由中研院資科所和台灣資料科學協會（TDSF）共同舉辦的 2017 人工智慧年會 8 日正式開幕，首日特別邀請 Google 台灣董事總經理、曾在中研院待過的簡立峰分享台灣該如何發展 AI 的看法。簡立峰開場時表示，雖然 AI 的定義大家都會懷疑，但它的重要性早已不需懷疑，過去每過幾年，科技產業就會出現一些大議題（Next Big Thing），像是 Mobile Internet、物聯網、AR、VR……如今 AI 也到了聚光燈下。「有一個偉大的未來，我們要怎麼走過去。」其實 AI 並不是什麼全新的想法，簡立峰解釋，類似人們常用的機器翻譯、語音辨識都含有部分應用，但 AlphaGo 和柯潔的世紀之戰，確實讓人們開始關注深度學習和 Google Brain。在簡立峰看來，AlphaGo 就像一個引爆點，讓 AI 風暴席捲各大產業，讓投資者瘋狂，大家都希望開始進行與 AI 相關的發展，但 AI 應用並非在所有方向都能很快出現重大突破。 （Source：Deep Mind 影片截圖）那麼台灣究竟該如何發展 AI？簡立峰表示，其實過去台灣的科技發展曾非常領先，2000 年時就能夠建構搜尋引擎、電商平台、旅遊網站，甚至電子支付當時已有企業在研究開發。後來受到網路泡沫和經濟風暴的影響，造成往後十幾年的台灣對科技投資非常卻步，直到 2015 年才開始有些投資出現，但這對世界來說最好的 15 年間，台灣並沒有什麼動作。雖然近幾年的大議題台灣都沒有掌握到潮流，在 AI 的基礎技術、主要應用也都沒有搶到先機，但簡立峰認為這些都還可以接受，因為當 AI 跨入各領域時，機會才開始。只是台灣必須改變自己的想法。簡立峰指出，台灣企業多半已經習慣 B2B 的思考模式──不在馬路邊，而在展場找客戶，讓整個社會的科技行為都不太一樣，即使半導體產業有一些創新，也因為商業保密因素而「隱形」，社會並沒有感覺。簡立峰認為，台灣在開源（Open Source）一直都做得很差，許多科技計畫只是不停重複做同樣的事，現今多數企業發展 AI 也太關注建構工具，常常工具建構好了，研究應用還沒開始又動手進行下一個工具建構。其實網路有許多開源工具可運用，簡立峰指出，國外經常會先花一些時間做虛擬應用，讓使用者接觸並確認接受度後再進行，台灣也應該如此。這並不意味著測試期不重要，只是說明真正重要的是必須了解用戶想法，如果當下 AI 還沒有這麼完善，簡立峰認為甚至可先讓人在背後「代班」AI 確認實際需求，如果這樣使用者也沒興趣，那就算開發出 AI 也不會受歡迎。「真正的贏家不是會做工具的人，是知道用戶需求並做出來的人。」看好哪些 AI 應用發展？和多數矽谷公司看法類似，簡立峰相信未來 2~3...
