根據外媒 Backchannel 一份篇幅不小的報導，蘋果將會透過機器學習，在 iOS 10 為 Siri 帶來兩項更新：改變 Siri 的語音聲調，並引入一項稱為差異化隱私（Differential Privacy）的技術。報導中，Backchannel 的主編與蘋果高層談論了人工智慧在蘋果的進度。這項技術在近來大行其道後，就成為各家科技巨頭，包括微軟、Google、Facebook 與 Amazon 的研發重心。而蘋果、以及旗下產品的智慧助理 Siri，則被普遍認為落後對手。不過，蘋果高層除了指出 Siri 已在 2014 年起就已經改用神經網絡系統，同時蘋果也正在默默地將各個產品的體驗核心，轉移到位處系統核心的機器學習上，亦即所謂的「Apple Brain」。由於機器學習的進展需要時間，使用者對 Siri 的體驗不見得人人滿意，也不見得會發現蘋果高層宣稱的進步，不過該篇報導指出，Siri 有兩項變化將會有明確的時間表，包括 Siri 的聲調修正，以及新的「差異化隱私」，都會隨著 iOS 10 一起登場，與過往蘋果總是不知何時低調地微調 Siri 的運算能力不同。蘋果表示在過去，Siri 的人聲是把預先錄好的發音從資料庫取出，再拼湊成完整的一句話，使得 Siri 的腔調總帶著些許不自然。不過到了 iOS 10，Siri 將會透過機器學習，將目前仍然帶著「機械感」的語調修正成更像真人的聲調，同時糾正一些錯誤發音。蘋果高層認為，雖然這項改變不算是什麼大更新，不過可以讓用戶更信賴 Siri，或者更樂意與之互動。至於另一項「差異化隱私」技術，則是蘋果在取得用戶資料進行機器學習、但同時保護用戶隱私的一項努力。這項技術的原理是在收集來的資料裡加入沒有意義的詞，然後在某種程度上「毀掉它」，使得其他惡意人士、甚至蘋果自己都無法辨識資料的內容與來源。接著，當大筆資料上傳到蘋果的伺服器運算時，系統會再對這批大數據交錯融合，讓資料更面目全非。至於一些敏感性更強的資料，蘋果則會把它留在裝置，不透過雲端讓 iOS 自行運算，例如在 iOS 9 推出、主畫面向左滑可以看到的「Siri 建議」。蘋果表示，儘管這些資料被大幅調整過，不過總體來說仍然能看出偏差（Bias），並足以改進蘋果人工智慧的效能。蘋果在訪談中也暗示，其實他們只是對自家人工智慧技術低調以對，而這並不表示蘋果在人工智慧的技術積累落後對手，也不代表蘋果不重視人工智慧。有趣的是，蘋果高層也認同人工智慧與蘋果的歷史是極為不同的。在過去，蘋果習慣透過設計師主導使用者體驗，不過將來這些工作可能都會轉由大數據來決定。然而對蘋果而言，人工智慧的未來並不會如「天網」（Skynet）般統一人機交互的方式，而是會與蘋果仔細敲定的使用邏輯合作，為使用者帶來更好的體驗。例如 Apple Pencil 的防誤觸，便使用了機器學習的技術。 An exclusive inside look at how artificial intelligence...
