Google 工程師 Pete Warden 在英國 ARM 研究高峰論壇表示，他希望打造超便宜的語音辨識產品，搭載只要 50 美分的超低價晶片，一個硬幣大小的電池，足以維持一年的電力，再搭配簡單的人工智慧演算法，就可以讓語音辨識產品快速普及。麻省理工科技評論（MIT Technology Review）報導，這種超便宜的語音辨識晶片可用來生產便宜的對話玩偶，或是簡單的家用電器，如可被語音驅動的燈。在工業環境應用，這種晶片可辨識不尋常的聲響，或是農田裡的蟋蟀。Warden 為 Google 的雲端人工智慧工具開發行動和嵌入式應用，稱為 TensorFlow，他在開發過程中發現亞馬遜的 AI 助手 Alexa 透過電池供電的簡單晶片運作，時脈只有幾百兆赫是不夠的，原因是 Alexa 必須辨識許多不同的聲音，而且因為大多數語音辨識 AI 工具使用的神經網路資源匱乏，這就是為什麼 Alexa 必須將處理任務交給雲端的原因。為改善上述問題，Warden 限制問題的問法，譬如只能使用開、關、啟動、停止等字眼，並捨棄一般語音辨識演算法，他拿一個音頻將其切成短片段，然後計算每個片段的頻率內容，接著一個接一個排列每個頻率圖，以建立一個頻率內容與時間的二維圖像，並應用視覺辨識演算法來辨識單詞的獨特記號。第一次嘗試分析音頻的 1 秒鐘片段需要 800 萬次計算，準確度為 89%，這可用現代智慧手機運作，並且互動速度也夠快，這種方式比將運算過程送到雲端更好，但是在低功耗晶片上性能不佳。後來開發團隊借鑑一些幫助 Android 手機辨識短語的演算法技巧後，系統只需執行 75 萬次計算，就能達到 85% 的分析準確率，研究團隊已經在 TensorFlow 網站發表代碼供他人使用，他們打算應用在類似單晶片微控制器 Arduino 搭載的更小晶片。但英國劍橋大學前 AI 研究員 Tony Robinson 認為，低成本策略可能可以幫助語音辨識產品普及，不過用戶不太可能按表操課，大多數人沒有耐心使用高度限制性的指令，認為功率稍微高一點，可以處理更多語言能力的晶片，可能更適合消費者應用。 For Disposable Voice Recognition, Take Cheap Chips and Add...
AI 人工智慧正準備以指數型的速度改變人類的生活型態，當你試著從 50 年後的世界往回看，會發現 21 世紀初期的生活不僅沒效率，甚至與 1970 年代視覺化操作電腦剛推出的時期差別不大；但換個角度，我們現在所身處的世界，正是人類有史以來變化最劇烈、可能性最多、挑戰最大的年代，任何可能的發明都將成爲未來科技的基石，那些曾受忽略的技術都奠定了未來產業發展。即將於 9 月 28 日舉辦為期三天的「第 13 屆台北國際發明暨技術交易展」，將有來自產業界、政府機構、學術與研究機構等五百多家產官學研，展出近千件的創新成果。今年因應物聯網、人工智慧的熱潮持續發燒，更有許多相關的產品與應用展出，期望讓社會大眾看見台灣的創新研發能量，對現今產業技術的應用有更深的認識。萬物聯網，「衣」與「行」便利有保障在物聯網的世界中，衣服的應用或許最先被實現，也是台灣最具研發能量的產業之一。工業局技術交易館「京澔股份有限公司」展出全球首創 IOT 織物模組，能根據使用者的溫度調控發熱程度，透過手機 App 控制，具備遠距離預熱、手搖開關及控溫、環境溫度感測、電力顯示及防丟、防盜監測等功能。京澔更與全球運動品牌大廠 Under Armour 合作，開發高科技運動服，此外也能擴大應用在保健用品、智能家居、戶外用品、汽車、摩特車業上。