不少人擁有 Google 帳號，甚至在所屬組織運用 Google Suite，但在近期 AI 風潮下，Google 沒怎麼著力在既有服務加上 AI 功能。如今 Google Cloud Next 大會，Google 終於想到該吸引企業用戶，推出 AI 驅動的新功能。以後在 G Suite，可靠 AI 修正文法，在 Hangout Meet 時用 AI 代為智慧回覆等功能。Google Suite 有 400 億用戶，儘管不是企業首選的辦公室軟體，卻是不少人網路工作的重要工具。其中 Google Docs 推出的新功能文法檢查工具，運用機器學習學習基本的文法概念，像是 a 跟 an 的使用時機。 ▲ 智慧撰寫功能讓系統自動猜測信文內容，輔助撰寫者。Hangout Meet 也有類似的語言工具智慧回覆，能夠依據對話的內容，自動出現候選的文句，同意、也許、相當同意等日常對話，但又是工作相關出現的文句。智慧撰寫則是撰寫信件時自動猜測可能輸入文句，如果 OK 則可以不用透過人寫，直接寫之後想寫的內容。 ▲ 智慧回覆功能，能夠讓使用者從幾個候選回應選擇最接近的意思。因應 GDPR，Google 推出 Data Region 功能，G Suite 用戶視組織需要，選擇儲存資料的地方，如歐洲或是美國的資料中心。 ...
人工智慧（AI）技術在過去幾年間出現了長足進步，改變了全世界的工業並創造了全新的產業，其中的圖像辨識和機器翻譯已經被廣泛運用，然而因為技術入門的困難度，許多產業仍未享受到 AI 所帶來的好處，為此 Google 近日在部落格中帶來了更多加強功能的工具，盼藉此讓所有開發人員都可以運用 AI 促進產業發展。在這次的更新中，Google 為 Cloud AutoML 和 Dialogflow 企業版進行功能加強，同時也推出全新的解決方案 Contact Center AI 來替需求者解決問題。對於消費者來說，可能會感覺到 AI 應用存在著巨大落差，這是因為 AI 技術牽涉到許多層面，一方面經驗豐富的開發者運用 TensorFlow、Cloud ML Engine 等工具量身打造解決方案，另一方面沒有經驗的從業者則運用預先培訓的機器學習模型（如 Cloud Vision API），得到對 AI 最基礎程度的投資與技術理解。然而許多企業對 AI 的認知卻是介於兩者之間，對這些人來說，他們的需求超出了預先培訓模型的能力範圍，但同時自身又不具有能力或資源從頭打造解決方案，而 Google 推出的 Cloud AutoML 便是為此而建。透過 Cloud AutoML 工具，需求者將可以在更高自由度的範圍內，擴展 ML 模型來滿足特殊需求。Cloud AutoML在今年早些時候推出的第一版 AutoML 中，Google 推出了 AutoML Vision 來協助進行圖像識別，而在第二版中除了完善這項功能，Google 也再推出了兩項新的 AutoML 內容：AutoML Natural Language（自然語言理解）和 AutoML...
與 ARM 一樣同屬精簡指令集的 RISC-V 吸引越來越多科技公司，包括 IBM、NXP、Western Digital（WD）、輝達、三星等上百家公司都加入 RISC-V 陣營。似乎是 RISC-V 的發展勢頭讓 ARM 倍感壓力，ARM 建立網站從 5 方面攻擊 RISC-V，而 RISC-V 也建立網站從 6 方面反擊 ARM 。不過，目前 ARM 已關閉攻擊網站並回應。ARM 在 6 月底建立了 riscv-basics.com 網站，以「設計系統晶片之前需要考慮的 5 件事」為題，從成本、生態系統、零碎化風險、安全性和設計保證方面攻擊 RISC-V。儘管其中一些問題確實存在，但資訊太少，難對 ARM 有利，且這種攻擊很快就引起許多業界人士強烈的不滿。對於受到攻擊，RISC-V 並沒有置之不理，7 月 9 日 RISC-V 也建立 arm-basics.com 網站，在 ARM 列出的 5 個問題增加社群支援，以「設計系統晶片之前需要考慮的 6 件事」為題反擊 ARM，並呼籲晶片廠商採用真正自由的架構 RISC-V。RISC-V 反擊網站上線次日，也就是 7 月 10...
