還記得 Google 與暴雪娛樂（Blizzard Entertainment）打算讓《星海爭霸 II》成為 AI 研究環境嗎？馬斯克（Elon Musk）的人工智慧 Open AI 最近也將腦筋動到遊戲產業上，不但讓 AI 與《Dota 2》的職業選手對戰，還擊敗了對手。《戰慄時空》開發商 Valve 旗下，目前全球總獎金最高的電競比賽項目《Dota 2》，在日前的比賽中，加入了一段令人驚訝的「表演賽」，由馬斯克的人工智慧 OpenAI 出戰職業選手 Dendi，以 1V1 的方式進行對決，在接連兩場敗北後，Dendi 宣佈棄權不再挑戰與 OpenAI 對打。《Dota 2》是一款 MOBA（Multiplayer Online Battle Arena，多人線上競技）遊戲，每場遊戲由十人分成兩隊，以 5V5 的方式進行，MOBA 遊戲強調各種資源獲取、戰術應用、團隊合作以及玩家對遊戲概念與操作的掌握度，瞬息萬變的遊戲過程讓全世界玩家愛不釋手，包括《英雄聯盟 League of Legends》、《傳說對決》等都是 MOBA 類型遊戲。而這也是 AI 繼挑戰高難度的圍棋後，第二次在高難度的比賽項目中擊敗人類。馬斯克本人也隨即在 Twitter 上發文表示，這是 OpenAI 首次在比西洋棋和圍棋更為複雜的電競項目中擊敗了人類，言下之意似乎在暗指 AlphaGo 打敗世界棋王不過爾爾。 OpenAI first ever to defeat world’s best players in...
Google 研究團隊產品經理、醫學博士彭浩怡（Lily Peng）近日分享深度學習應用於醫療領域的進展，看好影像辨識精準度不斷提升與發展潛力。Google 台灣董事總經理簡立峰認為，台灣具有資通訊和醫療領域優勢，兩者在 AI 人工智慧時代會有更好的交集，值得跨領域結合投入 AI 醫療應用，而長照智慧型輔具也是發展方向之一。簡立峰提到，過去一直強調要有大數據才能投入 AI 應用，實際上在單一領域應用裡不見得需要非常大量的數據資料。他以彭浩怡所研究的視網膜病變診斷應用為例，說明研究團隊以近 13 萬張視網膜眼底影像，經由專業眼科醫生判讀分級並建立模型，這樣的資料量對台灣來說應不至於蒐集不到，尤其台灣擁有健保制度也建立許多醫學中心，所具備的醫療資料相當可觀，加上台灣在資通訊領域優勢，若要運用 AI 進一步投入影像辨識和醫療研究，以基礎來說台灣不僅擁有資料，也具有深度學習平台與環境。「如果說有很多法規限制不能走太快，有個辦法是醫學中心內部先行，」簡立峰認為台灣各大醫院都有各自體系，可以從內部體系先行，這是其他國家難以比擬的優點。他指出，醫生與 AI 之間的最大差別，就是醫生準確率很高但涵蓋率不夠高，無法全面性判讀影像；AI 相對全面但也可能判讀錯誤，所以看好醫生結合 AI 輔助，「這不是 AI 跟醫生的競爭，而是病人能從中受益，」他說。儘管台灣在醫療和資通訊領域具有優勢，教育問題卻是眼前一大瓶頸，特別是跨領域發展。簡立峰表示，台灣科系在大學甚至在高中時期就已分流，想發展新領域又不一定有教授願意投入，從事既有領域的教授也不會在沒有誘因之下轉換領域，學生想學習新領域自然困難，這是台灣必須重視的問題。另外，發展 AI 醫療領域也要思考長照問題，在高齡少子化問題日趨嚴重、長照人力明顯短缺的情況下，未來 AI 對長照的重要性會更顯重要。簡立峰建議台灣科技部推動 AI 發展，可為長照研發智慧型輔具，不見得一定要發展機器人，但自動輪椅、無電梯公寓上下樓輔具等都是發展方向，「台灣要發展 AI 值得從現在開始投入長照，大概 10 年、20 年就可以收割，」他相信為長照發展的智慧型輔具擁有內需市場。簡立峰強調，醫學對全人類來說都是好事，現在在資訊科技和醫學領域投入更多，將能加速未來科技進展。透過 Google 研究團隊所分享的 AI 醫療輔助診斷應用實例，可見目前實驗平均結果達到與醫生相同甚至更高水準，未來人們在醫學影像判讀上或許會愈來愈依賴機器，但有個最終重點，「醫生是做決定的那個人，」簡立峰一語表達醫生無可替代的重要性。（首圖來源：《科技新報》攝）延伸閱讀： 以深度學習判讀腫瘤定位、糖尿病視網膜病變，Google：AI 與醫生合作可達理想成效 Google 台灣董事總經理簡立峰：服務思惟決定台灣硬體未來 Google 台灣董事總經理簡立峰：從未看過硬體如此重要
