人工智慧的好處顯而易見，比如在醫療健康領域，人類專家需要花費數年時間不斷研究和糾錯，才能總結出一套基於各種因素診斷疾病的方法，但對人工智慧而言可能只是幾分鐘的事。Google 在醫療 AI 領域已取得不少成果，比如利用 AI 診斷心血管疾病、眼底疾病和急性腎損傷等。如今老牌科技巨頭微軟也加入這行列。近日，微軟和印度阿波羅醫院發表聯合聲明，表示雙方將結成戰略同盟，聯手設計新的機器學習演算法，用於預測心臟疾病的風險，並協助醫生迅速找到相關治療方法。「我們與阿波羅醫院的合作，將我們在人工智慧和機器學習領域的特長和阿波羅醫院在心臟病方面的專業知識和經驗結合」，微軟人工智慧研究中心副總裁 Peter Lee 說。他還指出，人工智慧與醫療健康系統的結合是為了賦能予醫務工作者，進而推動人工智慧普及。過程是以解決方案為導向，透過更直觀、快捷和有效的診斷方法減輕疾病對人類造成的負擔。微軟部落格指出，目前雙方正在開發一個用於確定心臟健康狀況的人工智慧 API。不過文章並沒有聲明，這個 API 是歸阿波羅醫院獨有，還是會向該國其他醫療業者開放。在印度，心血管疾病是導致患者死亡的主要原因之一，心臟病導致的死亡率比全球平均高出 0.235%（截至 2016 年）。對患有早發型疾病的患者來說情況更嚴峻。阿波羅醫院掌握了大量心臟病患者的臨床病史資料，計劃利用這些資料和人工智慧等先進技術來預測和預防心臟病發生。阿波羅醫院聯合總經理 Sangita Reddy 表示，他們將逐步建立一個「全球聯盟」，讓研究成果惠及其他國家患者。除了與阿波羅醫院合作，微軟近日還宣布推出 Microsoft Genomics 服務。Microsoft Genomics 服務透過利用和處理基因資料，幫助醫學研究者發明精準治療癌症等疾病的藥物。比如，經過分析患者的健康和腫瘤細胞組織及其他患者的醫療資料（包括治療方法和結果），醫生能選擇最有效的治療方案。聖裘德兒童研究醫院、微軟及 DNAnexus（在 Azure 營運的基因資料管理平台）三方基於共用基因資料及 Microsoft Genomics 服務，合作開發了一套基因組比對和基因變異辨識的流程。基於這套流程，合作者已處理超過 500TB 的基因資料，並存在 Azure 供大家分析。對研究醫院、DNAnexus 和微軟正在合力建立的資料分享平台來說，這些資料分析結果提供了良好基礎。Microsoft Genomics 服務是微軟 Healthcare NExT 的一部分，Healthcare Next 是微軟發起透過人工智慧和雲端計算加速健康保健業的創新。在擁有大量準確醫療資料的前提下，微軟希望透過部署在雲端的 AI 工具幫助研究者更快發現癌症等疾病的治療方法。而一個處理基因資料的通用流程，可有效降低可能影響資料的偽影和雜訊，有助於 AI 驅動下的精準醫療。目前，Microsoft Genomics 已向美國、西歐和東南亞的用戶提供服務。（本文由 雷鋒網 授權轉載；首圖來源：微軟）
IC 設計大廠聯發科在 MWC 2018 大會首度發表內建人工智慧（AI）功能的 Helio P60 處理器。由於是目前市面首款內建 AI 功能的處理器，不但迫使競爭對手高通（Qualcomm）隨後發布同樣內建 AI 功能的驍龍 700 系列中階處理器，還讓華為海思也決定將麒麟 970 處理器的 AI 功能，下放到中階麒麟 670 處理器。面對競爭對手來勢洶洶，這款被譽為聯發科「救世主」的 Helio P60 處理器是否真能獲得市場青睞，答案是，中國手機廠商 OPPO 及魅族已決定在新推出的手機上搭載 Helio P60 處理器了。聯發科 Helio P60 處理器採用 ARM 的 4 個 Cortex A73 及 4 個 A53 的 8 個大小核心架構，效能相較上一代產品 Helio P23 與 P30 產品，CPU 及 GPU 性能均提升達 70%，且採用台積電 12 奈米...