鴻海旗下沛博科技宣布獨家代理軟銀機器人 Pepper 來台，企業月租費新台幣約 2.68 萬元，未來將視情況考量進軍消費市場，不排除 Pepper 有機會講台語。鴻海旗下沛博科技今天正式宣布日本機器人 Pepper 來台，搶先成為日本之外全球首個開賣國，進軍 B2B 市場，包括亞太電信、第一銀行、家樂福、國泰人壽、台新銀行搶先預購，預估 9 月下旬陸續為企業服務。沛博科技指出，Pepper 將以租賃方案切入市場，推出月租費新台幣 2 萬 6,888 元（租期 24 個月），企業可雇用 Pepper 成為企業的一份子。有媒體問及一台 Pepper 月租費幾乎等同於台灣大學生畢業剛進社會的月薪，沛博科技總經理林義勛表示，不會用人和機器相比，因為目前機器人作的是比較枯燥和重複性的作業，機器人可透過本身記憶體和雲端連結資料庫，可以回答 2,000 種到 3,000 種以上的產品訊息，在很多方面，人與機器人可以互補。鴻海集團副總裁呂芳銘指出，月租費訂價包括平台、售後服務、軟體開發等。林義勛指出，月租費用訂價也參考日本售價，包括硬體和軟體開發部分，整體來看，在日本與台灣的總價是相近的。Pepper 月租費涵蓋2年服務不會斷線，這 2 年過程中，有程式需要升級就可以升級軟體。在台灣 5 家企業分成 3 個階段，將有 30 個到 40 個據點可享受到 Pepper 的服務。對於何時 Pepper 會在台灣進入一般消費者和家庭市場，呂芳銘表示，目前還在觀察當中，時間點會根據開發狀況，若營運確定將會進行。媒體問及 Pepper 何時可以講台語，呂芳銘表示，正在持續努力。（記者：鍾榮峰）
最近，Pokémon Go 成功吸引了人們的注意力，這款遊戲的火爆讓用戶體驗到 AR 遊戲的魅力，但是 AR 與現實世界的交互遠不只於此。 AI 驅動的圖像辨識技術公司 Cortica 的聯合創始人兼CEO Igal Raichelgauz 發表了對未來 AR 的看法。真正的 AR 需要電腦視覺和對現實環境的動態映射。Pokémon GO 中的角色只依賴 Google Maps 中的固定緯度和經度。如果在遊戲中應用真正的 AR 技術，即時深度映射和物體識別功能會讓遊戲角色與現實世界互動，而不是將他們放在不協調的遊樂區之外。真正的 AR 仍然是一個聖杯，讓 AR 技術真正發揮作用的關鍵是 AI 驅動的圖像辨識技術，這種技術可以進行「無監督學習」，人們可以使用裝置即時觀看任何圖像和影片，並盡可能的理解內容。 當前 AI 的侷限性在了解「無監督學習」之前，首先讓我們來了解一下目前的狀況。Google、IBM 和 Facebook 等大公司一直致力於開發、實踐 AI 技術，改善圖像辨識能力，但是他們都有缺陷，當前該領域的大部分工作主要集中在「深度學習」技術上。深度學習提供了海量的計算能力，但是有兩個重要的缺陷：第一，當深度學習系統觸達第 1,000 個計算層之後，計算能力達到頂峰，但是沒有繼續形成規模的能力。第二，機器學習需要讓人們進行數百個小時的指導，我們將其稱之為「監督學習」。電腦科學家會修正錯誤的答案，最終該系統會從錯誤中進行學習。針對特定的資料集，這是有效的，例如，回答智力競賽節目中的問題，或者玩棋盤遊戲，但是它無法被應用到不斷變化的環境中，例如自然界。 「人性化」AI我們需要考慮的一個關鍵字語是：自然。將深度學習應用到 AR 中不太適用，因為這是讓人工系統了解自然環境。當然，這些任務對人類來說並不是困難。為了確保電腦可以精確地理解環境，這需要一個過程，就像人類的自然進化一樣。最新的腦部研究表明，無監督學習才是答案。無監督學習與深度學習不同，因為它不需要人類的參與，不需要給它一定的資料集，從問題中得到正確或錯誤的答案──「這是一隻貓，這不是一隻貓」，無人監督的學習系統會基於每張圖片相同 / 不相同的特點，分析出上千個特徵，包括顏色、形狀、複雜組合等。 真正的 AI 驅動的 AR 可以做什麼？透過對此更加深入的了解，AI 驅動的 AR 遊戲將會把虛構角色的活動和遊戲設定整合到自然場景中。但是完善的遊戲設定只是冰山一角。由 AI 驅動的 AR 是強大的技術，可以顛覆無數產業。例如，消費者很快就能很好地利用自己手機和其他裝置中的照片。想像一下，內嵌的 AI 助手可以自動管理圖片和影片，在一毫秒的時間內進行精確的搜尋，根據圖片的主題進行分享推薦。數百萬張被遺忘的照片突然獲得了新生，視覺化搜尋的潛力被釋放。透過無監督學習進行圖像辨識可以讓自動駕駛汽車的安全性成指數倍增長。汽車可以完全看清行人，完美辨別道路障礙。在醫療領域，手術過程中，醫生可以獲知更及時的資訊，並與上百個相關的操作進行對比，基於世界範圍內的解決方案指導醫生進行操作。AR 是一種趨勢，但是只有當這種技術完美無瑕地整合在社會中時，才能發揮更大的作用。Pokémon...