京澔也將在今年 10 月亦將於 Kickstarter 進行募資活動。 在行路人的眼中，確保安全永遠是第一順位，若有任何安全死角，都將成為技術發明的需求端，也是人工智慧首要解對的問題。汽車駕駛或乘客在開車門時，常常忘記注意後方是否有來車，以至於後方來車閃避不及，撞到開啟中的車門而發生意外甚至造成死傷。教育部館展出的「智慧汽車防撞車門裝置設計」，由高苑科技大學開發，其設計主要針對車門的結構設計提出改良，強制民眾打開車門時必須轉身向後，在車內安裝聲光警告裝置，除了讓駕駛人或乘客能注意後方來車，更警告後方車輛駕駛人注意前方，防止意外發生。 惡劣天候不僅造成開車情緒緊張不安，更因視線不佳而增加交通意外發生機率，例如夜間、雨天、濃霧等。為改善此問題，「AI 智能行車輔助技術」在行車安全、監控、醫學影像等方面，提供業界在視覺領域專業與前瞻的技術後盾。目前所具備的技術包含寬景/全景視訊、高動態範圍夜視、惡劣天候處理、除霧技術、魚眼校正、視角轉換、速限偵測、車側盲區警示、前車防撞警示、車道偏移警示、行人機車偵測等技術，以影像詳細記錄，協助駕駛人即時了解正確車況訊息，讓行車更安全。智慧系統讓照護更輕省照護問題存在已久，對家庭負擔與社會經濟都造成影響，也是台灣步入高齡化社會急需解決的問題。照護的第一步是監控，隨時了解病人的身體狀況，察覺任何外觀看不見的健康變化等。國立台灣師範大學開發出「互動式智慧管理照護裝置」，透過所建立的各醫材專屬智慧管理程式，從監測介面到投藥、體液引流、流管位置參數，將資訊以無線發送至雲端，並發送提醒警告訊息給醫護人員或警示器，並發送自我照護指南至病人與照護人員的個人智慧平台。另外在教育部館中的「VoIP 運用在護理呼叫系統」，透過 IP-PBX 整合呼叫鈴與行動護理車，在內網環境且呼叫鈴位置固定，使護理人員可精準掌握有照顧需求病患的位址。當病房內的呼叫系統被啟動後，除了通知護理站人員前來處理的傳統做法，更將同時通知行動護理車，讓使用護理車的護士可盡快對病患提供照顧。 照護的最高原則，是讓高齡者也能擁有健康、安全、活力與尊嚴的人生。陽明大學秉持以人為本的原則，以不干擾、零負擔、適時提供服務為目標，設計開發「機器侍從」，除了具有前方自動跟隨的重要功能外，同時提供幫忙提物、乘坐休息以及協助上下坡等功能服務高齡者。機器侍從模樣像企鵝，造型可愛具有親和性，幫助老年人藉由適當的身體活動，保持各部位器官機能有效的運作，並且增進外出活動的意願及安全性，延緩老化速度，讓老化不只是變老，更能保有活躍的行動力與生產力。 預測分析，從工業應用進入你我生活中透過數據蒐集進行分析與預測，在工業設備維護與能源管理上已行之有年，例如可使用在核電廠的「機械設備性能衰退預測與故障診斷」，能測試管路系統中的電動閥機械設備，可測得馬達之電流、閥桿之推力及扭力等參數，再經由分析軟體產生數據及曲線，供測試人員判斷與調整，並可提出維修建議。另外台電所推動的「應用大數據平台於需求面管理」，透過智慧電表、用戶特性、氣象、經濟數據等資料，以大數據分析技術可探勘潛在目標用戶及促成精準行銷。預測分析若涉及到人性，難度將大幅提高，這也是人工智慧、深度學習要解決的問題。在未來的世界中，誰最能掌握需求，洞悉人性，就能先馳得點。除了上述提到的之外，本屆國際技術交易展上還有更多能源方面的研發成果，親臨現場將能有更深入的了解： 今年第 13 屆「 2017 年台北國際發明暨技術交易展」將於 9 月 28 日至 9...
