繼日前 LG 發表搭載人工智慧 (AI) 架構的 OLED 電視之後，另一家南韓電視大廠三星也在 8 日於美國華爾街發表 2018 年全新的 QLED 電視。三星指出，該系列搭載三星自行研發的 Bixby 語音助理電視，預計未來除了能成為家庭娛樂平台的中心之外，更以機會藉連結各項智慧家電，成為智慧家庭的樞紐。三星此次新發表的 QLED 電視總計超過 9 個型號。其中，包括 Q6F、Q7F、Q7C、Q8F 和 Q9F 五大系列，其顯示架構包含了 QLED、優化型超高解析度（Premium UHD）、超高解析度（UHD）和超大螢幕等多個類型及尺寸，並且提供了平面與曲面螢幕的不同版本。此外，這次發表會上三星還推出了 4 款音響產品，都加入了杜比音效，更適合家庭劇院系統。據了解，雖然過去三星出產的手機基本都搭載 OLED 螢幕。但是，在電視產品線上，三星仍堅持使用搭載量子點技術的 QLED 技術。而有趣的是，不久前才宣布將放棄曲面螢幕產品開發的三星，在這一次新品中仍推出了具備曲面螢幕的產品。其是不是三星又看到了曲面螢幕的商機，令人玩味。而值得一提的是，這次推出的電視新品都搭載 Bixby 語音助理，用戶可透過語音與家中的其他智慧型家電進行互動，使得電視也能成為智慧家庭的樞紐。而這樣的做法，是三星在智慧型家電領域的新布局，也是三星在 2018 年重要的發展方向。不過，其競爭對手 LG 也在新推出的內建 AI 架構 OLED 電視 ThinQ 系列中加入 Google Assistant 語音助理，同樣也具備與其他智慧型家電進行互動的功能。因此，預期這市場將會因為競爭而變得激烈。不過，目前三星針對這次新推出的相關產品建議售價，暫未公布。(首圖來源:SAMSUNG 官網)
有一天晚上你獨自在家，正打算關上燈就寢，突然之間聽見不知何處傳來一陣毛骨悚然的笑聲，轉頭發現居然是 Alexa 笑了……這不是鬼片情節，而是真實上演的事情。最近有些具有 Alexa 功能的 Amazon 產品用戶，會聽到 Alexa 自動發出詭異的笑聲，這種疑似鬧鬼的情況引起了恐慌。有些用戶則是在命令 Alexa 播放音樂或下達其他指令時，Alexa 就發出笑聲。Amazon 官方已經察覺這項問題並著手處理，表示這項問題出自 Alexa 將其他指令或聲音誤認為「Alexa，笑」的命令。為了解決這種誤讀，將取消「Alexa，笑」的命令，改換成「Alexa，你會笑嗎？」聽到指令時，Alexa 也不再直接發出笑聲以免嚇到人，改成先回答「是的，我會笑。」接著才發出一串笑聲。有些用戶甚至表示，Alexa 甚至沒啟動就開始笑。有人在 Twitter 說聽到笑聲還以為是真的人在旁邊笑，尤其是一個人在家的時候很容易嚇到魂飛魄散。有人乾脆把 Alexa 裝置的電源拔掉，免得嚇死自己。 So Alexa decided to laugh randomly while I was in the kitchen. Freaked @SnootyJuicer and I out. I thought a kid was laughing behind me. pic.twitter.com/6dblzkiQHp — CaptHandlebar (@CaptHandlebar) 2018年2月23日▲ Alexa 用戶以為是真的小孩在笑結果嚇壞了。 Lying in...
日本蘋果情報網站 iPhone Mania 8 日報導，根據 Voicebot 以美國成年人為對象進行調查得知，達近二成 19.7% 的受訪者表示已持有智慧音箱產品，若單純以美國成年人口 2.52 億人計算，相當於在美國已有約 4,730 萬台智慧音箱產品被使用；該數值並非絕對，因為有可能一台智慧音箱產品多人使用，或一人持有多台產品。Voicebot 是在 2018 年 1 月，也就是在蘋果（Apple）HomePod 開賣前透過網路調查，成功獲得 1,057 名 18 歲以上美國成年人回覆。就持有的智慧音箱廠商別市占率來看，亞馬遜（Amazon）市占率達 71.9%，遠高於 Goolge 的 18.4%。就產品別市占率來看，亞馬遜 Echo 市占率達 35.8% 居冠，其次分別為 Echo Dot 的 32.3%、Google Home Mini 的 9% 和 Google Home 的 8.7%。另外，在尚未持有智慧音箱產品的美國成人消費者中，達 9.8% 表示預計會在 2018 年內購買智慧音箱產品，而在這些智慧音箱潛在買家中，達 26% 表示預計購買的產品為蘋果 HomePod。科技市調機構 Canalys 指出，Google Home、Amazon Echo 及...
