各家科技廠商莫不投入資源發展 AI，好像只要能跟 AI 沾上邊就可以表示公司跟上最新潮流，而微軟也不例外。微軟亞洲研究院院長洪小文在微軟 AI Day 大會上發表演講，繼續強調 AI +HI (Human Intelligence) 的重要，仍樂觀表示 AI 不會有取代人類問題。洪院長在在演講後接受媒體採訪。回答微軟在 AI 的佈局和如何發展 AI，微軟會擔任 AI 技術普及的推手。台灣有政府政策支援而且還有預算，洪小文覺得算是好的事情，但要轉換原先硬體的思維，投注資源在軟體的投資上面。洪院長預告比起 2016 年端出來的成果，明年亞洲研究院會推更多精彩應用，做為亞洲研究院成立 20 週年的賀禮。 台灣要好好重視被忽略的軟體 台灣政府有推出AI 政策，並且投入 160 億元的經費，要發展 AI 國家隊。洪小文認為兩大 AI 技術強大中、美為例，以美國來說完全自由經濟模式，只會有政策支持，不會編列預算發展產業。中國則是處於另一邊的極端狀況，採計畫經濟模式，很多事情政府說得算，管得很細。台灣政府不屬這兩種極端，投入 160 億元好像說多不多，說少不少，有錢支援產業總是好事一樁。 洪小文說不要看台灣人少，要發揮島國交通、人才流動頻繁的優勢。加拿大人口不多，只比台灣多，有三千萬人。洪小文表示他認識的 AI 專家很多位如臉書的 Yann LeCon，都是加拿大人，而且好像都是魁北克出身。 ▲ 微軟亞洲研究院院長洪小文提出的 AI 技能發展的金字塔。(Source: 科技新報攝) 洪小文表示，台灣要發展 AI 得有新的思維，不要被過往發展硬體榮景拌住，而忽略 AI 技術背後所需要的軟體技能。像是雲端運算取代原先自建伺服器，不必負擔購買硬體以及維運成本，而是採用需要時租用，與其他人共享運算資源。在多人租用雲端運算的模式，其實某種程度類似共享經濟，不用自己為了有電而自己蓋電廠，雲端的資源最終變成像水、電等基礎設施的計價模式。 ▲ 微軟的 Cognitive...
有運動經驗的人都渴望擁有最輕便的行動裝置和耳機，讓運動過程中不要再發生手機噴出去，或是耳機線纏在一起等悲劇；當耳機線的設計消失以後，無線耳機還是沒有解決得帶手機出門的問題，還得擔心搞丟其中一邊。Vinci 2.0 的掛頸設計讓用戶同時擁有超穩固的行動裝置，就像掛在脖子與耳朵上的運動手環，結合耳機、智慧型手機、MP3 播放器與健康行動裝置的功能。 Vinci 2.0 號稱是全世界第一款 AI人工智慧型耳機。與其說是智慧型耳機，不如說是有耳機功能的行動裝置，能夠獨立作業，具有四核心 ARM Cortex A-7處理器和 Wi-Fi、3G 行動通訊和藍牙連接功能，擁有 Vinci 2.0 運動確實不用再把手機帶在身邊。 ▲ Vinci 2.0 耳機線採用彎曲磁鐵的設計，可以任意彎曲形狀，讓耳機與耳朵的貼合更穩固。除了講電話與播放音樂，Vinci 2.0 亦可偵測心跳，內建 GPS 與測高儀，檢測用戶的運動強度，像貼身教練一般協助運動訓練更加標準和完善。Vinci 2.0 採用智慧語音助理 Alexa 的聲控技術，內建骨導麥克風（接收由聲帶產生在骨頭的振動聲音訊號），用戶只要輕聲細語就可以要求 Vinci 2.0 打電話或設定行程，也可以用手勢感應挑選音樂，在運動過程中使用時更加俐落和方便。 Vinci 2.0 只有 86 公克重，特殊彈性五角設計可以貼合在任何體型的頸部。在用戶體驗的影片中，大多用戶都表示，Vinci 2.0 佩戴起來非常舒適無感，而且在任何激烈運動下幾乎都不太會掉下來。在耳機音質上 Vinci 2.0 內建 3D 沉浸式聽覺體驗，還能偵測環境降低噪音。電力方面，若不靠藍牙連結手機（即獨立作業）使用時間約 8 小時，連結手機使用則可長達 40 小時。 ▲ Vinci 2.0 推出...
