微軟創辦人比爾蓋茲（Bill Gates）日前提出「機器人稅」一說，建議政府應向導入機器人的業者課稅，將稅源用於長照與教育服務，但此說法引發正反兩派意見。近日機器人專家 Steve Cousins 也表達個人看法，認為對機器人課稅等於是對創新課稅，在自動化時代來說無疑是走了回頭路。Steve Cousins 為服務型機器人新創公司 Savioke 創辦人暨執行長，他最近透過美國科技媒體《TechCrunch》表示，機器人取代人力所造成的失業問題，確實是社會正面臨的極大挑戰，而比爾蓋茲所提出的「機器人稅」立意良善，目的是讓所有人都能在自動化浪潮中獲益，而不是遭到摒棄淘汰，同時也有助於彌補政府因失業率上升而逐漸擴大的稅收缺口。不過，Cousins 認為政府若向導入機器人的業者課稅，實質上是在懲罰他們採用新型自動化技術，根本是阻礙創新。他強調，機器人跟其他自動化設備一樣能幫助人們提高工作效率，但其目的並不在於取代人力、奪走人們的工作。Cousins 引述管理顧問公司德勤（Deloitte）報告指出，機器能負擔重複性高又艱難費力的任務，但過去 150 年來社會並沒有因此減少人力需求。「政府難道不該支持那些願意擁抱創新的企業嗎？他們運用新技術改善生產率並提高營收，這將有助於美國經濟在全球保有強大競爭力，」Cousins 說。另一方面，企業所採用的「機器人」又該如何定義？一般普遍認知的機器人大多是產線用工業機器手臂，或是在倉庫裡運送貨品的倉儲機器人；而根據傳統定義來說，凡是具有感知與評估能力，又能執行明確任務的技術都算，所謂的「機器人」包含沒有形體的技術，定義範圍很廣。政府實際向企業課稅前，該如何分辨機器人或自動化技術、明確界定機器人範圍與類型標準，則又是另一個需要探討的問題。除了界定機器人範圍外，Cousins 認為企業布署多少機器人以致多少人失業，兩者之間其實很難直接劃上等號，原因是企業採用機器人也可能同時增加聘僱人員。對他來說，企業因導入自動化機器人而增加獲利，理應繳納相對更高的稅，這或許不失為改善人民生活、避免進一步擴大貧富差距的方法，但光靠此稅收並不足以解決自動化取代低技能人員的現實問題。他建議政府應將稅收用在教育方面，為競爭力處於弱勢的人們提供更多免費或低廉的教育計畫，教人們與機器一起合作的技能。這點在某程度上，也與比爾蓋茲的看法不謀而合。無獨有偶，創新工場董事長兼首席執行官李開復，近日在接受台灣媒體訪問時也提到，勞工一旦被機器人取代工作就會面臨後續就業問題，政府應向賺錢的企業而非向採用機器人的代工廠課稅，並按傳統方法根據該企業所獲得的利潤比例課稅，而且這是必要的，必須藉由課稅平衡與補償機器人取代人力的後續問題。無論政府應向採用機器人的企業課稅與否，都不會改變自動化機器人浪潮將顛覆人們生活的事實，政府和人民也應從現在開始正視問題、審慎規劃應對措施。 Is a “robot tax" really an “innovation penalty"? Here’s how Bill Gates’ plan to tax robots could actually happen （首圖來源：Shutterstock）延伸閱讀： 比爾蓋茲：若勞工繳稅，政府也必須對機器人課稅 機器人搶飯碗！3 成工作能被替代；日本最高達 5 成 搶食百億美元市場的倉儲機器人公司有哪些？
