5G 正式商轉的時間，有可能會提早到 2019 年。想像一下，未來你的生活可能會是這樣：走進一家商店，不需要店員，刷臉就可以結帳；手術室裡沒有醫生，取而代之的是機器人為你開刀；走在路上，城市交通不再擁擠，而一輛自駕車正經過你面前；假日想來點休閒娛樂，卻買不到演唱會的票，沒關係，只要戴上虛擬實境（VR）裝置，你就像在搖滾區一樣身歷其境。以上這些場景，有的已經部分實現、有些則是實驗室裡的情境，可以確定的是，未來無論是零售、汽車、醫療、影視娛樂，所有產業的運作模式，都將因為 5G 到來而有所不同。「5G 不僅是 4G 技術的提升，而是藉由這項技術轉型成為推動各個產業的變革，就像過去的印刷機、電力及蒸汽機。」研調機構 IHS Markit 去年一份報告這樣形容 5G 即將掀起的一場產業革命。4G 滿足人的需求，5G 瞄準物的需求「5G 一開始就是針對未來所設計的網路。」諾基亞台港澳行動通信總監鄭志中表示，5G 是為了解決現階段無法解決的問題，所提出的開放技術。過去 4G 針對人的需求、5G 瞄準的是物的需求，重點是要讓業者在商業應用上能更靈活。先從 5G 通訊特性來看，5G 的速度是 4G 的 100 倍、延遲時間只有十分之一，未來，一個 5G 基地台，1 平方公里內可連接百萬個裝置。根據愛立信報告指出，2017 年至 2023 年，行動網路流量預計將成長 8 倍，平均每年成長率高達 40%。到了 2023 年，全球 5G 網路將占總流量 20%，因此，從容量提升的角度來看，5G 將是最具備成本效益的技術。另外，目前全球營運商最看好 5G 將推動媒體及娛樂業、汽車及公共運輸業、醫療衛生及能源與公用事業等產業的發展。但 5G 可不只是網速提升這麼簡單，目前 5G 定義作三大應用場景，首先是增強型行動寬頻，透過網路覆蓋、容量的提升，支援更高效的資料傳輸，例如 AR、VR 這類需要運算密集的體驗；第二是推進海量物聯網的應用服務，包括智慧家庭、智慧城市等領域，根據研調機構 Gartner 預估，2020 年全球會有 204...
近日，DeepMind 一篇部落格文章提到一種新的人工智慧體，可推斷數字、角色和人像的構造方式，更關鍵的是，它們是自己學會做這件事，而不是靠人工標記的資料集。真實世界並不僅是我們眼裡反映的圖像。例如，當我們看到建築物並欣賞其設計之美時，我們也欣賞所需的技術。這種思維方式可使我們對世界有更豐富的理解，也是人類智慧的重要體現之一。DeepMind 研究員希望系統也能創造出同樣豐富的世界表現形式。例如，觀察繪畫圖像時，希望系統能了解用於創建繪畫的筆觸，而不僅是表現在螢幕上的畫素。在這項工作中，研究員為人造智慧體（agents）配備了人類用來生成圖像相同的工具，並證明它們可以推斷數字、人物和肖像的構造方式。更關鍵的是，它們是自學如何做到這一點，而不是透過人為標籤的資料集。這與最近的一項研究「A Neural Representation of Sketch Drawings」提到的依賴從人類經驗學習的方式恰恰相反。依賴人類經驗的學習通常很耗時。研究員設計了一個可與計算機繪畫程序互動的深度強化學習智慧體，將筆觸放在數位畫布上並更改畫筆大小、壓力和顏色，未經訓練的智慧體畫筆很隨意，並沒有明顯的意圖或結構。為了克服這點，研究員需要創建一種獎勵方式，鼓勵 agents 生成有意義的圖片。為此，研究員訓練了第二個神經網路，稱之為鑑別器。它唯一目的是預測特定圖形是由 agents 製作的，還是從真實照片的資料集中採樣的。agents 的獎勵是透過「欺騙」鑑別者認為它的繪畫是真實的。換句話說，agents 的獎勵信號本身就是學習的。