在 AlphaGo 打敗世界頂級的圍棋選手之後，人工智慧（AI）的發展已經讓世界感到驚奇，但 DeepMind 並沒有停下腳步，根據了解，他們最近又讓 AI 具備了一項人性化的技巧──打個瞌睡，休息一下。AI 在近代之所以能持續發展，主要得歸功於新的統計方法和電腦處理能力的進步，但 DeepMind 指出，事實上在神經網路開發的關鍵工作，多半不是由數學或物理實驗室，而是由心理學和神經科學協助開發，這兩項科學的貢獻經常被人忽視。DeepMind 相信，神經科學能幫助驗證已存在的 AI 技術，確定技術發展是否處在正確軌道上，也能為新型演算法和架構提供豐富靈感來源，讓工程師透過了解對認知功能至關重要的生物運算資訊，來建構人工智慧的「大腦」。近期在神經科學上，就發現了一個在「離線」狀態下重複體驗經歷的狀況：當生物處在睡眠或休息期間，大腦會重播在先前活躍期間的神經元活動序列，就好像是精神上重播過去的活動，並藉此改進未來的行為。因此儘管乍聽之下，建造一個會「睡覺」的 AI 似乎違反直覺──畢竟 AI 理想中應該是要不眠不休的工作，但這個原則其實是 Deep Q Network（DQN）演算法中一個非常關鍵的部分。DeepMind 表示，運用 DQN 演算法，研究人員只需要輸入原始像素和數據，就可以讓 AI 掌握雅達利（Atari）2600 上各種類型的遊戲，並且發揮如超人的水平。之所以能做到這件事，就是因為 DQN 演算法運用經驗回放（experience replay）功能，在「離線」狀態下回顧存儲數據的訓練模擬經驗，藉以從過去發生的成功、失敗經驗中重新學習。無論神經網路、AI 還是機器學習，研究人員正試圖做到的，就是教導電腦如何自己計算、歸究出一些結論。畢竟考量到實際應用，自駕車得對交通狀況進行決策，分析數據的演算法必須決定如何歸類資訊，AI 則得學會和人一樣思考，這些發展才真正有意義。Google 最新提出的這個方法，意味著系統不再需要保持連線才能解決問題，它能先全力運轉弄清楚問題的重點，並在斷線後的「夢境」中整理這些資訊，然後再次連線後完成任務。 Google’s DeepMind AI has a new trick: taking a nap AI and Neuroscience: A virtuous circle （首圖來源：shutterstock）延伸閱讀： DeepMind 創辦人：AI 要展現出真正潛力，得從人類智慧中獲得更多靈感 DeepMind 想透過認知心理學，來弄清楚人工智慧的思考模式
由於 AMD 新發表的 RX Vega 顯示卡功能強大，被熱於比特幣挖礦者用來挖礦之用，也讓市場為之瘋狂，造成一度供不應求。在 RX Vega 顯示卡亮相後，大家的焦點又放在 AMD 下一代顯示卡。根據 AMD 日前釋出的發展路線圖，可確認的是下一代顯示卡代號為 Navi，將採用 7 奈米製程生產，屆時無論在性能、核心面積、功耗上都會有重大提升。更令人驚豔的是，AMD 下一代顯示卡將會具備 AI 運算功能，全力搶攻 AI 運算市場。根據 AMD 提出的發展路線圖顯示，雖然 Navi 顯示卡載明將會是 2018 年亮相的產品，但是，實際上這一代 Vega 顯示卡的推出已延遲了許多。再加上 Navi 將會搭配 「可拓展的下一代顯示記憶體 」（Scalability Nexgen Memory），這部分猜測將會是 GDDR6 顯示型記憶體，其最早量產時間為 2018 年上半年。還有就是 7 奈米製程真正量產時間目前依然未確認的情況下，以此推測，在最佳的情況下，2018年下半年就或許可以見到 Navi 的身影。考量 Navi 將會搭配 GDDR6 顯示型記憶體，而不是高端的 HBM 2，有可能將會是與 Polaris 定位相仿的中低階產品。不過，在競爭對手 NVIDIA 全力擁抱 AI、深度運算、機器學習領域多年後，發展出屬於自己的計算架構平台。並且，在新的 Volta...