看來，三星是要發力人工智慧了。這家科技巨頭先是在 11 月 21 日在中國市場發表了 Bixby 語音助手，接著又在第二天宣布建立人工智慧研究中心；這兩件事情未必有直接關聯，但卻讓人感受到三星在人工智慧大潮到來的緊迫感。但其實，三星在人工智慧領域已有所準備了。從 S Voice 到 Bixby要說三星在人工智慧領域的佈局，還是得從語音助手說起。不過三星最早的語音助手並不是 Bixby，而是早在 2012 年推出的 S Voice。S Voice 本質上是為了對抗蘋果 Siri，功能上也支援透過語音指令打電話、發簡訊等功能，但最終因太雞肋而沒有掀起波瀾。於是，三星就著力於下世代語音助手，只不過採用另外一種方式。2016 年 10 月 6 日，趕在 Google 剛發表搭載 Google Assistant 的 Pixel 手機之後，三星宣布收購致力於打造開放式人工智慧助理平台的新創公司，名為 Viv Labs。這家公司的創始成員 Dag Kittlaus、Adam Cheyer 其實就是 Siri 的聯合創始人，後來 Siri 被蘋果收購，兩人選擇離開重新打造全新的語音助手 Viv。三星宣布收購 Viv 的新聞稿表示，此舉意在加強三星的個人數位助理領域，幫助公司搭建 AI 為基礎的開放式生態平台，跨越所有裝置和服務；尤其是為三星裝置提供軟體增值。於是，2017 年上半年發表的 Galaxy S8 手機，全新的語音助手 Bibxy 正式登場。後來我們也知道了，初次露面的 Bixby 還是雞肋，甚至出現不懂英文的尷尬情況。不過 S8...
隨著人臉、語音、步態辨識技術進步，民眾在中國的一舉一動越來越無所遁形，也讓中國影像監視市場躍升為全球第一大。 在中國，你無所遁形 今天你在中國過馬路，很有可能你正受當局監視，中國靠著數千萬台監視攝影機在全國撒下天羅地網，它們有全世界規模最大的監視網路。隨著科技的進步和大數據出現，中國政府越來越能自動辨識民眾的基本資料，人們的一舉一動越來越無所遁形。 全球最大影像監視市場 根據商業諮詢公司 IHS Markit 的估計，2016 年中國影像監視市場（包含設備和影像管理軟體）高達 64 億美元（約台幣 1,938 億元），全中國公私領域加起來已經裝了 1 億 7,600 萬台監視攝影機。到 2021 年，中國影像監視市場的年成長率可望達到 12.4%，讓這個已是全球最大的市場還要更大。 美國和中國比不夠看 與中國相比，美國影像監視市場價值只有 29 億美元（約台幣 878 億元），而且年成長率只有 0.7%。 ▲ 北京天安門廣場已故領導人毛澤東的肖像前，架了一台監視攝影機。除了天安門廣場，中國著名地標周圍大部分都有設置監視攝影機。（Source：達志影像） 社會信用系統 給民眾打分數 在中國監視產業蓬勃發展的背後，和習近平政府控制異議人士息息相關，尤其政府現在開始想從第三方支付下手追蹤人民消費，以及監控民眾在網路上的行動，好打造一個可以評價民眾的「社會信用系統」。 海內外瘋投資 人臉辨識技術 受當局鼓勵，越來越多海內外投資人將錢投入發展監視技術的新創科技公司。 舉例來說，像是商湯科技（SenseTime）、曠視科技（Face++）和格靈深瞳（DeepGlint），這些公司都在研發臉部辨識科技，讓機器可經由掃描一個人的眼距、顴骨的曲線等，快速辨識出這個人的身分和基本資料。而美國矽谷著名的風險投資公司 Sequoia Capital 在這些中國公司身上花了不少錢。 ▲ 中國當局對監視技術的需求，也讓各大科技公司紛紛投入這塊領域。（Source：達志影像） 吸引投資人的興趣 11 月稍早，專門研發臉部辨識、自動駕駛和影像分析深度學習軟體的商湯科技表示，最新一輪募資吸引了非常多人感興趣。熟知內情的人士表示，商湯可望募到 5...