近幾十年以來，心臟病是導致美國人死亡的主要因素，所以患有心臟衰竭（Heart Failure）的美國人越來越多一點也不奇怪。預計到 2030 年，確診患有心臟衰竭的美國成年人將會增加 46%，這意味著患病人數將達到 800 萬，一半左右的人在確診 5 年內死亡。心臟衰竭是指由於心臟的收縮功能或舒張功能發生障礙，不能將靜脈回心血量充分排出心臟，導致靜脈系統血液淤積，動脈系統血液灌注不足，而引起心臟循環障礙症候群。心臟衰竭很難早確診，在美國國家衛生研究院（National Institutes of Health）幫助下， IBM Research 的一個科學家團隊聯合 Sutter Health 的科學家與 Geisinger Health System 的臨床專家，利用基於電子病歷（Electronic Health Records）背後可能隱藏的訊息，研究和預測心臟衰竭。在過去 3 年裡，利用自然語言處理、機器學習和大數據分析等 AI 最新進展，該團隊訓練了一個比現今典型診斷早一至兩年確診心臟衰竭的模型。這項研究提出了關於訓練模型所需數據，以及實際權衡等方面的重要見解，並開發了更容易應用在未來模型的新應用方法。▲ 正常心臟和衰竭心臟。（Source：美國心臟協會）現在的醫生通常會對病人安排心臟衰竭測試，並在病歷中記錄患者心臟衰竭的體徵和症狀。儘管已經做了最大的努力，但是患者通常是在急性事件接受住院治療之後，才被診斷出心臟衰竭，此時疾病已經對身體造成不可逆轉的漸進性器官損傷。該團隊的研究重點是，在典型臨床診斷的前一年或前幾年，透過利用電子病歷系統包含的數據，檢測和預測病人患有心臟衰竭的風險有多大。為了達到他們的目標，應用自然語言處理和機器學習方法，該團隊開發和應用了幾種認知計算和 AI 技術來分析項目中的患者數據。在項目過程中，團隊致力於達成一系列目標，得到一些意想不到的發現，其中包括： 第一個目的是了解 Framingham Heart Failure Signs and Symptoms（FHFSS）用於早期檢測的有效性， FHFSS 是臨床醫生通常用來診斷心力衰竭的傳統風險因素。研究者使用自然語言處理技術（NLP），透過分析訊息和辨識概念（包括富氏風險標準（Framingham risk criteria）或其他類型的症狀），從非結構化數據（如醫生筆記）中提取資訊。有趣的是，研究結果顯示，28 例原始 FHFSS 體徵和症狀中，只有 6 例確定是未來呈現心臟衰竭的可靠預測因子。 第二個目的是，透過將醫生筆記的非結構化數據與結構化電子病歷數據相結合，確定能否更準確地預測心臟衰竭。為此，團隊應用機器學習方法來構建考慮變量組合的預測模型。研究結果顯示，與 FHFSS 聯合使用時，收集在電子病歷中的其他常規數據類型（如疾病診斷、藥物處方和實驗室檢查）可能是預測患者心臟衰竭發作更有用的預測因素。 （Source：IBM）以上顯示了心臟衰竭預測研究的模型圖，該模型可比當前技術早一到兩年確定心臟衰竭。使用縱向電子病歷數據（EHR），研究者在觀察期中提取和分析了各種結構化和非結構化數據類型，其中索引日期代表可以進行預測的最早日期，預測期（ prediction window ）指的是傳統手段診斷前，模型能夠預測的一個時間段。在幫助檢測個體心臟衰竭的可能性方面，研究還使團隊深入認識特定數據類型與實用性之間的權衡。例如，當使用更多樣化的數據類型時，模型的性能得到改善，其中診斷、用藥遺囑和住院數據三者之間的兩兩組合是最重要的數據類型。利用知識驅動的藥物和診斷本體，將變量概括為更高層次的概念，並開發出數據驅動的方法來辨識和選擇最顯著的變量，創建出更小和更強大的變量子集。最終，團隊開發出性能和實用性都優良的預測模型。這從臨床的角度來看非常重要，因為模型中使用的患者因素可能超過了 1,000 個，但是沒有醫療保健專業人員希望輸入如此多變量。對於訓練有效預測疾病模型所需數據的最低數量和類型，這些研究成果提出了可實現的指導方針。去年...
