<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <h3><span style="vertical-align: top; color: rgb(0, 0, 255);">重點新聞(0215～0221)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">成大 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 水源監測 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 機器學習 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>成大開發水源有害藻類預警系統，下一步要引進機器學習檢測</strong></span></p>
<p>成大開發出一套水源有害藻類預警與處理系統，已在全臺29座水庫實測，希望可用來提高飲用水安全。成大水工試驗所所長林財富指出，水中藍綠菌會產生臭味與毒素，更可能導致肝肝癌、肝硬化。而傳統透過顯微鏡人工計算藍綠菌的數量，1個小時才能判斷1個菌種樣品，而林財富團隊採用分子生物分析方法，可直接於水庫現場進行DNA定量計數，3小時就能完成32至96個樣品，速度至少提高10倍。這項專案在科技部支持下完成技術開發，而過去5年內，研究團隊已於全臺29座水庫，進行500多次測試，近來也與國外展開11項專案合作，比如協助菲律賓進行第一次大規模貝湖水源調查。</p>
<p>林財富表示，經過定量分析，能更精準掌握產毒藻類數量，更能精準判斷處理方式和施藥劑量，提高水庫、水廠處理效率。他也說道，隨著資料不斷累積，未來將引進機器學習，來檢測有害藻類。<a href="https://www.most.gov.tw/folksonomy/detail?subSite=&l=ch&article_uid=647db2a0-8531-41db-9e85-e450195b918b&menu_id=9aa56881-8df0-4eb6-a5a7-32a2f72826ff&content_type=P&view_mode=listView">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%961_%E6%88%90%E5%A4%A7%E6%9E%97%E8%B2%A1%E5%AF%8C%E7%A0%94%E7%A9%B6%E5%9C%98%E9%9A%8A_%E6%94%9D%E5%BD%B1_%E7%8E%8B%E8%8B%A5%E6%A8%B8.jpg" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 高雄大學 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 深度學習</span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 機器手臂 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>高雄大學打造出可聲控的AI機器手臂</strong></span></p>
<p>高雄大學電機系教授吳志宏與研究生日前發表AI機器手臂，以深度學習框架，開發出能辨識不同物體的系統，並結合到機器手臂，使機器手臂只要在視線範圍內，就能辨識、夾取特定物體，有別於傳統機器手臂的定位夾取。為打造影像辨識系統，團隊先拍攝多張檢測物體的照片，建立出標準影像資料庫，再從中萃取特徵，輔以多種像素計算模型，取最高者為通用計算模型，來訓練機器手臂夾取物體，以在短時間內辨識物體，偵測物體位置、角度和深度。</p>
<p>吳志宏表示，這套機器手臂已能分辨和夾取不同類型的螺絲與螺帽、蔬菜作物、仿生膠帶等，也已導入聲控功能來下指令。不過他表示，機器手臂還能更進步，透過回饋的資料來改善穩定性和辨識準確度。<a href="https://www.youtube.com/watch?v=2JkPSdDMKmM">（詳全文）</a></p>
<div class="media_embed" height="315px" width="560px">
<iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="315px" src="https://www.youtube.com/embed/2JkPSdDMKmM" width="560px"></iframe></div>
<p> </p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> IBM </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Project Debater </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 辯論 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>IBM AI公開挑戰世界辯論冠軍，雖敗猶榮</strong></span></p>
<p>IBM AI辯論系統日前公開挑戰前世界辯論大賽冠軍Harish Natarajan，進行臨場抽題的實戰辯論比賽。IBM這套系統名為Project Debater，是IBM費時6年打造的AI系統，利用報章雜誌、維基百科和學術論文等訓練而成，而IBM Watson則是這次Project Debater說話語音的關鍵。這次大賽以是否補助托兒所為題，雙方在賽前15分鐘才知道題目，辯論時間為6分鐘，勝負則有賴觀眾投票。</p>
<p>Project Debater從道德角度出發，表示補貼托兒所不單是財政問題，而是必須的道德與政治手段，來保護社會上最脆弱的成員。它也引用了研究和歷史數據，指出投資學齡前教育能帶來更成功的生活，更好的收入以及降低犯罪率。雖然最後敗給人類對手，但Project Debater仍展現良好的自然語言處理能力，更有58％觀眾認為AI辯論系統的論述，加深了他們的知識，只有20％認為人類對手有做到這點。<a href="https://www.ibm.com/blogs/research/2019/02/ai-debate-recap-think-2019/">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/Live_Debate_Think_all-768x468.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Uber </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI工具箱 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 深度學習 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Uber開源AI工具箱，免寫程式就能訓練和測試深度學習模型</strong></span></p>