未來對高度動態和非架構化的自然資料收集、分析和決策的需求越來越大，這種需求可能超過傳統的 CPU 和 GPU 架構。英特爾 26 日推出一種先進的自學習晶片，名為 Loihi。Loihi 模仿大腦的運作方式，根據環境的不同回饋型態作業。同時，Loihi 也是一款節能晶片，可利用資料學習和推斷，不需要以傳統方式訓練。它採用一種新穎的方法，透過「非同步觸發」來計算。Loihi 研究測試晶片包括模擬大腦基本機制的數位電路，使機器學習更快更有效率，同時需要計算力的需求更小。這塊仿神經晶片的模型從神經元的交流和學習中汲取靈感，其中神經元的觸發、新突觸的形成可以按時間調制，這可以幫助電腦自行組織並根據型態和關聯做決策。Loihi 測試晶片提供高度靈活的晶片學習，可在單個晶片完成訓練和推理。這使機器能自動即時調整，而不是等待雲更新。研究人員已經證明，與其他典型的尖脈衝神經網路相比，在解決 MNIST 數位辨識問題時，他們的學習速度快 100 萬倍。與卷積神經網路和深度學習神經網路等技術相比，Loihi 測試晶片在同一工作使用更少資源。這個測試晶片的自我學習能力有巨大潛力來改進汽車和工業應用及個人機器人──任何在非架構化環境自動作業和持續學習的應用程式。例如，辨識汽車或自行車的運動。它比一般訓練系統所需的通用計算效率高 1,000 倍。2018 上半年，Loihi 測試晶片將與領先的大學和研究機構共用，重點是推進人工智慧的發展。Loihi 測試晶片的特點包括： 完全的非同步神經形態的多核網狀架構，支援多種不同的稀疏、層級、迴圈神經網路拓墣架構，每個神經元都能與成千上萬的其他神經元通訊。 每個神經形態核心包括一個學習引擎，可在作業過程對網路參數進行程式設計，支援監督、無監督、強化和其他學習型態。 由英特爾 14 奈米製程製作。 總共有 13 萬神經元和 1.3 億突觸。 開發和測試高效的算法，包括路徑規劃、約束滿足、稀疏編碼、詞典學習和動態型態學習和適應。 在電腦技術和算法創新的推動下，人工智慧的變革力量預計將對社會產生巨大的影響。通用計算和自訂硬體和軟體都可在各方面發揮作用，英特爾目前在這方面也有佈局。目前英特爾 Xeon Phi 處理器用於科學計算，產生一些最大的模型來解釋大規模的科學問題，還有 Movidius 神經計算棒，以僅僅 1 瓦的功率執行訓練後模型的產品。 Intel’s New Self-Learning Chip Promises to Accelerate Artificial Intelligence （本文由 雷鋒網 授權轉載；首圖來源：Intel）延伸閱讀： Intel 發表...
人工智慧（AI）成了智慧手機必備的黑科技，蘋果、華為等爭相研發專屬晶片，加快處理速度。據傳三星電子不落人後，最近也加入開發行列，學者預測 2018 年下半的旗艦機也許都會搭載 AI 晶片。TNW、韓國先驅報報導，人工智慧晶片大行其道，蘋果 iPhone X 內建的 A11 Bionic 處理器，具備神經網路處理引擎（Neural Engine）。中國廠華為也大力宣傳，旗下的麒麟 970 晶片配備專屬的神經網路處理單元（NPU）。業界人士透露，三星研發多款晶片，可以在裝置上處理 AI 的龐大數據需求，無須傳送至雲端。該名人士預測，再過 3 年，智慧手機將有專屬晶片，AI 處理速度可比現在加快 50%，讓 AI 裝置更能發揮效用。目前的手持裝置雖然具備語音辨識、機器學習等 AI 功能，但是這些應用程式需要在雲端處理，花費時間較長。南韓科學技術院（KAIST）教授 Yoo Hoi-jun 表示，全球 AI 晶片競爭極為激烈，明年下半就會有內建 AI 晶片的智慧手機。外資之前就預測 AI 晶片將大行其道。