Facebook 近日宣布，未來 5 年將提供 750 萬美元資金給慕尼黑工業大學（Technical University of Munich），協助成立一個獨立的人工智慧倫理研究所，探索未來 AI 應用上可能產生影響的基礎問題。隨著 AI 產業正以前所未有的速度成長，使用和影響也受到人們越來越嚴格的審查，儘管有望對氣候變化和醫療保健領域帶來深遠的影響，但一些專家警告也警告 AI 相關應用可能會帶來意外後果。負責領導研究所的 TUM 教授 Christoph Lütge 表示，未來團隊將探索 AI 相關的倫理問題，並且為社會、經濟用途的相關技術制定負責任的道德準則，以證據為基礎的研究將解決那些與人類價值觀相關的問題。包括 Facebook 和 Google 在內， 科技公司正在受到來自政府和研究機構的巨大壓力，在應用 AI 技術之餘也得採取更多措施來保護受影響的人。紐約研究機構 AI Now 在不久前的報告便指出，2018 年出現的許多科技醜聞顯示，那些開發 AI 並從中獲利者與那些最有可能受到負面影響者的差距並未縮小，反而是越來越大，因此 AI 問責制（accountability）的需求也正在成長。對此，Lütge 強調，未來 AI 倫理研究所探討的核心問題將圍繞著信任、隱私、平等及包容，像是人們在網路上留下的數據痕跡或透過演算法接收某些訊息，也會討論透明度和問責制，像是在醫療方案或是與 AI 互動的情況中，如何讓人類在決策中享有權利和自主權。Facebook 的 750 萬美元資金將會在 5 年內陸續提供給慕尼黑工業大學，同時 慕尼黑工業大學也將持續追求其他合作夥伴與相關資助。 Facebook Backs University AI Ethics Institute With...
在當前國內能源轉換需求越來越高，且電動機朝越來越普及的情況下，藉由經濟部科技專案的支持，工研院 21 日與光陽集團 KYMCO 簽署電動機車 AI 能源管理系統技術合約，宣布雙方將針對「自我學習式動態電量預估」技術等 36 項專利技術展開合作。在簽約記者會上，工研院與光陽集團合作，藉由發開發出電動機車 AI 能源管理系統技術，在導入新世代的 AI 概念電動機車後，能依據騎士不同騎乘模式，電源管理系統的 AI 會自動記憶學習，提供精準的電動機車騎乘里程數，及馬達出力顯示，突破現階段電動機車都以電量百分比（%）顯示的不精準問題，且在斷電前警示騎士，不僅為騎士提供更安全騎乘經驗，更帶領國內電動機車從智慧世代轉入 AI 新世代，開啟電動機車新紀元。工研院指出，兩方面的的結合是一個新紀元，特別是這次合作的智慧化電池管理技術。因應不同氣候環境，電池的壽命、殘電都不相同，但工研院的技術已經可以精準預測到電動機車還可以跑多遠，不管在寒帶或熱帶使用預測誤差已小於 5%。此外，還能對電池做遠端監控，機車在外騎乘，車廠可以掌握電池的健康狀況，這就是產品差異化與優勢所在。希望工研院與光陽集團在其他技術上也能一起合作，跟著光陽到國際上開疆闢土，透過智慧化產生差異化，幫光陽把台灣品牌推向全世界。光陽集團也表示，截至 2018 年止，KYMCO 共掌握 1,763 件核准專利，在同業中專利數量最多， 而Ionex 車能網發明專利件數，也將 KYMCO 推升至國內專利數最高成長率的企業。此外，KYMCO 目前也非常積極尋求更專業的技術夥伴，範圍遍及海內外產官學界。至於，光陽與工研院合作已經長達 20 多年歷史，近期 17 案 36 件電動車技術合作，就是針對電能系統、控制系統、馬達冷卻系統、防盜系統..等多項強化，要將 Ionex 車能網推向到另一層次「AI 級 Ionex 車能網」。據了解，當前的電動機車電池使用越久，電量預測誤差越大，久而久之使用者產生里程焦慮，不太信任儀表板顯示的電量預估值，怕騎到一半機車沒電發不動，因此不敢騎太遠，無法滿足使用者行駛需求。而藉由工研院與 KYMCO 合作的「自我學習式動態電量預估技術」，將 AI 概念導入，讓電動機車內建自主學習系統，因應每台車不同騎乘者模式會記憶學習，分辨出不同人騎車的耗能及預估的里程數，大幅提升車輛行車安全與可靠度。此外，則是將現今電動機車電量以充電百分比（%）顯示方式改為電量值，並搭配騎乘耗能分析，直接將電量換算剩餘行駛里程，以往電池劣化後會使百分比顯示法的誤差增加導致剩餘里程估測誤差更大，而工研院技術不論電池新舊與否，均可準確預估剩餘里程且估測誤差 <5%，讓騎士不再有里程焦慮的問題。