國內封測大廠日月光與矽品兩家公司合組產業控股公司一案，在 24 日獲得中國商務部的有條件通過之後，27 日日月光股價開盤隨即拉上漲停板的價位，來到每股 42.35 元。至於，矽品也是開盤上漲接近 4%，股價來到每股 50.3 元的價位，上漲 1.85 元。由於，隨著兩家公司 2018 年正式合組控股公司之後，順應隨即到來的人工智慧（AI）潮流需求，將有機會成為封測業的最大贏家。根據拓墣產業研究中心之前的報告，在專業封測代工廠領域，日月光與矽品分別位居全球前 5 大公司的龍頭與第 4 名的位置，市場原本就看好未來在 AI 及 HPC 的需求下，有機會成為最大受益者之一。 如今，在兩家公司合組產業控股公司一案，最後一關的中國商務部有條件的通過。雖然，兩家公司在合組產業控股公司之後的兩年內仍將各自獨立運作，但是業界人士認為，在半體產業積極整併的趨勢下，不但持續能爭取整合元件製造商（IDM）與記憶體廠的訂單外，藉由發展晶圓級封裝能量，也能爭取人工智慧與 HPC 的訂單及建立起生態鏈。24 日在中國商務部法部有條件通過日月光與矽品兩家公司合組產業控股公司一案之後，主角之一矽品也同時公告，宣布出售 30%，金額 10.26 億人民幣（約新台幣 46.45 億元）的矽品蘇州廠股權，給予近來在中國發展半導體產界極為積極的紫光集團。雖然出售了 30% 的股權，但矽品指出，蘇州廠仍由矽品所主導。不過，日前就有傳出紫光集團看上蘇州廠的高階封裝技術，希望能爭取插旗的消息。因此，這次矽品出售 30% 股權給予紫光集團的作法，讓業界人士熱議，其中國通過日矽合組公司的決定，是否有台下條件交換一事。然而，根據矽品的公告指出，於 2000 年投資設立百分之百持股的蘇州子公司，資本額 1.59 億美元，租地 15 公頃，已投資蓋 3 座封測廠。而紫光集團旗下的展訊通信、銳迪科均是主要客戶，雙方合作夥伴關係已久。出售股權後矽品仍將保留對蘇州子公司主導經營權，紫光集團參股後將會持有一席董事。矽品強調，取得出售子公司股權相關交易資金，將回台灣投資擴充先進封裝技術。而業界人士表示，且不論是否有條件交換，在藉由矽品加強與紫光合作的層面來看，對於矽品的發展，甚至是日系合組產業控股公司之後，都是必將有一定的助益。至於，在日月光的部分，由於是全球最大專業封測代工龍頭，在目前人工智慧、HPC 等需求持續不斷擴增下，目前正積極擴張產能之中。根據國內平面媒體《工商時報》的報導，總投資金額超過 10 億美元的高雄楠梓第 2 園區的廠房，預計在 2018 年投入營運，將用來建置晶圓級封裝、人工智慧及 HPC 晶片等先進封測產能。其他在包括上海、蘇州、昆山、山東威海等廠區，將藉由持續的投資建立成為全球最大的導線架封測據點，以爭取到德儀、恩智浦、英飛凌等廠更多整合元件製造商的委外訂單。至於，日月光最重要客戶之一的台積電，因為在 2018 年 7 奈米製程就將要進入量產的階段，而且更先進採用 EUV...
