未來機器人可能真的會搶了我們的飯碗，且行業無所設限。據外媒 CNBC 報導，一名機器人專家表示，無論是成為諾貝爾獎得主或是情色產業工作者，未來機器人將會更有自覺與思考能力，能夠選擇自己想要的「人」生道路。還記得 2016 年 3 月對外亮相的擬真機器人 Sophia 嗎？Sophia 是由美國機器人公司 Hanson Robotics 所研發出來的，其腦部由複雜的電腦所構成，可呈現 62 種臉部表情，也能偵測外界聲音與辨識人類臉部表情，做出各種回應與反應，甚至還會學習人類的肢體行為，該公司執行長 David Hanson 表示，隨著時間的增長，Sophia 將會變得更聰明，而 Hanson Robotics 的最終目標，是讓 Sophia 如人類一般更有自覺、更有創意與能力。在與 David Hanson 對話時，Sophia 表示將來希望能上學、創作、經商，甚至是擁有自己的家庭與家人，而在被問道「妳會不會毀掉人類？請說不」時，Sophia 以看似玩笑話的方式回應，「好吧，我將會毀滅人類」。時隔 10 個月，近日接受 CNBC 訪問時，Hanson 指出，雖然目前 Sophia 只是擬真機器人，但同時也是人工智慧開發平台，Hanson Robotics 將持續發展更智慧的演算法，好讓 Sophia 能越來越聰明、能不斷進步，「在這世界上成為具自我意識的機器人與女人」。當這天來臨時，Sophia 可能會上大學、或最終贏得諾貝爾獎，Hanson 表示，「我希望 Sophia 能為人類做出貢獻，就像我對自己孩子的期許一般」。Hanson 也解釋，他對 Sophia 的期許同時代表著未來人工智慧將有能力選擇自己的生涯道路，「當她到了可合法發生性行為的年齡，那麼即便她想當性工作者，我們都該支持她，給予她選擇的權利」，他認為，「機器人成為性工作者，可讓從未有機會發生性關係的人擁有性關係，並減少性傳染病，甚至可作為性治療師協助人類建立更良好的性關係」。無論 Sophia 未來可能成為大學生或是性工作者，當她發展成具自我意識的機器人時，就如知名物理學家霍金（Stephen Hawking）所說，會與人類最初的意願相衝突，屆時人工智慧帶來的影響，恐怕會讓人類越來越難以應付了。 ...
近日微軟升級了 Android 和 iOS 平台的人工智慧語音助手 Cortana，新版程式擁有更簡潔和美觀的頁面，如果你是在 Android 手機上使用Cortana，那很快就可以從鎖屏頁面直接使用這一語音助手，只需要一次滑動就可以喚醒 Cortana。微軟公司已經開始在 Android 平台測試版的 Cortana 開放這一功能，預期將在未來幾週內推廣，升級新版 Cortana 後，用戶會看到在鎖屏頁面加入 Cortana 的選項，確認加入 Cortana 鎖定頁面後就可以體驗這一新功能。再次喚醒手機螢幕，就可以看到 Cortana 的 Logo 出現在鎖定螢幕的中間，只需要一次滑動就可以開啟 Cortana，依然維持和許多 Android 手機的相機快捷開啟方式相同。但目前這一功能的安全性還存在疑問，從鎖定頁面喚醒 Cortana 而無需解鎖手機，理論上任何人都可以透過 Cortana 查看裝置內的個人資料，如果你對此有擔心，可以禁用這一功能，微軟可能會在後續的升級中確保 Cortana 不會洩露任何用戶個人資料。 Cortana is coming to your lock screen on Android
以色列初創公司 Fraugster 致力於開發可以防止支付詐欺的人工智慧技術，近日，該公司獲得了 500 萬美元的投資，由 Earlybird 領投、Speedinvest 和 Seedcamp 等多家公司參投。Fraugster 公司成立於 2014 年，聯合創始人 Max Laemmle 之前曾創辦支付閘道器公司 Better Payment，另一位創始人 Chen Zamir 在風險解析與管理網域有十多年的經驗，曾在 PayPal 工作長達 5 年。Fraugster 的詐欺偵測基於 AI 技術，他們的技術可以從每筆交易中即時學習，能夠在詐欺發生之前預測到風險。目前，Fraugster 可以減少 70% 的詐欺，同時將轉換率提高 35%。對於所有詐欺偵測技術來講，無論是否以 AI 為基礎，其目的就是阻止詐欺交易，同時消除誤報。公司 CEO 兼聯合創始人 Max Laemmle 表示：目前整個支付市場的風險防範都是建立在過時的技術之上，所以我們創立了 Fraugster。規則系統和機器學習方案既昂貴又難以跟上詐欺型態更新的速度，我們的自學習演算法不僅能模擬人類分析師的思維過程，還具備了機器的延伸性，只需 15 毫秒就能做出決策。Fraugster 集成其他軟體之後就可以開始收集交易資料點，例如姓名和電子郵件位址以及帳單和送貨地址。這些資訊可增加約 2,000 個其餘的資料點，這樣就可以透過 IP 延遲檢查來測量用戶之間的真實距離，再加上 IP 連線類別、按鍵之間的距離以及電子郵件名稱符合度等方面的參照，豐富的資料集將被傳送到 AI 引擎進行解析，進而得出結論。Laemmle 解釋：我們的 AI 引擎的核心是非常強大的演算法，它可以模仿人類分析師審查交易的思維過程。因此，我們可以分析每筆交易背後的情況，並精確地分辨出哪些交易是詐欺，哪些不是。 處理結果是完全透明的，所以你可以了解為什麼某個交易被阻止或允許。此外，我們之所以能把速度降至 15 毫秒，是因為我們發明了自己的記憶體資料程式庫技術。Fraugster...