近年來 Nvidia 挾著 AI 浪潮一路高歌猛進，原本勢頭已開始趨緩，但其最新財報顯示，其營收仍持續超乎市場預期，股價在跌勢之中再度反彈。 Nvidia 於 9日盤後發佈第 3 季財報顯示，其營收比去年同期成長 32 % 至 26.4 億美元，高於預期的 23.6 億，而EPS更高達 1.33 美元遠超預期的 0.94，雙雙創下歷史新高。該公司已上調了股息 7%，並打算在下一財年返還 12.5 億美元給股東。目前來看，儘管數位貨幣市場收入疲軟，下降了 7,000 萬美元，但遊戲市場表現仍然相當穩健，有近 25% 的成長，近 16 億美元，自駕車部分為 1.4 億美元。值得注意的是，雖然 AI 部門還並非該公司的主要業務，但可以看出其擴張非常迅速，Nvidia 正加速轉型朝向 AI 技術發展。Nvidia第三季在數據中心市場的營收已達 5 億美元，是去年規模的一倍。儘管Nvidia 市值在今年已翻了一倍，有過高之嫌疑，尤其明年數位貨幣市場並不被看好，但本季的亮眼財報令投資人鬆了一口氣。Nvidia 執行長黃仁勳表示，數位貨幣業務其實只佔公司的小部分，反而數據中心業務正加速成長才是最振奮人心的事，而這僅僅是個開始。做為晶片製造商，Nvidia目前市值已僅次於英特爾跟台積電，達 1,250 億美元。不過也將面臨更加激烈的競爭，原本不太參與繪圖處理器市場的英特爾近日已宣布與 AMD 合作生產單晶片 CPU 和 GPU 組合，並挖角了 AMD 的高階主管建立新的圖形部門。其股價原本在 9 日下跌近 1.84%，但在盤後交易中強回彈，成長近 2.77%。而據交易平台資料，Nvidia 買盤增加近...
日本人工智慧（AI）雲端應用服務公司 PKSHA Technology 9 日於日股盤後公布上年度（2016 年 10 月至 2017 年 9 月）財報：在 AI 技術領域裡，因活用演算法（algorithm）提升現有軟體效率的需求攀高，激勵合併營收年增 103% 至 9.34 億日圓，合併營益暴增 152% 至 3.95 億日圓，合併純益暴增 131% 至 2.68 億日圓。PKSHA 自上年度起才開始導入合併財報模式（之前為單獨財報模式），因此上述年增幅數據僅供參考。（Source：PKSHA）PKSHA 設立於 2012 年 10 月，主要從事演算法授權事業（授權販售 AI 技術領域的演算法如語言解析、影像辨識、深度學習等），為各種硬體裝置（伺服器、智慧型手機、醫療機器、各種 IoT 機器）／軟體研發提供採用自然語言處理、影像辨識、機器學習／深度學習技術的演算法解決方案。PKSHA 指出，因自然語言處理、影像辨識、機器學習／深度學習相關的演算法解決方案潛在成長機會非常大，因此預估今年度（2017 年 10 月至 2018 年 9 月）合併營收將大增 49.9% 至 14 億日圓，合併營益將大增 41.7% 至 5.6 億日圓，合併純益將大增 39.8% 至 3.75...
南華早報報導，科大訊飛 11 月 9 日表示，旗下開發的人工智慧（AI）醫師虛擬助理（iFlyTek SmartDoctor Assistant，智醫助理）已通過中國國家臨床執業醫師考試，在 360 分合格的考試中以 456 分過關。科大訊飛董事長劉慶峰表示，IBM Watson 並未在美國通過類似的考試。中國移動（China Mobile）為科大訊飛最大股東。