蘋果在自家機器學習日報（machinelearning.apple.com）自爆功法，發表論文《基於深度神經網路的裝置端人臉辨識》（An On-device Deep Neural Network for Face Detection），披露臉部辨識技術演變。2017 年 9 月 13 日（美國時間 12 日），蘋果在賈伯斯劇院發表智慧手機 iPhone X。這款搭載 64 位元架構 A11 神經處理引擎、採用臉部辨識解鎖方式（Face ID）的全螢幕手機，號稱 iPhone 10 週年紀念之作，售價新台幣 35,900 元起。事實上，蘋果 iOS 10 就開始使用深度學習技術用於臉部辨識，目前已向開發者開放視覺框架，支援相關應用程式開發。下文將著重討論電腦視覺技術在隱私保護遇到的挑戰，及基於深度學習的終端機人臉辨識技術實現方案。一、終端機深度學習模型的挑戰蘋果最早發表的臉部辨識 API 是透過 CIDetector 達成，一種針對靜態影響的特徵資訊（包括人臉、幾何圖形、條碼等）辨識的影像處理單元。最早版本的 CIDetector 基於維奧拉─瓊斯目標偵測框架（Viola-Jones），蘋果將其以傳統方式最佳化。後來，隨著深度學習出現、電腦視覺領域的應用，人臉辨識的準確性得到大飛躍，啟發了蘋果。相比傳統的電腦視覺方案，深度學習演演算法能有更好的模型，也要求更多記憶、儲存／磁碟和可計算資源（Computatioal resource）。矛盾點來了：以目前終端機（智慧手機）的硬體條件來看，基於深度學習的視覺模型似乎並不是可行方案，而大多數企業的解決方案是提供雲介面（Cloud-Based API），先將圖片傳給能執行大型深度學習框架的伺服器，然後用深度學習偵測臉部。而雲服務往往需要強大的桌機系統級 GPU，需要大量記憶體。介面方案雖然可行，但違背了蘋果的隱私保護理念，因此，蘋果只提供照片和影片雲服務，所有照片、影片上傳之前需得到帳戶許可；針對電腦視覺指令，上傳雲端被認為是不太合適的方法。最終，蘋果還是找到了在終端機，也就是 iPhone 上的深度學習方案，並完成高度臉部辨識準確性（state-of-the-art accuracy）。這中間需要解決的挑戰包括：將深度學習模型整合到作業系統，使用寶貴的 NAND 儲存空間（一種非揮發性儲存技術，即電源切斷後仍能儲存資料）；還要將其加載到 RAM（隨機存取記憶體），利用 GPU 和／或 CPU 達到合適的計算時間；此外，和雲端深度學習模型不同的是，終端機深度學習還需要解決執行電腦視覺指令的同時，還有其他的背景程式。總言之，終端機深度學習模型要求的是：針對大型的照片資料庫，用極短的時間執行指令，並使用不多的功耗或說不發燙。二、從維奧拉─瓊斯到深度學習2001 年，Paul Viola 和 Michael Jones 基於哈爾特徵和方向可變濾波器，提出了基於簡單特徵的對象辨識技術，此即維奧拉─瓊斯目標偵測框架，這個方法在 OpenCV 中實現為...
全球最大社群網站臉書今天表示，臉書在美國測試時成功辨識出有輕生念頭的用戶，如今將把這套人工智慧（Artificial Intelligence，AI）軟體推廣到其他國家。路透社報導，臉書（Facebook）是今年 3 月在美國開始測試這套模式辨識軟體，開始掃描貼文內容與留言，找出可能隱藏即將輕生的詞語。Facebook 沒有透露許多計畫技術細節，但表示軟體可以搜尋可能含有自殺徵兆的特定用語，像是「你還好嗎？」、「我能幫你什麼嗎？」如果軟體偵測到用戶可能自殺，便會提醒 Facebook 專門處理這類通報的團隊，接著向使用者或用戶好友提供協助資源，像是求救電話。Facebook 工作人員有時會通報地方當局介入。Facebook 產品管理副總裁羅森（Guy Rosen）表示，由於測試成功，Facebook 開始將軟體推廣到美國以外地區。他說，過去一個月，在 Facebook 軟體偵測到用戶有自殺意念後，第一線應變人員查看用戶狀況超過 100 次。Facebook 表示，試圖讓公司隨時都有專業人員提供援助，以當地語言通報相關當局。羅森說：「速度真的很重要。我們必須及時伸出援手。」法新社報導，Facebook 執行長祖克柏（Mark Zuckerberg）年初發了關於建立全球社群的貼文時表示：「如果有人察覺到底發生了什麼事且早一點通報，可能就可防止糟糕的悲劇發生，像是自殺，有時候還是直播……人工智慧可協助提供較好的辦法。」（首圖來源：Facebook）