再加上在電池在低電量、過溫或低溫等特殊狀態，會進行放電功率限制，系統會主動顯示馬力限制，在安全狀態下儘量維持車輛運行避免觸發異常斷電保護。因此，即使當電池電量即將耗盡或啟動保護發生時，斷電前會主動發出斷電報警訊息，避免現今電動機車沒電突然剎停而引發的行車安全問題。工研院進一步指出，這項「自我學習式動態電量預估技術」除了可以讓騎士們可安全騎、放心騎、騎的遠、騎的久之外，目前搭載本技術的電動機車實驗車已經發展完成，未來透過與 KYMCO 合作投產後，能給消費者全新的全新的體驗。甚至，還能把這項技術也適合應用在所有電動載具與儲能系統，目前已投入電動巴士、高壓儲能等需要高安全、高可靠度的大型電池系統上。（圖片來源：科技新報）
制定 5G 通訊標準的國際組織 3GPP，21 日在台北召開會議。會中，包括經濟部長沈榮津、國家通訊傳播委員會主委詹婷怡、聯發科董事長蔡明介、聯發科副董事長謝清江、和碩董事長童子賢、中華電信董事長鄭優、亞太電信董事長呂芳銘資通訊高層共同參與，並為台灣未來的 5G 發展擘畫藍圖。台灣資通產業標準協會理事長、聯發科副董事長謝清江致詞時表示，在 5G 首版標準已經公布的情況之下，2019 年將是 5G 發展關鍵時刻。藉由 5GPP 所訂定的標準，全球正緊鑼密鼓地規劃 5G 頻段，已進行 5G 商用標準化，預計 2020 年第 2 季到第 3 季能夠完成，而後續的產品發展也將會緊接著上來，產業將逐步受惠。謝清江進一步表示，台灣在全球資通訊產業扮演舉足輕重的關鍵角色，因此，藉由台灣過去以來累積的科技實力與基礎，5G 將會是重要的發展重點。以台灣資訊標準協會的角色來說，就是在發揮台灣在資通訊產業的影響力，透過 3GPP 在技術、市場上的平台，讓台灣企業得以進一步參與。而且，也透過標準的制定能劇產業共識，加上在 5G 會議上與日韓代表的接觸，使各界一同來擘畫整個 5G 市場的發展。謝清江也強調，5G 具備廣大連接性、低延遲、高速度的特性，讓許多過去所達不到的智慧生活，在未來都能夠得以實現，而且配合人工智慧與物聯網的應用，未來將能創造更多不同的使用者體驗。而在聯發科方面，藉由長期參與 3GPP 的經驗，不但提案率是過去 4G 時代的 4 倍，提案成功率也達到 53%，是所有廠商中第 3 高的企業。因此，在未來 5G 市場上的布局，聯發科將不再侷限於手機的應用上，其他的相關應用也會陸續推出。（首圖來源：科技新報攝）
Google 智慧語音助理（Google Assistant）今年首度化身台北元宵燈節的專屬導覽員，在燈節期間為台灣使用者提供遊覽資訊，感受更人性化的賞燈體驗。Google 助理今年結合導覽功能，在 2 月 16 日至 2 月 24 日台北燈節期間，為使用者提供活動相關資訊。使用者只要啟用行動裝置上的 Google 助理，對 Google 助理說「我要跟台北燈節說話」，就能詢問活動開幕時間、主要活動企劃、每天營運時間等，也能啟用導航功能前往主題燈區、服務台、美食區。隨時開口問 Google 助理就能省去不少手動查詢時間，使用輕鬆又便利。▲ 透過 Google 助理掌握台北燈節活動資訊（Source：Google）去年 10 月 Google 首度在台灣舉行「Made by Google」硬體產品發表會，當天也正式推出繁體中文版 Google 助理，並以台灣做為中文版上線首站，支援 Google 新款 Pixel 3、Pixel 3 XL 手機，也支援 Android 5.0 或以上版本裝置，以及蘋果 iOS 10.0 或以上版本裝置使用。「自 Google 助理在台推出以來，透過不斷地學習變得更貼近台灣使用者的生活。」Google 台灣總經理陳俊廷說，「台北燈節是每年春節最重要的活動之一，我們非常開心 Google 助理現在也能理解台灣節慶，在今年陪伴台灣的使用者一起歡慶元宵」。Google 致力於彙整全球資訊並供大眾使用，也持續將貼近在地使用習慣的服務帶到台灣。這次配合台北燈節活動，不僅能讓使用者體驗 Google 助理的便利性，更降低實體文宣品需求，為台灣低碳永續目標盡一分心力。（首圖：Google）延伸閱讀： 與亞馬遜 Alexa 較勁？Google Assistant 內建裝置數將突破...
