針對日前美國紐約的非營利組織「中國勞工觀察」（China Labor Watch）發布 94 頁報告，滯空鴻海湖南衡陽廠的員工工作超時、低薪、訓練不足、和過度依賴「派遣」或臨時工，違反中國法律的事情，郭台銘在股東會中表示，中國政府在訂定每個月 36 個小時加班上限是不合時令的法令，目前除了積極與中國政府溝通之外，也希望未來借重機器人的作業，以減少這樣的情況。郭台銘表示，這個超時工作的問題已經困擾鴻海許久。過去，中國政府會訂立每個月 36 個小時的加班上限，是因為工作的數量不夠多，為避免工作全都集中在某些廠區，因此訂立加班上限，以平均分配工作份量。不過，就現在的情況來說，美國每個月的加班上限都有 60 個小時，歐盟也在這個加班上限標準。而中國是一個開發中的國家，竟訂立了比已開發國家更嚴格規定，顯然不合時宜。郭台銘進一步表示，根據內部調查中國數十萬的員工來說，除了大多數都是年紀輕的員工之外，他們都是希望能賺錢的員工，因此，如果將加班上限訂定在每個月 36 個小時，則員工賺不到錢，也不願意來鴻海上班。因此，鴻海目前在淡季的時候施行每月 36 個小時加班上限的規定，旺季的時候就會採取美國每月 60 個小時的上限規定。而目前，鴻海在策略上的工作時數應變之外，以會從運用機器人工作的方向來處理。郭台銘強調，鴻海從多年前就開始準備以機器人的作業開始規劃。不過，過程中也遇上了一麻煩。也就是部分政府單位關切，以機器人取代人力之後，將會降低就業的需求。如今，在相關的技術興起，加上公司轉型，積極發展工業互聯網的狀況之下，未來可以藉由此重要的部分解決相關勞動力的問題。(首圖來源:科技新報攝)
人工智慧（AI）和機器選股蔚為風潮，人人都想沾上邊，但是目前究竟發展到什麼地步，是否能夠取代人類？長期致力於此一領域的專家 Yin Luo 說，機器要取代人類為時尚早。Yin Luo 是 Wolfe Research 的量化投資主管，官網資料顯示，他之前在德意志銀行擔任量化策略主管，2011~2016 年間，財經雜誌《機構投資人》（Institutional Investor）六度評選他為全美量化股票研究的第一把交椅。霸榮（Barron’s）報導，Luo 在 AI 和機器學習走紅之前，就投入相關領域，14 年前便運用這些技術打造模型，進行研究，是財經界的 AI 專家。他認為機器要完全取代人類，可以自行選股投資，仍像是科幻小說。現在機器投資仍需要大量人類介入，由人類設計模型、機器加以學習，而非機器自行投資。至於市面上的 AI 基金，他認為比較像是把傳統的量化研究重新包裝，改名推出，而非真正的 AI。在可預見的未來，AI 將扮演輔助角色，無法取代人類。那麼量化研究和 AI 有何不同？Luo 說，傳統金融研究是先提出假設，之後再回測，然而在不同市場和時間區段，試驗 8,000 種選項組合，一定會找到數據支持假設，他從未見過回測失敗的例子。AI 不一樣，真正的 AI 無需人類假設，是把相關資料交給機器，讓機器決定彼此之間是否相關；也就是說，機器會自主學習，隨著技術不斷進步，未來可能有辦法找出新規律和關聯性，甚至判斷某些變數在某種環境下會發生作用，給予人類投資建議。目前 Luo 使用 AI 爬梳企業財報和分析師會議，從管理階層的用詞推敲公司實況。比方說，如果高層言談加入大量修飾詞，可能是過度自信或正在說謊。每家企業有不同的呈現方式，必須觀察細微的相對變化。Facebook 今年股價一度大跌，他們早在去年第四季 Facebook 的財報會議上，就嗅出端倪。（本文由 MoneyDJ新聞 授權轉載；首圖來源：pixabay）延伸閱讀： AI 分析語言模式窺人心，財報會議發言恐洩天機