剛剛上任的英特爾人工智慧事業部（AIPG）首席技術長 Amir Khosrowshahi 表示，目前所使用 GPU 等級太低了，半導體產業需要構建全新的神經網路架構。在出任這個新職位之前，Khosrowshahi 是 Nervana System（下簡稱 Nervana） 的聯合創始人兼首席技術長，Nervana 於 2016 年 8 月被英特爾收購，但並未對外披露具體的收購金額。Nervana 利用最先進的技術來使用 GPU，而且還自行研發替代了標準的 Nvidia 組合語言程式，從而讓 Nervana 能夠生成「次優」的架構體系。在英特爾大力部署人工智慧戰略的大背景下，該公司所能提供的技術迅速成為了發展的核心力量。Khosrowshahi 本週四向 ZDNet 透露：「早在 Nervana 成立之初我們就著手研發自己的組合語言程式，當時只是為了我們自己的研發需求，不過後來我們發現它要比 Nvidia 官方的庫存快兩到三倍，所以我們就將其開源了。」Nervana 並不僅僅在軟體方面發力，而且還創建了自己的目標向神經網路訓練。他說道：「神經網路是預先設定好操作的系列整合。它並不像人類和系統之間的互動，而是被描述為數據流的系列指令集。」Khosrowshahi 表示，在執行圖形渲染過程中輔助圖形處理單元的部分功能是沒有必要的，比如大容量暫存、頂點著色處理、 渲染和紋理等。他表示：「GPU 中的大部分電路在部署機器學習之後是沒有必要的… 這些東西會隨著時間的推移而不斷積累，最終產生了非常多無用的東西。」他進一步解釋：「對你來說並不需要的電路，在 GPU 晶片中不僅佔據了很大一片空間，而且從能源利用率上考慮也產生了相當高的成本。神經網路則相當簡單，利用小巧的矩陣乘法和非線性就能直接創建半導體來實現 GPU 的功能，而且你所創建的半導體非常忠誠於神經網路架構，顯然這是 GPU 所無法給予的。」在設計思路上，CPU 有複雜的控制邏輯和諸多最佳化電路，相比之下計算能力只是 CPU 很小的一部分；而 GPU 採用了數量眾多的計算單元和超長的流水線，但只有非常簡單的控制邏輯並省去了快取，因而在需要大量計算的機器學習方面表現更好，而 TPU 則是專為機器學習的矩陣乘法設計和優化，因而在機器學習方面比 GPU 更勝一籌。Khosrowshahi 給出的答案：就是目前尚在開發中的 Lake Crest，這是英特爾今年會針對部分客戶提供離散加速器。但伴隨著時間的推移，它將會成為 Xeon 處理器的最佳夥伴。Khosrowshahi 解釋：「這是一個張量（tensor）處理器，能夠處理帶矩陣運算的指令。因此指令集是矩陣 1 和矩陣 2...
自去年人工智慧系統 AlphaGo 與南韓圍棋高手李世乭的精彩對弈後，萬眾矚目的人機世紀大對決又將展開！Alphabet 集團旗下公司 DeepMind 10 日宣布將於 5 月 23 日至 5 月 27 日和中國圍棋協會及浙江省體育局，共同於圍棋發源地浙江省水鄉烏鎮，舉辦為期 5 天的「中國烏鎮圍棋峰會」（The Future of Go Summit in Wuzhen）。這次 DeepMind 開發的人工智慧「AlphaGo」除對弈世界冠軍中國棋王柯潔，更將同時挑戰多位中國頂尖棋手，精彩可「棋」。本次賽事除增添多元賽制，更將首度舉辦「人工智慧大未來論壇」（Future of A.I.），共同探索人工智慧與機器學習技術。這場聚集了中國頂 尖棋手與 Google 人工智慧專家的圍棋峰會，勢必將為圍棋文化及人工智慧創造更多的火花。一年前，AlphaGo 擊敗圍棋天才、南韓棋王李世乭，締造人工智慧發展史上一大里程碑。當時，沒有人能預期那次對弈會對擁有 3,000 年歷史的圍棋文化帶來什麼改變；現在，透過這場人機對奕，甚至激起了全球學習圍棋的熱潮。 AlphaGo 的誕生，顛覆許多人一開始對人工智慧在圍棋應用的疑慮。它不但無損圍棋的博大精深，反而更強化了棋士的棋術，啟發更多創新棋路。透過鉅細靡遺的觀摩與推敲，專業以及業餘棋士在上次賽局中也學到嶄新的棋法與新知。更多關於 AlphaGo 啟發的創新棋路資訊，請參考 DeepMind 官方部落格。「AlphaGo 下棋讓人感覺更自由一些，沒有什麼著法是完全不能下的。」──周睿羊九段 「現在大家都更嘗試以前沒有下過的一些下法。」──時越九段▲ 憑藉不可撼動的自信，柯潔以穩健的棋風著稱。Google 執行長 Sundar Pichai（左二）去年前往北京參訪聶衛平圍棋道場時，與（由左至右）中國知名棋士古力、樊麾（站者）、聶衛平與柯潔重現當時 AlphaGo 與南韓棋士李世乭的賽事經典棋路，共同探索圍棋奧義。除了 AlphaGo 與中國頂尖棋士的精彩人機對弈，首次於圍棋峰會舉辦的「人工智慧大未來」（Future of A.I.）論壇，也將聚集中國頂尖棋手與來自 Google 的人工智慧專家，一同探討 AlphaGo 如何為擁有千年歷史的圍棋文化注入新能量，以及 AlphaGo 背後的機器學習與人工智慧技術，...