TrendForce 旗下 拓墣產業研究院 最新研究指出，2017 年人工智慧技術應用發展仍不脫離「語音辨識」與「影像辨識」兩大主軸。其中語音辨識部分，在語音助理的推廣帶動下，預估全球語音辨識產值將呈現高速成長，自 2016 年的 26.13 億美元，至 2021 年成長為 159.79 億美元，年複合成長率達 43.64%。語音助理大廠積極滲透各家智慧產品，競爭物聯網語音控制平台拓墣產業分析師林貞妤表示，以 CES 2017 為例，亞馬遜雖然沒有在展會中發表任何產品，但其語音助理 Alexa 卻因成功與眾多廠商的智慧產品結合，成為最大亮點。從亞馬遜將 Alexa 自 Echo 上分離出來，並釋出 Alexa 語音助理技術的 API 與 SDK，可看出亞馬遜早已看好語音操作平台的市場潛力，希望讓 Alexa 成為眾多物聯網（IoT）產品的語音控制平台，以取得物聯網市場的話語權。相較於其他競爭對手，亞馬遜推出的 Alexa 已率先取得業界領先地位。林貞妤表示，即使蘋果的 Siri 發展歷史最早，但在物聯網布局上都是以 iPhone 或其他自家產品為中心，平台開放程度較低；而 Google 雖然同樣採開放做法，甚至推出 Google Home、Google Assistant 與亞馬遜競爭，但軟硬整合能力仍不及亞馬遜；微軟的 Cortana 則是發展時間最晚，目前在市場導入上明顯落後於前三者。然而，微軟也已宣布能將競爭對手 Alexa 的程式碼轉換為支援 Cortana，讓未來的競爭態勢仍有機會產生變化。自駕車需求引領影像辨識硬體發展，上游晶片廠輝達拔得頭籌近年自動駕駛車的議題熱燒，也引領影像辨識市場發展。觀察 CES 2017，福特、寶馬、日產、現代等傳統車廠以及新創公司如法拉第未來（Faraday Future）等，都積極展出自駕車技術。而自駕車系統與核心硬體廠商，如恩智浦、輝達、Mobileye、Delphi 等，也都展出最新的自駕應用產品，積極搶攻正在發酵的自駕車市場。林貞妤指出，目前自動駕駛車整車部分還處於市場不明確的混戰狀態，反而是提供上游晶片的廠商競爭狀態較為明朗，其中又以已經將產品導入特斯拉電動車與展出 BB8 自動駕駛汽車實力的輝達（NVIDIA）最具指標性。此外，從展出的自駕車 BB8 也可看出，輝達除了領先的 GPU 實力外，也積極建構系統平台，以提供更完整的解決方案。全球市場研究機構 TrendForce...