Google 的人工智慧學習平台橫空出世，還有 Google 的免費中文機器學習速成課程！3 月 1 日，Google 在以往介紹自己的 AI 產品、開源代碼和研究成果的 ai.google 網站上新上線了教育板塊「Learn with Google AI」，匯集各類 AI 學習資源，旨在幫助廣大學生、研究者、產品開發者掌握包括 AI 基礎知識、模型開發技術、開源平台使用、Kaggle 競賽、綜合解決方案設計等各方面的 AI 技術應用能力。▲ 「Learn with Google AI」中豐富的學習內容。「Learn with Google AI」的重頭戲是一類新的免費課程「機器學習速成課程」（MLCC），其中除了指導性的課程影片，還有練習題和互動性的可視化內容，便於學習和立即實踐，尤其令人開心的是有全套中文課程。課程目前包含 25 堂課程、40 多項練習、實際案例研究、Google 研究人員講座等內容，課程總耗時大約 15 小時，完成課程即可具有相當的機器學習開發水平。據了解，快節奏的 MLCC 課程最初是在 Google 內部使用，用於學習基礎機器學習知識的。目前已經有超過 1 萬 8 千名 Google 員工申請了從增強鏡頭校準、AR Google 地圖到提高 YouTube 串流媒體畫質等各種 MLCC 課程，這些課程的成功也正是 Google 打算把它們公開給大眾的動力。除了機器學習速成課程，「Learn with Google...
亞馬遜再斥巨資，為「送貨入室」服務更添一名得力助手。據美國科技媒體 GeekWire 報導，亞馬遜已收購智慧門鈴製造商 Ring，為送貨入屋及家居安全服務提供發展動力，有效減少社區犯罪。據悉，亞馬遜預計將把 Ring 當作一項獨立業務營運，正如之前收購 Zappos、Twitch 和 Audible。此項交易的財務條款細節暫未披露，但據 GeekWire 援引路透社消息，此次收購價值可能逾 10 億美元，將成為亞馬遜史上最大交易之一。亞馬遜於 2017 年 6 月中旬完成收購全食超市，共斥資 137 億美元，是亞馬遜迄今為止最大手筆的收購案。亞馬遜發言人聲明稱讚「Ring 的家居安全產品讓用戶很欣慰」，Ring 也表示很高興與亞馬遜合作，一同為打造更安全的社區努力。之前，亞馬遜曾透過 Alexa 基金投資 Ring，此次購併交易，是西雅圖科技巨頭進軍智慧家居技術市場的又一動作。2017 年 10 月，亞馬遜針對 Prime 會員推出「Amazon Key」服務，並自主研發價值 119.99 美元的家用安全鏡頭（Amazon’s Cloud Cam）。Cloud Cam 需與 Amazon Key 應用程式搭配使用，套裝要價 250 美元，旨在解決用戶不在家時，快遞員也能送貨入室等安全問題。後經實驗證明，Amazon Key 服務有安全漏洞，可能帶來安全問題。西雅圖犀牛（Rhino）安全實驗室的研究人員表示，Amazon Key 能輕易破解，入侵者可透過遠端操控 Cloud Cam 停用，用戶手機端顯示靜止影像看不出任何異樣，這樣外人可輕易進入用戶家中。對此，亞馬遜聲明提醒用戶留心檢視系統，並表示會盡快更新程式通知用戶升級。Amazon Key 安全漏洞給亞馬遜帶來不少質疑，還被媒體列入「2017 年科技滑鐵盧」事件之一。不過如今看來，亞馬遜並沒有因此挫傷積極性，反而進一步促進家居安全服務的布局。亞馬遜 2017 年 12 月宣布收購無線安全鏡頭公司 Blink，以求更推動 Amazon Key 業務。此次收購 Ring，也將支援 Alexa 延伸至更多智慧家居裝置。（本文由 36Kr 授權轉載；首圖來源：Ring）延伸閱讀： 亞馬遜新專利：機器人隨時送貨上門，還能送到屋裡 亞馬遜收購智慧門鈴公司，為與 Google 的智慧家居大戰做準備 CNBC 評選年度最失望科技產品，Google、蘋果和亞馬遜都中槍了 Amazon Key 送貨服務遭破解，控制監控相機後就可大方進入 你不在家也能送貨到府的服務太超過？亞馬遜 6 成會員不想用