市場屢屢傳出蘋果 Mac 筆電要推出自行研發的處理器，取代英特爾（Intel）處理器，但「只聞樓梯聲，未見人下來」，預計 2019 年內，蘋果推出的筆電與桌電，可確定仍舊內建 Intel 處理器。根據國外媒體《Macworld》報導，儘管現在 Intel 還沒有宣布 2019 年推出哪些針對蘋果客製化的處理器，透過先前藍圖與整體技術發展，大略可歸納出 2019 年 Intel 可能推出對蘋果有影響的處理器及其他產品。處理器架構部分，雖然 Intel 近幾年陸續推出新處理器，但核心架構自 2015 年 Skylake 後就沒有太大改變，如今新一代 Sunny Cove 架構將在 2019 年取代 Skylake 架構，Sunny Cove 架構不但提升 Skylake 架構單一核心的效能，還增加暫存記憶體，搭配更快的執行指令與更安全的加密措施，更適合用在人工智慧、機器學習等運算。新一代 Sunny Cove 架構還將搭配代號 Ice Lake 的處理器。這會是 Intel 新 10 奈米製程打造的處理器，整合 Gen11 核內顯示晶片，使浮點性能大幅提升到 1TFlops，最多達 64 個執行緒，相較目前使用於 Mac 最強 48 執行緒、整合 Iris Plus 655 GPU...
一段感情還能走多遠？有人從社群媒體的兩性文章找答案，有人求助專業的情感諮詢師，但這些人的判斷可能都不如人工智慧準確。2017 年美國幾所大學的科研機構進行了一次有趣的實驗，研究人員找來 134 對婚姻出問題的夫婦，透過演算法分析他們兩年後仍然在一起的可能性。做個對比，專業的婚姻治療師也一起評估這批夫婦。先說結論，對這些「問題夫婦」是否還會在一起的預測，演算法的準確率達 79.3%，略高於婚姻治療師的 75.6%。人工智慧是怎麼做到的？據研究人員介紹，團隊讓這些夫婦挑選一個關於他們關係的話題，並進行兩次 10 分鐘的談話， AI 以這些談話錄音為素材判斷。研究人員為此開發了一套分析這些錄音的演算法，根據每對夫婦談話的語調、語速、時長和先後順序等，來推算夫婦的親密程度。（Source：pixabay）這套演算法最特別的地方在於，能分析人類感官難以感知的語音數據，比如頻譜傾斜（spectral tilt）以及一系列關於語音的複雜函數。參與這項研究的南加州大學的工程師 Shri Narayanan 表示：透過對大量數據的分析，我們可以發現人類眼睛和耳朵都難以捉摸的模型。不過研究人員也提到人類婚姻治療師也有不可替代的優勢，比如可能結合夫婦的肢體語言評估，但預測這些夫婦是否會分手並不是這項研究的根本目的。研究團隊希望解碼藏在我們談話中和身體內的訊息，改善人與人之間的關係，「人類擅長解碼很多訊息，但我們無法處理所有訊息。」Narayanan 認為人工智慧能解讀這些隱藏的訊息。無獨有偶，德州農工大學的計算機工程師 Theodora Chaspari 也在開發一套 AI 程式，用以預測情侶可能在什麼時候產生摩擦，主要透過一個類似智慧手環的裝置來蒐集情侶的數據。（Source：pixabay）據 Chaspari 介紹，裝置的感測器能監測心率、語音和汗液等數據，演算法則進一步計算出用戶與伴侶產生摩擦的可能性。Chaspari 認為，這套程式能透過提前預判，讓伴侶間以更積極的態度面對問題。這些 AI 與傳統的心理諮詢師相比，優勢在於可 24 小時隨時隨地為用戶服務，而且成本更低。不過如果類似的 AI 技術夠成熟，並更廣泛應用，也會存在隱私數據洩露的風險，畢竟上述這些研究中都需要用戶將大量私密訊息授權給這些 AI 程式。（本文由 愛范兒 授權轉載；首圖來源：Unsplash）