「圖片左邊是一隻貓，右邊是一隻狗。」如果你只是稍微瞥過，很可能會產生這樣的誤解，但只要看久一些，自然而然便會察覺其中的突兀之處：左右兩邊其實是相同的圖片，只是稍微修改過。確實，為了讓人們被圖片混淆，研究人員修改了一些細節．之所以這麼做，是因為 Google 團隊正在設法弄清楚為什麼人類會對某些形式的圖像處理產生牴觸，或者更該這麼說：用一張圖片去欺騙人們到底需要什麼。透過理解這些簡單攻擊與意外的原理，團隊希望讓人工智慧（AI）變得比現在更聰明，或說，更具備與人類相同的常識去辨識圖片。「如果我們確切地搞懂人類大腦中存在可以抵制某種對抗性類型的例子，這將為機器學習有類似的安全機制提供證據。」過去一年在國外許多團隊的嘗試下，我們經常看到 AI「出錯」，不論是海龜誤認成步槍，還是將迷幻貼紙誤認為吐司機，這些錯誤在身為人類的我們看來都非常有趣，因為這是即使四、五歲的小孩都不會犯的錯誤。▲ 在有意圖的些微改動照片後，AI 便會將熊貓看成長臂猿、貓咪看成電腦、香蕉看成吐司機。而這些錯誤並不在於 Google 的 AI 系統有什麼問題，而是一個機器普遍存在的簡單缺陷：缺乏眼睛。由於機器無法「看到」世界，只能「處理」圖片，這讓人們很容易操縱一般人不會看到的圖片來欺騙它們。而這也是為什麼 Google 要同時研究人類大腦和神經網路的原因。截至目前為止，神經科學（neuroscience）已經提供 AI 領域許多幫助，像是對 AI 應用發展非常重要的人工神經網路（ANN）便是其中一環，但研究人員希望能從中獲取更多靈感，目標其實非常簡單：那些騙不了人類的內容也應該騙不了 AI。身為 Google 研究小組成員之一，Ian Goodfellow 過去曾發表過深度學習相關書籍，他近日再度公布了一份白皮書──「能同時欺騙人類與電腦視覺的對抗式案例」（Adversarial Examples that Fool both Human and Computer Vision），提及一些欺騙 AI 的案例並不適用人類大腦，Goodfellow 認為這些資訊應該能用來製造更彈性的神經網路。以目前的情況來看，人類在圖像辨識還是毫無疑問的冠軍，而 AI 的錯誤確實能當作茶餘飯後的話題，但如果人們未來得生活在 AI 環繞的世界（目前看來確實正持續朝這個目標邁進），為了避免 AI「看錯」照片造成的麻煩──像是自駕車被迷幻貼紙搞混標示造成的車禍，這些問題勢必得解決。 Google teaches AI to fool humans so it can learn from our mistakes （圖片來源：Google Adversarial Patch 研究資料）延伸閱讀： 美團隊...
IC 設計大廠聯發科 9 日公布 2018 年 2 月營收。繼 1 月營收來到新台幣 168.35 億元，創下 23 個月來新低數字之後，2 月再受開工日期及假期的影響，營收為 127.08 億元，較 1 月再退衰退 24.5%，也較 2017 年同期的新台幣 169.51 億元，下跌 25%。累計，2018 年前 2 個月營收為 295.44 億元，較 2017 年同期的 352.65 億元，衰退 16.22%。依據聯發科日前法說會的預期，2018 年第 1 季營收，以美元兌換新台幣 1:29.5 計算，第 1 季營收將落在新台幣 483 億元到 532 億元之間，季減 12% 到 20%。因此，就目前第 1 季前兩個月的營收成績計算，要達標最低必須 3 月營收達 187 億元水準。根據法人的看法，繼...