無論扛著多高級的攝影器材，光線昏暗時拍出來的照片，總會帶著滿螢幕噪點，還得用 PS 軟體辛辛苦苦後製，才會變成一張完美的作品；但在以後，這項苦差事或許可以交給 AI 了。7 月 9 日，輝達（Nvidia）發表消息，向大眾介紹他們與麻省理工學院（MIT）、芬蘭阿爾托大學共同開發的人工智慧 Noise2Noise。這個人工智慧，主要由 Nvidia Tesla P100 GPU 和 cuDNN 加速的 TensorFlow 深度學習框架組成，可以輕鬆消除照片噪點、顆粒和水印，且渲染處理時間大大縮短，甚至幾毫秒就可完成。 在深度學習階段，現在同領域的其他人工智慧，需要大量照片的兩個版本（帶噪點和無噪點）比較，才能摸索出有效的降噪模式。而 Noise2Noise 用到的「教材」只有帶噪點版本──研究人員提前用電腦為 5 萬張照片隨機生成密密麻麻的噪點，再餵給它訓練處理。相關論文中，研究人員表明，Noise2Noise 可成功去除噪點，且修復後的細節和清晰度，都跟未生成噪點前的原圖非常接近。這項技術還可用於改善天體攝影、核磁共振（MRI）成像或大腦掃描圖像。醫學上來講，這有利於醫生更清晰、迅速地診斷病症。 ▲ 投餵給 AI 的帶噪點 MRI 成像（由左至右）、AI 處理後效果、原圖。 除此之外，這 AI 也能輕易去掉照片上的浮水印。圖像辨識方面，Nvidia 研發的人工智慧一直以來都很「嚇人」。就在 6 月，Nvidia 推出新技術，可將普通的影片轉化為平滑自然的慢動作影片。不生硬不卡頓，甚至還清晰優化畫面細節。今年 4 月，Nvidia 也向外界展示 AI 的「自動填補功能」（Content-Aware Fill）。當你塗抹掉照片任意部分，AI 會辨識感知空白部分缺了什麼，並用它的邏輯補上，而不只是簡單的取周圍色塊來填充。 ▲ 像素缺失圖片（由左至右）→Photoshop...
說起機器人爬樓梯，不少人可能會想起波士頓動力那隻黃色的 SpotMini 機器人。如果你覺得 SpotMini 能透過視覺分析路況已經很棒，那 MIT 的 Cheetah 3 肯定讓你更驚豔，因為它不僅可爬樓梯可跳躍，且一切都不依賴視覺完成。要是它踩到一些鏡頭看不到的東西，那該怎麼辦？我們不想過於依賴視覺。一位參與 Cheetah 3 項目的工程師 Sangbae Kim 說。不靠視覺或任何感測器，機器人又是如何了解路況？就和漆黑環境行進的人類一樣，Cheetah 靠的也是「摸黑前行」（blind locomotion）。具體來說，Cheetah 主要依賴兩套新演算法：1. 接觸感應演算法；2. 模型預測控制演算法。簡單來說，接觸感應演算法可幫 Cheetah 判斷某隻機械腿接觸到的平面是否可「踏下去」，以及下一步又怎樣反應。▲「摸黑」爬樓梯。碰了一下後，演算法得快速判斷機器人腳下是脆弱的樹枝，還是踏實的路面，它能否踏下去？如果不可踏，演算法會結合回饋資料決定，接下來機械腿是趕緊抬起來，還是搖擺以保持整體平衡。至於模型預測控制演算法，主要幫助機器人判斷，每踏出一步，到底需要用多少力，才能幫助機器人人保持平衡。除了「踏好每一步」，演算法另一個工作在於幫助機器人遇到意外阻力時，要怎樣恢復平衡。譬如說，有人在旁邊踢了機器人一腳。演算法就會想，「我剛在左邊遭遇一次意外速度，我要怎麼控制每隻腳的用力狀態，才能保持平衡？如果我在相反方向施 100 牛頓的力，半秒後會發生什麼事？」Kim 解釋。這個演算法可幫助機器人對付研究人員突然拉扯和推力。▲「推什麼！」視覺判斷可能會面對干擾因素、不準確或情況不適用等問題。所以說，如果你的機器人過於依賴視覺，它對空間的判斷必須非常準確，這會使它反應變很慢。因此，我們希望它可更依賴觸覺資訊，這樣一來，快速行動時仍可應付意外障礙物。Kim 補充。此外，這個功能也是出於對 Cheetah 作用定位的考慮。和旨在進入辦公室和家庭的 SpotMini 不同，Cheetah 的使命在於去人類不能到的地方，深入譬如坍塌大樓的廢墟、受核輻射影響地區等地方，進行救援等工作。這也意味它得面對更複雜的路況、光線更暗的環境。不過，Kim 表示，他們還是會為 Cheetah 安裝視覺系統，但「不想將視覺當成控制第一位」。除了「摸黑」系統，Cheetah 3 和上一代相比，靈活度也提升不少。▲ 可逆膝關節系統，真‧機器人舞。▲ 靈活擺動。▲ 弓背彈跳，後面的研究人員也太高興了吧。會開門的黃色 SpotMini 和 Cheetah 3，你比較喜歡哪個呢？ “Blind” Cheetah 3 robot can climb stairs littered with obstacles...