<p>Uber AI實驗室開源釋出訓練和測試深度學習模型的AI工具箱Ludwig，該工具箱建立於深度學習框架TensorFlow上，標榜不需要寫程式就能完成模型的訓練和測試工作，還具備通用性、靈活性和擴展性。在通用性的部分，Ludwig允許開發者使用CSV的表格文件和資料序列格式YAML配置文件，來訓練深度學習模型，將編碼時間從數小時縮短至數分鐘，若有超過一個輸出目標變數，Ludwig會執行多任務學習。此外，Uber為多種模型架構參數建立預設值，同時也能個別設定模型配置文件的功能。Ludwig目前於GitHub平臺以Apache License 2.0授權釋出。<a href="https://eng.uber.com/introducing-ludwig/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 機器學習</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 資料集 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 分析驗證挑戰 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>科學家警告：機器學習所發現的資料可能不可靠</strong></span></p>
<p>美國貝勒醫學院與萊斯大學的科學家，在美國科學促進會（AAAS）年度會議上發表了一份研究報告，指出AI太急於應用在生物醫藥研究上某些領域，所帶來的不準確結果，可能導致科學危機。BBC引述萊斯大學電腦科學副教授Genevera Allen的看法，愈來愈多科學研究採用機器學習軟體來分析資料，但相關軟體所找到的模式只存在於資料集中，而非真實世界；而且這些研究成果，通常要等到另一個採用相關且更大的資料集的分析結果出爐後，才發現兩者結果不一致，進而意識到機器學習的問題。<a href="https://eurekalert.org/pub_releases/2019-02/ru-cwt021119.php">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">IBM Watson </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 心血管疾病 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 演算法 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>IBM Watson與學界合作發展心血管疾病演算法</strong></span></p>
<p>IBM Watson Health部門宣布將與MIT、哈佛大學合組的博德研究所（Broad Institute）合作，結合基因、臨床資料及AI技術，開發預測心血管疾病的演算法。這項三年合作研究結合人體生物資料庫、基因資訊及電子病歷，強化多基因評分（Polygenic Scoring）的預測能力，辨識罕見基因會在何時結合臨床、病理及環境因素形成致病風險。而本研究匯整的個人長時間及臨床資料、病歷、DNA定序和基因因子資料，將有助於這些模型的發展，最終可協助醫療人員辨識及量化出病患罹患心血管疾病的風險。<a href="https://newsroom.ibm.com/2019-02-13-IBM-Watson-Health-and-the-Broad-Institute-Launch-Initiative-to-Help-Clinicians-Predict-the-Risk-of-Cardiovascular-Disease-with-Genomics-and-AI">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">臉書 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> ELF OpenGo </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 開源 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>臉書開源經2千萬場自我對戰訓練的ELF OpenGo模型</strong></span></p>
<p>臉書去年開源了能完敗職業圍棋高手的人工智慧ELF OpenGo，現在更進一步開源經兩千萬次自我對戰的模型與資料集等相關研究成果。這次開源的ELF OpenGo是目前最新模型和最佳程式碼版本，包括2千萬次自我對戰的模型以及1,500個中介模型資料。此外，也包括了300多年的8.7萬場專業圍棋歷史對戰資料集，收集了1700年到2018年的圍棋賽局。臉書系統透過機器人和人類之間的棋步預測，來評估這些歷史賽局棋步的水準，並同時釋出工具，讓使用者能深入每一場圍棋對戰的細節。該互動工具提供視覺化功能，方便使用者能更輕易地檢視歷史資料存檔。<a href="https://ai.facebook.com/blog/open-sourcing-new-elf-opengo-bot-and-go-research/">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%963_ELF%20OpenGo_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90_%E8%87%89%E6%9B%B8.gif" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">AWS </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Alexa技能 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Skill Blueprints </span></strong></span></p>
<p><span style="font-size:22px;"><strong>AWS新增多項Alexa技能模板，還能讓用戶推出自創應用</strong></span></p>
<p>AWS近日針對部落客、企業和創作者更新Skill Blueprints，讓用戶創建的Alexa技能，可以在任何搭載Alexa的裝置中執行，而且不會限制用戶創建的技能數量。其實，Skill Blueprints是AWS去年為美國用戶推出的服務，提供多種模版，讓用戶不需要撰寫程式，就能直接部署到綁定該帳戶的Echo裝置中。</p>
<p>這次Skill Blueprints的更新，讓使用者能更簡單打造並發布Alexa技能，來接觸更多客戶。比如AWS針對用WordPress且安裝Amazon AI插件的部落客推出了Blog模板，WordPress的Amazon AI插件能透過AWS文字轉語音技術和翻譯工具，將部落格中的貼文自動轉換為語音，部落客就能為貼文打造語音動態。<a href="https://developer.amazon.com/blogs/alexa/post/9c7792fd-271d-4eac-a850-6257704142e4/now-anyone-can-use-alexa-skill-blueprints-to-create-and-publish-an-alexa-skill-in-minutes-with-no-coding-required-and-new-blueprints-for-content-creators-bloggers-and-organizations">（詳全文）</a></p>
<p>圖片來源／王若樸、高雄大學、Visually Attractive for IBM、臉書</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI趨勢近期新聞 </span></strong></span></p>
<p><strong>1. 為確保AI安全性，OpenAI呼籲ML專家要與社會科學家一同合作</strong></p>
<p><strong>2. Zoho發表智慧助理Zia，為其辦公室套裝加入AI輔助功能</strong></p>
<p><strong>3. Mozilla將與遊戲業者共同開發基於AI的除錯工具</strong></p>
<p>資料來源：iThome整理，2019年2月</p>
</div></div></div>