近日，矽谷 AI 公司 Atomwise 宣布獲得 4,500 萬美元的 A 輪融資。孟山都風險投資公司、Data Collective（DCVC）和 B Capital Group 領投，百度創投、騰訊等都是 Atomwise 的新投資者。Atomwise 公司的主要研究方向是利用 AI 來加速化合物篩選，幫助新藥發掘。Atomwise 成立於 2012 年，目前已籌集超過 5,100 萬美元資金。該公司旨在減少研究人員花在尋找藥物化合物方面的資金和時間，並有 50 多個研發項目正在進行。Atomwise 一直與大型製藥公司、生物技術公司和大學研究實驗室合作，努力加速神經退行性疾病、癌症和其他疾病的新藥候選物發現。Atomwise 的軟體分析模擬分子，減少研究人員花費合成和測試化合物的時間。該公司表示，目前它每天篩選超過 1,000 萬種化合物。Atomwise 的 AtomNet 系統使用深度學習演算法，並預測它們在人體的作用，包括毒性和副作用等潛在方面的訊息，比傳統藥物發現的過程更快。2015 年，公司在尋找伊波拉病毒治療方案的進展讓人眼前一亮，即在 Atomwise 預測的藥物中，有兩種或許能用來對抗伊波拉病毒。據了解，他們一個星期就找到這種藥物，且成本不超過 1,000 美元。Atomwise 首席執行長 Heifets 博士認為，公司使用 AI 技術幫助藥物設計者判斷分子是否還有繼續研究的必要，大大節約了篩選過程的時間，可以間接解決製藥行業投資回報率低的問題。「製藥行業不會一直保持較低的投資回報率，這不是長久之計。我們需要像 AI 這類新技術來幫助解決這問題。」此外，Atomwise 的技術也用於開發更安全、更有效的農藥。據了解，2017 年 6 月，該公司還宣布與孟山都公司合作，尋找可能保護作物免受害蟲侵襲和疾病侵害的藥品。在一份聲明中，孟山都風險投資公司的 Kiersten Stead 博士表示：「我們選擇基於我們從 Atomwise 手中看到令人印象深刻的結果來投資。Atomwise 能找到有希望的化合物來對抗農作物保護目標，這是農用化學品研發的重點領域。」Atomwise...
2013 年 DeepMind Technologies 發表一篇突破性論文，展示神經網路如何透過觀看螢幕來學習玩 1980 年代的電子遊戲，幾個月後 Google 以 4 億美元收購該公司，DeepMind 開始應用深度學習，甚至在 AlphaGo 遊戲中勝過人類，但同時也突顯深度機器學習速度太慢的局限性，使得科學家開始探究人類學習事物的秘訣。麻省理工科技評論（MIT Technology Review）報導指出，加州大學柏克萊分校研究團隊探討人類與影音遊戲互動方式，了解人類依靠什麼樣的先驗知識來理解遊戲。研究發現，當人類開始新遊戲時會使用大量背景知識，讓遊戲更好下手，但若把遊戲重新設計，打破先驗知識，人類就會陷入困境。而機器在兩個遊戲上皆以完全相同的方式執行。研究人員在亞馬遜的眾包網站 Mechanical Turk 徵求 40 人玩一款基於經典遊戲設計的 Montezuma’s Revenge 小遊戲，研究人員沒有提供操作手冊與說明，參與者在完全不知道遊戲怎麼玩的情況下進行，研究發現參與者完成遊戲約需 1 分鐘時間，做出大約 3 千次鍵盤操作，但演算法卻使用 400 萬個鍵盤動作才完成遊戲，相當連續玩遊戲約 37 個小時。研究人員表示，這並不令人意外，因為人類很容易猜到遊戲的目標是要踩著磚狀物體，並使用梯子到達更高的平台，同時避免生氣的粉紅色和火焰物體，將機器人精靈移往公主。相比之下，遊戲對機器來說很難，許多標準的深度學習演算法根本無法解決問題，由於只有完成遊戲時才有反饋，因此演算法無法評估遊戲內容。研究人員歸功於人們的先驗知識，即知道某些物體是好的，而其他物體，譬如遊戲中有皺眉或火焰是壞的，平台支撐物體，梯子可以爬升，看起來相同的東西的行為方式相同，重力將物體拉下，判斷物件是什麼東西等。但機器對這些毫無所知。