雖然這與生成對抗網路（GAN）中使用的方法類似，但並不相同。因為 GAN 網路設置中的生成器通常是直接輸出像素的神經網路。而這裡的agents 是透過編寫圖形程式與繪圖環境互動來生成圖像。在第一組實驗中，agents 透過訓練生成類似於 MNIST 數字的圖像：它顯示了數字的樣子，但沒有顯示它們是如何繪製的。透過嘗試生成欺騙鑑別器的圖像，agents 學會控制畫筆，並操縱它以適應不同數字的風格，這是一種稱為可視化程式合成的技術。研究員也訓練它重現特定圖像的能力。在這裡，鑑別器的目的是確定再現圖像是否是目標圖像的副本，或者是否由 agents 產生。鑑別器越難區分，agents 得到的獎勵就越多。最重要的是，這個框架也是可以解釋的，因為它產生了一系列控制模擬畫筆的動作。這意味著該模型可以將其在模擬繪圖程式中學到的知識，應用到其他類似環境中的字元重建中，例如用在仿造的或真實的機械手臂上。還有可能將這個框架擴展到真實的資料集。agents 經過訓練可以繪製名人臉部表情，能夠捕捉到臉部的主要特徵，例如形狀、色調和髮型，就像街頭藝術家在使用有限數量的畫筆描繪肖像時一樣：（Source：DeepMind）從原始感受中提取訊息結構化表示，是人類很容易擁有並經常使用的能力。在這項工作中，研究員表明可以透過讓智慧體獲得和人類重現世界的相同工具，來指導智慧體產生類似的表示。在這樣做時，它們學會製作可視化程式，簡潔地表達因果關係，提升了它們的觀察力。儘管該工作目前僅代表了向靈活的程式合成邁出一小步，但預計需要類似的技術才能使智慧體具有類似人的認知，包括歸納概括和溝通交流等能力。 Learning to write programs that generate images （本文由 雷鋒網 授權轉載；首圖來源：shutterstock）
微軟 CEO 納德拉（Satya Nadella）前兩天發表了一封公開信，宣布 WDG（Windows and Device Group）部門裁撤，這段期間長期擔任副總裁，堪稱 Windows 10 代言人的 Terry Myerson 離職。消息一出，引起大家很多問號，未來 Windows 10 要何去何從？根據這封公開信，納德拉表示，微軟將進入下一階段。過去一年，微軟已分享許多他們認為智慧雲端（intelligent cloud）及智慧邊緣（intelligent edge）是下一階段創新關鍵的看法，從雲端到邊緣（edge），不但可以看到更多運算的威力、AI 的能力也會擴展到更多領域、更快發揮效果，實體及虛擬的世界也將結合在一起，創造出更豐富的體驗，讓人類有更多方式理解內容。這些科技的改變，代表了微軟的合作夥伴、顧客、每人在其中都可以看到巨大的機會。微軟這次改組就是為了讓微軟進入下一階段，帶給客戶與合作夥伴在這些領域有更完整的解決方案。因此，微軟裁撤了 WDG 部門，納德拉表示，WDG 部門在 Terry Myerson 領導之下，達成了 Windows 10 成為更安全、更即時的現代化 OS 任務，而他也即將要離職。Terry Myerson 在微軟服務已超過 21 年，從領導 Exchange 到 Windows 10，Terry Myerson 也協助納德拉進行這次組織改造。▲ Terry Myerson 2016 年在 WinHEC。微軟此次重組主要是在公司內部建立兩個新的部門：由 Rajesh Jha 主管的體驗和裝置（Experiences & Devices）部門，以及由 Scott Guthrie 主管的雲端與 AI 平台（Cloud...
