發表文章

目前顯示的是 3月, 2018的文章

[未來趨勢-5] 亞洲是全球AI發展前哨站

圖片
預計2018年將是AI大規模應用上路的一年,但開發更強大、更先進的人工智慧計畫,仍有一段路要走。 數位轉型已是各行各業不可逆的趨勢,根據IDC預估,到了2019年,企業數位轉型中,有 4成 變革必須仰賴人工智慧和認知服務支援,微軟亞太區總裁賀樂賦(Ralph Haupter)近日表示,基於AI所需的 三大特性 ,他看好亞洲將扮演領航全球AI發展的關鍵角色,推升數位轉型。 AI需要資料:亞洲擁有最多人口 首先,是 資料數據 。 AI仰賴資料進行運作,當餵養人工智慧系統的資料量越多,其表現就越好。 亞洲擁有世界上最多的人口,數位連接(digitally-connected)普及程度優於全球,可以提供人工智慧系統需要的大量資料。 AI需要人才:中國、印度、台灣人才庫 第二大關鍵是 人才 。 瑞銀(UBS)預估,到2025年,來自中國和印度的AI人才庫,將會超越美國。 因此微軟最近投資了3,300萬美元與台灣政府合作,在台灣成立AI研發中心,台灣的優秀人才正是微軟看中的原因之一。 AI需被採用:對新技術接受度高 最後,同樣基於AI需要不斷被採用、自我訓練的特性,亞洲的 人口組成 再度成為優勢。 亞洲的獨特之處在於龐大的青年人口,根據聯合國估計,亞太地區青少年人口占全球的60%,而這些「 數位原住民 」(digital natives),對生活中的數位技術接受度高。 加上許多亞洲國家在歷史進程上,是舊技術的晚期跟進者,正好能夠快速超越依賴舊基礎建設的其他國家,擁抱新的生活和工作方式。 (來源: 數位時代 )

[發展與應用-8] 麵包店AI結帳系統 一秒算出金額

圖片
數個不規則形狀的麵包,只要放在專用機器上,透過圖像辨識,一秒內就能計算出總金額,讓消費者驚呼「超級高科技!」 小小麵包店也能跟上科技潮流! 這套超神結帳系統名為「 BakeryScan 」,由日本公司 Brain 所研發。 開發的契機是由於 未包裝的麵包,沒有條碼也沒有電子標籤,只能透過眼睛辨識來進行分類,但 麵包店人手短缺,因此想要一套 讓經驗不足的店員也能輕鬆結帳的系統, BakeryScan因此而生 。 其實這款AI 結帳系統在開發前期就遇到了許多難關,例如外觀看起來一樣的麵包,其實有很多種類,像是菠蘿麵包有原味及奶酥等外觀一樣但裡面是不同口味的商品。 而明明是同一款麵包,卻會因為製作手法、烘烤程度不同,外觀上產生很大的落差,像是每個三明治的剖面都不一樣。 最後解決的方式為,讓 機器學習 各款麵包的特徵,例如火腿的比例、起司烘烤的程度等等。因此事前需準備同一種類的麵包範本各 5~6 個,初步學習約在 2 分鐘內完成,之後透過資料的累積,準確度會隨之提升。 另外,因為室內的光線與照明可能影響機器判斷,於是特別設計了發光板,只要將麵包放置在上面,便能避免陰影的產生。 目前已有百間麵包店使用這套 AI 結帳系統,讓店員輕鬆結帳提供更好的服務 。 (來源: 智慧機器人網 、 ikinamo Japan )

[發展與應用-7] AI 大勝 20 位人類律師!