霸榮（Barron’s）8 日報導，Jefferies 的 Hyunwoo Doh 表示，以往機器學習工作都上傳網路，交由伺服器處理，再把結果回傳智慧手機。現在此一趨勢逐漸改變，蘋果 iPhone 7 搭載 FPGA（Field-Programmable Gate Array，現場可程式化閘陣列）晶片，讓 iPhone 7 能進行部分機器學習功能，有越來越多企業跟進。Jefferies 報告稱，技術進展會帶來新需求，電子設計自動化（Electronic Design Automation，EDA）、晶圓代工廠、設備商等可望受惠。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
AI 人工智慧具有強大的學習能力，比如圍棋、Dota2 等都是透過人類讓它學習後，能夠計算出自己遊玩方法，甚至擊敗人類。而有大學研究小組就發展了異曲同工的 AI 人工智慧系統，只要給它觀看玩家在網路上投稿的遊戲動畫，除了學習如何玩，更會學習遊戲中的運作模式，最終由 AI 系統自己生成遊戲！在最新的報告中，AI 智慧系統就生成了類似超級瑪利歐兄弟的動作遊戲。美國喬治亞理工學院最近發表一份《從遊戲影片學習，製作遊戲引擎》（Game Engine Learning from Video）論文。當中一些簡單的遊戲，例如超級瑪利歐兄弟或者洛克人等平面動作遊戲，可以透過 AI 人工智慧，收看玩家上傳到網路的遊玩過程影片，進而製作出相同的遊戲。AI 系統首先會以小至像素為單位，取得遊戲的場景、遊戲裡面出現的人物設定資料，另一方面要偵測每一個零件的位置，以及移動速度等概念。以上資料都可從玩家上傳的影片中擷取、分類，然後再建立遊戲素材與設定的資料庫。他們展示出 GIF 圖片介紹這個 AI 系統。上面是超級瑪利歐兄弟實際遊玩的畫面，下面則是 AI 系統參照遊戲影片後，從零開始製作的遊戲。雖然有不少穿幫的地方，但瑪利歐吃了蘑菇會變大、在敵人頭上踩一下可以打倒敵人，還有角色的移動方法都能正確重現。當然 AI 人工智慧系統製作目標，並不是複製別人製作的遊戲。AI 系統的資料分解與資料分析功能是科學家實際所需。例如瑪利歐如何移動、做移動的動作、物體以怎樣的速度移動等。論文作者之一 Matthew Guzdial 再以瑪利歐為例：瑪利歐擊倒敵人這個動作要分析瑪利歐移動到敵人之上，向下方加速，然後讓敵人倒下等 3 個規則，AI 系統依照玩家上傳的影片，就可分析出這些規則，並自行開發遊戲。如果給它多一點時間，還會學到更多遊戲規則，理論上可以完全製作一個全新的遊戲。現在 AI 系統只限制於 2D 遊戲，這是因為 3D 遊戲用到的三維空間要定義資料與分析遊戲規則，以目前技術還有困難，而且所花時間也會更長。喬治亞理工學院未來會把這套系統使用於對人類有益的用途，例如分析現實世界人類的動作、行動等。（本文由 Unwire HK 授權轉載；首圖來源：Flickr/giochi Android iPhone CC BY 2.0）
企業人力資源部未來可能會拿臉部辨識技術當作篩選求職者的工具？湯姆克魯斯 2002 年主演的《關鍵報告》（Minority Report）電影中出現的預防犯罪系統即將實現？英國衛報 12 日報導，史丹佛大學助理教授 Michal Kosinski 指出，透過照片，人工智慧（AI）將能夠認出人們的政治傾向、辨認出某名學生是否具備高 IQ、哪些人具有高度犯罪傾向以及是否具備特定的人格特質。Kosinski 的研究上週在網路上引發熱烈討論，因為他宣稱利用交友網站照片所訓練出來的 AI 演算法，後續僅需數張照片就能斷定性傾向（男性、女性的準確度分別是 91%、83%）。