根據麻省理工科技評論（MIT Technology Review）在 6 月 27 日公布的 2017 年度「50 家最聰明企業（50 Smartest Companies）」名單，科大訊飛首度入榜就高居第 6 名，原因是這家公司擁有中國語音辨識技術市場高達 70% 的市占率。科大訊飛發布公告指出，智醫助理在中國 53 萬名考生中，成績屬於中高級水準。智醫助理是由科大訊飛與中國清華大學聯手研發。上述考試是在 2017 年 8 月 26~27 日於國家醫學考試中心指定試場進行。訊飛「智醫助理」機器人順利通過綜合筆試測試，在全球尚屬首次，是中國 AI 發展的里程碑，也是中國衛生醫療健康事業的里程碑。這項產品將致力於輔助醫生進行臨床診療，成為醫生臨床工作中的得力助手，並走入醫院、社區、家庭等環境為病人服務。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）延伸閱讀： AI 研究品質調查，中國快速攀升 15 家入百強
全球市場研究機構 TrendForce 針對 2018 年科技產業發展，發布十大科技趨勢新聞。AI 導入加速邊緣運算需求與雲端數據分析過往雲端運算被用來進行資料運算與後續分析處理，但對於低延遲、即時性的需求逐漸升起，傳統雲端運算架構反而略顯不足，邊緣運算的導入有助於進行資料的預處理，降低資料流量與傳輸時間，亦可將運算能力下移至終端，強化終端對於環境的即時回饋；2018 年邊緣運算將開始實質地導入各垂直應用領域中，將資料運用的更有效率與價值。區塊鏈走向商用部署，金融領域先行2017 年區塊鏈技術已從概念走向實作，企業、各國政府對區塊鏈技術接受度提高。2018 年區塊鏈商轉測試將篩選出可大規模應用的案例，並從實作階段躍進至商用部署階段，可預期的是，在應用領域上，金融產業將先行推動，初估全球將有三成金融業者於 2018 年將推出區塊鏈商用方案；同時，區塊鏈標準制定、監管者參與等因素下，競爭激烈的區塊鏈平台也將逐漸整合以實現該技術價值，促使商業應用擴散至金融以外領域。5G 行動通訊技術開啟應用多元化之需求2018 年物聯網時代更會加重網路負荷，下世代 Wi-Fi 技術 802.11ax 將改善此種情況。另藍牙透過 Mesh 技術加持，實現多對多功能，將擴展至工業物聯網領域。此外，全球行動寬頻用戶數仍持續成長，新興國家，如印度以行動寬頻做為固網寬頻補充，4G 滲透率將再次攀升，而 5G 服務預計於南韓、日本、美國和中國率先發展，估計至 2022 年底全球 5G 用戶數將達 5 億。VR 產品聚焦獨立 VR 裝置次世代的 HTC Vive、Oculus Rift 等 PC 端的 VR 產品尚不會在短期間內推出，在 Google、Facebook 等網路服務商的帶領之下，2018 年更被關注的將會是獨立 VR 裝置的推出。獨立 VR 裝置將會鎖定網路應用服務的性能提升，透過 VR 效果提供更好的畫面體驗，以及更自然的多人互動交流等應用。智慧型手機生物辨識技術再掀波瀾2017 年 iPhone X 採用人臉辨識取代過往指紋辨識設計，除了支援行動支付外，進階延伸 AR 相關應用領域，2018 年非蘋陣營蠢蠢欲動，生物辨識技術話題在智慧型手機市場將再掀波瀾。現階段，智慧型手機應用範圍主要以 3D 感測技術以及螢幕下指紋辨識的開發為主，其中光學及超聲波的技術正尋求突破。不論 2018 年哪一種生物辨識技術將異軍突起，相關零組件成本都高於目前電容式指紋辨識，儘管全球一線品牌手機業者皆將以高階旗艦機型為主要新技術布局市場，但預估整體滲透率仍將低於 2...