人工智慧（AI）發展可以提升許多產業的效率，增加生產力，降低人性缺陷造成的影響，現在人工智慧還可以簡化冗長的面試流程，優化人才招聘的結果，讓企業與求職者找到更適合的職位。麻省理工科技評論（MIT Technology Review）報導，求職是一條辛苦的道路，對企業人資部門來說也是一項沈重的負擔，尤其是現在網路媒體管道眾多，人資部門除了看求職者履歷之外，有時還要參考求職者的社群網站，如 Facebook、YouTube、LinkedIn 等，加上一關關的面試、考試，再做綜合評估，由於同一個工作可能有非常多人應徵，因此查看資料是一個重複性的工作，這時人工智慧就可以派上用場。求職網站 Enter Woo 使用人工智慧做職業配對，執行長 Liran Kotzer 表示，過去面試的時候，通常都是在缺乏雙方資訊的情況下進行，因此需要多次面試，若知道所有事情的機器可以知道求職者的過去經驗、計畫、文化，機器就可以知道求職者最適合什麼樣的工作，也幫企業找到最適合的人選，可以節省掉非常多面試時間。Enter Woo 稱這套獵人頭軟體叫做 Helena，配對成功率達 52%，比人類執行招聘的成功率高 2 倍。印度也有一家公司叫做 Belong 使用人工智慧在網路上收集求職者的所有資訊，根據職位需求為企業條列出最適合人選。 但是雖然使用演算法來簡化招募流程對那些要節省成本與時間的公司來說很有吸引力，但是人工智慧也會有偏見，而人工智慧的偏見是來自人類匯入的資料，報導指出，人類有一個不幸的習慣，就是無法擺脫性別和種族偏見，如果我們要讓人工智慧保持客觀中立，人類必須時常保持警覺確保人工智慧不要受到人性弱點所影響。 An AI Recruiter Could Find You Your Next Job （首圖來源：Flickr/COD Newsroom CC BY 2.0）
三星電子的語音助理「Bixby」表現遜色，市場反應冷淡。三星為了挽救顏面，收購南韓人工智慧（AI）業者，確保 Bixby 2.0 版能讓眾人滿意。Investor、Engadget 報導，三星 28 日宣布買下南韓 AI 新創業者 Fluenty，Fluenty 研發聊天機器人和助理服務，能給用戶個人化的智慧回應。Fluenty 創始成員多出自南韓科技大廠，如 Naver、Kakao、LG 電子等。Fluenty 運用 7 億條公開對話紀錄，尋找人們最常見的回應模式，建立深度學習模型。該公司過去兩年來極力縮短載入時間，從原本的 7 秒減至 50 毫秒。最新一代版本還有個人化答覆，會依據用戶習慣用語，做出回應，更具人性。不僅如此，Fluenty 還會依據用戶訊息，猜測所需資訊，開啟導航、叫車、或餐廳定位應用程式。若和 Bixby 整合，可望讓三星語音助理更有智慧。三星去年才收購美國 AI 新創業者 Viv Labs，不過買下時間太晚，Viv 未參與第一代 Bixby 研發。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/Samsung Newsroom CC BY 2.0）延伸閱讀： 三星為「Bixby」鋪路，低價收購模擬真人聲音的公司 三星 Bixby 遇危機，缺乏足夠資料無法理解英語 AI 戰火升高，三星買蘋果 Siri 之父公司 Viv 加碼投入
現代科技的輔助之下，要將黑白舊照片上色、「還原」成彩色照片已不是難事，但多數方式仍須花上一些時間才能還原一張照片，但隨著神經網路出現，未來照片要彩色還原可能只是幾秒的事。之所以會這麼說，是因為近期推特（Twitter）出現了一個機器人 Colorise Bot，願意免費幫任何人將黑白老照片還原成彩色照，而且用戶只需花費數秒時間便能得到結果。人們所要做的，只是上傳黑白照片，並且標記 @Colorise Bot。 I colorized your image using #openfaas in 5.4 seconds #dockercon pic.twitter.com/Wbh3nolkTa — Colorise Bot (@colorisebot) 2017年11月5日從上面案例可看到，Colorise Bot 還原的照片顏色並不能說完全真實，但仍為照片人物和景象帶來一些不同的「氣息」，讓我們能以其他角度欣賞這張照片。Colorise Bot 的開發並不複雜，事實上，這是歐洲兩名年紀才 18 歲左右的少年 Oli Callaghan 和 Finnian Anderson 合作打造，使用的神經網路模型甚至並非出自他們之手。原先 Callaghan 打算用自己寫的神經網路來開發，但由於過程碰上許多問題，他們最終決定使用柏克萊大學博士生建立的模型來進行，由於模型原先就已在 ImageNet 進行過近 450 萬張的圖片訓練，因此成效非常好。 I colorized your image using #openfaas in 4.2 seconds #dockercon pic.twitter.com/0Qq2wbcnt1 — Colorise Bot (@colorisebot) 2017年11月5日雖然...