4 年前，一名 30 出頭的女性在倫敦遭逢一場車禍，當時她經歷了一項緊急手術以降低腦壓，她的外科醫師 Chris Mansi 記憶猶新，當時手術成功，然而不久後她還是過世了。這位外科醫師很想了解原因，經過探究後，發現問題在於從車禍現場到急診室、急診室到手術的這段期間，共延誤了 4 小時，更準確地說，若能在頭部掃描得知腦部有大血塊後立即治療，或許就能保住這位女士的生命。Chris Mansi 醫師謹記在心並積極研究，避免類似情況再次發生，因而成立了 Viz.ai 公司。這間公司的使命在於運用機器學習（一種人工智慧）分析腦部掃描結果，以辨別哪些病患需要立即關照、哪些可安全等待。像這樣運用於醫療的機器學習已廣泛採用，醫病關係也將轉型。儘管應用領域和方式不同，但目標皆一致，就是在正確的時間將正確的病患帶到正確的醫師面前治療。Viz.ai 公司正跑在這項科技的前端，今年 2 月，Viz.ai 於美國核准販售軟體以掃描腦部偵測大血管阻塞引起的中風。此項科技引進至美國的「中風帶」（西南部），此地區的中風事件莫名相當頻繁，田納西州的厄蘭格醫療院所（Erlanger Health System）於今年 6 月啟用 Viz.ai 系統。「我們知道血塊阻塞每分鐘會造成 200 萬個腦細胞損傷。」目前兩種治療方式：血栓疏通（clot-busting）藥物和血栓移除術（thrombectomy）可有效改善結果，卻鮮少使用，原因是待診斷出中風、手術團隊準備好時，病患的腦細胞已大量死亡，此情況下，Viz.ai 科技能提供的，就是辨識緊急個案，立即寄送掃描結果和警示值班醫護人員。另一項 AI 應用是在腫瘤，2017 年 2 月，史丹佛大學的 Andre Esteva 及團隊運用將近 13 萬張影像來訓練人工智慧軟體以分類皮膚病灶，經過 21 位皮膚專科醫師的訓練和測試後，這項軟體已能辨別最常見的皮膚癌（keratinocyte carcinoma，惡性角化細胞癌）和致命的惡性黑色素瘤（malignant melanoma），成效等同專業醫師，相當令人刮目相看。就在 6 月《Annals of Oncology》腫瘤學期刊發表的研究顯示，一項 AI 皮膚癌偵測系統已超越大部分皮膚專科醫師的表現。德國海德堡大學 Holger Haenssle 的研究也顯示，AI 系統成功診斷出皮膚癌的比率為 95%，高於 58 位皮膚科醫師的 86.6%，同時誤診良性痣為惡性的比率也較低。AI 無法完全取代專業醫護人員AI 在乳癌偵測也有進展，今年...