合併兩年多後，Google 準備把搜尋和人工智慧業務再分拆為兩個獨立部門。據 The information 報導，Google 搜尋和 AI 部門主管 John Giannandrea 卸下主官職，Google 發言人透過電子郵件確認了這個消息。隨之而來是搜尋和人工智慧業務面臨拆分。The information 援引接近 Google 知情者稱，一位負責搜尋工程、在 Google 工作 18 年的老員工 Ben Gomes 將接管所有搜尋工作。Google Brain 領導者 Jeff Dean，將同時接下 Google AI 部門負責人一職。對 Google 而言，搜尋一直是其核心業務，人工智慧業務則承擔拉動公司下個增長的重責。2016 年秋季新品發表會，Google CEO Sundar Pichai 將 AI 擺放至戰略高度，提出 AI First （人工智慧先行）。同年 2 月，Google 剛調整了組織架構為戰略轉向做準備，Google 研究部門的領導者 Giannandrea 接棒了彼時即將退休的 Amit Singhal，成為新搜尋業務負責人。Google 這項轉變的意圖關鍵有兩點：核心搜尋業務需要創新、人工智慧技術要有應用場景。進入 Google 前，擔任過 Netscape 和 Tellme Networks 首席技術長的 Giannandrea，既是探索技術前線的夢想家，也具備將實驗室技術轉為產品的能力，或許是適合 Google 的人選。據 BI 報導，自 2010 年加入 Google，Giannandrea 已完成許多尖端研發項目轉變為消費者手中的產品。不過，Giannandrea...
三星掌門李在鎔 2 月才從監獄獲釋，3 月就急著出訪歐洲，原因何在？從最近傳出消息看來，李在鎔似乎視 AI 為未來發展關鍵，全力衝刺。韓媒 Investor、Chosunilbo 報導，李在鎔行賄南韓前總統朴槿惠定罪遭判有罪，入獄服刑一年之後，2 月 5 日上訴成功，改判緩刑出獄。他低調了一陣子，3 月 22 日展開歐洲行。三星高層透露，李在鎔將到歐洲拜會主要客戶，並會見新的成長業務夥伴，將藉由歐洲行評估三星現況。李在鎔急赴歐洲，為的是什麼？從三星陸續宣布的消息可見，李在鎔似乎正在布局 AI。3 月 28 日三星宣布在法國成立全球第三座 AI 中心。4 月 2 日消息人士透露，三星集團旗下的創投公司 Samsung Venture Investment，斥資 460 萬美元投資以色列 AI 業者 Audioburst。Audioburst 執行長 Amir Hirsh 聲明稿表示，該公司平台會讓三星智慧電視增添個人化的語音搜尋功能，裝置能夠當成個人虛擬語音助理使用。平台每天會分析數百萬分鐘的實況和預錄聲訊，並分門別類，方便之後用關鍵字搜尋。外界預料，Audioburst 解決方案能讓三星的聯網裝置變成聲控系統，可以提供新聞、運動、娛樂、交通、氣候等資訊。（本文由 MoneyDJ新聞 授權轉載；首圖來源：達志影像）
對拉麵愛好者來說，即使是同口味的拉麵，在不同店家手裡就會有截然不同的味道，但如果是同店家不同分店的差異，在光看照片的情況下，真的能分辨得出來嗎？如果你也是喜愛日本拉麵的人，那應該也曾聽過「拉麵二郎」的名聲，這間拉麵店在東京近郊有 41 家分店，因為價格便宜、給料大方，在日本受到許多群眾喜愛。由於每家店面都提供相同的基本菜單，即使你是忠實粉絲，也很難光憑賣相就分辨出哪碗是哪家店製作的。雖然人們或許無法做到，但數據科學家土井賢治相信，深度學習可從一些微小細節辨識出每碗拉麵的不同。事實上，他在去年便已經自己建立了一個機器學習模型，試著辨識拉麵二郎各分店的拉麵，並在 33,000 張照片、一個月持續調整下，達到 87% 的精確度，但他還想了解 AutoML Vision 能否更有效地做到這點。AutoML Vision 是 Google 專門為沒有機器學習專業知識的人所設計，可以協助使用者自動創建自定義的機器學習模型，使用上也非常簡單，你只需要上傳標記好的圖片庫，待模型自動訓練後就可以進行。