剛過去的週末，OpenAI 的人工智慧只花 10 分鐘就打敗了人類 Dota 世界冠軍。正如許多讀者所知，遊戲是許多研發人員用來訓練人工智慧的工具。在 OpenAI 位於舊金山的辦公室裡，研究人員 Dario Amodei 正在透過《賽艇大亨》（Coast Runners）來訓練人工智慧。不過，這個人工智慧好像有點失控了。《賽艇大亨》的遊戲規則很簡單，如果想贏，選手必須得到最高分，然後跨過終點線。但 Amodei 的人工智慧玩著玩著有點過火了，不斷追求高分，非但毫無跨過終點線的意思，反倒為了要多轉幾個圈拿高分，開始和其他賽船碰撞，或是過程中自己撞牆爆炸了。為了應對，Amodei 和 OpenAI 的同事 Paul Christiano 正在研發一套不僅可以自我學習，同時也願意接受人工監控的算法。在賽船遊戲的訓練中，Amodei 和同事不時透過按鍵指出人工智慧的不當之處，告知人工智慧，不僅分數要贏，同時也要跨過終點線。他們認為，這種包含人工干預成分的算法可確保系統的安全性。Google 旗下 DeepMind 的研究人員也同意 Amodei 和同事的想法。兩個團隊，分別代表 OpenAI 和 DeepMind，最近罕見地合作發表了部分人工智慧安全方面的研究論文。除此之外，Google 旗下的 Google Brain，以及來自柏克萊大學和史丹佛大學的研究團隊，都設有該方向研究課題，從不同方面考慮人工智慧的安全問題。除了這種在自我學習過程中「搞錯重點」的潛在危險，另一個可預想的人工智慧危險在於「為了完成工作，拒絕開發者關機」。一般在設計人工智慧時，研發人員都會給它設定「目標」，就像賽艇遊戲的「得分」。一旦人工智慧將獲得「分數」視為終極目標，它可能會產生一個方法論──想要獲得更多分數，其中一個方法就是不關閉自己，這樣就能無止境地獲得分數了。柏克萊大學的研究人員 Dylan Hadfield-Menell 和團隊最近發表了討論這個問題的論文。他們認為，如果在設計演算法時，讓人工智慧對目標保持一定的不確定性，它才有可能願意保留自己的「關機鍵」。他們採用數位方式來嘗試達成此設定，目前還處於理論階段。除了人工智慧自我「失控」，研究人員還在考慮駭客對人工智慧的影響。現代電腦視覺基於深度神經網路（deep neural networks），它透過學習分析大量資料來形成對型態的了解。也就是說，如果要讓電腦學會什麼是「狗」，那就讓它分析大量狗的圖片，並從中搜尋規律。但 Google 的 Ian Goodfellow 認為，這種型態可能會為駭客提供「矇騙」人工智慧的機會。Goodfellow 和其他研究人員曾展示，只要修改圖片的幾個特定畫素，他們就能讓神經網路相信圖片中的大象是一輛汽車。如果這個神經網路應用在監視鏡頭，問題就大了。即便你用了數百萬張標記為「人」的照片來訓練一個對象辨識系統，你還是可以輕易拿出系統和人工辨識 100% 不同意的圖片。我們需要認清這種現象。Goodfellow 說。雖然這些研究大多仍處於理論階段，但這群致力將意外止於搖籃裡的研究人員堅信，越早開始考慮這個問題越好。DeepMind 人工智慧安全的負責人 Shane Legg 說：雖然我們還無法確定，人工智慧將以多快速度發展，但我們的責任是試著理解並猜測，這種技術有可能以哪種方式誤用，並嘗試找出不同的應付方式。 Teaching A.I. Systems to Behave...