Kosinski 表示，AI 在斷定極右、極左政治傾向的準確度最高。在未來，明星學校要挑選具潛力學生時可能依賴 AI 臉部辨識技術。《經濟學人》（The Economist）報導，臉部辨技術之所以開始滲透到更廣泛的商業環境，是因為它的準確度呈現大幅提升，開始步上與語音辨識相同的途徑。知名 AI 專家吳恩達曾說，多數人低估 95% 準確度與 99% 正確性的差異：準確度若達到 99% 將可改變產業遊戲規則。目前提供臉部辨識雲端運算服務的公司包括北京曠視科技（Megvii Technology Limited）的 Face++ 平台、商湯科技（SenseTime Co.）、NTechLab、亞馬遜、IBM 以及微軟。美國軍事網站《Defense One》日前報導，中央情報局（CIA）科學與科技部副主任 Dawn Meyerriecks 在「情報和國家安全峰會」上表示，CIA 目前有 137 項直接與 AI 相關的實驗計畫，包括自動標記影片中物體以及依據大數據和相關證據來提升預測準確度。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
現在，人臉辨識系統可以辨識任何人，任何將臉遮住的人也一樣可以。使用人工智慧來描繪臉部輪廓，除了能顯示出人物的身分，更能進一步幫助抓出罪犯、抗議示威人士，即便他們戴著圍巾、太陽眼鏡想遮掩自己。偽裝人臉辨識系統團隊（Disguised Face Identification，簡稱 DFI）正在進行一個研究，目的是讓臉部辨識科技更全能。該團隊稱：「這是一個非常具有挑戰性且難度頗高的研究項目」。但備受爭議的弊端也不少，因為系統內部可以匿名方式查看辨識結果，這部分也引發隱私問題，有學者認為該系統過於專制。 ▲ 偽裝人臉部辨識系統（DFI）透過數據測量，面對穿戴配件與衣物的對象，仍藉由多點臉部輪廓來讀取與辨識人物。 曾在 DFI 工作的一名英國劍橋大學研究員 Amarjot Singh 提及，執法單位與其他希望捕捉罪犯的機構對這套系統都十分感興趣，而且系統潛在的可應用範圍絕對超乎想像！Singh 也率領國際團隊為此系統發表一篇相關學術性論文。 DFI 團隊透過不斷餵養「各式各樣遮蓋住顏面的圖像」，以此訓練系統深入學習 AI 臉部網路，如此訓練需要依賴大量的資料庫。圖像當然混合了這種簡單或複雜的背景，便於挑戰 AI 的靈敏度與精準性。 AI 透過測量 14 個臉部關鍵點（facial keypoint）的距離與角度來辨識，其中 10 個點為眼睛、3 個為唇部，剩下 1 個給鼻頭。系統藉由這些讀取到的數據，來估計隱藏的臉部結構，接著拿來與曾經匯入的圖像進行比較，最後揭示該人的真實身分。 每個臉部關鍵點都在檢視整體系統框架的有效性，與其他先進的系統相比，DFI 證明了自己臉部關鍵點架構的優越性與分類有效性。在早期的測試階段中，因為資料庫存載的人臉圖像尚缺，測試時整套流程只正確辨識 56% 遮掩臉部的面孔；如果同時戴上眼鏡，精確度會下降到 43%。 即便遭遇了一些障礙，Singh 仍開心表示，「我們已離實現目標不遠了！」DFI 也持續呼籲，期望有更多研究人員加入，以擴充並發展系統資料庫的技術。 （Source：arXiv.org） 然而這項研究目前仍在等待正式發行，原因來自它引發一些關於「隱私權」隱憂的爭議。北卡羅來納大學的社會學博士 Zeynep Tufekci 在 twitter 發言，認為這項 AI 研究相當專制，且集威權主義於一身。 最後，DFI 團隊將在 10 月於義大利威尼斯舉辦的 IEEE 國際研討會的計算機電腦工作坊（International Conference on...