微軟稍早公布了 Office 軟體多項更新，Word、PowerPoint、Outlook 都新增了幾項超實用的新功能。Word 論文寫作幫手「Researcher」：查詢、點擊、匯入一次完成，不用再切換視窗Word 新增了一項「研究人員」（Researcher）功能。顧名思義，這項功能是要讓論文撰寫更輕鬆。「研究人員」透過微軟 Bing 知識圖譜來查詢網路上相關資訊，可直接在 Word 中查詢、點擊、匯入，就不需在多個視窗間重複切換。新增來源資料時，也會在論文書目清單中自動產生引用資料。此外，微軟已彙整一些資料庫與可靠的參考來源，計劃未來將會持續擴充。使用 Word 2016 Windows 桌機版的 Office 365 訂戶，今天即可開始使用「研究人員」功能。其他版本與平台的用戶，應該很快也能使用這項功能。Word 人工智慧編輯「Editor」：幫你修改文章除了「研究人員」之外，Word 還新增一項特別的「編輯人員」（Editor）功能，利用機器學習技術來處理文字內容，讓編輯與校閱更有效率。雖然 Word 早已有語法與拼寫檢查，不過新的編輯人員功能提供更強大的校閱功能，例如檢查冗言贅字、連字符一致性、語調差異、行話、俚語、被動語態、雙重否定等，可提供進階的寫作修改建議及風格指引。拼寫建議仍然是標示紅色波浪線，語法會標註藍色雙底線，而寫作風格建議則會標示金色虛線。 Outlook：「Focused Inbox」重要信件分類、「@」標記他人Outlook 重要信件箱（Focused Inbox）功能會透過人工智慧判讀郵件，自動幫忙篩選出重要信件。原本這項功能只在行動版上推出，現在 Windows、Mac 及 Outlook 網頁版也都加入了這項功能。另外，Outlook 還增加了「@」標記功能，可在電子郵件內文提及其他人時加上「@」，被標記的人就會自動加入收件欄。這項功能也可以有利搜尋與管理郵件。登錄為 Office Insider（搶先測試人員）的用戶，現在就能在桌機版 Outlook 2016 啟用「@」提及功能。iOS、Android、Win 10 預計很快也會開始支援。 PowerPoint：「Zoom」縮放功能PowerPoint 2015 年 11 月新增一項很炫的 Morph 轉場功能，現在又再推出一項「Zoom」縮放功能。縮放功能主要可將投影片切分成不同段落主題，製作成互動式、非線性的投影片報告結構，能夠更吸引聽眾，並讓大家清楚知道現在講到哪個段落。這項功能在報告完進行問答時也特別好用，可輕鬆點選、跳頁，不用再怕重複來回按鍵還是找不到正確投影片。
早在 2、30 年前，就投入人工智慧決策投資研究，良忠僕科技創辦人徐演政在 3 年前不惜辭去大學教職，如今滿懷信心，要靠本土機器人股神攻進美國華爾街。全球正颳起一陣金融科技（Fintech）的熱潮，在不斷攀升的曲線上，有新人瞄準時機創業，也有前輩受到鼓舞激勵、愈挫愈勇。在經濟部智慧財產局曾擔任專利審查委員，專長人工智慧的良忠僕科技公司創辦人徐演政，就是後者最典型的案例。徐演政原本是台灣科技大學資訊工程系的專任教授，3 年前卻辭去原本安穩的教職，捲起衣袖、放下身段，親自跑起業務，經歷至少 4、50 家知名投資銀行和法人機構的質疑和吐槽，徐演政如此執著，就是為了要證明自己 2、30 年來的研究成果，並不是空口說白話。徐演政出身農村，19 歲就讀台中工專時，坐著鐵牛車上學途中，出了一場車禍，從此失去右腿，一輩子要靠義肢行走。危機感油然而生的他，不得已拚命讀書，替自己找出路，就讀台科大期間，每晚都是最後離開圖書館的人，更是獎學金的常勝軍，即使後來考上清華大學研究所，仍然一樣拚搏。