科技部為促進人工智慧終端產業核心技術躍升，將以 4 年為期，共預計投入新台幣 40 億元經費，啟動「半導體射月計畫」，加速培養人才及技術，協助半導體產業在全球市場保持先機。科技部部長陳良基今天表示，國際許多知名軟硬體公司已投入大量資源進行人工智慧科技相關研發布局，目前面臨如何達到更高運算效能及更低耗能的瓶頸，未來終端產品所需的人工智慧須具備低耗能及低電壓晶片設計，這些仍處於發展初期的面向，將是台灣投入的契機。陳良基說，不同於雲端數據中心具有強大運算功能的人工智慧，智慧終端的 AI 技術須具備簡化、低功耗及通訊射頻功能的深度推理結構，甚至是深度學習的能力，而台灣強項在於 IC 設計，可以快速做出特定用途的 IC ，在應用端上也會有需求。他表示，目前鎖定幾個評估需求量會起來的部分，包括無人載具、AR、VR，以及包括硬體資安等資安需求。此外，陳良基說，應用在通用型的 AI 晶片上的機會也不能放棄，他舉例，像是 Facebook、蘋果（Apple）要推的 AI 終端晶片，可能就是通用型晶片。科技部將從明年開始推動半導體射月計畫，目標挑戰 2022 年智慧終端關鍵技術極限，開發應用於各類終端裝置上的 AI 晶片。陳良基說，2022 年將是 3 奈米真正可量產的時代，科技部將今年定調為 AI 元年，而一個科技真正發展到大量生產，差不多就需要 4、5 年的時間，因此 2022 年是相當重要的時間點，若在 3 奈米技術開始量產時，台灣還沒有 AI 的技術，勢必會落在全世界之後。陳良基也說，科技部希望能在這波潮流中，提供半導體產業足夠的子彈，也就是人才與技術。陳良基表示，這次計畫主要以半導體協會為對接，聽取業界許多建議，包括台積電、聯電、鈺創、聯發科、華邦電、群聯及日月光等台灣廠商都表示支持，除了技術研發外，未來也希望透過產學合作，培育相關人才。由於這次計畫時長規劃為 4 年，陳良基說，如果現現在剛進大學的學生，這就是最好的機會，透過科技部人才培育計畫，培養學生面對核心技術的基本能力，不僅是針對半導體，未來也可能成為其他產業的珍貴人才。除了半導體射月計畫的 40 億元經費外，科技部先前也宣布 5 年 50 億建置人工智慧運算主機，及 4 年 20 億的機器人基地計畫，預算合計超過百億。其中人工智慧運算主機及機器人基地計畫歸在前瞻基礎建設計畫的數位項目中。陳良基說：「前瞻計畫在數位這塊，有很多是急需、也必須要投入的部分，希望民眾能適當支持前瞻計畫，不然我們可能無法快速往前跑。」（作者：廖禹揚；首圖來源：shutterstock）
2017 年初時 AI 專家陸奇接任百度 COO 引起議論。由於陸奇曾在微軟和 Yahoo 任職，加上有 AI 的背景。而在 4 月時百度啟動阿波羅計畫，開放自動駕駛開發軟體技術平台，陸奇這次接受訪問談 AI，中國的機會，以及怎麼看 Amazon 在 AI 領域的領先地位，推出 Amazon Alexa 震驚業界，領先好幾步很難追上。陸奇接受 Wired 專訪，談到即便有最好的技術，吸引最好的人才投入最酷的專案，他覺得擁有最多資料的 AI 公司，才有辦法訓練出好的演算法，全世界中，就屬人口最多的中國有這樣的條件。儘管比起其他科技公司如 Google、微軟，Amazon 的技術不算最頂尖，但是 AI 的戰場是比誰找到對的應用場域和對的生態系，Amazon 推出 Alexa 語言助理就是相當好的例子。Alexa 是第一款 AI 優先考量設計的裝置。微軟和 Google 都在這裡犯了錯：微軟的 Cortana 太著重智慧型手機和電腦端的應用，而手機是手指操作優先、行動優先的裝置。