隨著人工智慧議題越來越熱門，越來越多人開始投入 Python 或 R 語言的學習，且透過各種強大的開源套件如 Tensorflow、Keras 、Caffe、Torch、Scikit-learn，大幅降低了我們進入機器學習及深度學習的門檻。不少初心者想問，該使用怎樣的硬體環境才能加速訓練資料的時間？如果你或你的公司打算建構一個 AI 運行環境，本文或許能帶給大家一點幫助，少走點冤枉路；也歡迎有經驗的你，在文章下面留言給予大家更多建議。筆者公司開展了幾個 AI 專案，有幸從頭到尾參與了 AI server 的選擇、設定、測試、執行，從用 i5 CPU 優化、1050、1080Ti 到 NVIDIA 最頂規的 P100，當中問了一些強者也爬了不少文，這篇文章試圖收斂下當初挑選的守則，當做小小的回報。AI 世界軟硬體神人太多，期望拋磚引玉激起更多討論，也歡迎強人不吝指教。當跑深度學習（DL）、機器學習（ML）實驗，模型太大、層數或神經元過多， 一般電腦可能需要花半天、數天甚至以週為單位才能完成，或者發現錯誤。對公司而言，效率不彰絕對不是件好事；對初學者而言，trial and error 來來回回的時間過長，其實很容易感到挫折，如果能加速實驗進程，快速得到回饋並修正，對於這領域的學習與研究也會有較快的進展。如何為自己的模型加速？如果你是個初踏入 ML、DL 的初心者，學會 Python/R 不久，想試著建構模型，微軟設置了 Azure Machine Learning Studio 這個平台，使用介面相當直覺，也可以直接套用微軟本身提供的演算法模組修改參數就好，可以輕鬆將模型建置起來。而亞馬遜、Google 也提供類似的服務。 Azure Machine Learning Studio Amazon Machine Learning 入門 Google Cloud Machine Learning 如果你的模型並非圖像辨識相關，有沒有顯卡加速對你而言其實關係不大。加以，若你使用的語言是 Python 及英特爾的 CPU，英特爾推出加速庫「Intel Distribution for Python」，其實就能得到不錯的提升。前英特爾高級工程師 James...
Thomson Reuters 報導，澳洲四大銀行之一「澳大利亞國民銀行」（NAB）2 日宣布，因應數位自動化轉型，未來 3 年將裁員 6 千人並創造 2 千個職缺，淨流失的 4 千人大約相當於目前員工總數的 12%。過去 3 年大舉投資自動化技術的北歐地區最大銀行「北歐銀行」（Nordea）上週宣布，3.2 萬名員工當中至少有 4 千人將遭辭退，另有 2 千名顧問將丟掉飯碗。北歐銀行已推出聊天機器人（chatbot）來回答常見的客戶問題。英國金融時報報導，NAB 執行長 Andrew Thorburn 1 日在財報記者會表示，因應流程簡化、自動化以及通路數位化，NAB 將在未來 3 年裁員 6 千人。另一方面，NAB 將雇用 2 千名數據分析、人工智慧（AI）、機器人以及流程自動化相關背景人才。NAB 計劃在 2020 年底前加碼投資 15 億澳元在新科技與產品相關領域。花旗集團前任（2007~2012年）執行長 Vikram Pandit 9 月表示，未來 5 年銀行業 30% 的工作將因科技而消失。共同社、日本時事通信社 10 月 28 日引述消息人士報導，日本最大銀行「三菱東京日聯銀行」（Bank of Tokyo-Mitsubishi UFJ，BTMU）為提升獲利，考慮在 3 年內（自...