圖片
人工智慧(AI)要取代律師飯碗了嗎? 近年人工智慧蓬勃發展, 在" 全球 AI 爭霸戰! "中有提到, 許多國家正在積極發展這塊領域,文中也提到 以色列正投入資金積極發展AI,也做出了一番成績。 26 秒完成頂尖律師 92 分鐘工作 以色列特拉維夫的LawGeex所研發的法律人工智慧平台與多間大學的法學院合作,近日與 20 位人類律師進行比賽,速度方面,AI 完全大幅超越人類律師們,只需 26 秒,就能完成 5 份協議,而人類律師平均需花費 92 分才能完成,AI 完全大獲全勝!  根據《Mashable》報導,比賽要求雙方在 4 小時內檢視 5 份保密協議,並釐清 30 個法律問題,當中包括仲裁、保密關係及賠償,能夠清楚釐清上述問題就能得分。 結果 AI 準確度高達到 95% ,人類只有 85%。  新的法律「語言」 LawGeex 創建了新的法律「語言」——專有的法律語言處理(LLP)和法律語言理解(LLU)模型。  律師和工程師團隊先讓 AI 「閱讀」了大量的法律文件,教授了 LawGeex 的 AI 相關的法律文獻。 當 AI 學習法律術語時,法律訓練人員會指出它需要識別的概念。 LLP 技術會讓演算法去了解且辨識這些概念,即使 AI 之前從未見過這些詞彙。  AI減少枯燥的工作 提高工作的效率 參與這個比賽的知識產權律師 Grant Gulovsen 表示,「這次的比賽任務與平常律師每天做的工作很類似,AI 能夠解決個人及企業需要耗費時間體力的資料審查過程,讓AI幫助律師工作能夠更有效率」。  (來源: 智慧機器人網 )

[未來趨勢-4] 全球 AI 爭霸戰!

圖片
人工智慧(AI)不是只有美國、中國雙雄爭霸,日本、以色列、英國等也全力投入,期盼在這場科技大戰中勝出。 目前AI技術美國、中國領先 IDC 全球研究主管 Chwee Kan Chua 表示,以研究數量而言,美國在 AI 領域領先全球,在 醫療 和 金融服務 方面尤為明顯。中國則因數據眾多,在 影像分析 、 人臉辨識 上,握有絕對優勢。 中國 AI 論文數量居冠,約為美國兩倍,不過品質仍不及美國。 儘管美國和中國持續領導AI 科技,其他國家也大有進展,最終能脫穎而出的國家,將是能解譯數據、並能充分利用此一優勢的國家。 日本、以色列急起直追 而目前也有不少國家投入大量資金追趕,日本 在今年計劃斥資 393  億日元(約 3.7  億美元)發展 機器人 和次世代電腦的 AI 芯片 ,日本民間企業每年也投資 6,000 億日元研發 AI。 以色列有「新創之國」的美名,AI 新創業者極多,2017 年共募得 11 億美元,佔以色列全國新創企業總募資額的五分之一。 實際舉例來說,最近以色列 AI 新創公司 AnyVision 與美國半導體企業 NVIDIA 技術合作,研發出能夠 365 天 24 小時、連續進行臉部掃描,並且擁有 99%的準確度的 AI 監視器,能夠自動辨識人群中的每一個人,幾乎百發百中,但目前尚未有妥善的法律規範,因此還未實際上路。 (來源: 智慧機器人網 、 全面監控時代 )

[發展與應用-6] 人工智慧面試官出世,再細微的小動作都會被打分數

圖片
現今在茫茫的人力市場中尋找合適的人,是很花時間的。 首先,單看履歷,很難去衡量一個人是好是壞,第二要進行面試,非常花時間的,剛好面試又是不是適合的人,那又更浪費時間了。 近日,一個名為 HireVue 的 AI 面試平台 公司逐漸浮出水面。主打用人工智慧來篩選應聘者, 由 AI 來做初步篩選,再由人類做最後決定 。 HireVue 結合了專利語音識別軟件以及獲得許可的面部識別軟件,並協同排名算法,確定哪些候選人最接近理想人選 。  通過分析當前擔任某一職務的最優秀的員工,可以收集到有關他們肢體語言、語調與關鍵詞的數據,由此總結出一些特質,再將這些特質綜合起來,就知道理想 的 候選人特質。 排名算法會讓表現好的候選人脫穎而出 ,招聘者就可以著重瞭解這些候選人的答案,並評估 候選人 是否值得進行更近一步的 面對面的面試。 這個 AI 面試官到底長啥樣咧? 其實就是在面試之前先利用軟體讓 候選人 回答 招聘者出的問題 , 候選人根據問題做出回答及判斷,像是錄製30秒自我介紹影片或是面對客戶信件的處理方式等。 通過AI分析 候選人 的答案、答題時的錄影、回答的逐字稿等 ,顯示出 候選人的能力得分數 ,提供給 招聘者作為參考的指標 。 AI 是未來的人資趨勢,協助人類更方便找到對的人 軟體的初衷是, AI 可以幫助優秀的應聘者脫穎而出 ,招聘者就可以重點關注這些候選人。 當人們第一次聽到 HireVue 時可能會覺得它很可怕或有具有侵略性,但其實 對人類來說,它是一種能讓工作更有效率的工具 。 當招聘人員需要面對數百個工作申請時,這項技術非常實用。 然而 HireVue 的優勢同時也是它潛在的弱點,AI 面試官的評判標準取決於 HR (人力資源部)提供的數據。 這樣一來,HR 在過去犯得錯誤也會隨之進入到 AI 面試官的決策過程中。 (來源: business insider 、 科技報橘 )

[發展與應用-5] 臉書用 AI 反自殺!