想到台北信義區，除了逛街之外就是看電影的好地方。看中來來往往人潮，台灣微軟結合迪士尼皮克斯動畫《超人特攻隊 2》，推出「Office 365 超能無限」體驗屋，宣揚最新 Office 365 AI 輔助的各項功能，能夠怎麼幫忙忙碌的爸爸，即時完成家中大大小小的事情。Office 365 中各個不同應用程式，結合 AI 之後，做出的智慧判斷能夠輔助使用者。像是 Word 結合具備觸控螢幕的電腦，直接用觸控筆將開啟文件的某一段畫掉，Word 就會判斷出你想要刪除內容，而將該段落整段刪除。或者是用觸控筆為文件畫重點，不用特別畫直直的，程式會自動判斷你想畫重點，將螢光筆的範圍落在文句上面。 ▲ 用觸控筆或是手指畫掉不想要的地方，Word 就可以將畫過的地方刪除。至於 Office 365 的筆記軟體 Onenote，則具備文字辨識功能，只要寫字不要太草率，按下文字辨識功能，再圈選欲辨識的文字，就能轉成文字了。而在圖形繪製方面，Onenote 也有與文字辨識類似的功能，筆跡轉圖形功能，能夠自動將畫出來不太正整的圖形，變成對應的方形或圓形。 ▲ Onenote 的筆跡轉換圖形功能，讓你輕鬆畫出工整的圖形。而在 iPad 的 Word 上面，Word 充份運用 iPad 的文字轉語音功能，朗讀出你選擇的文章，就可以邊做事邊故事書了。 ▲ Word 結合 iPad 的文字轉語音功能，能夠將 iPad 變成有聲書播放器。 ▲ 有一堆圖片想拿來設計簡報，只要拖拉進 Powerpoint，就可以由程式自動找出共通元素，設計出多個簡報模版出來。即日起至 7 月 3 日，微軟《起人特攻隊...
今年台北國際電腦展最重要的趨勢，就是人工智慧即將走下雲端，變得無所不在，從微軟、Intel、ARM 到 NVIDIA，所有大廠都沒錯過這個主題。了解大廠動向，有助於找到下一個搭上人工智慧列車大賺的公司。這個新趨勢叫「邊緣運算」，以前我們用的人工智慧主要來自雲端，像你打開手機上的 Google 瀏覽器，問手機「今天氣溫幾度？」手機會自動幫你找到答案，是靠手機把資訊丟回雲端伺服器，不到 1 秒，替你找到答案。這次電腦展裡，台灣廠商展出的系統變得更聰明，開發的系統能控制工業機器人看見不同顏色的籌碼，分別歸類到不同的地方，微軟專題演講，還展出一台即時口譯機，你對口譯機說中文，這台機器不但能聽懂你說的話，還能即時翻譯成其他語言，就像一位坐在你身邊的隱形口譯，更厲害的是，只有錄音筆大小，就能做到這樣水準的服務。從工廠到醫院，人工智慧要開始替我們處理更難的問題，需要傳輸的資料更大，為了更即時、更可靠，每樣設備要能做到本身就具備人工智慧的感知和學習功能，人工智慧將從雲端落地，進入各式各樣的裝置。邊緣運算不會取代雲端，相反的，當所有裝置變得更聰明，反而會增加我們對智慧雲端和 5G 連網的需求，雲端和終端都會成長，但更聰明的終端裝置會是一塊待開發的大市場。例如 NVIDIA，在台北國際電腦展裡，首次公開他們專為機器人設計的晶片 Jetson Xavier，以前 NVIDIA 靠巨大的雲端中心成長，但推出這款晶片，代表 NVIDIA 要全力猛攻智慧終端市場。英特爾結盟台廠 積極布局NVIDIA 執行長黃仁勳透露，這是 NVIDIA 耗費長達 5 年時間，投入 8,000 人開發出來的晶片，在機器人身上裝置這顆晶片，等於把價值 1 萬美元的人工智慧工作站放進機器人的大腦；黃仁勳預言，「這將成為新一代自動化機器的核心。