人工智慧（AI）風潮當道，相關人才需求發燒，過去 3 年來成長兩倍。其中數據科學家更是當前最夯的 AI 職缺。求職網站 Indeed 1 日報告稱，不少人擔心 AI 會消滅工作，但是實際上 AI 需要大量人力研發維護，過去 3 年來，AI 人才的需求提高了 119%。若以年增率來看，AI 工作在所有職缺所占比重，從 2017 年一月的 20.1%，一年後增至 31.6%。TechRepublic 報導，報告作者 Daniel Culbertson 向該網站表示，Indeed 數據顯示，雇主對 AI 人才需求提高，數據科學家和機器學習工程師更是炙手可熱；AI 在各行各業的發展運用日增，未來人才爭奪戰將更為激烈。Culbertson 說數據科學家是最熱門的 AI 職缺，AI 需要輸入大量的高品質數據，才能發揮效用，數據科學家能夠分析解讀資料，協助公司了解數據、取得洞見，以便採用更有效率的方式達成營運目標。雇主求才若渴，求職者對 AI 工作的興趣卻在連續走高兩年之後，於 2017 年觸頂。和 2017 年 1 月相比，求職者對 AI 職缺的興趣僅年增 1.4%。（本文由 MoneyDJ新聞 授權轉載；首圖來源：pixabay）延伸閱讀： 年薪千萬台幣，數據科學家為全美最佳工作
稍早筆者受淡江大學教育政策與領導研究所邀約，做了一場「AI 時代文教事業的經營」演講，給體制內的教育機構以及在文教產業的商業公司，提供一些面臨新一波科技浪潮（特別是大數據和人工智慧）時，因應的建議。準備的過程中，發現這些思維轉變、策略訂定以及組織和營運的革新，有不少也適用傳統產業的經營者和人員，因此稍微重新整理，跟科技新報的讀者分享。首先，大家對大數據及人工智慧（AI）這幾年的發展，需要有清楚的認識，這些進步不僅是某些關鍵技術的突破，而是已經如火如荼在各種產業和生活應用展現效果，不論社交媒體、網路購物、客服及對話機器人、自動翻譯、智慧物流、無人飛機、無人商店、智慧製造、醫療照護，或是各種影像與語音辨識等場景，使用大量數據及新型演算法分析，高速運算的電腦裝置不斷學習，持續產生出前所未有、勝過人類生產力的高度效能。兩個簡單的例子，一是生產力 4.0 的發展，透過大量新的感測器及分析系統，工廠可隨時蒐集生產線上機器運行的細微狀況，提早因應可能的故障或產能不足等問題。另一個例子是中國光棍節，電子商務平台短時間大量的客戶服務（語音及文字互動），也已有極大比例是由客服機器人執行。這些都是基於龐大數據的累積和分析，建立出適當的模型，不斷學習改進，而能用在實戰上，為企業節省大量成本，促進更順流程的營運。文教產業（例如出版商、補習教學機構等）通常是以服務和內容為核心產品，也在製作和交付方面經常依靠人的高度參與，過去在先進科技的運用，本來就是偏向比較不積極 （Late adapters）。但因這波數位革命，影響的是所有產業，包括市場及客戶的典範轉移，因此如文教這樣所謂的「傳統」產業，面對的挑戰恐怕更巨大，甚至可能面臨被淘汰或取代的危險。筆者建議從事文教業（及許多傳統產業）的朋友，可從以下 3 個方面，找尋自己新的生存或競爭機會：1. 