美國總統川普（Donald Trump）13 日發布行政命令時表示，可靠的證據顯示中國創業投資基金有限公司（China Venture Capital Fund Corporation Limited）若購併萊迪思半導體公司（Lattice Semiconductor Corporation），未來可能會採取行動損害美國國家安全。根據川普 13 日頒布的行政命令，買家與萊迪思應於 30 天內採取一切必要步驟，全面、永久地放棄擬議的交易。萊迪思執行長 Darin G. Billerbeck 8 月 8 日透過財報新聞稿表示，第三季營收雖可能跟第二季相差不遠，但第四季可望走高。Billerbeck 預期現場可程式邏輯閘陣列（FPGA）業務將持續茁壯。此外，他還提到萊迪思將持續投資包括毫米波（mmWave）、人機介面（HMI）以及人工智慧（AI）等新興成長產業。萊迪思指出，Canyon Bridge Fund 所提出的收購提議已於 2017 年 2 月 28 日獲得股東會的批准。Thomson Reuters 去年 11 月報導，Canyon Bridge 部分資金來自中國中央政府，與中國的太空計畫擁有間接關係。萊迪思表示，與兩大競爭對手（賽靈思、英特爾旗下 Altera）不同的是，公司已停止銷售晶片給美國軍方。（本文由 MoneyDJ新聞 授權轉載；首圖來源：萊迪思）延伸閱讀： 美國監管單位否決中資收購，萊迪思半導體罕見聲請川普裁決
Thomson Reuters 報導，美國國土安全部（DHS）指示聯邦機構在 30 天內清點出資訊系統中的卡巴斯基實驗室（Kaspersky Lab）產品並於 90 天內開始停止使用。DHS 對卡巴斯基內部特定高層與俄羅斯情報機構／俄國其他政府機構之間的聯繫表達疑慮、並表示依據俄國法令情報機構可強制要求卡巴斯基提供協助。DHS 擔心俄國政府會利用卡巴斯基產品去直接危及美國國家安全。卡巴斯基實驗室發布聲明稿表示，俄羅斯資訊分享法只適用於通訊服務，所有指控都是子虛烏有。卡巴斯基實驗室擁有逾 4 億名全球用戶，上述訊息對這家公司的直接財務衝擊可能有限。美國最大電子產品零售商百思買（Best Buy Co）甫於上週宣布全面（包括實體、虛擬通路）停賣卡巴斯基防毒軟體。國際文傳電訊社（Interfax）報導，俄羅斯總統普丁（Vladimir Putin）9 月 8 日對俄國科技廠商說，某些領域的國營機構不能跟使用外國軟體的廠商合作，因為那將構成國家資安風險。俄羅斯新聞社（TASS，塔斯社）9 月 1 日報導，普丁在「ProyeKTOriya」論壇上對學生說，能在人工智慧（AI）產業居於領先地位的國家將可統治世界。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/NTNU – Norwegian University of Science and Technology CC BY 2.0）延伸閱讀： 美國擬禁卡巴斯基，俄羅斯揚言報復
Wired.com 報導，蘋果（Apple Inc.）執行長提姆庫克（Tim Cook）12 日在發表 iPhone X 時說，這項產品將為未來 10 年的科技趨勢定調。報導指出，與 A11 仿生（Bionic）晶片一同亮相的神經引擎，可能會成為未來智慧型手機的標準規格。Moor Insights & Strategy 分析師 Patrick Moorhead 指出，蘋果神經引擎的最強勁對手可能會是出自三星、高通；Google 也可能推出行動人工智慧（AI）晶片。這類晶片能做許多事，例如協助 iPhone 分析來自 Apple Watch 的偵測數據。蘋果 12 日宣布將與史丹佛（Stanford）研究人員一同測試可偵測心律不整的應用軟體。關於蘋果在 2017 年 WWDC 發表的「Core ML」機器學習編程框架，Moorhead 認為它與神經引擎有直接關聯性。印度媒體《The Hindu》8 月 8 日報導，庫克在受訪時表示，GPU 跳躍式的進展讓一年前辦不到的機器學習得以成真，而且未來 5 年還會有更多的發展，這對擁有深厚晶片專業知識的蘋果來說，將會是一大競爭優勢。華爾街日報 8 月報導，蘋果 2017 年度第三季（截至 2017 年 7 月 1 日為止）研發支出年增 15% 至 29 億美元，同一時間營收僅年增 7%（至 454.08...