如果你一直擔憂自己的工作未來被人工智慧取代，那麼這則新聞或許會讓你安心一點。根據瑞典媒體《今日工業》（DAGENS INDUSTRI）報導，最近，瑞典一家線上銀行 Nordnet 準備開除自家 AI 員工 Amelia，最直接的理由就是 AI 助手的業績表現沒能達到預期，金融業的殘酷由此可見一斑。 （Source：Business Wire） 去年夏天，Nordnet 請來這位享譽全球的 AI 助手 Amelia，和一般員工一樣，它的職責就是幫助客戶加快辦理業務的速度，幫助客戶完成開戶，並提高客戶滿意度等。據悉 Ameila 可辨識 100 多種語言的單字和短句。「但是它沒能做到這兩點」，Nordnet 首席執行長 Peter Dahlgren 表示，「我們為客戶帶來新嘗試，客戶的反應也還可以，但沒有獲得壓倒性好評，所以短期內我們可能把 AI 技術投入其他業務。」投入 AI 技術還為 Nordnet 帶來更高支出，根據報告，Nordnet 的 2017 年營業利潤為 2.47 億瑞典克朗，是自 2012 年以來的最低水準。Nordnet 採用的 AI 助手 Amelia 並非自主開發的人工智慧助手，而是 2017 年與美國科技公司 IPsoft 合作推出的產品，這家老牌服務提供商有 20 年不停創新的歷史，由紐約大學教授 Chetan Dube 創立，去年 IPsoft 的 AI 系統在全球排名第一。Amelia...
根據國外科技媒體《The Information》的報導指出，中國手機品牌華為內部已經確定了代號「達芬奇」（Project Da Vinci）的計畫。這項被一些華為高階經理人稱之為「D 計畫」的達芬奇計畫，是以開發資料中心所需的人工智慧（AI）晶片為主。未來希望藉由此計畫所開發出的晶片，支援雲端運算中的語音和圖像辨識等應用。這除了是華為參與競爭激烈的人工智慧市場的第一步，也期望能挑戰輝達（Nvidia）的龍頭位置。報導指出，在晶片產業，產業實力前 20% 的企業，贏得了市場 80% 的利潤。但是，近來發展出在晶片內建置 AI 引擎核心的做法，為晶片產業開創了一個全新的商業模式，也使得新興的晶片公司得以有機會能與過去的晶片巨擘一較高下。而華為目前也是使用 Nvidia 的晶片，來為其服務器增加 AI 功能。但是，華為希望逐步減少對美國企業依賴的情況下。開發 AI 晶片就是其中的關鍵，這也是「達芬奇計畫」最核心的內容。報導進一步指出，相關之前人士表示，華為執行領導「達芬奇計畫」的是華為副董事長徐直軍，他也是華為旗下 IC 設計公司海思董事長。過去，華為在開發智慧手機用處理器時，就已經將 AI 運算功能加入在其中。如今，藉由「達芬奇計畫」希望將 AI 運算功能拓展到雲端運算領域上，則過去華為海思在行動處理器上開發 AI 運算功能的經驗，就位開始運用及移植到雲端運算的領域上。目前，每個月華為公司高階經理人都會與同事們一起討論，如何將 AI 運算導入公司一切產品和服務中，包括電信基地台、雲端資料中心、智慧手機和監控攝像頭等設備。之前，華為已經透過 「安全城市」 的項目，開始進行相關達芬奇計畫的與推廣。也就是透過監控攝影機收集影像資訊，再將資料送交雲端資料中心。藉由圖像的分析，協助地方政府分析相關資料。另外，華為還在歐洲、拉丁美洲、非洲以及亞洲的 90 多個國家提供了部分這類解決方案。華為表示，目前正計劃將更多的 AI 運算能力引入全球電信網路中，除了將即將推出的 5G 網路做準備之外，也透過開發新的設備和軟體，利用電信基地內建的 AI 運算能力，使基地台能可以自行檢測和修復問題，同時能預測資料流量的波動，自動調整運作效能，達到效能與成本優化的目標。此外，華為的「達芬奇計畫」更是瞄準雲端運算市場。除了能為客戶提供具備 AI 運算功能的伺服器和其他資料中心設備之外，還透過 AI 雲端服務及軟體來達到獲利的目的。對此，華為就曾指出，未來每年將至少拿出 10 億美元的研發預算，用於與相關方面研發。雖然，目前華為發言體系拒絕評論「達芬奇計畫」，但是華為要如此花費精力在 AI 晶片的開發工作上，相信除了看到晶片市場的豐厚利潤外，與日前中興通訊事件所帶來的衝擊也脫離不了關係。而未來華為藉「達芬奇計畫」能創造出多少的收益與影響力，將會是產業界所持續關心的關鍵問題。（首圖來源：By Another Believer , from Wikimedia Commons）