大學開課 種下創業種子讀理工科出身，怎麼會一頭栽入金融投資？徐演政說，當他念碩士班時，正好躬逢股市興盛的年代，「每天班上同學都在討論股票要怎麼買，買哪支？」他也好奇跟著試水溫，他摸索出一套投資心法，自認擅長看走勢而非選個股，反而逆勢在股市低迷的期貨市場中賺進好幾桶金。39 歲就升等教授的徐演政，在資工系首創一堂人工智慧結合金融投資的課程，選課人數總是爆滿，種下了日後創業的契機，他開始召集有興趣的碩博士學生戮力研究，耗費 10 年光陰，開發出一套名為「AiSM」的軟體系統。15 年前，徐演政認為時機成熟，便自掏腰包 500 萬元，並向親友集資，籌到 2 千萬元做為營運資金。只是，當興致勃勃的他率領創業團隊，前往投信、投顧業拜訪提案時，總是碰了不少軟釘子，失望而歸。「那時幾乎每家金融機構我都拜訪過了，只是我太心急了，也不懂怎麼做生意！」徐演政在學界所累積的名氣和信譽，讓金融業者願意撥時間聆聽他的簡報，然而卻不敢貿然和他合作。關鍵在於，徐演政缺乏實戰成果，因此難以拿出強而有力的說服數據。徐演政雖有千里馬遇不上伯樂的感嘆，但也得到不少寶貴建議，6 年前，當時在寶來曼氏期貨任職，現任康和期經董事長葉一豐告訴他，不妨把標的放大到國際市場，不要只針對台股。徐演政於是調整做法，他運用人工智慧理論中的類神經網路及灰色資訊系統，結合演算法，轉向追蹤全球 64 個流動性最大市場，針對各國主要指數、利率、商品、匯率四大類全天候運算。他的概念是，全球金融市場錯綜複雜，若要去除人為或政策因素的干擾，那就從交易量最大的市場著手，做一籃子的投資組合，如此市場秩序反而會更趨於理性、公平。換句話說，他就像是一家推出組合式基金（ETF）的投信公司，但有別於傳統專業操盤手，這支 ETF 完全交給自動化的系統作投資決策。2010 年，正處金融海嘯低迷，一名外資機構業務經理，從網路上搜尋到徐演政的學術論文，主動寫信給徐演政。幾次電郵往返和視訊後，同年 9 月，該位業務經理放手一搏，掏出自己口袋裡的 500 萬美元，在新加坡成立一家投資公司，並採用徐演政其中一套模型「Asim Gift」，當年投資報酬率就超過 20%。一籃子組合 全天候運算徐演政強調，大多數投資人只期待立竿見影的短期績效，事實上，單押個股或市場風險太高，唯有一籃子的資產配置加上避險才能確保把人為或政策因素減到最低，成為贏家。許多人總是側重某一層面的投資，無法做到全盤資產配置，例如投資不能只有股票和債券，避險基金也很重要，隨時也要保持作多、作空或不動的彈性。徐演政的投資邏輯很簡單，那就是高風險伴隨高報酬，因此若要取得相對高的報酬，考驗的就是風險管控的技術和能力，這就是他瞄準的獲利空間。只是，再好的產品，若缺乏實證數據也只能無奈地淪為紙上練兵。因此，徐演政積極尋找資金來落地試驗，他坦言，這套系統的最大缺點就是設計成一籃子組合，因此資產規模要夠大，才有彈性去調整配置空間，門檻太高，成為他努力多年，進展始終不如預期的原因。10 年來，徐演政賭上身家，苦撐公司。「別人儘管笑吧，我已經習慣了，但是這套系統會不斷地透過實戰來證明績效，到時候我希望有一天能回台灣發展。」如同在資本市場裡起落更迭的投資曲線，徐演政一路走來的人生也起伏不斷，目前 Asim 系統已發展出 10 套不同的客製化模型，針對不同的投資目的有其對應的投資策略，例如短期獲利、首重避險、長期投資等。他表示，目前美國華爾街已有幾家機構投資人採用他的系統訊號，他也找到合資夥伴，最快今年 9 月宣布在海外成立一家新公司，隨著金融科技趨勢水漲船高，他也深信，自己長年的努力終於有機會實踐。（本文由 財訊 授權轉載）