陸奇在微軟 Cortana 團隊待了 4 年半，起初因 Amazon 技術不那麼領先，而犯了低估 Amazon 實力的錯誤。百度自己在公司實踐 AI，是做到樣樣都用臉部和語音辨識，像是飲料機。百度目前有員工餐廳的計畫，希望最後做到在員工餐廳吃飯時，靠臉部辨識，拿著食物走出去就好了。被問到百度與 Siri 和 Cortana 等相當的語音助理，陸奇說百度有推 DuerOS 這個平台。比起競爭對手，DuerOS 擁有 10 個不同領域的對話技能，以及超過...
Google 人工智慧團隊最近找來了一位重量級人士，那就是蘋果 Swift 語言發明者、傳奇程式設計師 Chris Lattner。Lattner 在年初離開蘋果，加入特斯拉（Tesla）擔任 Autopilot 軟體負責人，協助開發自動駕駛技術，但短短 5 個月後他便決定離開。近日 Lattner 宣布，他將在 21 日正式加入 Google Brain 團隊。負責研究深度學習的 Google Brain 原先只是 Google X 的一項研究專案，但因為獲得的效益成果豐碩，最終脫離 Google X 成為一個單獨部門。 I’m super excited to join Google Brain next week: AI can’t democratize itself (yet?) so I’ll help make it more accessible to everyone! — Chris Lattner (@clattner_llvm) 2017年8月14日對於未來工作內容，Lattner...
14 日，美國舊金山地方法院判決一家資料分析公司 HiQ 有權利從 LinkedIn 網站上擷取資料，並且 LinkedIn 應該立即移除任何阻止 HiQ 擷取資料的技術壁壘。HiQ 公司利用在 LinkedIn 網站上公開的資料建立模型、訓練演算法，進而更預測員工行為，例如他們什麽時候可能辭職。LinkedIn 的辯詞是，HiQ 的做法違背了用戶協議，侵犯了用戶掌控自己公布訊息在 LinkedIn 平台上的的權利。但是法院並不這麽認為。第一，平台上的資料由用戶自行發表在公共空間，LinkedIn 不能證明他們擁有這些資料，也就沒有權利阻擋他人使用這些數據。第二，理論上說，任何人都可以手動點開每個人的資料，拿紙筆抄下來，然後再輸入電腦。當然這是非常低效和愚蠢的做法，所以才使用演算法來這麽做。HiQ 認同這個判決，表示這對所有依賴公開資料開展商業活動的公司來說是一次勝利。網路行業的創新不應該被幾個資料寡頭壟斷，公開資料應該可以被公眾獲取。另外一家靠擷取數據分析預測潛在消費者 Node 的 CEO 也表示支持，如果 LinkedIn 允許用戶訊息被搜尋引擎檢索到，進而為自己的平台帶來利益；他們就不能阻止其他網路公司從這些資料中獲利。LinkedIn 表示，他們會提出上訴，繼續為保護用戶掌控自己訊息的權利奮鬥。這個案子應該不會就這麽結束，如果上訴到上級法院，可能給產業帶來重要的影響。這會決定網路寡頭的資料壁壘到底有多高。至少在這案子中，法院指明了 LinkedIn 不能以保護用戶權利的藉口，保護自己的商業利益，並且用戶主動公開的資料也應當被公眾自由使用。如果用戶真要保護自己的訊息只能在 LinkedIn 上使用，他們應該做出特許約定；進而給予 LinkedIn 法律基礎阻止其他機構擷取用戶的資料。AI 的角色在這次判決中沒有過度強調，可能因為技術本身不是法律關注點。法院是為了平衡利益、保護權利，如果 HiQ 利用擷取來的資料從用戶身上獲利，那麼那些用戶有權知道這些，並且有權允許或阻止，但是這些權利不該由 LinkedIn 這家商業公司來代理。自己在一個網站上公開的資料是屬於誰的、該怎麽被第三方擷取使用，都可能是案子接下來需要回答的問題。我們拭目以待。（本文由 36Kr 授權轉載；首圖來源：Flickr/Blogtrepreneur CC BY 2.0）