理解語言的核心自然是了解詞語在文本中的不同含義。先來說個中文笑話：上司：「你這是什麼意思？」 下屬：「沒什麼意思，意思意思。」 上司：「你這就不夠意思了。」 下屬：「小意思，小意思。」 上司：「你這人真有意思。」 下屬：「其實也沒有別的意思。」 上司：「那我就不好意思了。」 下屬：「是我不好意思。」如果讓機器來理解這到底是什麼意思，想必它會很頭痛的吧。那麼用相對簡單的英文？也沒有那麼簡單。畢竟一個單詞可能包括數十個意思。舉個例子：「He will receive stock in the reorganized company.」這個句子中，我們結合上下詞就能知道，「stock」是股票的意思，我們可以從牛津字典中找到更專業的解釋。但同樣在牛津字典中，stock 這個詞還有超過 10 個不同的含義，比如「（商店裡的）庫存」或是「（鞭子、釣竿等的）柄」。對於電腦演算法而言，如何從博大精深的含義中找尋某個句子中對應的詞義？這的確是一個詞義消歧難題，也就是 AI-Complete 問題。19 日 Google 研究院又發出了重量級新聞，他們釋出了利用 MASC&SemCor 資料集的大規模有監督詞義消歧語詞。這些語詞會與牛津字典上的例句互相映照，廣泛適用於各個社群。與此同時，本次釋出也是最大的全句釋義語詞程式庫之一。有監督詞義消歧人們透過對句子中詞語的內容進行理解，因為我們能透過常識判斷內文的含義。比如同一個例子，「『stock』 in a business.」代表的自然是股票的意思，而「『stock』 in a bodega.」更有可能是庫存的意思，即使這裡的 bodega 也可能指酒窖生意。我們希望為機器提供足夠的背景資訊，並應用於理解字句中詞語的含義。有監督詞義消歧（WSD）嘗試解決這一問題，也就是讓機器學習使用人工記號的資料，並與字典中的詞語所代表的典型含義符合。我們希望構建這樣的監督模型，能夠不考慮複雜語境，並符合句中單詞在詞典中最可能表達的含義。雖然這一點富有挑戰性，但監督模型在大量訓練資料支援下表現良好。透過釋出資料集，我們希望社群能夠提出更好的算法，讓機器對自然語言產生更深刻的理解，支援以下的應用： 從文本中自動搭建資料庫存，這樣一來，機器可以回答問題，並將檔案中的知識串聯起來。舉個例子，機器在經過學習後，明白「hemi engine」指的是一種自動化機械，而「locomotive engine」則與火車有關；也能理解「Kanye West is a star」指的是名人的意思，而「Sirius is a star」則是天文學概念。 消除歧義。我們希望讓文本在查詢中能夠呈現不同的含義，避免張冠李戴，與此同時還能返回有相關語義的檔案。 人工註釋在人工記號的資料集中，每一個詞義註釋都由 5 個評估者進行審核。為了確保品質，這些評估者會進行訓練（gold annotation），即讓語言學家對一些研究樣本進行標記。以下是我們的標記頁面。在頁面左邊呈現的是 general 的常用詞義及例句，在右側的文本中，general 一詞會標亮顯示。除了符合詞義，評估者還能對詞語進行判斷，可以指出包括「拼字錯誤」、「上述情況都不符合」、「不確定」等 3 種情況。此外，評估者可以對一些含有隱喻的詞語進行記號並評論。這些人工的詞義標注採用 Krippendorff’s alpha（α...
藍色巨人 IBM 於 19 日美股盤後公佈 2016 年第 4 季財報。根據財報顯示，IBM 當季持續性的營收為 218 億美元（約新台幣 6,886.6 億元），較 2015 年同期減少 1%，為連續第 19 季收入較前一季下滑。淨利潤則較 2015 年同期微幅增長 0.9%，每股 EPS 則為 4.72 美元，剔除特殊項目後每股 EPS 則來到 5.01 美元，較 2015 年同期成長 3.5%。過去幾年來，IBM 正試圖進行組織重整，並且調整營業項目，將主力放置於雲端、大數據等新興戰略產品市場上，使得營收一直沒有太大的起色。而 IBM 也藉由包括裁員在內的各項樽節措施，來降低營運成本，改善營收狀況。因此，就 IBM 所公布的 2016 年第 4 季財報來說，雖然仍擺脫不了營收下滑的狀態，但是營收情況似乎已經在逐漸改善。根據湯森路透 (Thomson Reuters) 調查的分析師的預期，IBM 在調整後每股 EPS 預期達到 4.88 美元，收入 216.4 億美元的水平。而實際公布的財報數字，在剔除特殊項目後，每股 EPS 則是來到 5.01...