霸凌是社會環境中不容忽視的重要問題，這樣的歪風不僅僅可能出現在檯面上看的見的地方，檯面下的惡鬥更是波濤洶湧，網路霸凌就是其中之一。而此風不可長，Yahoo 實驗室的研究團隊近期也正著手研究能偵測出「話中有話」的網路霸凌語言，經研究測試後更發現準確率高達九成！近來，許多社群網站積極對付網路霸凌，像是日前，演出電影《魔鬼剋星》的女星 Leslie Jones 就因在 Twitter 上遭受網路霸凌，最後黯然宣布關閉個人推特，這件事也引起了 Twitter 的注意，更讓 Twitter 大動作的主動關閉帶起這波歪風的 Milo Yiannopoulos 推特，也讓人真正意識到網路霸凌的可怕。而 Yahoo 也不落人後，在近期成功開發出能自動偵測出網路霸凌語言的演算法。然而，一般的自動偵測僅能依照使用者所設定的「黑名單」，像是某些三字經等特定字詞或詞組才會讓社群網站偵測到有所謂的網路霸凌。但，罵人的方式有很多種，更有許多人能罵人不帶髒字，跟其他社群不同的是，Yahoo 研究團隊要做的就是突破特定語詞的限制，找到那些話中有話的網路霸凌。在研發過程中，Yahoo 利用機器學習中一種叫做「詞向量（word embedding）」的方式，讓電腦能夠在即便每個字分開來看本身都不帶有侵略性的時候，卻也能在看出這一連串的語句是否有霸凌的成分。經測試後，Yahoo 研究團隊的演算法竟能成功偵測其數據組中的九成是否是在霸凌他人。九成的數據聽起來雖不是相當的完美，但來自英國社群分析中心的網路霸凌研究學者 Alex Krasodomski-Jones 也表示，當人類也沒有辦法完完全全分辨出哪一句話是帶有歧視性，或者是霸凌的成分在時，你就知道要成功讓一個電腦偵測出九成的網路霸凌語言是有多困難的一件事了。 相關連結 Yahoo Has a Tool that Can Catch Online Abuse Surprisingly Well Yahoo researchers built a powerful new online abuse detector （首圖來源：Engadget）
一套機器學習演算法就像一位大師級的工匠一樣：每一項它的產出作品都不相同，而且可以為客戶的需求量身定做。然而不是要將石頭變成磚瓦，黃金變成珠寶，機器學習機是要將數據資料轉化為演算法。而且擁有越多的數據資料，便能歸納出越複雜的演算法。以下由三采文化，摘自《大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？》的部分內容。我們如何能知道，人類已經真正找到大演算？當相同的學習器只有參數的改變，而且除了數據資料以外，只需要輸入最小量的學習範本，就可以和人類一樣，理解影音與文件內容，並能在生物學、社會學及其他科學領域，做出重大的新發現。顯然，在這種標準下，目前還沒有任何學習器已經被證明就是大演算，即使在不太可能的情況下，已有能解決某領域的演算法存在，仍不足以承擔機器學習統一理論的大局。在探求大演算的過程中，我們不必辛苦從無到有。我們已經有幾十年的機器學習研究，可以從中借鑑完整全貌。機器學習領域目前存有許多互相競爭的思想學派，包括符號理論學派（Symbolists）、類神經網路學派（Connectionists）、演化論學派（Evolutionaries）、貝氏定理學派（Bayesians）和類比推理學派（Analogizers）。每個學派都有一套核心理念，以及一個它最關心的特定問題，也針對這個特定問題，基於其相關領域的科學概念，找到一個適合的解決方案，並且擁有一個主要的演算法，可以適度體現它的機器學習行為。對於符號理論學派來說，所有的智慧可以被簡化成操縱符號，就像數學家求解方程式的過程，是透過用其他表達式來替換表達式的方法。