「未來是內容的時代。」倚天資訊與華爾街金融公司 BeyondBond 合作開發出一款不僅能夠篩選股票、還能自行產製綜合性財經報告的 AI 軟體「ALAN 智能伏羲」，算是全球首創並於 2 日在台灣首度公開。 倚天資訊在 2 日舉行新品發表會，董事長萬以寧表示，寫文章是人類專利的時代已經過去了，就如同 AI 在棋藝技術上的進步，如今的人工智慧技術已經能夠猶如真人分析師一般，不僅能自動分析還可以使用多國語言。且這套軟體不僅面向一般民眾，還包括專業人士。 倚天資訊公司是台灣早期中文系統的先驅，後來轉換跑道鑽研金融資訊軟體，近年來市場上比較少有倚天的訊息。官方表示，近幾年來，公司很少花費在行銷上，而專心在鞏固現有客群，如今要再度擴展市場。目前兩家合作模式是倚天負責前台行銷及客戶服務，而 BeyondBond 處理系統及後台維護。而總部位於紐約的 BeyondBond 自 2012 年來便開始利用大數據提供客戶財務分析，以及對投資組合的風險控管。無國界跨語系報告「人工智慧就是一個巨人，我們正在想的就是如何站在這個巨人肩膀上，發揮長才。」總裁洪哲雄博士表示，這套 A.I.CaaS（Content as a Service）技術是根據多因素風險模型（MFR）來辨識個股估值、質量、技術分析以及總體面向等大數據交叉分析進行風險管理評測，並能夠非常快速的針對超過 6,000 檔的美股行情生成分析報告。但這並非是為了要取代分析師的工作，而是提供投資人更多元化更直觀的資訊。其產品定位並非只是篩選股票，而是進一步產出內容，幫助客戶迅速了解非常複雜的市場。當然這更不是新聞翻譯軟體，而是直接透過大數據分析編寫出文章，所以可以輕易的產出各種語系的報告。其優點，便是讓不管是任何國家的客戶都能輕鬆的了解全球市場的趨勢，就像在閱讀分析師報告一樣。而對分析師而言，這套軟體更能增進其工作效能，使其擺脫撰寫冗長報告的時間，並可以與自身想法相對照。（Source：倚天資訊）總體經濟分析最搶眼洪哲雄強調，這套軟體的創舉在於並不只是在做技術圖形分析，還包括國際金融層面，除了市場數據外，還有匯率、利率及總體經濟指數都囊括在內，這也是目前業者最感興趣的一塊。甚至除了基本面外，未來這套系統還會加入輿情分析，不過現在的版本並沒有特別的著墨，因為很多分析師會有自己的感情，對消息重要性的衡量都不同，還有一些謠言也是問題。當然這套系統在選股方面也非弱勢，近年來投資策略回測率已達 70%，但與其他同樣研發財經 AI 的業者不同，這個產品是為了實現真正的普惠金融。簡單來講，此軟體重視的是人機互動，分析師可以自行透過手動的參數調整，使同樣的軟體平台也可以產出完全不同的報告。 （Source：倚天資訊）這套系統現階段是以分析美國股市為主，畢竟這是目前全球最受矚目的市場，也是 BeyondBond 的強項，不過下個階段將會跨足台灣股市，而正式的公測版本預計會在三個月後上線。（首圖來源：倚天資訊）延伸閱讀： Watson AI 選股擊敗大盤，Salesforce 靠「愛因斯坦」發光 貝萊德為節省成本，將裁員改用機器人選股 澳洲銀行 NAB：因應 AI 自動化，3 年內將淨裁員 4 千人 AI 分析語言模式窺人心，財報會議發言恐洩天機
日本 JX 通訊社沒有任何記者，靠著人工智慧（AI）技術在社群網站上辨別新聞，並提供快訊。儘管目前 AI 判斷新聞的精確度仍待提升，但「零記者」通訊社已然掀起產業革命。日本網路媒體《Abema TIMES》報導，JX 通訊社日前利用最先進的技術進行選情調查，成功預測這一次日本眾議院大選中，位於東京都內小選區的投票結果。JX 通訊社社長米重克洋說，媒體一直以來都花費大量時間與人力進行民調，但他透過機器撥打電話匯整，由他來進行最後分析。JX 通訊社打著「商業與新聞並存」的願景，2008 年成立；公司員工只有 24 人，平均年齡 30 歲，7 成是工程師、3 成負責行銷公關等業務。他們透過 AI 蒐集社群網站上可能成為新聞的內容，經過判斷，每秒最多可自動產生 200 則快訊。JX 通訊社營運長（COO）細野雄紀說，日本有 4,000 萬人在使用推特，就某種意義來說，這些使用者變成是監視錄影機。米重克洋說，特別是發生大型災害等時，到處不斷出現訊息，這個時候 AI 就可以幫上大忙。