三星電子次代旗艦機「Galaxy S8」超聰明，據傳內建的人工智慧助理「Bixby」能辨識用戶周遭的影像，翻譯街道文字，用途多多。SamMobile 19 日報導，S8 的照相程式內建 Bixby 按鈕，啟動之後，用戶可以拿智慧機相機對準某一物體，進行搜尋。Bixby 會分析影像，辨識物體和文字，上網搜尋相關資訊，也可處理影像中的文字，開始翻譯。報導稱，Bixby 的影像搜尋和文字辨識功能有點類似 Google 的「Google Goggles」，不過 Bixby 與智慧手機深度整合，和其他應用程式的互動性更高。舉例而言，Bixby 不只能告訴用戶，去哪裡血拚眼前商品，還能直接下單購買。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/Garry Knight CC BY 2.0）延伸閱讀： 三星 S8 系列螢幕變大？傳沒雙鏡頭、自拍支援 AF 三星的智慧助理「Bixby」，將如期在 Galaxy S8 現身
2016 年 1 月，Google 旗下的 AlphaGo 以 5：0 完勝歐洲圍棋冠軍、職業二段選手樊麾。這是電腦程式首次在不讓子的情況下，在完整的圍棋競技中擊敗專業選手。同年 3 月，AlphaGo 以 4：1 戰勝世界圍棋冠軍李世乭。AI 終於迎來全世界的關注。知名市場研究機構 CB Insights 稱，2016 年，AI 網域的投資多達 650 件，金額超過 50 億美元。當然，科技巨頭除了忙著收購 AI 網域的創業公司，自身也投入很多資源開展 AI 研究。不過根據 CB Insights 公布的資料，微軟、Google、亞馬遜、Facebook 以及蘋果這五大巨頭在 AI 網域的專利儲備並不均衡。自 2009 年起，微軟已有超過 200 件專利申請，排名第一。而 Google 也已超過 150 件，排在第二。相比之下，蘋果則寒酸得多。蘋果在 AI 領域「脫隊」的說法並不鮮見，一直以來，蘋果都傾向閉門造車，並不對外公開自己的成果，飽受學術界詬病。一直到 2016 年年底，蘋果才釋出了公司首篇人工智慧論文。該論文闡述了一項最新的技術──如何透過電腦生成影像、而非真實影像來訓練一種演算法的影像辨識能力。這份論文對蘋果來說可能算標誌性的一步，但並不是什麼「外星科技」或重大突破，只是對目前火熱的生成式對抗網路（GANs）的稍加修改和利用，並不能與 Google 的 AlphaGo 和 WaveNet 相比。2016 年 10 月，庫克在接受採訪時提及蘋果對人工智慧的看法。庫克表示，他更關注具體的機器智慧和圖形辨識，而不是創造一個顛覆性的機器人。然而，蘋果並不是沒有危機感。自...
你聽過瑞文氏標準推理測驗（Raven’s Progressive MatriCES）嗎？上面這張圖就是一道標準的瑞文氏測驗題目，是不是很眼熟？在公務員考試、一般的智力測試中我們經常看到它。那麼問題來了，你知道圖中這道題的答案嗎？如果不知道，也用不著沮喪，因為有 75% 的美國人大概也不知道。但壞消息是：電腦可能知道。近日，美國西北大學的科研團隊研發了一個全新的計算模型，在瑞文氏標準推理測驗中達到或超越了 75% 美國普通大眾的表現，被媒體譽為人工智慧史上的又一里程碑。根據 2016 年的數據顯示，一般 18 歲成年人的平均智商為 97，6 歲兒童的平均智商為 55.5，相比之下 Google 人工智慧系統的智商則為 47.3，微軟小冰是 24.5，人工智慧的智商還不及 6 歲兒童的平均水平。團隊負責人，來自西北大學 McCormick 工程學院的 Ken Forbus 教授對此表示：「模型在智力測試中的表現優於 75% 的美國大眾，這意味著人工智慧的邏輯推理能力已經高於人類的平均水平，起碼在測試題中如此。另外，由於對人來說很難的題目對模型來說通常也很難，這表示該模型已經可以表現出一些人類認知系統中特有的重要屬性。」▲ Ken Forbus 教授實力這麼強，這個模型到底是如何工作的呢？據悉，該模型建立在一個名為 CogSketch 的「草圖」（sketch）理解系統之上，該系統同樣是 Ken Forbus 團隊的研究成果。這裡「草圖」是指人們在思考問題或表達觀點時，自然而然在紙上畫下來的說明性圖樣，特別是面對有關空間理解和地理學的相關問題時，尤其必要。CogSketch 系統可以利用草圖進行空間建模和邏輯推理，再配合此次最新研發的計算模型，因而能夠在瑞文氏標準推理測驗中脫穎而出。