根據韓聯社的報導，南韓記憶體大廠 SK 海力士（SK Hynix）於 10 日宣布，研發出全球首款，容量 256Gb 的第 4 代 72 層堆疊 3D NAND Flash，預計 2017 年下半年量產。而該產品量產後，將超越日前由日本半導體大廠東芝（Toshiba）所推出的容量 256Gb 的 64 層 3D NAND Flash 的儲存密度。報導指出，NAND Flash 記憶體供應商為滿足客戶不斷增加的儲存空間需求，正不斷強化 3D 堆疊設計，提升 NAND Flash 的儲存密度。其中，雖然南韓記憶體大廠三星電子和東芝都已經研發出 3D NAND Flash，但僅堆疊到 64 層。而本次，SK 海力士研發出的 3D NAND Flash 達到 72 層架構，與其他兩家公司的產品相同，SK 海力士的 72 層架構 3D NAND Flash 也提供 256Gb 的儲存容量。報導中進一步強調，SK 海力士自從 2016...
自動駕駛汽車原本只是科幻小說或電影中的概念，但一些機器人領域的工程師卻不信邪，他們將這概念變成許多古怪的研究專案。如今，這些被潑了無數冷水的專案成了現實，自動駕駛汽車即將改變人類的交通形態。縱觀整個業界，未來誰能先到達終點，誰就能在價值 770 億美元（2035 年）的巨大市場中佔盡先機，而後來者會被世界遺忘。「為了在未來能分到一塊蛋糕，投入自動駕駛技術研發的資金正在層層加碼，更重要的是，這些投資不是空頭支票，它們可是實打實的真金白銀。」精通自動駕駛汽車法律的史丹佛法學院學者 Bryant Walker Smith 說。據了解，自動駕駛工業的主要玩家 Google Waymo、特斯拉和 Uber 等都在爭奪建立產業標準的發言權。無論哪家公司都冒著極大風險。就拿 Uber 來說，自動駕駛是他們提升利潤率的殺手鐧，如果無法先佔一步，Uber 的商業型態就會被複製，等待他們的就會是萬劫不復。因此，即使前路漫漫充滿風險，Uber 也必須義無反顧。▲ Waymo、特斯拉和 Uber 無人車團隊的競合。自動駕駛工業激烈的競爭已催生了至少兩場劍拔弩張的訴訟。訴訟的起因也很簡單：一是由於員工跳槽帶走技術，二是由於新公司崛起威脅老公司地位。除了科技公司，傳統的汽車廠商也不甘寂寞，通用、福特、飛雅特和戴姆勒等公司都打開「錢包」對自動駕駛技術投入巨資。雖然現在看不清這些錢是否打水漂，但從很多團隊的動向來看，他們都盯上了 Uber 和 Lyft 的飯碗。一陣明爭暗鬥後，戰況最為激烈的要數 Waymo 與 Uber 的訴訟了。Waymo 聲稱，自家前工程師 Anthony Levandowski 在離開公司前下載了 1.4 萬份機密檔案，並藉 Waymo 的核心技術成立了新創公司 Otto，而 Otto 成立沒幾個月，就被 Uber 收入麾下。在法庭上，Waymo 要求法官禁止 Uber 使用 Levandowski「偷竊」的雷射雷達技術，如果判決成立，Uber 的自動駕駛汽車專案將遭遇滅頂之災。在矽谷，有關商業機密的爭鬥是家常便飯，但一旦 Google 加入戰事就不同了，搜尋巨頭可是將自動駕駛專案看得很重。「以前都是別人告 Google，他們當原告的次數可不多。」Santa Clara 律師事務所專攻高科技訴訟的 Eric Goldman 說。曾幾何時，自動駕駛產業是個緊密社群，但 Waymo 的一紙訴狀把人們從美夢中叫醒，原來這個產業競爭的火苗已燒得很旺了。「大量工程師同時做同樣的事，他們要麼在大學研究，要嘛為公司提供諮詢，要嘛就建立自己的公司。」Smith...