終有一天，數十億台智慧機器將用於製造、送貨上門服務、倉儲物流等領域。」他早已看到，自己就能自動做判斷的機器人，自動找路送貨上門的無人機，將是下一個改寫遊戲規則的大市場。NVIDIA 在台北 GTC 大會裡，台下也看得到研華董事長劉克振親自參加，顯見工業電腦廠商對人工智慧趨勢極為重視。因為，以前工業用的控制器，多半是日本人的天下，必須針對每種應用細心調整，但如果人工智慧讓機器能自動學習，那麼，將會出現泛用型控制器通吃所有設備的新局面，這將是台灣工業電腦產業的新機會。英特爾也積極布局人工智慧，今年大展中，英特爾針對邊緣運算，有一款 Movidius AI 晶片，耗電僅 1 瓦，並與多家台灣廠商合作，展示邊緣運算的系統。像安控廠商推出的新零售系統，結合英特爾的人工智慧平台，讓監視器能自動辨識來客的年齡、性別，自動投放適合的廣告。工業電腦廠友通利用這款晶片做成板卡，再交給其他夥伴，為醫院開發出人工智慧門禁系統，因為醫療人員觸摸門禁系統，可能造成手套上的病毒擴散，就能改用臉部辨識開門，甚至連打病歷，都可以改用語音辨識輸入。另一工業電腦大廠研揚，今年也宣布和英特爾結盟，成為英特爾 AI Core 模組首位工業電腦合作夥伴，以 Movidius 晶片開發機器人應用，6 月將量產。而隨物聯網應用大增，研揚開發的 up squared 物聯網開發板，可讓機器人和無人機有 AI 功能，去年出貨 4 萬片，今年將增加至 7 萬到 8 萬片。NVIDIA 和英特爾在伺服器領域也打得很激烈，走到哪裡，都看得到這兩家公司的標誌。像緯穎今年也展出和 NVIDIA 合作推出的人工智慧伺服器，讓緯穎在雲端儲存之外，增加新成長動能。此外，雲達不只跟 NVIDIA...
現在有除紅眼、斑點以及對臉部外觀化妝合成效果的軟體已十分常見，然而因技術仍有許多不足之處，臉部表情的調整還是難以做到完美。但 Facebook 研究人員近期提出一種稱為 Exemplar GANs（ExGANs）的技術，可為照片中閉著眼睛的人張開眼睛，也不會令人感到太過突兀。這種使用軟體「填空」（in-painting）的技術其實並不少見，面對越來越多的人物照片，用來修飾人臉的演算法是電腦視覺與機器學習中的主要研究課題之一。以目前情況來說，深度卷積神經網路（DNNs）已經在填補缺失區域取得良好效果，只要給予足夠的訓練內容，DNN 能學習人臉「應該」是什麼樣子，不僅能維持膚色或局部亮度，還可以編碼一些語義合理性的概念，保留臉部圖像的整體結構同時進行改變。然而由於人類往往對臉部結構的細小誤差非常敏感，特別是如果這些面孔是我們自己的或我們熟知的，一旦處理不佳，很容易產生詭異的恐怖谷（Uncanny Valley）感受，這也讓臉部修飾技術的「真實化」程度格外重要。儘管 DNN 已可產生具可信度、逼真的結果，但面對填空眼睛區域的特殊情況時，由於 DNN 會選擇插入訓練時相似臉孔的對應眼睛，如果目標對象有一些顯著特徵，填空情況仍會與真實情況有差異。▲ 由左至右直列分別為人物範例圖片、原始圖片、Adobe Photoshop Elements 眼部填空與 ExGANs 填空。生成式對抗神經網路（GANs）過去成功用於從無產生臉部或填空臉部區塊的測試，對於臉部任務處理特別適合，Facebook 使用的 ExGANs 則更提升了細節，透過與 Adobe Photoshop Elements 最新使用的睜眼演算法比較，就可更明顯的看出差異。