保必要的準確性，改善繞線能力，以達到功耗、效能、面積的最佳化，協助客戶充分利用台積電公司 5 奈米製程技術的優勢。（首圖來源：台積電官網）
近日，赫爾辛基大學和比薩大學研究人員，與 AI 公司坦佩雷（Tampere）神經事件實驗室（Neuro Event Labs）合作，開發並證明了新的評估兒童神經發育法。研究人員利用 AI 影像辨識演算法，將影片中幼兒的影像運動型態自動轉化為如圖所示的「火柴人」（stick man）客觀生物記號，在這項同行評審的研究，此方法已用於辨識早期腦性麻痺（CP）。AI「火柴人」揭示運動基本要素腦性麻痺的辨識往往透過觀察嬰幼兒的動作及反應情況，極度依靠醫生的主觀視覺經驗，難免會誤診或效率低。另外，目前進行嬰幼兒腦性麻痺辨識診斷的醫生，需要透過國際課程的專業知識培訓，這限制了有相關技能的醫生或治療師的數量。「業界迫切需要客觀和自動化方法，允許醫生在更廣泛的範圍分析運動，並使世界上更多兒童可使用。」赫爾辛基大學臨床神經生理學教授 Sampsa Vanhatalo說。本文所述研究利用稱為姿勢估計（pose estimation）的技術，建立能精確擷取兒童動作的方法，為根據兒童運動影片，構建簡化的「火柴人」棒形圖影片。據了解，在這項研究中，研究人員選擇 2011~2017 年期間參加義大利 IRCCS Stella Maris 基金會研究的 21 名 8~17 週大嬰兒的存檔影片。其中 14 例呈典型低風險運動，7 例呈現非典型運動並後來診斷為腦性麻痺。使用坦佩雷神經事件實驗室的姿勢估計模型，轉成「火柴人」影片後，研究人員向具轉基因專業知識的醫生提供「火柴人」影片，以檢視這些影片是否保留傳統腦性麻痺診斷重要的資訊。結果顯示，僅使用「火柴人」影片，幼兒的臨床基本資訊可被保留，醫生能把 95% 的病例分配為診斷組。研究證明，自動演算法可從正常影片截取臨床重要的運動型態。這些棒圖影片可直接用於定量分析，辨識兒童腦性麻痺。Vanhatalo 表示 ，在兒童腦性麻痺研究，個人隱私是業界瓶頸。「火柴人」研究的意義在於使用簡化影片且不涉及隱私，資料可於全球研究共用。AI 運動分析應用於神經學運動分析可以多種方式改善醫生對疾病的治療決策，為不同治療策略效果提供客觀的定量測量方法。除早期腦性麻痺偵測外，AI 自動運動分析在評估嬰兒神經發育方面有許多潛在應用。例如應用兒童健康管理，自動化運動分析可對兒童進行院外篩查，以辨識需要進一步護理的兒童，或在關注兒童發育的情況下確保大腦發育正常。據了解，上述研究結果出來後，研究人員又進行另一項兒童研究。目前已收集包括 3D 影片等多種資料，正在開發基於 AI 的嬰兒運動成熟度評估法。Vanhatalo 教授表示，新的研究理由很簡單：我們用人工智慧評估運動，未來兒童由於發育不成熟，表現出來與實際年齡不符的運動特徵，就會發現並及早干預治療。「使用機器學習和人工智慧可從簡單的家庭影片擷取大量與臨床有用的資訊。最終目標是能在任何地方，影片都能高品質反映嬰兒情況。」Vanhatalo 總結。（本文由 雷鋒網 授權轉載；首圖來源：赫爾辛基大學）
自 2017 年以來，研究人員一直都在使用演算法來設計更好、更快的 AI 神經網路，這種做法主要是學術上的追求，因為這需要耗費數萬小時的 GPU 時間。但隨著麻省理工下個月即將展示新的演算法，預計將能大幅加快設計速度，並使這類型的算法得到更廣泛的使用。據了解，麻省理工團隊設計的神經結構搜索（neural architecture search）演算法能夠將改良 AI 過程加速 240 倍或更多，這也將更快、更準確的設計 AI，使其在實際範圍內進行廣泛的圖像辨識和其他相關應用。麻省理工電子工程和電腦科學助教 Song Han 表示，團隊在模型大小，推理延遲，準確性和容量之間做出了各種權衡，過去人們設計出由人類啟發的神經網路，而新的 NAS 演算法則是將這種方式轉變為基於 AI 的設計方式。「就像 AI 可以學習下圍棋，AI 也可以學習如何設計神經網路」。就像 AlphaGo 帶給圍棋界下棋的全新思路一樣，演算法設計 AI 也帶給研究人員設計卷積神經網路（CNN）的新想法。Han 表示，在 NAS 演算法設計出最佳的 CNN 後，最終的系統很可能將圖像分類的速度提高到其他神經架構打造 AI 的 1.8 倍。Han 表示，NAS 演算法將能為工程師提供了設計神經網路的良好反饋，但這並不代表 AI 能夠構建更強大的自身版本，NAS 演算法永遠不會取代人類工程師，「我們的目的，是減輕設計和改進神經網路架構所帶來的重複性和繁瑣的工作」。 Using AI to Make Better AI Kicking neural network design automation into high...