他們提供的 Fast Alert 服務，目前已開始獲得民間電視台、共同通訊社及報社等使用，這些媒體透過 JX 通訊社提供的訊息，派記者前往刑事案件或意外現場，提供民眾最快速的報導。米重克洋說，當初成立 JX 通訊社的想法是，社群網站可以說也是新聞現場，要如何把這些資訊即時傳送到各媒體？於是他找來許多優秀的工程師，透過系統的運用與出借、開發應用程式等，讓它成長為可以提高收益的公司。米重克洋表示，在大型勞動密集型產業中，仍有過勞死等問題，像搜尋推特等這種單純的工作，不是新聞記者該做的事；把人能做跟不能做的事情徹底區分，能讓機器做的事就讓機器去做。他說，到現在為止，如果不靠記者去一一採訪警方或消防人員，就無法取得相關資訊；藉由 Fast Alert，讓專業記者可以把力氣花在採訪事件內幕。如此一來，或許可以在降低成本的同時，也能得到更快更有趣及更引人入勝的新聞。但另一方面，細野雄紀說，如何從跟新聞無關的資訊中，更快速只蒐集真正重要的東西很困難，必須更努力提高正確性。過去曾有高中生在推特發了一張烤肉時火燒到肉的照片，然後用「火災」來形容並貼文，結果被 AI 判斷成發生火災；還有懷疑偷拍的男子，AI 誤以為是猴子等失敗案例。米重克洋說，AI 可以透過掌握曾發生過的假新聞特徵，學習如何排除，未來要提升 AI 分辨假新聞的精確度到 99%。他說，發出新聞前的最後一道手續，仍然要透過人確認，例如雖然得知發生大火，還是要致電地方消防隊確認。（作者：黃名璽；圖片來源：影片截圖）
Intel 先前推出 Xeon Scalable 系列伺服器專用處理器，包含白金、黃金、銀、銅等不同等級產品，取代先前 E7、E5、E3 命名方式，並能帶來高於前代產品 1.73 倍的綜合效能表現，在深度學習方面更有 2.2 倍的效能表現，相當適合用於人工智慧領域，Intel 也說明了人工智慧的效能需求與一般運算有何不同。AI 在做什麼最近 AI（人工智慧）的發展有爆炸性成長，如影像辨識、語音辨識、自然語言處理等需求，都可以透過 AI 處理。而深度學習也是 AI 技術的其中一環，它是種執行機器學習的技術，能將大量數據輸入機器，並透過演算法分析數據，讓機器從中學習判斷或預測事物的能力。以影像辨識為例，輸入的影像會經過許多稱為「層」的數學運算過程，每「層」運算都能讓系統分析影像的特徵，當第一「層」運算完成後，就會將分析結果傳到下一「層」，如此迭代運算直到最後一「層」。在運算過成中，系統內的類神精網路（Neural Network）會透過正向傳播演算法（Forward Propagation）學習圖像的特徵與計算權重，並透過反向傳播演算法（Backward Propagation）比對輸入資料與演算誤差，修正錯誤。在深度學習中，輸入的圖像通常是一組數量龐大的圖庫，並以平行處理方式同時進行大量運算，使用者可在訓練過程調校參數，提高訓練的準確度與速度。當訓練完成後，我們就能利用 AI 進行圖像分類，讓 AI 自動將圖像分類或是加上標籤（Tag）。這個動作稱為深度學習推論（Deep Learning Inference），是相當重要的效能指標。▲ 深度學習領域的類神經網路，是模仿生物大腦結構和功能的數學模型。Xeon Scalable 處理器衝著 AI 而來了解深度學習的概念後，就可以開始看看 Intel 如何強化 Xeon Scalable 處理器的效能，來提升深度學習的效率。類神精網路運作時的摺積運算基本上就是矩陣相乘，因此能以每秒進行的單精度通用矩陣乘法（Single Precision General Matrix Multiply，SGEMM）或通用矩陣乘法（Integer General Matrix Multiply，IGEMM）運算次數，來評估處理器的效能表現。相較 Broadwell 世代 Xeon 處理器，Xeon Platinum 8180 能帶來 2.3 倍 SGEMM 效能，以及 3.4 倍 INT8...