照片中第三列的是使用 Adobe 技術的圖片效果，可看出是採用類似姿勢亮度下的圖片來混合填空，然而因沒有充分運用圖片的結構訊息，像是整體照片光線甚至人物視線，這些細小的變因便導致照片缺乏可信度。而第四列使用 Facebook 技術的圖片，雖然 ExGANs 自動為眼部產生的填空區塊像素較低，但無論光線、色澤與視線都不會令人產生突兀的感受，這也讓未來填空技術的使用更推向現實。▲ 第三直列起分別為原始圖片、ExGANs 填空及眼部拉近圖片。透過訓練神經網路，未來不僅是眼睛，像是嘴巴的開闔、將皺眉變為舒展應該都可行，甚至技術進步之下，眼鏡、鬍鬚這些臉部的額外元素，或許也都能根據需要轉換或修改。雖然 ExGANs 仍稱不上完美，但這確實讓我們稍微窺見填空技術未來在照片應用的可能。 Eye In-Painting with Exemplar Generative Adversarial Networks （圖片來源：Facebook）
自 2001 年 Google 推出線上翻譯系統以來，該系統從原本僅能翻 9 種語言、進步到能翻 103 種語言，以前常常發生的詞語排列不合文法和歧義理解有誤等問題，如今也藉著採用新的翻譯系統而多有改善。現在，Google 翻譯每日要翻譯 1,400 億以上的單字，並服務數百萬的用戶。究竟 Google 翻譯是如何運作，又進行了什麼改革，才有如此出色的能力？Google 翻譯又是否真的已經可以取代有血有肉的翻譯員？以下便針對 Google 翻譯的系統沿革和優缺點，進行簡單的說明。Google 翻譯的基礎和早期系統架構：機器學習和片語式機器翻譯Google 翻譯是以機器學習（machine learning）為基礎來應付語言的複雜多變。機器學習多運用在人工智慧上，指機器從已知資料中分析出規律，再把規律套用在新資料上，並在不斷套用的過程中提高效率或進行修正。藉著機器學習，Google 翻譯讓電腦自己找出不同語言的文法規則，省下慢慢教電腦文法的麻煩。學會文法後，接下來就面臨翻譯正確性的問題。早期的 Google 翻譯要翻譯句子時，會先將原文拆成單字或片語，接著利用統計學和 Google 收集的大量現存翻譯資料，分別選出這些單字片語最普遍的譯法，再依照文法重組成句子。這種類似逐字翻譯的演算法，稱作片語式機器翻譯（phrase-based machine translation，以下簡稱 PBMT）。PBMT 即使是當時先進的機器翻譯系統，但免不了許多缺點。首先，統計出來最有可能的翻譯，有時不是最正確的。比方說，假如大多數資料把 took off 譯作「起飛」，Google 翻譯便很有可能把 I took off my clothes（我脫掉我的衣服）譯作「我起飛我的衣服」。其次，PBMT 以翻譯單字片語為主，翻譯句子的能力有其極限。當句子長、結構複雜、有歧義（ambiguity）或是有文法上的例外的時候，PBMT 便容易翻錯。最後，若沒有某兩種語言的直接互譯資料，PBMT 必須透過多次轉譯，才能翻譯完成，而這個過程使得效率和翻譯的正確性大打折扣。由於有這些缺點，加上 Google 翻譯的資料庫以英文為主（不論是原文或譯文），當翻譯資料稀少或遇到和英文文法差異大的語言時，Google 翻譯的出錯率就會升高。為了翻得更快更好，Google 翻譯的改進勢在必行。Google 翻譯大革新：神經機器翻譯和零數據翻譯約在採用 PBMT 系統 10 年後，Google 翻譯於 2016 年宣布今後會以神經機器翻譯（Google Neural Machine...