機器學習演算法使用統計數據來查找大量數據中的模式，這裡的數據包含很多東西，數字、文字、圖片、點擊等等，任何東西只要可以數位儲存，都可以輸入機器學習演算法中，這個過程目的非常簡單，就是找到模式，然後加以應用。為加快機器學習醫療設備的上市速度，美國食品與藥物管理局 (FDA) 最近修改審查過程，為新技術發展鋪平道路。目前 FDA 採用基於風險的方法來決定每次製造商更新軟體，或進行其他會對設備性能產生重大影響的更改時，是否需要提交新的上市前計畫文件。但是，當應用於人工智慧和基於機器學習的演算法時，這種方式並不理想，因為演算法會根據實際反饋不斷地更新。因此 FDA 知道需要重新構想培訓軟體的審查方法，讓軟體可以隨著時間不斷發展，以改善護理同時仍然保證安全性和有效性。近期 FDA 發布一份白皮書，探討擬議的框架，未來可能會批准製造商進行一些軟體修改而不需要申請審查。白皮書中也談到軟體預認證計畫 (pre-certificate program)，為基於軟體的醫療產品提供更加簡化和有效的監管途徑，並實施一套對整個產品生命週期的監管方法，包括評估各別企業的品質文化與負責軟體開發、測試、安全監控的組織。去年 FDA 批准一種人工智慧演算法，用於早期檢測糖尿病視網膜病變，該系統是美國智慧診斷系統開發商 IDx 的產品，目的在幫助初級保健診所在不需聘請專科醫生下篩查糖尿病患者。FDA 還批准美國 AI 醫療新創公司 Viz.AI 的人工智慧軟體，這套軟體可以掃描電腦斷層掃描圖像，確定患者是否有中風風險，並提醒神經血管專家。然而，FDA 將這兩種設備描述為鎖定演算法，即不能持續改變，必須依賴製造商更新的產品，包括使用新數據訓練演算法來改善性能，這些更改需要經過人工驗證，以及通過軟體更新驗證。FDA 表示，除了鎖定演算法之外，機器學習可以完成的工作還很多，而且在醫療保健領域的應用已經成熟，因此需要仔細監督，以確保這些先進技術的優勢大於患者的風險。FDA 的新監管方法會著重於製造商預先指定的修改計畫，包括透過演算法再培訓和更新，以及管理和控制由此產生的風險能力。換言之就是新規則可能允許機器學習系統在獲得初始批准後，就可以自行發展到一定程度，被視為是 FDA 至今為止對使用機器學習的產品進行監管的最大進展。 FDA lays out plans for a new review framework for AI and machine learning-based devices The FDA wants to regulate machine learning in health care (首圖來源：IDx 官網)
臉部辨識科技的應用範圍越來越廣，但美國麻省理工學院（MIT）研究人員布蘭維妮發現，就算是知名科技業者開發的軟體，在辨識深色人種臉部時，錯誤率也偏高。布蘭維妮（Joy Buolamwini）的研究發現，包括亞馬遜（Amazon）等科技巨頭開發的臉部辨識軟體，在辨識深膚色女性的性別時，錯誤率較辨識淺膚色男性的性別高出許多。布蘭維妮已成功刺激微軟（Microsoft）、IBM 等企業改善自家系統，但亞馬遜卻大為光火，公開批評她的研究方法。一群人工智慧（AI）領域專家昨天公開力挺布蘭維妮，呼籲亞馬遜停止銷售自家臉部辨識軟體給警方。除了專業人士和企業界，布蘭維妮的研究成果也引起政治人物注意，其中有些人主張，應為臉部辨識技術使用範圍設限。布蘭維妮曾指出，目前相關技術多是在未受監督、甚至秘密情況下被使用，而一旦民眾有所警覺，可能為時已晚。另外有許多研究人員也指出，人工智慧系統透過大數據尋找並識別規律、模式，但在過程中卻也複製了隱含在這些數據中的制度性偏見。舉例來說，若人工智慧系統的學習材料多為白人男性影像，則它最適合用來辨識白人男性臉部。這樣的差別性有時可能攸關生死。一份近期發表的研究顯示，幫助自駕車「看路」的電腦視覺系統，在偵測深膚色行人方面，明顯有困難。（譯者：陳韻聿；首圖來源：pixabay）