圖片
根據國際衛生組織(WHO)資料,每40秒就有一起自殺事件在地球上的某處發生,此外對15至29歲年齡族群,第二大致死因是自殺。 這些年輕用戶中,部分會在自殺前到社群媒體上,透露自己想輕生的念頭,Facebook的偵測系統就希望在此時發揮作用,在遺憾發生之前,對其身邊的人發出消息,讓想輕生者獲得身旁人救助。 去年秋天,美國阿拉巴馬州的一位女性用戶,在Facebook開啟直播影片,同時揮舞著一把刀、說著自己想自殺。Facebook的AI系統偵測到這個事件、聯絡當地警方,最後順利阻止,並帶她到醫院接受觀察治療。 因此Facebook於去年正式推出 人工智慧防自殺分析系統 至平台上,希望透過用戶貼文與直播影片,提早察覺自殺傾向、預防自殺事件發生。 通過使用 AI 來標記存在自殺念頭的發文,並將其直接反饋給 Facebook 專門處理此類事件的員工,而不是等待用戶報告,此舉可減少發送幫助訊息過程的時間。 同時,Facebook 還將使用 AI 優先處理特別危險或緊急的用戶報告,以便快速聯繫相關員工,並與當地的緊急熱線電話組織取得聯繫。 據Facebook表示,這樣的AI查驗系統,比其他用戶手動回報消息的檢查速度快上30%,而對有輕生念頭的用戶來說,能抓緊時間發現、回報附近親友獲得關心,更能夠降低自殺事件發生率。而光在上個月中,Facebook就透過AI系統,於全球發現100個想輕生案例,需要聯絡身旁人關心救助。 事實上,其他一些科技公司也在採取類似措施來預防和阻止用戶自殺,比如 Google 會在用戶搜索自殺相關詞彙時顯示幫助熱線電話等等。 基於此,Facebook 利用 AI 技術提前預防用戶自殺,或許有可能為這一情況帶來一絲曙光。 (來源: 數位時代 、 科技報橘 )

[未來趨勢-4]考古工作被 AI 取代機率小於 0.7%,考古系要脫離冷門科系了嗎?

圖片
工業革命興起時,人類擔心勞力被機械取代,如今,AI 技術在你我生活中運作,從臉部辨識、AI 新聞、機器人服務生、無人車技術等,維繫著人類的發展歷程。 AI 技術的提升,無疑可以取代人力的空缺,甚至造成「多餘的人口」,也暗示著未來就業金字塔的重新洗牌。 專業分工的遺毒:人類專長越少越容易被取代 工業化後,社會要求各行各業各司其職,人類的技能再也不像祖先,要狩獵、捕魚、採食等,只要做好份內的事就可以存活。存活,已不再是挑戰。 但這個事實,卻讓演算法有機可趁。事實上,隨著時間的推移,用 AI 代替人類變得越來越容易和簡單 。 古代的狩獵採集者為了生存而掌握了各種各樣的技能 ,這就是為什麼設計獵人機器人十分困難的原因。 反過來看,醫師或卡車司機的專長就簡化多了,只要研發專精這個領域的 AI 替代這些職業變得更容易,AI 甚能自我學習,超越人類在專長事物的學習速度。因此 99% 的人對未來多數工作而言,將顯得多餘,被 AI 從勞力市場中擠出來 。 這些不會被取代的職業:考古、藝術 2033 年 AI 取代考古學家的可能性僅為 0.7%,因為考古學家的工作需要高度複雜的模型鑑定,而且沒有巨大的利潤 ,企業或政府不可能會做出必要投資來自動化考古事業。 另外一項則是藝術, 程式設計主管 John Maeda 表示 「計算機並不擅長包容,他們善於排斥,因為他們只是基於過去的數據 ,包含未來思維設計師的商機。」 在檢視人工數據時,常發現對少數族群的數據排擠,利用這些歧視性數據做出產品的設計決策時,會使工程師忽略大量的人口。 Maeda 以黑豹的熱賣為例。「當你看到這些數據時,AI 無法預見黑人超級英雄的電影將會大賣。」 從教育根本解決,培養不斷學習的多工能力 若 AI 的效能繼續快速增強,學校教育根本無法應付強大的科技取代。學生在學校所學可能與他們 40 歲的人生毫無關聯,甚至有畢業即失業的可能。 因此,傳統就學、就職的職涯訓練將會完全過時,不再適應人類社會的變遷。 人類若要存留在這場與 AI 的競賽,唯一方法就是不斷終生學習並增進自己的能力 。 透過線上學習遇見更好的自己 (來源: 科技報橘 、 科技新報 、 IDEAS.TED.COM )