今年，將是 AI 人工智慧硬體商機遍地開花的元年，觀察全世界最重要矽智財公司 ARM（安謀）的動向，就能清楚發現這件事。ARM 是全世界最重要的矽智財公司，他們研發出的技術，能讓你的手機連續看好幾個小時的電影，再連上 LINE 與朋友聊幾個小時，手機還有電。在台灣，第一線的重要科技公司，像台積電、聯發科，全是 ARM 重要的合作夥伴，開啟台灣在手機時代的大機會。今年，台北國際電腦展上，最重要的事情之一，是 ARM 公布人工智慧的產品和未來策略，搶攻人工智慧商機。過去，人工智慧來自雲端，由巨型、極度消耗能源的資料中心提供。但今年，ARM 在展場展出，他們能讓電池驅動雞蛋大小的裝置，同樣有人工智慧，能自動辨識人臉和物體。《財訊》專訪 ARM 的 IP（Intellectual Property）產品事業群總裁雷內‧哈斯（Rene Haas），他在這家公司的地位僅次於執行長。專訪中，他深度剖析 ARM 對人工智慧商機的第一手看法。今年，我們觀察到，在台北國際電腦展裡，愈來愈多人在談「邊緣運算」，這是指許多人工智慧的判斷和控制，不再只依賴遙遠的雲端，而是靠內建在機器內部的晶片，或是一旁的個人電腦完成。這是否代表人工智慧時代，另一波新需求正在湧現？「我們認為科技產業的轉變（transformation）在發生，」雷內‧哈斯說，他分析，這樣的轉變，不是為了取代雲端，而是因為愈來愈多的資料湧進網路，未來終端裝置的人工智慧，必須很快針對大量資訊做出反應，光靠雲端根本來不及。像是機器人，生產過程裡如果有 1 秒延遲，沒有即時解決上一個站點傳來的問題，就可能讓產品損壞；自駕車也是，當一輛車收集大量的影像和雷達資訊後，必須馬上判斷，延遲 1 秒，就可能撞上行人。「很多決策必須離事件發生地近的地方就完成，」他說，未來的終端晶片，將具備愈來愈多的人工智慧功能，「ARM 在人工智慧的策略，都圍繞著邊緣運算。」但是，後手機時代，什麼東西會接棒驅動成長？他攤開數字剖析，「ARM 從 1993 至 2013 年，賣出 500 億顆使用 ARM 矽智財的晶片」，到了 2013 至 2016 年，4 年就賣出了 500 億顆晶片，手機成長趨緩，但 ARM 成長速度還在加快，光 2017 年一整年，這個數字變成 200 億顆。他再深入分析，2017 年的 200 億顆裡面，手機只占了 30 億顆，那麼，另外 170 億顆晶片是哪裡來的？「所有你想得到的東西都有，」他說，「溫度控制器、引擎控制晶片，幾乎所有工業應用都有；消費性電子方面，像家用 Wi-Fi，智慧電視用的機上盒。」到處都是。「這個世界正在快速數位化，」他舉了一個演講提到的例子，像氣喘病人吸藥粉用的送藥器，以前與數位化沒有關係，「以前，醫師不知道你有沒有服藥，藥有沒有效，也不知道你用了多少劑量的藥，」他分析，但是當這個送藥的小裝置裝了小晶片後，氣喘病人一用藥，醫師就會知道你今天用了 3...