市場調查研究機構 Gartner，16 日發表的年度新興技術流行週期報告時指出，三大未來新興技術與趨勢，將可以使得企業在未來 5 到 10 年的數位經濟領域中，取得生存空間和發展。而這 3 項技術就是人工智慧（AI）、透明沉浸式體驗以及數位平台等。Gartner 指出，這些技術將提供無與倫比的智慧，用意創造各種意義深遠的新體驗，並且提供各種數位平台將各機構連接到新的業務生態系統當中，創造新商機。Gartner 的年度新興技術流行週期報告，是針對科技和趨勢提供一個跨行業觀察角度，藉由報告裡提出的新興技術和科技，讓全球市場開發商以及新興技術團隊，做為開發新產品時的參考。而新興技術流行週期報告相對於其他 Gartner 的流行週期報告有其獨特的地方，也就是新興技術流行週期報告將 2,000 多種技術融合為一系列簡明扼要的新興技術和趨勢。而本年度新興技術流行週期報告的重點，則是放在在未來 5 到 10 年間具有高度競爭優勢的各種技術。Gartner 研究總監 MikeJ. Walker 表示，人工智慧技術無疑地將是未來 10 年最具顛覆性一類的技術。主要是由於計算能力突飛猛進的發展、接近無限量的資料來源、以及在深度神經網路領域上獲得了前所未有的進步。這些結果都讓擁有 AI 技術的機構，可以利用資料去適應新的情況，以及解決以前未曾遇到過的問題。而在人工智慧上尋求支撐點的企業，應該考慮以下的各項技術，包括深度學習、人工智慧、自駕車、認知運算、無人機、使用者對話介面、機器學習、智慧型機器人和智慧工作區等。另外，在透明沉浸式體驗方面，MikeJ. Walker 指出，科技的發展將持續會以人為本的模式發展。而以人為本的發展模式，最後會是在人、企業以及和物體之間導入透明性。所以，當科技在工作場所或家庭中與其他企業或人進行互動之際，將會變得越來越具有適應性。而且，內容隨工作場所而不同，或者更加具流動性後，人、企業和物體之間的透明性關係將變得更加密切。在透明沉浸式體驗方面，企業未來需要考慮的關鍵技術，包括 4D 列印、擴增實境 （AR）、電腦人腦介面、智慧家庭、虛擬實境（VR）和立體顯示（Volumetric Displays）等領域上。最後，MikeJ. Walker 則指出，在新興技術需要對基礎進行革新，而基礎則提供了所需的資料量、先進的計算能力和無處不在的基本生態系統之際，分割型技術架構就正在向生態系統平台進行轉變。而這種轉變，也正在為溝通人與技術之間橋樑的全新商業模式奠定基礎。在此領域中，未來企業需要關注的關鍵平台支援技術，包括 5G、邊緣運算、區塊鏈、物聯網平台、神經元硬體、量子計算、雲端運算平台以及軟體定義安全等。MikeJ. Walker 表示，我們將這些主題放在一起看，就可以發現在新興的技術中，從智慧工作區、連接家居、擴增實境、虛擬實境，以及日益增長的大腦與電腦的介面等面向裡，看到以人為本的基礎技術正在成為尖端技術，而藉由這些技術的驅動，使得技術流行週期內也將帶動其他技術趨勢的進化。（首圖來源：Flickr/Many Wonderful Artists CC BY 2.0）