審思公司的定位與策略首先，公司需要重新盤點自己的核心能力與競爭優勢，深刻檢視過去仰賴的商業模式和資源，是否未來還存在。舉例來說大型出版商過去整合下游印刷和通路（分銷、零售等），曾經擁有成本及運營優勢，但是現在網路越來越去中間化，數位內容也快速取代紙本，這些優勢會不會反而成為變革的包袱？其次，市場及客戶喜好的變化也越來越快，過去文化或教育類型的需求經常多年不變，本地廠商占有第一線服務的優勢，對於市場的敏感度容易逐步降低，也不易察覺新興科技可能帶來的衝擊。例如英文補習班雖然一向競爭激烈，但因為需求水平高，實體機構過去還一直有生意做。但是現在不僅少子化，線上的學習資源和選擇越來越豐富，國外的對手要進來也不困難，學生的學習習慣更大幅傾向數位，如果公司沒有不斷研發精進的能力，過去靠一套教材吃十年的日子，恐怕也不復存在。當然，新的世代也有許多新機會，其中終身學習（對於新知識的焦慮和需要），更重視個人化體驗的學習（例如線上線下融合），以及海外市場的擴展（包括中國）都是。若是文教產業能確認自己的定位，善用科技工具和自身累積的專業，擁抱這些機會，也都有可能走出新的道路。2. 強化組織創新的能力與文化「成長型思維」是當今個人和組織都必須不斷強化，隨著大數據和人工智慧時代來臨，不變比改變風險還大，原地踏步就是落後的狀況越來越明顯。前面提到競爭對手可能來自四面八方，現在連個人的工作都很容易被機器取代，曾經需要一定專業，仰賴本地人員的教學、編輯，甚至美工設計工作，可能都有更好的工具或來源替代。創新大師 Clayton M. Christensen 在《創新者的 DNA》書中，從人才、流程、和理念三方面為組織的創新提升給予具體建議，其中高階主管領導創新行動的意志、注重招募／訓練／拔擢 「發現導向型」 人才、部署及管理小型創新組織，以及強調創新是每一個人的工作，都有很好的觀點，值得大家參考。另外我想多強調兩個日益重要的能力，一是基於數據做決策的能力，一是人機協作的能力。這幾年網路、行動應用和物聯網不斷普及下，每個人或聯網物件每天產生的數據已不計其數，商業行為中的製造、運輸、銷售、行銷、服務，乃至產品的使用現場（包括家中）和訊息媒體，都有大量對公司營運息息相關的有用數據。如果一家公司不能及早建立適當的 IT 系統，蒐集及分析訊息的流程能力，以及基於數據來決策的文化，恐怕會被具如此能力的競爭對手甩在腦後。由於人工智慧應用搭配機器人／智慧裝置的普及，一般人員即使短期未必立即被機器取代，也越來越需要有效與機器互動協作，截長補短，共同達成任務。舉例來說在不少實體店鋪（例如銀行分行），開始配置服務機器人，為來店客人提供產品諮詢等引導服務，甚至也可以進行交易。然而在機器人未能充分展現人性關懷之前，店鋪多半也需要配置真人，提供更深層或複雜的銷售服務行為，以達到最好的服務體驗效果。這種人機互動協作，未來在許多崗位，包括管理職和專業職，都會越來越普遍，那些能擁抱科技（機器）能力，但又不失人性細膩和決斷的組織和個人，能將機器的威脅轉成助力，勝出的機會將特別大。3. 善用新式工具，擴大市場，降低成本，提升生產力許多人擔憂人工智慧等新科技帶來的巨大威脅，不過更多人把它們就當作是新的「工具」，與過去的電力、電腦、網路無異，都是可以大幅提高生產力的契機，同時也必然會造就不少新的職能需求。