研究人員重新設計遊戲，選擇紋理來掩蓋梯子、敵人、鑰匙、平台等各種形式的先驗知識，並且改變遊戲的物理屬性，比如重力的影響，以及角色與環境交互的方式。讓這些先前知識無關緊要，然後測量人類完成遊戲需要多長時間。結果發現刪除一些先前知識會導致人類玩家解決遊戲的速度急劇下降，完成遊戲時間從 1 分鐘增加到超過 20 分鐘，而刪除這些訊息對機器演算法學習速度沒有影響。研究人員甚至可以改變項目設計，觀察玩遊戲的時間變化，時間增加愈多代表相應的先前知識愈重要。譬如去除對象符號，如皺眉或火焰符號，參與者則需要花費更長的時間才能完成。但使用紋理掩蓋物件表面，遊戲會變得更困難，研究人員不得不將酬勞提高，參與者才願意玩下去。這個排名與人類學習方式有一個有趣的聯繫。心理學家發現，在嬰兒 2 個月大的時候擁有一種原始的物體概念，但還無法辨識種類。3~5 個月大的嬰兒學會辨識物體種類，18~24 個月學會辨識個別物體，以及學習物體屬性，而人類先驗知識的重要性排序也跟嬰兒相同。這份實驗價值在於量化人類在解決影音遊戲時使用各種知識的重要性，並理解先前的知識如何使人類善於處理複雜任務，為電腦科學家開發機器智慧提供一條有趣的途徑。利用人類從小就接受的相同基礎知識來設計演算法，這樣機器應該能夠趕上人類的學習速度，甚至可能超過人類。 Why humans learn faster than AI – for now （首圖來源：Flickr/Rebecca Hildreth CC BY 2.0）
在中國北京郊區的高速公路檢查站，負責道路安全管理的警方正在測試全新的道路監控裝置──採用人工之技術的辨識鏡頭，可以辨識過往車輛中的車牌和乘客面部信息，並即時與犯罪嫌疑人的資料庫進行比對，一旦所辨識的臉部資訊與警方資料庫中的黑名單嫌疑人匹配，會在警方的監控畫面中出現紅色方框標記，並立即發出警告訊息。此舉反映出中國政府正在應用新的技術提來提升安全性，此次北京警方測試的辨識鏡頭由 LLVision 公司研發。同時越來越多樣化的監控手段也讓外界擔心中國正在發展為一個監控密集的國家，進一步打擊異見人士。香港大學媒體研究部門中國媒體內容研究主管 David Bandurski 表示，中國政府層級對於網路和通訊技術的發展感到不安，但政府的態度轉變得非常快，技術已經成為了管理社會和政府執法中不可或缺的幫助。LLVision 公司 CEO 吳斐在接受採訪時表示，「民眾不需要擔心個人隱私問題，因為政府是利用先進的技術手段來抓捕罪犯，將犯罪嫌疑人和逃犯繩之以法，我們應該相信政府。」中國政府正在積極推動人工智慧產業的發展和應用，本週在北京召開的中國全國人大代表大會中，所有進入會場的參會人員都必須進行面部掃描，這是臉部辨識技術首次在中國最高等級的政治會議中使用。在此次會議中採用的臉部辨識技術可以在 2 秒內完成個別辨識，分析和對比臉部資訊，並與一個名為天網的犯罪訊息資料庫對比，該系統擁有全球的罪犯黑名單資訊。一些科幻電影中的場景正在一步步變成現實。中國政府一直在部署更先進的安全監控體系，同時民眾的個人隱私也面臨巨大的威脅，因為在犯罪系統的黑名單中有大量律師、藝術家等異議人士。採用的監控技術包括用於大規模人群監控的警用機器人，監控邊境地區的無人機和線上追蹤、辨識的人工智慧系統。另外讀取手機資料的掃描儀、配置 AR 鏡頭的警犬都在測試中。最新的報告顯示，中國政府正在建立龐大的語音資料庫，提升語音辨識的能力。未來長期在中國西北地區使用的監控手段將在全國範圍內推廣，預期在 2019 年開始啟動。 China eyes ‘black tech’ to boost security as parliament meets （首圖來源：pixabay）