AutoML Vision 不只能幫助無經驗者，同時也能為專家加快整體訓練的速度。土井的案例中，他從拉麵二郎的各家店面收集了 48,000 張拉麵照片，標記好後上傳系統，花費了大約 24 小時自動訓練後便成功建立模型。而模型得出的結果也非常令人印象深刻：從照片中預測店面的準確率達到了 94.5%。▲ 拉麵二郎的混淆矩陣：直行＝預測商店，橫列＝實際商店。但 AutoML 究竟如何分辨出每碗拉麵的差異？最初 Kenji 認為，模型可能是由照片中配件的差異去判斷──像是碗、桌子的顏色或形狀，但這已證實不太可能，因為即使每個店面都使用相同的碗和桌子設計，該模型的準確率仍非常高。現在 Kenji 的新理論是，或許模型夠細緻到可從「肉片切割方式」或「配料提供細節」分辨出微妙差異，他計劃繼續對 AutoML 進行試驗，看看他的理論是否屬實。就像 AlphaGo 跳脫人類邏輯的下棋風格，我們雖然仍無從得知 AutoML 判斷拉麵來源的細節，但至少可以確定的是：機器絕對不是以口味來分辨的。只能安慰自己，或許這也算人類有優勢之處。 AutoML Vision in action: from ramen to branded goods 趣味で機械学習を駆使して「ラーメン二郎bot」を作ったら、役員に褒められ人脈も広がり、仕事のモチベーションがグッと上がった話 （圖片來源：Google Blog）
提到微軟，人們首先想到的產品肯定是 Windows──一個存在將近 30 年的作業系統。現在，Windows「沒了」，但微軟還在。微軟 Windows 事業部負責人、任職微軟長達 21 年的老臣泰瑞‧梅爾森（Terry Myerson）即將離職，微軟近年來最大架構調整在社交媒體引起熱議。梅爾森在 LinkedIn 發了一篇長文，回顧在微軟工作 21 年的點點滴滴，他將於數月內離職，在微軟之外尋求新篇章，但並未透露具體去向。▲ 微軟官網 Terry Myerson 職位已變為 Windows and Devices 事業部前負責人。Windows 沒了，雲端和 AI 來了這次架構調整最大的變化就是 Windows 不再是獨立事業部，Windows、Office、Surface、Xbox 等核心業務併入體驗及裝置事業部，其他的零碎產品，歸入新成立的雲端計算及人工智慧平台事業部。Windows 是微軟成為科技業巨無霸的根基，與 Office 一起仍處在絕對的壟斷地位。擔任 CEO 的第四年，薩蒂亞‧納德拉（Satya Nadella）毫不猶豫將它拆分重組了。根據納德拉的公開郵件，微軟將調整成三大事業部：體驗及裝置、雲端計算及人工智慧平台、人工智慧及研究。首先是體驗及裝置事業部（Experience & Devices），微軟 Office 業務還在這裡，但重心從桌面管理系統的軟體轉向依賴雲端的 Office 365。最新財報顯示，Office 365 企業業務營收增長 41%。其次是雲端計算及人工智慧平台事業部（Cloud + AI），掌握微軟所有商業智慧和雲端計算企業級服務。還有人工智慧和研究事業部，由華裔沈向洋領導，也是此次架構調整變動最小的部門，負責微軟人工智慧等尖端基礎技術的研究，加速技術研究的商業化程序。Windows 煙消雲散，取而代之的是人工智慧和雲端。新任 CEO 的改革進行到第四年，終於徹底改變了微軟。微軟從大眾眼前消失了，但離錢更近了納德拉好像把微軟改「沒」了，因從消費者層面，微軟的存在感在逐漸降低，無論 Windows 系統電腦，還是 Office 軟體，更不用說 Windows Phone 了。但是，微軟賺錢的能力比過去更強了。反向搜尋納德拉上任以來的諸多調整不難發現，微軟的重心開始更向商用和企業業務傾斜，更確切地說，是向雲端業務傾斜。關於這位美國科技圈職位最高的印度裔 CEO，無論媒體還是與微軟內部接觸的過程，我們都會聽到這句評價：a Cloud guy。這不是否定，而是稱讚。在納德拉掌管下，微軟市值上漲了近 3 倍，突破 7,000 億美元。截至發稿時，微軟市值為 7,027.6...