相比傳統方式需要工程人員手動設計機器人每個動作的精確參數，AI 時代的研究人員有全自動化、廣闊前景的新學習方式：深度強化學習可讓機器人從經驗、與世界的互動直接學習行為，因為可藉助通用化的神經網路表示，處理複雜的感測器輸入。然而，許多現有的強化學習演算法都需要幾天、幾週甚至更久時間的真實世界數據，才能收斂到比較理想的動作。更重要的是，這樣的系統很難在複雜的機器人系統使用（比如多足機器人）。系統的探索學習過程很容易會損傷到機器人的零件，同時還難以調節超參數，許多安全方面的考量也可能帶來更多限制。近期，Google AI 與加州大學柏克萊分校合作研發一種新的強化學習演算法 Soft Actor-Critic（SAC）。這是一種穩定、高效的深度強化學習演算法，高度符合機器人實驗的需求，也非常適合真實世界的機器人技能學習。重點是，SAC 的學習效率夠高，可在數小時內學會解決真實世界的機器人問題，且同一套超參數可在多種不同環境工作。Google AI 撰寫部落格文章介紹了 SAC 背後的研究工作，也介紹了相關實驗結果。在真實世界學習機器人的要求真實世界的機器人實驗有一些重大挑戰，比如硬體失效和人工重置會導致數據流中斷，以及需要讓探索學習過程平滑，避免快速機械磨損或撞擊破壞，這都對演算法理論和演算法實現增加額外的限制，包括以下（但不限於）： 有較高的樣本效率，以降低學習時間。 需要調節的超參數數量盡量少。 能在不同的場景重複使用已採集的數據（也稱為「無策略學習」）。 確保探索學習過程不損壞硬體。 Soft Actor-CriticSoft Actor-Critic 是基於最大熵強化學習開發的，這是一種嘗試讓預期回報最大化（標準的強化學習目標），同時也讓策略的熵最大化的框架。熵更高的策略有更高隨機性，直覺看來，這意味著最大熵強化學習會學習取得高回報的策略中，具最高隨機性的策略。為什麼在機器人學習這是件好事呢？明顯的原因是，最大熵優化的策略會更強健：如果策略在訓練過程中能允許高度隨機的動作，那麼它在測試時候也就更有可能順利應付預期外的擾動。不過更穩當的理由是，最大熵訓練不僅提高演算法對超參數的強健性，也可以提高採樣效率。Soft Actor-Critic 會學習一個隨機策略，這個策略會把狀態映射到動作及一個 Q 函數，Q 函數會估計當前策略的目標價值，並透過逼近動態編程最佳化它們。透過這樣的方式，Soft Actor-Critic 可讓經過熵強化的回報最大化。在這個過程中，SAC 會把目標看作一個絕對真的方法來導出更好的強化學習演算法，它們的表現穩定，而且有夠高的樣本效率，可以用在真實世界的機器人應用中。SAC 的表現研究人員用兩個任務評估演算法的表現：1. Ghost Robotics 環境中 Minitaur 四足機器人的行走；2. 用一個三指動力爪轉動閥門。學習行走這件事當然是不小的挑戰，由於機器人欠驅動力，所以機器人需要學會如何在四條腿之間平衡接觸力的大小，這樣才能持續往前走。未經訓練的策略會讓機器人失去平衡摔倒，如果摔太多次，最終有可能把機器人摔壞。樣本高效學習在這時候也就非常關鍵。雖然研究人員是在平地訓練機器人的行走策略，但稍後的測試階段是在多種不同的地面狀況和障礙物上進行。理論來說，透過 SAC 學習到的策略在測試時遇到擾動的時候，也應當強健。實際上研究人員觀察到，透過他們的方法學習到的策略，不需要任何額外學習就可應付干擾。