從一個公司的各方面營運上看，以下是人工智慧技術已經在許多產業快速應用的範例，供大家參考： 市場分析／行銷活動：大量輿情（語意）分析、程式化廣告投放 銷售及通路管理：全通路／多通路營運、通路預測模型、無人商店 產品及服務研發：數據導向設計、機器學習模型、智慧裝置軟硬體整合 客戶服務及客戶關係管理：智慧客服、無人機／機器人、客戶預測模型 製造及供應鏈管理：智慧設備、供應預測模型、維運管理模型 物流運輸管理：倉儲機器人、運輸最佳化模型、無人卡車駕駛 若對文教類別的公司，特別會建議在產品技術升級，以及服務體驗深層化方面多下工夫，創造更多差異化，提高服務黏度和不可取代性。這不僅是在正常商業運行下的加強，更是該運用新式科技和思維，爭取突破窠臼的發展。首屆圖靈獎（Turing Award，電腦領域的奧斯卡獎）得主美國電腦科學家 Alan Perlis 有一句名言：A year spent in artificial intelligence is enough to make one believe in god.（在人工智慧花一年時間，足以讓人相信上帝的存在）。我們認為這一波（第三波）的 AI 是玩真的，將為人類生活、產業競爭以及社會體制帶來巨大的衝擊。如同數位及網路革命時許多傳統產業未能跟上，不支倒地（例如書店、唱片、相機等），這次數據及 AI 應用將更拉大領先者和落後者的距離，不論個人、公司，甚至國家都一樣。人工智慧是未來災難還是救星，端看我們如何面對它，你準備好了嗎？（首圖來源：shutterstock）
美國的頂級律師最近和人工智慧來了一場比賽，律師輸了。法律 AI 平台 LawGeex 與史丹佛大學、杜克大學法學院和南加州大學的法學教授合作進行一項新的研究，讓 20 名有經驗的律師與經過訓練的法律 AI 程式比賽。比賽內容是 4 小時審查 5 項保密協議（NDA），並確定 30 個法律問題，包括仲裁、關係保密和賠償。如何準確界定每個問題是比賽的得分要點。頂級律師輸了在這場比賽裡，人類律師平均準確率達 85%，而 AI 的準確率達 95%。AI 也在 26 秒內完成任務，人類律師平均需要 92 分鐘。人工智慧在一份合約也達到 100% 準確率，其中最高分的人類律師得分僅為 97%。簡而言之，人類律師被機器，「虐」了。智慧財產權律師 Grant Gulovsen 是該研究中與人工智慧競爭的律師之一，他表示，這項任務與許多律師每天所做工作非常相似，「大多數文件，無論遺囑、公司營運協議還是 NDA 等，都非常相似。」Gulovsen 表示。那麼，與機器的比賽中落敗，是否意味著律師會丟了飯碗？答案是：否。「使用人工智慧可幫助律師加快工作速度，讓他們專注於那些仍需要人來完成的任務。讓 AI 當作律師助理初審 NDA，可為律師騰出寶貴的時間，專注於客戶諮詢和其他更高價值的工作，」杜克大學法學院臨床教授 Erika Buell 說。稱為「自然語言處理」（NLP）的人工智慧技術，已證明可用於掃描和預測什麼樣的文件能與一宗案件相關。但律師的其他工作，如向客戶提供建議、書寫案情摘要、談判和出庭，在短期內仍超出電腦化的範疇。「我堅信，法律學生和初級律師需要理解這些人工智慧工具和其他技術，這將有助於使他們成為更好的律師，並塑造未來的法律實踐，」Buell 隨後表示，「我相信大眾，只要他們希望律師能有效處理他們的法律問題，就會對這個新工具感到興奮。」「AI in Law」的那段歷史千萬不要以為，人工智慧和法律領域的結合只是近兩年 AI 熱潮下的跟風之舉，實際上，人工智慧和法律的第一次相遇至少有 30 年歷史。美國亞利桑那大學的哲學家普拉克（John Pollock）早在 1940 年代就設計出 OSCAR 推理程序。這個程式有可辯駁的能力，可用於觀察、因果判斷、概率計算、計劃建構、做評估和決定。1970 年，在 Buchanan 和 Headrick...