人工智慧（AI）已成科技大廠兵家必爭之地，處於落後局面的蘋果（Apple）找來了 Google 搜尋與 AI 主管 John Giannandrea，全力迎頭趕上。蘋果表示，未來 John Giannandrea 將會負責機器學習和 AI 策略，並成為直接向執行長 Tim Cook 報告的 16 位高層主管之一。「John 認同我們對於隱私以及讓電腦變得更智慧和個人化的理念。」執行長 Tim Cook 表示。獲得 John Giannandrea 的加盟是蘋果的一大喜訊，畢竟許多矽谷的分析師和高層都認為蘋果在 AI 方面陷入劣勢。AI 是未來的關鍵領域，像是解讀語音指令和辨識照片中的人物都需要 AI，能否從逆境中殺出將影響蘋果的發展。John Giannandrea 來自蘇格蘭，今年 53 歲的他將 AI 導入 Google 的各種產品當中，包括搜尋引擎、Gmail 以及 Google 個人助理。Giannandrea 原先在 Metaweb 這家新創公司擔任技術長，直到 2010 年公司被 Google 收購，就跟著一起加入了 Google。Metaweb 當時正在建立「世界知識的資料庫」，Google 將這項計畫加入搜尋引擎當中，直接回答用戶的問題。在 Giannandrea 任職於 Google 期間，AI 研究在 Google...
Google 向來以「不作惡」為行為準則，而 5 日發生的員工連署上書事件則無疑放大了對此原則的關注與探討。近日逾 3,100 名 Google 員工連署上書他們的 CEO 桑德爾·皮蔡，抵制公司參與美國國防部發起的 Project Maven。Project Maven 於 2017 年 5 月首次宣布，這一專案旨在透過大數據快速獲取可操作的智慧，利用人工智慧技術進行影像檢測。而 Google 將為這一專案提升系統分析影像的能力，這或許會幫助國防部在反暴亂和反恐行動中更好地辨識目標和平民。這份上千名員工所簽署的連署信堅持認為，Google 不應該參與涉及戰爭相關的專案，並呼籲 Google 退出 Project Maven。信中也認為，Google 此舉將在公司的形象和人才吸引的能力上，造成無可挽回的損害。此外，Google 員工的訴求還包括公司宣布一條「永遠不再開發戰爭相關技術」的條款。與美國國防部的合作顯然並沒有在 Google 公司內得到一致認可。Google 官方表示，他們也能理解員工的擔憂，並鼓勵員工參與這個「重要話題的討論」。Google 強調在 Project Maven 中所做的研究屬於「非侵犯性」工作，與國防部的合作只是希望利用技術幫助人們脫離繁重工作。Google 也指出，國防部使用的是「對所有 Google 雲使用者開放的開源物體辨識軟體」，甚至資料都未經標記。（本文由 雷鋒網 授權轉載；首圖來源：shutterstock）延伸閱讀： Google 正與美國國防部合作，協助開發 AI 來分析無人機畫面