為了持續挹注台灣科技創新的能量，經濟部技術處推動法人科技專案計畫，由工研院、資策會、生技中心等研究機構推動執行，發展關鍵產業技術。這些法人的研發成果，則透過自 2014 年開始舉辦的《解密科技寶藏》展覽，傳遞給企業及大眾，並促進合作鏈結。其中，資策會在今年度也投入了七項技術參展，包括可應用在骨科手術的 MR 智慧眼鏡、Edubot 智能互動服務、自然語意理解的 AI 對話服務平台等相當引人注目的成果。經濟部技術處的科技專案致力於專利產出，以保障技術優勢。每年專利申請與獲得，均有將近 2,000 件的成績；在 2016 年統計的法人科專促成廠商投資金額，更超過新台幣 548 億元，達近年新高。藉由累積深厚的技術為基礎，今年《解密科技寶藏》的主軸也定調為「眾力方程式」，劃分出智慧環境、生產製造、健康醫療、創新生活等區域，打造未來科技樣貌。在《解密科技寶藏》當中，今年主要呈現 5+2 產業創新政策的 76 項成果，共可見到 17 個研發法人的尖端技術。而資策會則透過本展，凸顯其在服務智慧化、物聯網、雲端及大數據等領域軟硬整合的專業。 ▲ 在《解密科技寶藏》展覽中，參訪者正在「智慧環境」展區聆聽技術導覽解說。（Source：資策會）骨科手術利器，智慧醫療眼鏡透過 MR 混合實境疊合 3D 虛擬影像過去執行開刀手術，若需要觀察骨骼、復位或確認安全時，醫師會需要透過大量的 X 光影像來確認手術正確性，導致提升暴露在輻射中的風險以及花費更多時間。為改善醫療品質，資策會智慧系統研究所（系統所）在經濟部科技專案的支持下，與台灣骨王共同合作，設計出讓 MR（混合實境）疊合資訊標記的智慧眼鏡，幫助彰化秀傳醫院的骨科醫師在手術時精準找到下刀位置，提高手術的效率與準確度，目前已成功運用在 100 多件臨床試驗案。若要使 3D 的 X 光成像能夠疊合在眼鏡當中，得先透過類似 GPS 的定位技術，此外，還需校準使用者的視線，以及判斷醫生與患者之間的相對距離。而在進行手術前，患者則需要在身體貼上金屬貼片並照射核磁共振，從斷層掃描的數據建立骨骼模型。藉由金屬貼片的定位，3D 的骨骼模型便能在手術進行時呈現在醫生配戴的智慧眼鏡中，使手術野跟視野一致，不用再一直抬頭看螢幕上的 X 光片螢幕，減少手術過程的誤差，大幅縮短 30% 以上的手術時間。 ▲ 採用 MR 混合實境的智慧醫療眼鏡，使虛擬骨骼模型投射在手術醫師與病患之間，協助精準下刀。（Source：資策會）看懂人的表情，Edubot 智能互動服務加速軟硬整合及智慧玩具開發AI 應用在居家市場上早已占有一席之地，從 Amazon 的 Echo 到 Google...
根據中國媒體的報導，中國加密貨幣挖礦機大廠比特大陸（Bitmain）已完成第 2 輪的募資，目前粗估市值約達到 140 億美元。在日前完成私募基金紅杉資本（Sequoia Capital）領軍的的 3 到 4 億美元募資後，比特大陸正進行新一輪 10 億美元募資，並預計在 9 月份向香港證交所申請上市，若一切順利將在 2018 年底或 2019 年初上市。根據報導指出，比特大陸目前除了紅杉資本外，投資者還包括對沖基金 Coatue、新加坡國有的新興市場投資基金 EDBI，以及 IDG 與創新工廠。而比特大陸新一輪的 10 億美元募資預計在 7 月底完成。在完成募資後，公司的粗估市值將由之前的 140 億美元提升至 150 億美元。報導進一步表示，比特大陸成立於 2013 年，是一家以設計加密貨幣礦機晶片（ASIC）為主的公司。目前市場預估，比特大陸生產的挖礦機專用晶片市占率 70%，並且掌控了加密貨幣比特幣超過 50% 的算力，成為全球最大的比特幣晶片和挖礦機解決方案提供商，旗下還擁有了完整的比特幣挖礦供應鏈。不過，近期隨著比特幣市場的不穩定性逐漸出現，使得比特大陸也在向發展 AI 晶片的方向進行轉型。2017 年 11 月，比特大陸發表了以 ASIC 架構為主的 AI 晶片 SOPHON。2018 年 3 月，比特大陸還低調發布了由台積電 28 奈米製程生產的第 2 代 AI 晶片 BM1682，算力達到...