▲訓練。▲測試 1。▲測試 2。▲ 測試 3。下面這個操控任務需要機器手臂轉動一個類似閥門的物體，目標是讓藍色的一面朝向右側。這個任務尤其有挑戰性，不僅任務的理解感知有難度，而且還需要控制這個有 9 個自由度的機器手臂。為了感知閥門，機器人必須使用來自鏡頭的原始 RGB 圖像輸入（如圖右下角）。對於每一輪嘗試，閥門的位置都會重新設定到一個隨機角度，迫使策略學習如何根據 RGB 圖像，輸入感知當前的閥門角度。對於這兩個任務，SAC 都能很快地解決：前一個四足機器人任務學了 2 個小時，後一個觀察圖像、轉動閥門的任務學習了 20 個小時。研究人員也為轉動閥門任務學習了一個無需圖像輸入的策略，他們把其他方式採集到的閥門角度當作觀察結果輸入策略，在這種簡單的設置下，SAC 只需要 3 個小時就可以學會解決這個任務。相比之下，更早使用自然策略梯度的研究，學習同一個無需圖像輸入的任務需花 7.4 個小時。結論這項研究展示基於熵最大化框架的深度強化學習，可用來在有挑戰性的真實世界環境學習機器人技能。由於這些策略是直接在真實世界學到的，它們對環境變化表現出強健性，這透過其他方式很難獲得。研究人員也展示了可直接從高維圖像觀察學習，這對經典機器人控制來說，也是很大的挑戰。研究人員希望...
美國國防部（DARPA）正在努力減少運行 AI 工具所需的運算能力和硬體數量，為了做到這一點，他們正在轉向昆蟲尋求靈感。DARPA 12 日開始執行這項「MicroBRAIN」計畫，向各地研究團隊徵求如何建立小型飛行昆蟲大腦那樣微型但有效運算系統的想法，DARPA 認為這樣的系統將可以運用較少的數據進行培訓，同時以較少的能量運作。DARPA 認為，分析昆蟲的大腦將可以幫助研究者了解如何建構出可以進行基本常識推理的 AI 系統，在了解小型昆蟲中高度整合的感覺和神經系統，並開發原型運算模型後運用到合適的硬體後，將可以用來模仿昆蟲那些令人印象深刻的功能。這個項目是 DARPA 更廣泛的人工智慧探索計畫的一部分，將提供快速、小規模的投資來創造所謂的「第三波 AI」。與現在必須明確訓練來執行特定功能的 AI 工具不同，第三波 AI 將系統將灌輸廣義推理和上下文的理解，以便讓它更好地理解世界。研究人員經常將這類型技術描述為模仿人類大腦，但考量到人類大腦中包含 6,000~7,000 億相連的神經元，要將其重建為軟體幾乎是不可能的。相較之下，一些昆蟲大腦只有不到 1,000 個神經元，因此也就成為更容易的模仿對象。研究人員認為，研究小型昆蟲或許能找出結構和運算的基本創新，來簡化、高效複雜的功能，「與有著較大大腦的生物相比，這些結合能源、時間、空間運作效率的昆蟲大腦，可能正是人工智慧戰略的關鍵。」DARPA 將提供高達 100 萬美元的資金，讓研究團隊打造昆蟲神經系統的物理模型，分析昆蟲的大腦如何隨著時間推移發展，最終設計出模仿這些大腦神經結構的硬體平台。計劃將分為兩個階段，參與者會在開發關鍵概念證明後再建構原型，項目預計將持續約 18 個月，計畫預計將於 4/3 正式開始。 DARPA Wants to Turn Insect Brains Into Robot Brains They’re small, efficient and capable of basic reasoning, and researchers want artificial intelligence tools to do the same. （首圖來源：pixabay）延伸閱讀：...