從 AlphaGo 戰勝世界圍棋冠軍柯潔，到 Libratus 在賭場大勝多位德州撲克頂尖高手，人工智慧似乎已在棋牌類遊戲領域所向披靡。不過這不意味人工智慧就能成為新的「賭神」，因為就算 AI 能算出各種可能性，但面對看似更簡單的紙牌類遊戲，反而沒那麼得心應手了，研發出 AlphaGo 的 DeepMind 就把下一個挑戰目標放在一款卡牌遊戲花火（Hanabi）。（Source：Asmodée Éditions）最近 DeepMind 和 Google Brain 團隊在一篇論文披露這項研究的進展，與之前訓練過的圍棋和撲克等遊戲不同，Hanabi 這款遊戲要求 AI 更深入了解其他玩家的心理，進行更高層次的推理，這也是 AlphaGo 這類 AI 目前面臨的瓶頸。AI 為什麼玩不好紙牌遊戲，回答這問題有必要先簡單了解一下 Hanabi 這款卡牌遊戲。Hanabi 是一款 2~5 人的合作類型卡牌遊戲，包含 5 種花色的牌組。只有將不同花色的卡牌按照一定順序組合排列才能達成「花火」。牌局中玩家不能看自己的牌，只能看別人的牌，玩家只能以有限的提示推理，或和其他玩家戰略性合作，才有機會勝出。從遊戲規則就能看出，這款遊戲對溝通和推理能力的要求比較高，AI 需要讀懂其他玩家提示字面意思外的隱藏訊息，並推斷對手的意圖。研究人員很快就發現這並不容易。DeepMind 團隊曾用其他博弈遊戲驗證過的大量數據來訓練，讓演算法利用副本進行 200 億次「有效無限」動作，按照玩家每次移動需 30 秒計算，這相當於一個人在遊戲時操作 3 億次或玩了 1.66 億小時。（Source：DeepMind）這種訓練效果在雙人遊戲十分有效，然而 Hanabi 這種有 4 或 5 人參與的遊戲，AI 表現卻始終比專業玩家差得多。研究團隊指出，演算法要在不同環境交流需要高效程式碼和適應性。比如不同玩家表述的風格和用語可能都不一樣，即便是最先進的 AI 也無法像人一樣快速適應新玩家，AI 只能遵循複雜但相對固定的規則，比如圍棋。目前 DeepMind 還沒有好辦法攻破 Hanabi...
Google 今（26）日宣布於遠東通訊園區「Tpark」打造全新辦公園區，為持續擴大的人員規模預備雙倍成長空間，同時也將擴大人才招募、提高人才培育目標，協助台灣 AI 與數位教育普及化。Google 在台成立辦公室 13 年至今，已成長達 2,000 人以上規模。Google 裝置與服務資深副總裁 Rick Osterloh 表示，新園區將做為先進創新的「engineering hub」研發園區，主要會將硬體研發與工程人員集中在此，預計 2020 年底會分批遷入部分團隊。至於原本在 101 大樓的 Google 研發團隊，以及 HTC 手機研發團隊會否進駐新園區、調整人力等問題，Osterloh 則表示現階段還沒有規劃，將視接下來情況進行調度調整。Osterloh 指出，Google 向遠東 Tpark 承租大樓打造新園區並不只是單一考量，主要是希望為員工提供開放舒適且鼓勵員工創新的工作環境，以及各項對身心有益的設施。▲ Google 全新辦公園區概念圖（Source: Google）去年在 HTC 協議案生效後，台灣已成為 Google 在亞洲最大的研發基地。除了宣布興建全新的辦公空間外，Google 今年也將延續去年在台啟動的「智慧台灣計劃」（Intelligent Taiwan）人才培育項目，擴大教育訓練範疇、降低學習 AI 與數位知識的門檻，讓更多教師、學生、企業、開發者和一般大眾都能受惠。過去一年 Google 智慧台灣計劃順利推動，幫助台灣培育 AI 與數位人才，達成「AI 培訓 5,000 人」、「數位行銷培訓 5 萬人」目標。今年 Google 將延續去年成功落實的內容，強化 AI、數位行銷、雲端工具、內容創作等面向的教育訓練，目標 2020 年底前培育人才翻倍成長，讓 1 萬人獲 AI...