你可能已經知道了，Google 旗下的人工智慧 AlphaGo 要和中國頂級圍棋選手柯潔決戰了。4 月 10 日下午，中國圍棋協會、Google 和浙江省體育局於北京中國棋院舉辦的發表會上宣布了這個訊息。對戰的地點在中國浙江烏鎮，對戰時間是 5 月 23 日至 27 日，比賽採用中國規則，三番棋，無論輸贏，每方 3 小時，5 次 1 分鐘讀秒。除了與柯潔對戰，此次還將組織一場配對賽和一場團隊賽，配對賽是連笑、古力分別與 AlphaGo 組隊進行比賽，團隊賽則是柯潔、周睿羊、時越、唐韋星和陳耀燁五名人類棋手組隊與 AlphaGo 對戰。這可能是 AlphaGo 自去年戰勝李世乭之後最高規格的一次比賽。今年 1 月，AlphaGo 的 2.0 版本曾化身 Master 在網路圍棋網站下贏許多高手。其中已包括柯潔，但隨後柯潔爆出住院消息，疑似帶病與 AlphaGo 對弈。且線上對弈也非正式比賽，所以從嚴格意義上來說，AlphaGo 還沒有正式成為地球上最強的圍棋選手。這一次，烏鎮舉辦的對弈似乎是為了徹底讓人類死心。但對大多數人來說，可能已有對比賽結果的預期。畢竟，Master 在年初 60 場大戰的不敗戰績，已充分說明。既然 AlphaGo 這麼厲害，那麼還讓它和柯潔比賽有意義嗎？答：當然有意義。標題的問題，其實並不來自媒體，而是來自馬雲。剛過去的清明節假期裡，馬化騰、馬雲和李彥宏同時站在 2017 中國（深圳）IT 領袖峰會的台上，探討關於人工智慧的話題。馬雲對 AlphaGo 式的人工智慧提出十分尖銳的質疑：大家把 AlphaGo 說得天花亂墜很恐怖的樣子，我個人覺得，So What？在發表會上，Google 大中華區總裁石博盟對這個問題似乎有備而來。現場回答的 3 個問題中，都在解釋為什麼 AlphaGo 與人類棋手對弈如此重要。第一個問題就是：AlphaGo 和柯潔對弈是否有意義？這個問題的答案是肯定的，但並不是外界理解的「這對 Google...