務農辛苦是體力活，不論農業的樣貌是怎樣，都會往自動化的方式前進。農業是不少人想方設法，要導入更高程度自動化的產業。對於農業大國而且是自動化程度相當高的國度，美國百年公司 John Deere 用農機加裝鏡頭的方式，調節採收機或是瀙農藥的份量，增進採收效率或減少施藥數量。eereJohn Deere 攤位展示他們子公司 Blue River 在開發的灑殺草劑農機，用上時興的AI 技術，農機上加裝鏡頭的方式，用影像辨識拍攝農地上的雜草狀況，決定噴嘴該施灑多少殺草劑。 ▲ John Deere 展示子公司 Blue River 的噴灑技術，用 AI 智慧調節要灑多少殺草劑。Blue River 的噴灑技術辨識出雜草，就會打開噴嘴施壓，如果沒有辨識到則會關閉噴嘴。Blue River 噴灑技術能做到每一秒開關 30 次噴嘴的程度，達到減少 80% 施藥量，仍能抑制雜草生長狀況。 ▲ Blue River 噴灑機前的鏡頭，能辨識農田裡的雜草。John Deere 還有展示他們的收割機，透過鏡頭辨識收割割除狀況，能即時調整農機的速度，不漏掉收獲穀物，減少農作物收成時浪費的數量。搭配上世紀 John Deere 的 GPS 技術，具備 25 cm 等級的精準度，能精準導引農機的位置，高度自動化農業繁重的工作。 ▲ 這幾年 John Deere 都會在 CES 展示他們巨大的農機機具。這幾年影像辨識的技術成熟，攝影機的成本也相當低，實際將影像辨識技術，安裝鏡頭在農機上面，即時辨識即時反應。John Deere 採用服務模式提供農人所需服務。台灣與美國不同，農田規模小，走高人力的務農型式。台灣的農業物聯網化的例子有阿龜微氣象，透過田間安裝物聯網裝置，用感測器即時得知田間狀況，來決定是否要下田照顧作物，能夠減少付出的人力。(圖片來源：科技新報)
在科幻影視作品中，經常會出現能夠掌握全球大小事件的電腦 AI 系統，雖然這在現實世界中還並未出現，但從美國國防部（DARPA）近日公布的一份聲明來看，他們確實在探索運用 AI 來掌握世界大小事件的可能。為了更有效率的發現多媒體訊息中隱藏的複雜事件，DARPA 近日公開了知識導向的人工智慧模式推理計劃「KAIROS」，希望打造出能對現實世界複雜事件進行因果及時序整理的 AI，以便導引出應對事件可操作的選項及對未來發展的預測。DARPA 項目經理 Boyan Onyshkevych 表示，要從大量訊息中的時間、模式等靜態元素來找出相關聯的過程，以目前可用的工具和系統來說非常困難。許多事件不是簡單的事件，而是由眾多輔助元素組成的複雜現象，然而可用的非結構媒體訊息越來越多，這也阻礙了政府對這些要素的發現與理解。然而迅速理解世界發生的事情對於國家安全來說至關重要，因為自然界或人類社會中的任何變化都可能導致重大影響，或是成為將產生更廣泛影響因果鏈的一部分。在從那些看似無關事件、數據之間辨別出相關性後，程式能夠協助使用者對周圍的世界資訊達成廣泛理解，同時在發現複雜事件時提醒使用者注意，DARPA 能夠運用這樣的半自動化系統來掌握世界情勢的發展。▲ KAIROS 兩階段的研究目標。（Soruce：DARPA）據了解，KAIROS 的研究目標將分兩個階段進行。第一階段將專注於如何運用語言和常識推理對小事件分類歸類，來從大數據中找出模式，第二階段則會著重於把模式庫應用於多媒體平台及多語言訊息上，來發現並追蹤複雜事件的情況，這個階段需要 AI 能夠辨別事件、實體以及它之間的關係，才能協助建構擴展知識庫。從 DARPA 公開的網站資訊來看，KAIROS 計畫目前還是處於初始階段，要真的能見到類似「天網」系統的出現應該還會需要不少一段時間，然而科幻小說描述的場景，似乎已經確實離我們越來越近了。 DARPA’s plan for AI to understand the world （首圖來源：shutterstock）