符號理論學派明白，你不能從頭學起，你需要一些初步的知識，與數據資料相配合。符號理論學派們已經找到了如何將先前存在的知識納入學習，以及如何快速地將不同的知識進行結合，以解決新的問題。他們的主要演算法是逆向的演繹法（Inverse Deduction），透過這種演算法可以找出哪些知識是欠缺的，以便能做出邏輯的演繹推論，然後使其盡可能地被通則應用。對於類神經網路學派來說，學習就是人類大腦所做的事情，所以我們需要做的，就是對大腦進行反向工程。大腦的學習是透過調整神經元之間的連結強度，而關鍵的問題是找出哪些神經元的連接，必須對哪些錯誤負責，並依此對應地改變它們。類神經網路學派的主要演算法是倒傳遞理論演算法（Back propagation），它會比較系統的輸出與期望的輸出，然後依次改變一層又一層的神經元連結，以便使得輸出結果可以更接近於它應該呈現的。演化論學派則認為，所有學習之母就是物競天擇。如果物競天擇可以造就我們，那麼它就可以造就任何事情，而我們所需要做的，就是在電腦上模擬它。演化論學派所解決的關鍵性問題就是學習的結構，不只是調整參數而已，就像倒傳遞理論演算法所做的，可以創建一種能夠讓這些調整進行微調的大腦。演化論學派的主要演算法是一種遺傳程式規劃（genetic programming），就像大自然會交配與演化生物一樣；同樣地，遺傳程式規劃也會以相同的方式，繁衍與演化電腦程式系統。貝氏定理學派最關注的課題就是不確定性。這門學派主張所有學到的知識都是不確定的，而且學習本身就是一種不確定的推理形式。那麼這個問題就變成如何處理雜訊、不完整，以及相互矛盾的資訊，而不會造成分崩離析。解決的辦法就是機率推理，而主要的演算法是貝氏定理與其衍生物。貝氏定理告訴我們如何把新證據轉化為信念，而機率推理演算法則盡可能有效地做到這一點。對於類比推理學派而言，學習的關鍵是認識各種情況之間的相似之處，從而推斷其他情境的相似地方。如果兩位患者都有相似的症狀，也許他們患有相同的疾病，問題的關鍵是要判斷兩件事情之間是如何相似。類比推理學派的主要演算法就是支持向量機（Support Vector Machine，簡稱SVM），它可以找出哪些經驗是需要記住的，以及如何結合這些經驗，做出新的預測。針對各個學派的核心問題，每個學派都有提出相對應的解決方案，這些解決方案都是相當卓越，且得來不易的進展。然而真正的大演算，是必須同時解決這五類問題，而不只是一個。我們的探索追求，將帶領我們跨越這五個學派的每一個領地。每個領地之間的邊境通道，是它們可能會遇到交涉與小衝突的地方，這將是這趟大演算探索旅程中最棘手的部分。你準備好了嗎？我們的學習旅程就從拜訪符號理論學派開始，這個學派可說是機器學習最古老的智慧根源。 《大演算》簡介有一個終極演算法，可以解開宇宙所有的祕密，現在大家都在競爭，誰能最先解開它！華盛頓大學電腦工程系教授佩德羅．多明戈斯（Pedro Domingos）破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來，這個突破性研究還登上了《新科學人》（New Scientist）雜誌的封面故事。