AT&T 公司是一家美國電信公司，美國第二大行動營運商，創建於 1877 年。目前是美國最大的本地和長途電話公司。公司擁有超過 12,500 項專利、8 項諾貝爾獎以及 140 年的實地測試經驗，目前 AT&T 是人工智慧的重要參與者。AT&T Connected Health Foundry 主管 Nadia Morris 認為，AT&T 是網路的中堅力量。公司管理連接個人和組織的無線電、固定電話甚至私人安全網路，所有這些網路都產生了大量的數據，這些數據剛好可以用來機器學習。AT&T 早在幾十年前就已經建立了人工智慧和機器學習系統，使用演算法來自動執行諸如通用呼叫中心程式和網路中斷的分析和校正等操作。在娛樂方面，AT&T 的 DirecTV 部門利用用戶的評分歷史、觀看行為和其他因素來預測他們將要觀看的下一部電影。AT&T 大數據研究主管表示，AT&T 需要數十億的數據點可視化，以前沒有工具來整理 AT&T 產生的數據，公司為此構建了可視化工具 Nanocubes。這種工具可將數百萬個單獨的手機和基地台連在一起，這款工具已在公司外使用用以區別體育迷，並分析犯罪率。演算法和工具不是解決問題的瓶頸。Volinsky 明確指出數據和數據集成才是瓶頸。現代人工智慧需要一個集中的數據源，但是目前數據來自於不同標準的網路接口，有些追蹤 4G 數據、有些追蹤 3G 數據。數據來源不同，最終結果也會產生偏差，所以現在要做的就是，如何將來自不同方面的數據集合在一起。AI 是 AT&T 研究部門開發下一代面向企業和消費者解決方案中最強大的工具，但是深度學習並不是解決所有問題的唯一方法，團隊目前應該做的還有優先考慮實體數據基礎設施，以及數據集成的方法。AT&T 已經在全球各地開設了 6 個創新實驗室，每個實驗室專門從事不同行業。透過已建立的各種聯繫，AT&T 可以幫助醫療保健 IoT 加速其硬體原型和生產。此外，實驗室還利用類似 Flow Designer 開源工具，軟體可幫助軟體工程師簡化硬體設計。對於生產可穿戴裝置公司，AT&T 的人工智慧系統調節可幫助其調節網路流量，公司可以智慧地檢測網路上的可穿戴裝置，並動態分配更大的頻寬以支持即時影片流。AT&T 對網路的控制也適用於積累大量患者資料的醫院。現在很多醫院都擔心資安問題，為防止患者個資洩露，醫院工作人員將資料上傳至雲端，但是資料管理通常不是醫院的核心競爭力，常常導致的後果是技術過時和效率低下。AT&T 在這裡做的就是，不管醫院使用哪一個雲端提供商，AT&T 都能夠讓所有伺服器執行專有的網路連接。將更多的醫療資料遷移到雲端，不僅可以降低人力成本，還可以促進人工智慧的研究。醫院本身蘊藏了大量的資料，這些資料對於獲得進一步的醫學成果至關重要。將醫療數據匯總到雲端，使得醫學研究人員能夠訪問不同數據集，生命體徵等監測的演算法可以對聚合數據集進行培訓，以獲得更準確的健康結論。AI 和資料可視化有助於 5G 的推出。現代人工智慧演算法使電信公司能夠處理更複雜的任務，例如優化 5G 網路。為什麼這麼說呢？傳統的電池塔通常放置在城市中心，網路覆蓋率比較低，對於房地產商而言，建立和維護網路也是非常昂貴的。而小型電池更便宜、更緊湊，並且可以安裝在內部城市建築上，網路覆蓋更密實，它們的作用是複製來自主電池塔的訊號，使其更接近終端用戶。透過調整行動用戶數據，人工智慧可以幫助創建空間模型，進而構建小型單元，確保客戶得到最強的 5G 訊號。用於 5G 網路的基礎設施是一項巨大的工程，而準確地模擬趨勢和增長是成功的關鍵。人口趨勢可能導致以前利用不足的地區，突然變成熱點生成器。雖然統計模型對於辨識客戶運動的趨勢很有用，但人工智慧和機器學習技術在整個過程中，都可以為當前數據提供未來的預測。除了人工智慧促進 5G 網路的布局，當地時間 4 月...
根據《華爾街日報》，三星 Galaxy S8 的重點功能「Bixby」，在上市之初將不會先推出英文版語音服務，但 Bixby 的其他功能，像是 Bixby recommends 仍然會如期上線。「Bixby」是三星由收購來的 Viv 為基礎開發的智慧助理。後者的創辦人在成立 Viv 之前，曾經推出一款語音助理 Siri，後來被蘋果收購，成為蘋果生態系眾所皆知的聲控服務。在聲明中，三星表示希望讓 Bixby 成為三星手機、家電、穿戴式裝置的核心界面，而不是現在以多點觸控為基礎設計的 UI。與 Siri、Google Assistant 或是 Alexa 相較，Bixby 複雜了不少，結合了各種小功能或頁面。除了基本的語音服務，Bixby 還有一個稱作 Bixby recommends、上頭掛有 Hello Bixby 的頁面，類似首頁，另外還有智慧提醒、景物辨識、自動翻譯、QR code 辨識等小功能。《華爾街日報》指出，由於英文版的辨識度表現不佳，不如韓文，因此 S8 上市後，英文版語音服務會推遲大約 1 個月，不過這個時程目前僅為暫估。其實在發表會上試用時，也可以感受到英文單字的辨識能力、反應速率都有些不足，但當時以為是現場聲源太雜，加上網路頻寬限制所導致。Galaxy S8 / S8+ 將是 Bixby 首款支援的三星產品。儘管還不能啟用聲控，但用戶可以透過專屬的側邊鈕來開啟它，進入 Bixby recommends 首頁。在三星的規劃中，目前 Bixby 仍會以內建 App、手機產品為主，然後再慢慢擴散到其他新品，甚至推出 Bixby 第三方 SDK。三星表示，Bixby 的特點在於能理解任務進程，可以讓用戶在觸控與聲控間交錯。App 如果有支援，也可以直接聲控操作每一項 App 上的功能。未來 Bixby 的英文語音服務將會透過軟體更新來提供。Bixby 目前也還不支援中文。 Samsung’s Bixby...