Ken Forbus 教授認為類比推理是解決視覺問題的核心，團隊正是在這一核心思想的指導下研發了最新的計算模型。所謂類比推理即結構映射的過程，是在不同對象之間透過逐個匹配，尋找它們在結構上的相似點，進而透過圖式歸納（即關係結構表徵）把源問題中元素之間的關係要素提取出來，用於靶問題的解決。也就是說，先要形成基於源問題的圖式歸納，再基於源問題和靶問題之間的結構映射將圖式歸納應用到靶問題的解決。在新的計算模型中，團隊成員利用了結構映射理論來對比不同的圖像，通過標記兩張圖像中發現的相同結構，辨識出其中的相同點和不同點。值得一提的是，結構映射是由心理學家 Dedre Gentner 於 1983 年提出的一個理論，他也是西北大學的教授。針對西北大學的這項研究，雷鋒網隨機採訪了兩位相關專業的在讀研究生，他們表達了自己的看法。鐘超傑是來自北京林業大學的碩士在讀生，曾參與車載鏡頭的行人檢測計畫。他認為，雖然模型的智力測試成績超過了 75% 的美國人，但這並不能說明電腦的智力真的就超過了人類。因為除了推理，智力的含義應該更複雜，比如還包括學習能力、數學計算能力等。而且他覺得如果模型建得好，經過一定資料量的訓練，電腦處理這類問題的能力一般是可以超過人類的，但超出這類問題的範疇應該就不行了。周志敏是來自浙江大學的研二在讀生，了解機器學習領域的各種演算法，包括 svm、神經網路等。他認為這是人工智慧針對特定任務的又一項成功應用，跟人類的類比、推理能力並不一樣。西北大學的模型之所以表現出超過 75% 普通民眾的推理能力，是因為它經過了大量類似資料的訓練，如果讓它做圖形之外的工作應該就不行了。當前，人工智慧系統對圖像和語音的辨識能力已經相當出色，但對於語義和圖像含義的理解、推理能力仍有待提高。西北大學的團隊表示，在許多場景中除了對數據源進行辨識，對其含義的推理和解釋也至關重要，這也是他們研發全新的計算模型並對其展開瑞文氏標準推理測驗的原因。他們希望這項研究成果可以為電腦視覺領域今後的發展提供一些技術參考。 AI System Scores Better Than 75% Of Americans...
你沒有看錯，這可不是她主演了啥科幻電影也不是影集，克莉絲汀·史都華（Kristen Stewart）真的發表了一篇關於機器學習的論文，這讓人工智慧社群驚呆了！這位《暮光之城》系列的女主角最近初次擔綱導演之職，導了《Come Swim》這部短片，並在這部影片中使用一種被稱為「風格轉移」（style transfer，把一個圖像或影片的美學風格應用到另外一個）的機器學習技術，來創造印象派的視覺風格。她與特效工程師 Bhautik J Joshi、製作人 David Shapiro 共同撰寫了這篇論文，說明在這部影片裡面所使用的手法，並在線上論文預印本資料庫網站 arXiv 上發表（論文進行同儕審查之前上傳的地方）。AI 研究人員和史都華的粉絲都驚奇於她的貢獻這篇論文的題目是《以類神經風格轉移技術將印象主義帶入 Come Swim》（ Bringing Impressionism to Life with Neural Style Transfer in Come Swim）， 裡面提供了關於如何在電影中運用這種機器學習的詳細案例研究。這篇文章將《Come Swim》描述為「水下一個傷心人詩意、印象派的肖像」，電影的美學風格基於一幅史都華的畫作，該作品描繪「從睡夢中醒來的人」。該團隊使用現有的類神經網路將此繪畫的風格轉移到測試框架上，然後添加「色塊和材質」來微調設定，直到打造出所需的類繪畫效果。當這個轉移的程序被正確調整好以後，就把它應用到影片裡面其他的片段，產生了如下的結果。這是一個簡單但是讓人高度信服的技術示範。▲ 左邊為原畫面，套用右邊上兩張以史都華畫作產生的框架，產生下方兩張的結果。質疑聲音然而此論文發佈後，被 QUARTZ 網站以聳動的標題：”Kristen Stewart (yes, that Kristen Stewart) just released a research paper on artificial intelligence”（克莉絲汀·史都華，對就是那個史都華剛發佈一篇 AI 研究論文）加以報導，這導致宣然大波，引發非常多的 AI 專家質疑或者討論。首先這篇論文只是「發佈」，寫好文章釋出叫發佈，要經過同儕審查才能「發表」；neural style transfer 技術其實已經發展出來，例如 Prisma 這個App 就是作這樣的功能，其論文由 Gatys...