人工智慧（AI）毫無疑問是有用的，它快速、精準、不帶情緒，機械式的重複任務也不會厭煩，從各個層面來看，人類從事的許多工作確實都能夠運用 AI 來取代。但如果是創造藝術呢？VentureBeat 報導指出，做為科學和技術的產物，人們總是傾向將 AI 與不需要創意的應用領域連結──這是一個非常簡單的假設，畢竟以目前所知，機器確實缺乏情感與直覺，但這並不代表它們無法創造出人眼中具有創意的藝術作品。透過編碼及相關應用技術，開發人員能夠讓 AI 做的事情遠比一般人想的還要多上許多，像是寫詩詞、繪畫、製作食譜、編寫歌曲這些過去被認為是由創意主導的任務，AI 都已經有了成功的案例，甚至在匿名提供給人群評審時經常能夠獲得好評。▲ 你判斷得出來哪些畫作是 AI 所畫的嗎？答案請見註 1。（Source：Ahmed Elgammal）舉例來說，美國羅格斯大學（Rutgers）藝術和 AI 實驗室日前就編寫出一種演算法，能夠讓 AI 透過對藝術史知識的學習創造出繪畫，團隊甚至在創作後還特別舉辦了畫展，調查人群對繪畫作者的猜測。雖然在模仿現有畫風的畫中，僅有 35% 的群眾認為這是由人所創作的，但在 AI 自創的「AI 派」畫中，相信出自人手的比率卻提高到了 53%。更值得一提的是，當被問到那些藝術作品鼓舞人心或啟發靈感時，AI 創作的作品比起人類所有風格的作品都還要再高出一些。AI 在文字藝術上也已經取得了成功，除了網路上充斥著由機器人記者撰寫的報導上，國外也有團隊成功創造出一種能撰寫十四行詩（Sonnet）的演算法，無論是在解釋性、簡短性和抽象性的基礎上都足以讓人信服。這麼說來，難道「藝術家」也會被取代嗎？進一步來說，如果 AI 也能夠取代藝術家，那麼藝術家/編碼者在藝術作品中扮演的角色又是什麼？要探討這一點，或許我們可以從那些 AI 並不是很擅長的藝術看起。就拿寫作來說吧！雖然 AI 已經成功能夠撰寫報導或進行詩詞創作，但神經網路和演算法仍有些部分是無法突破的。過去研究人員便曾經提供機器許多科幻劇本，並在隨後將 AI 的創作拍成短片《Sunspring》──這部短片自然非常受到關注，但其中唯一獲得好評的並非劇本，而是敬業的演員。目前看來在闡述事實、創作節奏或繪畫上，AI 似乎能夠獲得「A」以上的評分通關，但在對話和情節設計上，似乎就不是這麼如此。網路雜誌《頁岩》（Slate）的分析師對 AI 的詩詞如此評價：這篇由機器撰寫的十四行詩看起來不像在講述任何事情。▲ 由 AI 創作的 14 行詩。（Source：University of Southern California）但藝術是否需要講述一個故事？對於小說或電影來說，故事情節是必不可少的，但在像是照片或畫作、雕塑的藝術媒介中，多半是仰賴暗示或情境來引發情感反應，幫助觀眾以不同的方式看待世界。儘管創作藝術可能因人而異，但有 3 種技能似乎是必須的：第一種是寫作技巧，第二種是創造力，第三種則是意圖。AI可以很好地模仿前兩者；只要告訴它資訊和方向，它便可以持續地往其邁進，它可以複製繪畫風格、學習詩歌的韻律結構，至於難以定義的「創造力」，在不受固有邏輯限制的情況下做出的超越普遍概念決定，在人類看來，大概也不得不歸類於具有「想像力」與「原創性」。但剩下的意圖或許才是最重要的東西，因為對於人類來說，正是意圖激發了藝術作品的靈感，並帶來了期望傳達的意義。而對於 AI 來說，編碼者將機器設定為基於訊息去作出自己的決定，AI 無法學習過於抽象的事物，自然也無法創作出具有意圖的作品；人們可以從作品帶給人類感觸的角度去評論，但卻必須完全忽視其創造的環境──AI 的藝術可能具有吸引力，但卻無法具有真正的意義。▲ 畢卡索『格爾尼卡』的磁磚版本。（Source：Flickr/Tony Hisgett CC BY...