嚴格來說，現有的影片並不是真正的互動媒介，因為使用者只能待在螢幕前平靜地看著，而不能像《哈利波特》裡的油畫可以持續地騷擾畫中人物或物體。然而經由 MIT 的技術，用戶除了能實際「碰觸」影片中的物件，也能經由電腦演算法，模擬並預測物體被干擾後的情形。MIT 的「電腦科學與人工智慧實驗室」（CSAIL）把這項技術稱為「Interactive Dynamic Video」（IDV）。在示範中，MIT 的研究員除了展示透過滑鼠游標，隨意拉動影片中的吉他弦並讓它振動，也可以讓游標模擬自然風，使樹葉隨風搖擺。MIT 指出，以往這類虛擬物件都是透過 3D 技術繪出無數張美術圖與情境，例如電影特效，或是電玩效果。不過這種方式雖然能創造完美的畫面，卻得花上大量的時間及製作經費，然而 IDV 卻只需要一台攝影機與電腦就能完成：首先先讓一台普遍攝影機拍下影片，即使 5 秒也可以，再把影片放到電腦，電腦就能經由演算法自動判定影片物體的物理移動方式，並且「誇大」它的效果，進而讓使用者能使用游標「影響」它們。例如在示範影片中，用戶便可以透過游標讓影片中的樹叢擺動，拉動遮簾，或是彈吉他弦。MIT 也隨手畫了一些虛擬物體取代滑鼠，例如卡通恐龍，並把它丟到遮簾，創造一種像是卡通龍實際碰觸到真實遮簾的效果。有趣的是，MIT 也提到幾個技術的應用方式，例如 Pokémon Go。日後用戶在手機上看到的小火龍就不再只是浮在草地上的圖片，而是能「踩」在地上，壓彎小草，或者用戶也能在電腦上看電影時，用滑鼠撥動演員的頭髮或衣物。不過，目前 MIT 能實證出來的互動效果仍不脫「震動」與「碰觸」這一類。因此比較成熟的應用方式，應該是透過物理演算法，模擬建物在地震與風暴中的效果。 MIT creates video you can reach out and touch Reach in and touch objects in videos with “Interactive Dynamic Video” （首圖來源：Flickr/Lane Fournerat CC BY 2.0）
台灣駭客團隊「HITCON」連續第三年出征號稱世界駭客大賽的「DEF CON CTF 2016決賽」，但今年他們的對手不只是各國選手，還包括「電腦」！如果說，今年 3 月南韓棋王李世乭對戰人工智慧 AlphaGo 是圍棋史上新的篇章，那麼 DEF CON 2016 也很可能也將寫下駭客史上新的一頁，而當電腦比世界各國的駭客更厲害，那麼很可能，今後我們再也不用害怕被駭客入侵、攻擊了。在 HITCON 團隊出發前往美國比賽前夕，科技新報專訪到 HITCON 成員、同時是台灣資安防護龍頭趨勢科技的資安威脅研究員梁偉明（Lucas），以及趨勢科技進階威脅防禦研究核心技術研發部協理林孜穗，跟我們分享這場 DEF CON 首次加入「電腦」隊伍的「人機大賽」將怎麼比、有什麼看頭，以及帶領我們一探「自動化找漏洞」，這項連美國國防部都在研究的計畫，究竟是什麼神祕的玩意。 世界駭客大賽 DEF CON 比找漏洞，搶先攻擊別人別人的漏洞DEF CON CTF 2016決賽在 8 月 5 日至 7 日開賽，這次將由來自全球 14 支人類組成的駭客隊伍以及 1 支電腦自動化系統，展開攻防大戰。比賽採攻防搶旗賽（Capture the flag, CTF）模式，每隊擁有一台電腦，大會分批釋出幾個程式做為題目，隊伍在收到程式後開始找漏洞，找到後，就可以立即修補漏洞，並同時寫出攻擊程式攻擊其他隊伍的電腦，成功攻進就算「搶旗」，拿到分數；但也可能碰到別人已經修補好漏洞而攻不進去，得不到分數；或者太晚發現漏洞、太晚修補漏洞而讓電腦被其他隊伍入侵「搶旗」，遭到扣分。整體來看，就是一個比技術、速度、想法的駭客競賽。來解釋一下「漏洞」是什麼。漏洞其實是就是 BUG，是工程師在寫程式時，沒寫好的地方，輕則在使用者給予指令時，程式不知道該怎麼處理而造成電腦當機，嚴重則會被有心人士／駭客所利用，入侵這個程式，甚至取得電腦權限，然後做盡各種他們想做的壞事，這類漏洞叫做「安全性漏洞」，也是所有資安公司軟體公司最擔心的事情。 