除了求職簡單，公司尋找合適的人才有時也是一件費時的工作。傳統招聘甚至獵頭方式以外，有新創公司開發利用 AI 尋找所需人才，有效避免各種人為歧視而錯失機會。名為 Plum.io 的招聘工具，採用人工智慧技術尋找人才，避免招聘人員人為因素導致錯誤決定。這人工智慧可透過一個 25 分的解題和性格測試，分析應聘者的不同特質，包括適應能力、溝通能力、同理心和創新能力等，然後配合招聘者的要求，計算出最適合擔任職位的人選。這個系統並不會把履歷或學歷等計算進去，結果主要是透過心理分析，因此可得到更客觀的結果。Plum 亦提供應聘者搜尋工具，讓人事部門更簡單的比較應徵者及搜尋曾應徵的人，方便選擇所需人才。據 Plum 表示，客戶之一的非營利組織 We.org 使用該工具之後面試次數減少 88%，另一間公司 WestBay 則讓新進員工的留職率提升 43%，審核履歷所需時間亦減少 37%。Plum 認為，全人工招聘過程並不有效，履歷可看到的資訊對未來表現並不準確，而招聘時的倉卒決定，會導致留職率下跌，浪費招聘過程所花資源。透過更認識應徵者的性格和處事方式，找出他們是否符合公司文化和職位要求，可能比表面經歷學歷更重要。 Plum uses AI to hire people ‘that never would have been discovered through a traditional hiring process’ （本文由 Unwire Pro 授權轉載；首圖來源：Plum）
中國使用臉部辨識科技，全面監視國內民眾，瑞銀預測其他國家也會跟進，將利用人工智慧（AI）打造龐大的監測系統。AI 王者 Nvidia 將受惠，2020 年此一市場有望帶來 50 億美元的額外商機。18 日 Nvidia 下跌 0.06% 收在 265.09 美元。CNBC 報導，瑞銀 18 日報告上修 Nvidia 目標價，由 266 美元升至 285 美元，和 18 日收盤價相比，大約有 8% 上行空間。瑞銀指出，Nvidia 是機器學習的領導廠商，看好 Nvidia 的 Metropolis 智慧城市平台，可讓政府運用 AI 科技分析影像，協助管控交通、執法等。瑞銀分析師 Timothy Arcuri 報告表示，中國大規模使用即時臉部辨識科技，其他國家可能跟進，Nvidia 盈餘將出現 4~9% 成長。中國臉部辨識的應用相當快速，政府需要龐大監測系統，該國已經利用臉部辨識找出違規穿越馬路行人，深圳許多街口都部署此一技術。（本文由 MoneyDJ新聞 授權轉載；首圖來源：科技新報）延伸閱讀： 中國臉部辨識先進，即刻比對身分抓違規 聲紋+臉部辨識，中國發展 AI 為監控人民？ 中國瘋刷臉，孕育出全球第一個臉部辨識獨角獸 Face++ 「老大哥正在看著你」，中國監視產業無所不在 控管再升級！中國將為每一部汽車建置 RFID 來架構辨識系統
人工智慧（AI）系統 AlphaGo 打敗世界棋王，讓外界對 AI 產業的發展有了更多想像。但日前發布的一項報告顯示，過去一年，中國將 AI 商業化的 100 家創業公司有九成都虧損。綜合科技日報、億歐網及微信公眾號國是直通車報導，億歐公司創辦人黃淵普日前在 2018 全球智慧+新商業峰會發表「2018 中國人工智能商業落地研究報告」，指出 2017 年中國 AI 創業公司獲得的累計融資超過人民幣 500 億元（約新台幣 2,300 億元），但 2017 年中國 AI 商業落地 100 強創業公司累計產生的收入卻不足 100 億元，90% 以上 AI 企業虧損。報導說，決定 AI 企業商業化成敗的重要因素是應用行業本身收集數據的情況。迅雷創辦人程浩舉例，醫療 AI 需要大量的數據，但在中國，醫療數據取得很困難。微軟亞洲研究院副院長張益肇也曾表示，現在大部分人工智慧是要靠大量數據來進行學習的，一個行業發展人工智慧相關應用的前提，是獲得與行業、領域相關且經過整理的數據。億歐網的報告指出，人工智慧在各行業的商業化速度並不相同，金融和安防的商業化進展最快，而自動駕駛、AI 晶片領域企業 2019 年將有不錯的營收表現，醫療商業落地仍需幾年。根據雷鋒網，看好 AI 產業的創新工場創辦人李開復今年初受訪時曾表示，如果對 AI 技術本身沒有了解就急著參與 AI 的早期階段，「這樣的人會賠得連褲子都不剩。」他認為，2018 年底前會有很多這個行業的泡沫開始破掉，投資者要很小心。（作者：張淑伶；首圖來源：shutterstock）延伸閱讀： 李開復預言 AI 泡沫年底要破，LeCun：確實如此