2019 年 3 月 26 日 Google 公司宣布成立先進技術外部顧問委員會，為人工智慧和其他先進技術的研發和應用進行倫理審核，委員會有 8 位成員組成，包括了大學教授、政府前官員、Google 公司高層等。隨著先進技術的研發和應用，倫理問題也受到越來越多的關注，部分公司或者主管機構會針對特殊領域的技術應用進行倫理審查，比如生命科學領域的研究，但在大多數技術領域，倫理審核還處於欠缺狀態。做為全球影響力最大的科技公司之一，Google 發起並成立了先進技術外部顧問委員會，該委員會將對先進技術研發和應用過程中技術方案和測試從倫理角度進行審查，特別是在人工智慧這些亟待審查的領域，避免技術不當應用帶來的威脅。Google 招募了技術領袖、數位倫理專家、公共事務背景的政府官員和公司高層，據 Google 全球事務副總裁 Kent Walker 透露，同時該委員會將在 2019 年年底將對外發表先進技術領域的倫理報告。先進技術外部顧問委員會將為 Google 公司提供建議，對技術研發從倫理方面進行指導，同時 Google 也歡迎其他技術領域的公司和研究者與委員會溝通，後者會提供相應的支持和幫助，比如在人工智慧技術應用的臉部辨識程式中，就存在是否有種族歧視的爭議。 Google 副總裁 Kent Walker 表示，Google 希望創造更透明和理性的對話平台，技術團隊能夠與委員會的成員保持溝通，了解倫理方面的專家對技術研發和應用的建議。先進技術外部顧問委員會首批成員包括卡內基美隆大學資訊技術與公共政策教授 Alessandro Acquisti、數學家 Bubacarr Bah、香港科技大學工程系教授 De Kai、工程與無人系統專家 Dyan Gibbens、心理學和人工智慧專家 Joanna Bryson、前政府公共政策專家 Kay Coles James、牛津大學倫理學教授 Luciano Floridi、美國前副國務卿 William Joseph Burns。全體委員會成員將從 2019 年4 月開始進行 4 次會議。 之前...
2013 年，兩位聯合創始人創立比特大陸，應該很少有人能預料到憑著比特幣的大紅，總部位於北京的比特大陸迅速成為全球最大的礦機公司，以及僅低於海思排名第二的中國 IC 設計公司。然而，2017 年比特幣分叉及政策影響，讓比特幣經歷多輪暴漲暴跌，危機也同時靠近依賴比特幣的比特大陸。26 日，比特大陸宣布王海超擔任公司 CEO，去年 9 月提交的 IPO 申請失效，並明確聚焦在數位貨幣和人工智慧晶片及基於此的產品和服務。那麼，比特大陸兩條腿走路的策略能幫其走出困境嗎？比特大陸的兩次「危機」2013 年，吳忌寒與詹克團在北京共同創辦了比特大陸，比特幣在當年底首次突破 1,000 美元。不過，2014 因為安全性受質疑，比特幣狂跌，讓比特大陸成立不久後首次面臨危機。危機最終化解，2015~2017 年，比特大陸一路高歌，營收從 1.37 億美元增至 25.18 億美元，年複合增長率為 328.2%。根據商業諮詢公司弗若斯特沙利文（Frost & Sullivan）數據，按 2017 年收入計，比特大陸是全球最大基於 ASIC 的加密貨幣礦機公司，占全球 74.5% 市占率，遠高於排名第二和第三的嘉楠耘智 6.2% 和億邦科技 4.5% 市占率。獲得市場地位和營收同時，危機也再次靠近比特大陸。2017 年，比特幣分叉，出現比特幣現金（BCH）。2018 年，比特幣現金在再度出現分叉爭議。同年，美國證交會至少 4 次否決包括比特幣等的加密貨幣 ETF 交易申請。伴隨而來的是比特幣 2018 年幾輪暴漲暴跌。此時，關於比特大陸上市的傳聞也越來越多。9 月 26 日，比特大陸在香港聯交所官方網站上傳 A1 招股文件，正式啟動香港聯交所主板上市計畫。不過，由於 2015~2017 年礦機銷售收入分別占比特大陸總營收 78.6%、77.3%、89.9%，比特幣或說數位貨幣的未來，直接決定比特大陸能否成功上市。Coinbase 數據顯示，比特幣價格 2018 年初超過 16,000 美元，到了 11 月，比特幣跌破...