[免費學習資源-1] Google 免費機器學習課程!

圖片
Google 的 人工智慧學習平台 橫空出世! 3 月 1 日,Google  在以往介紹自己的 AI 產品、開源代碼和研究成果的 ai.google 網站上新上線了教育板塊「 Learn with Google AI 」,匯集各類 AI 學習資源,旨在幫助廣大學生、研究者、產品開發者掌握包括 AI 基礎知識、模型開發技術、開源平台使用、Kaggle 競賽、綜合解決方案設計等各方面的 AI 技術應用能力。 「Learn with Google AI」的重頭戲是一類新的免費課程「 機器學習速成課程 」(MLCC),其中除了指導性的課程影片,還有練習題和互動性的可視化內容,便於學習和立即實踐,尤其令人開心的是有提供 中文字幕 。 據了解,快節奏的 MLCC 課程最初是 Google內部 使用,用於學習 基礎機器學習 知識的。 「Learn with Google AI」目前還有機器學習詞彙表、TensorFlow API MLCC 課程、TensorFlow 動手實驗室、TensorFlow Deep Playground 動手實驗室、TensorFlow 文檔、Google 雲端機器學習開發課程、Kaggle Learn 和比賽開發指導等眾多內容。 「Learn with Google AI」項目的初衷就是希望推廣 AI 技術本身、AI 技術的好處,讓每個人都觸手可及,尤其讓感興趣的人明白如何用 AI 解決有難度的問題。 不管是想要尋找高級教程和資源的深度學習專家,還是憑藉好奇心剛剛接觸 AI 的新手,都希望他們能在這裡接觸到機器學習專家們提供的學習內容。 ※ 傳送門: Learn with Google AI 、 機器學習速成課程 (記得開啟字幕喔) (來源: Google 、 科技新報 )

[發展與應用-4] 無人超市 AI 系統怎麼做?教你用影像辨識技術開一家!

圖片
你是否好奇過無人商店究竟要如何做到精確計算顧客的消費項目呢? 在先前" [未來趨勢-2] 11個趨勢預測:人工智慧將會如何影響人類的職業? "一文中,有提到未來「無人店」將會流行,造成零售工作大幅減少。 無人超市的「黑科技」到底是什麼呢?今天,我們就為大家科普其中最重要的一環——計算機視覺技術的物體識別。 先說明實現無人超市的兩大難點。 難點一:把商品加入購物車 超市裡的智能貨架需要能夠追蹤到客戶拿走了什麼商品。 我們可以用兩個物品識別模型來實現這個功能,一個用來追蹤手部動作以獲取被拿起的物品。另一個獨立模型則用於檢測貨架的空間。 難點二:自動結帳 無人超市的需要解決的另一難點是,實現攝像頭對物品的一次性識別,這樣我們就不需要在結帳的時候一件一件物品地掃描過機了。 克服難點後就是實踐的步驟了 1、收集數據:可以通過下載網上的公開數據集或者自己創建數據集兩種方式來收集圖片,可以使用 Python 開發的 labelimg來實現。 2、建模:選擇物品檢測模型。 3、測試和優化模型:在構建完第一個版本的無人超市後,你就要進入漫長的改進階段了。 但無人超市背後的技術遠不止計算機視覺,目前 真正實現 無人超市還存在了各類技術難點,就讓我們拭目以待吧。 (節錄至: 科技報橘 )