台灣著名的電腦科學家及前 Google 全球副總裁李開復受騰訊專訪時表示，人工智慧在金融業將會先迎來變革，且新創公司還是有機會去挑戰科技巨頭。作為電腦科學專家，李開復早在 30 多年前，就進入了人工智慧領域。他從 1980 年開始研究自然語言處理，1982 年做電腦視覺，1983 年從事語音識別，1985 年進行人機對弈研發，在1988 年其奧賽羅對弈系統就擊敗了世界國際象棋冠軍，並幫助 IBM 組織了深藍研究團隊。AI 革命新創仍有機會李開復認為，AI 的發展更勝於網際網路革命，它能將人類的大腦從無謂繁瑣的事件中解放出來，未來人類能夠更重視家庭，並且進行更多哲學性思考，雖然 AI 將帶來許多很難理解的社會現象，但不去理解就可能會帶來更多麻煩甚至是災難，所以他近期一直在呼籲，希望用最簡單的方式來讓大家了解未來世界的機會及挑戰，讓更多人適應AI時代的到來。數據是人工智慧的核心，但目前中國大量網際網路數據，被三大科技巨頭百度（Baidu）、阿里巴巴（Alibaba）、騰訊（Tencent）所壟斷是個很大的難關，不過李開復卻強調，創業公司仍然還是有機會的，因為 AI 革命影響幾乎所有產業，科技巨頭們不可能在所有垂直領域都佔有優勢，所以應該要去尋找各產業及場景的關鍵痛點進行突破。封閉將成科技巨頭弱點李開復指出，這些科技巨頭還有一個弱點就是共享性不夠，就像是黑洞一樣，數據進去之後，裡面做了什麼演算法也看不出來，而根據過往的歷史，當某些公司共享性不夠的時候，就會受到後來者的挑戰。所以在年初，李開復旗下的創新工場成立了人工智慧工程院，計劃將工程技術從孵化器中剝離出來，與非 BAT 的各產業龍頭一起打造公開的數據庫平台，以吸引更多科學家及創業者。從行業趨勢來看，李開復認為小額分散、高頻率及標準化程度較高的產業將比較容易迎來 AI 時代的變革，而符合這些條件的金融產業對 AI 而言就有著先天上的優勢，機器可以處理大量數據，提高服務效率，且學習速度極快，可以實現高頻率的優化及更新，在投資、保險、小額貸款、風險控制等工作，都需要大量數據進行判斷，非常適合人工智慧的發揮，並快速取代人類。李開復解釋，因為在金融領域，只要能做出正確的選擇，很快就能賺錢，所以這將會是一個快速爆發的過程。然而 AI 帶給社會的問題其實不在於失業，政府能透過課稅來解決問題，然而這些失去工作的人將會失去人生追求，不再有自我實現的機會。所以未來的年輕人總想著捧金飯碗是沒有用的，必須去從事一些更有深度、更有創造力的事業，才能在 AI 的浪潮中創造自我價值。 怕機器人搶孩子們的飯碗？這幾件事一定要做！ （首圖來源：工研院）延伸閱讀： 貝萊德為節省成本，將裁員改用機器人選股 首位機器人警察 5 月值勤，杜拜警方：2030 年後不會再有懸案發生 【5 分鐘 Fintech】第一次投資就上手，AI 教你如何輕鬆入門 李開復：AI 創業的十個真相