找漏洞的三階段演進：人工、自動化、人工智慧凡是人寫的程式就會有漏洞，至於要怎麼在由數千行、甚至千萬行的程式碼中找出漏洞，總不可能逐行去檢查吧？梁偉明說明，找漏洞有三個方法：第一種是完全靠人工，去寫一些工具或程式，裡面可能夾帶程式設計時沒想過會發生的狀況，像是檔案很大的圖片檔或是奇怪的 JavaScript，然後再隨機丟給程式，看他會不會當機，就能找出有沒有漏洞。比較有經驗的人，他會依照不同程式的特性、比較可能發生的漏洞，丟不同類型的指令，這樣就能更容易找出漏洞。第二種是自動化。同樣是靠人工先寫一些可以測試程式的工具或程式，然後由電腦系統自己丟各種不同的指令給程式，看會不會當機；更進階一點的自動化系統，還可以做 Code Tracing（追溯程式碼）這個步驟，然後依據不同的程式中不同的功能，丟不同的指令來尋找可能的漏洞。第三種是電腦利用人工智慧的方式包含 Machine Learning 或 Deep Learning，研究各種漏洞的模式（Pattern），最後能在 Code Tracing 之後，找出程式的漏洞。 ▲趨勢科技的資安威脅研究員梁偉明（Lucas），連續三年被 HITCON 團隊徵招去參戰世界駭客大賽「DEF CON」，今年也將出發。他擅長找漏洞，也在開發「自動化找漏洞系統」，對這次 DEF CON 的「電腦」對手相當瞭解。（科技新報攝） 電腦也會找漏洞、補漏洞？美國國防部投入研究在 DEF CON 跟人類隊伍鬥智的電腦隊伍就是上述第二種：自動化找漏洞系統。而這支隊伍，會由 8 月 4 日 DARPA 舉辦的 CGC 競賽的冠軍隊伍出線，到 DEF CON 場上，電腦要在在設計系統的人完全不操作的情況下，自己接收大會來的題目，然後找漏洞、修補漏洞、寫攻擊程式。在今年的 DEF CON 之前，或許沒什麼人聽過 Cyber Grand Challenge（CGC）。這是由美國國防部高級研究計畫局（DARPA）從...
根據外電報導，為了進一步強化在人工智慧 （AI） 領域布局，蘋果 （Apple） 已達成收購位於美國西雅圖的機器學習和人工智慧新創公司 Turi 的協議。這家 Turi 公司主要以研發人工智慧 （artificial intelligence） 和機器學習 （machine learning） 相關技術的應用，將對於蘋果為來在人工智慧領域的發展大有幫助。報導指出，這項收購案顯示，蘋果正大舉進軍人工智慧和機器學習的技術，這也使得蘋果在西雅圖的業務規模也將擴大。過去兩年內，蘋果正在西雅圖建設人工智慧工程中心，並計劃拓展 Siri 個人助手和相關技術，從而更全面地發展人工智慧科技。報導進一步指出，消息人士確認，原名 Dato 的 Turi 目前已經同意蘋果的收購，具體的收購價格約為 2 億美元 (折合新台幣約 63 億元 )。未來 Turi 被收購之後，團隊將繼續留在西雅圖地區。而隨著蘋果繼續發展資料科學、人工智慧和機器學習等項目，未來這一團隊的規模將繼續擴大。不過，暫時不清楚蘋果對 Turi 的整體發展計畫。一直以來，Turi 是以幫助開發者在應用中加入機器學習和人工智慧技術為該公司主要發展項目。該公司的產品包括 Turi 機器學習平台及 Turi 預測服務等，這些產品可以使得不同規模的企業能夠更方便的利用資料。具體使用場景包括推薦引擎、反詐騙、預測用戶數的變化、情緒分析，以及用戶分類等等。至於，蘋果近年來更是積極擴增招聘人工智慧團隊人員以擴大規模。目前，蘋果在人工智慧專家的人數規模，估計較之前成長 3 到 4 倍的數目。由於先前蘋果已購併英國新創企業 VocalIQ，如今再購併美國新創企業 Turi，其動作就足以顯示蘋果為強化人工智慧技術的企圖心。（首圖來源：《達志影像》）