人工智慧和機器人等新科技的進展，不只引起各界的關注，如今也讓民眾憂心忡忡。調查報告顯示，美國民眾超過七成認為人工智慧將消滅更多工作機會，超過一半覺得新科技對就業機會的威脅大於移民和外包。這項調查由美國東北大學和調研公司蓋洛普（Gallup）進行，調查對象是約 3 千名美國成年人。高達 73% 的美國人認為人工智慧會讓更多人失業，僅有 14% 的人覺得人工智慧創造的工作機會比消滅的更多，其中藍領工作者更有 82% 憂心人工智慧減少就業機會。▲ 73% 的美國人認為人工智慧減少就業機會。（Source：Gallup）調查中有 58% 美國人認為在未來十年，人工智慧（AI）和機器人等科技將比移民和外包更嚴重威脅就業機會，相對的有 42% 美國人視移民和外包為更大的威脅。除了失業問題之外，超過六成美國人認為人工智慧將擴大貧富差距，認為能縮小貧富差距的只有不到一成。▲ 58% 的美國人表示未來十年新科技比移民和外包更嚴重的威脅就業機會。（Source：Gallup）新科技的進展帶來不小的恐慌，有近四分之一美國勞工擔心自己會因人工智慧和機器人等新科技而失去工作，幾乎是擔心移民和外包者的兩倍。其中又以教育程度不到學士學位的勞工最憂心，有 28% 擔心自己會被新技術淘汰。美國人對新科技的擔憂並非空穴來風，牛津大學一項研究顯示，將近一半（47%）的美國就業機會有被人工智慧淘汰的風險。各界對移民和外包造成的影響則意見分歧，有些報告顯示移民和外包創造的就業機會比減少的還多。面對人工智慧等新技術的挑戰，川普（Donald Trump）政府沒有太大動作。美國財政部長（Steven Mnuchin）甚至表示，50 年內無須擔心人工智慧會搶走美國人的工作機會。相較於人工智慧，排外的川普更在乎移民可能會取代美國人的工作。 AI Seen as Greater Job Threat Than Immigration, Offshoring Americans Upbeat on Artificial Intelligence, but Still Wary （首圖來源：shutterstock）延伸閱讀： 諾貝爾獎得主：AI 破壞力大，應設「生計保險」緩衝擊 AI 恐消滅 4 億個職缺，人類需新版「馬歇爾計畫」創造工作 AI 衝擊太大，吳恩達呼籲必須端出羅斯福新政 AI 發展會威脅人類？蓋茲：這並非即刻會面臨的問題，但也不能忽視其可能性
我們可從一個人平常的談吐或口頭禪來形塑一個人的基本印象。但根據一個人平常說話的起手式、習慣用語是不是可以完全反映個性呢？根據近日一間美國芝加哥人工智慧公司的研究，這答案或許是肯定的。 給予肯定答案的這間美國企業名叫 Mattersight。該公司專攻語音 AI 領域，平常的服務內容是透過較獨特的語音辨識技術，來為使用者投放個性化的廣告推薦。 他們近日做了一項實驗，從公開管道獲取了幾位知名人士的談話內容，以此為研究素材，統統丟進他們的 AI 裡進行一連串分析解碼，為這些全球響叮噹的領袖名人個性歸類。 ▲ NASA 使用該測驗近 20 年，用來評估太空人的心理健康狀況。（Source：Flickr/Climate State CC BY 2.0） Mattersight 2017 年就曾透過自家打造的溝通模型（Process Communication Mode，PSM）分析對話和通話的所用詞彙，來找出對應的概念、知識和代表意義。簡單來說這就是該公司打造的「語音世界」演算法。 在這樣的架構下再加入 AI 學習的能力，不但擁有自主學習進步的能力，更可以準確判斷說話者的個性。Mattersight 表示，使用這套系統，不需 30 秒就可判斷對話者的個性特質。 這套 PSM 演算法模型將人的性格分為六大方向。分別是 Organizers（開創者）、Connectors（連接者）、Originals（自我主宰）、Advisors（顧問）、Doers（實踐者）和 Dreamers（逐夢者）。 Mattersight 認為，這項調查結果，可讓大家更容易發現高階經理人、CEO 的領導風格，以及他們塑造的團隊氛圍與企業文化。 Organizers 開創者 （Source：Flickr/Heisenberg Media CC BY 2.0） Tesla 創辦人暨執行長 Elon Musk: “The literal definition of a company." 開創者會在談話中，將事實現象與成堆的數據放在第一優先，他們不但目標清楚，更是完美主義者。開創者在這世界占據 25%...