人工智慧（AI）和機器學習興起，裝置的運算需求大增，原先做法是把複雜運算交由雲端處理，但是數據來回傳輸太花時間，「邊緣運算」（Edge Computing）成了熱門技術。NetworkWorld、Barron’s 報導，邊緣運算是什麼？維基百科解釋，邊緣運算將應用程式、數據資料與服務的運算，由網路中心節點，移往網路邏輯上的邊緣節點來處理；邊緣節點更接近用戶的終端裝置，可以加快資料的處理與傳送速度，減少延遲。簡單來說，邊緣運算是把數據移往比較接近裝置的地方處理，不再大費周章送往「遠在天邊」的資料中心或雲端。思科的企業策略創新資深主管 Helder Antunes 說，多數情況下，所有數據都送上雲端，用粗大通道連接雲端和裝置，是不切實際的做法。Guggenheim 的 Robert Cihra 報告稱，當前硬體裝置只是「連接雲端的通道」，未來運算能力將提高，變成「邊緣電腦」（edge computers）。他認為此種趨勢有利垂直整合業者（同時發展軟硬體者），如特斯拉、蘋果；Google 不落人後，也開始打造硬體。Cihra 指出，特斯拉是領先群雄的業者之一，把汽車變成邊緣運算裝置。自駕車必須能夠自行思考行動，而且不能仰賴雲端，必須即時處理感測器傳來的資訊。和當前的先進駕駛輔助系統（ADAS）相比，自駕車所需的運算能力為 ADAS 的 50~100 倍，所需的 DRAM 和 NAND 為 ADAS 的 10 倍。汽車變身邊緣運算裝置，若要發揮最大效用，必須徹底整合軟硬體，特斯拉所做的正是如此。他預測，由於自駕車營運模式是垂直整合，蘋果不大可能出售模組化 AI 給第三方廠商，未來兩年可能考慮自行打造汽車或徹底退出，他們認為蘋果應該會選擇加入汽車戰場。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）延伸閱讀： 邊緣運算加速 AI 與 5G 發展，至 2022 年市場規模 CAGR 將逾 30%
貿易戰只是假議題，人工智慧（AI）軍備競賽才是大國領導人最關注的焦點？華爾街日報 3 月 2 日報導，根據 Govini 統計，2017 年美國五角大廈的 AI 相關（包括大數據、雲端運算）支出金額（不包括未公開的機密支出）約 74 億美元，高於 2012 年的 56 億美元。美國官員雖將中國視為最大的競爭對手，但俄羅斯的潛在威脅也不可輕忽。莫斯科在電子戰領域擁有非凡的專業知識，未來 10 年的軍事目標是將 AI 自動機械化比例拉升至 30%。美國國防部前副部長 Robert Work 提議藉由打造類似美國太空總署（NASA）的 AI 民間機構來跟中國、俄羅斯一較高下。此外，他也提議成立 AI 儲備單位（類似後備軍人），提供獎學金讓年輕人取得電腦科學學位，以換取年輕科學家定期在軍事 AI 實驗室提供服務。英國電訊報 3 月 1 日報導，甫於 2018 年 1 月卸任的 Alphabet Inc. 前執行董事長施密特（Eric Schmidt）表示，類似電影「魔鬼終結者」的 AI 殺戮情節恐將在未來 10~20 年內應驗。2014 年 11 月開始交易的資安概念 ETF「ETFMG Prime Cyber Security ETF」3 月 2 日上漲...
人工智慧（AI）能做非常多的事，圖像辨識、語音辨識、雲端運算……在機器學習和深度學習技術的協助下，AI 解析數據的能力並不會有人懷疑，但它們並不善於自行探索。而圍棋界打遍天下無敵手 AlphoGo 的創造者、Google 旗下知名 AI 研究機構 DeepMind 打算改變這一切，教會機器如何自己搞懂事情。為了解決這個問題，DeepMind 為 AI 機器人建立了一個全新的學習模式「預定輔助控制」（Scheduled Auxiliary Control，SAC-X），為機器人提供一個簡單的目標，並在完成時提供獎勵。DeepMind 解釋，SAC-X 定義的輔助任務總是遵循一個大原則，那便是「鼓勵機器人探索感測器空間」，研究團隊並不會告訴機器人如何完成任務，他們只會開啟機器配置的感測器，剩餘的便留給機器去摸索，一直到它把事情正確完成。如果你看過機械手臂在工廠協助生產的場景，下面的影片或許不會太令你印象深刻，但必須一提的是，這台機器手臂並沒有特定的程序或設計在引導，它只是在自行摸索如何達成人類的要求，並獲得相應的獎勵。一旦 DeepMind 或其他 AI 公司教會機器人做這些事，這將很大程度的改變世界。以目前的研究應用來看，沒有一個機器人可以走進一間陌生的房間，並且將它整理乾淨，就連其中包含的單項任務──整理床舖、清空垃圾或放一杯咖啡，對機器人來說都非常複雜。當機器人能學會自我摸索，每種任務的執行方式都將會是無限，雖然目前距離電影裡能打點一切的 AI 機器人還有很長一段路要走，但 DeepMind 確實已踏出了第一步。 DeepMind’s new robots learned how to teach themselves （首圖來源：Deepmind）