<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(0315～0322)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">臉書 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 硬體 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>臉書大方開源自家3款AI硬體設計，要優化AI模型訓練和部署</strong></span></p>
<p>臉書日前開源自家3項硬體設計，包括用來加速AI模型訓練的硬體平臺Zion、用來優化AI推理的伺服器解決方案Kings Canyon，以及用於影片轉碼的專用ASIC晶片Mount Shasta，希望解決不斷增長的AI訓練、推理和部署的工作量需求。Zion平臺由3個部分組成，包括有8個NUMA架構CPU插槽的伺服器、可支援8張加速卡的平臺設計，以及可支援多廠牌的OCP加速卡模組（OAM）。臉書表示，Zion可提高訓練神經網路模型的效率，比如CNN、LSTM和SparseNN。而Kings Canyon由4部分組成，包括Kings Canyon M2推理模組、Twin Lakes單插槽伺服器、Glacier Point v2載板和Yosemite v2機架，只要透過適當的模型分割（Model Partitioning），就能執行大型深度學習模型的運算。 至於Mount Shasta，臉書期待它能比現有伺服器更有效率，達到在10 W功率內至少能處理2x4k解析度、60FPS的輸入串流，而臉書未來也將用於自家資料中心。<a href="https://code.fb.com/data-center-engineering/accelerating-infrastructure/">（詳全文）</a></p>
<p><img alt="" src="https://code.fb.com/wp-content/uploads/2019/03/animation4_5.gif" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 臺大 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 智慧醫療 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 傷口判讀 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>該不該看醫生？臺大傷口判讀App 10秒告訴你</strong></span></p>
<p>臺大生醫電資所聯手臺大醫院，歷時3年打造一款傷口智慧判讀App：AI-SWAS，使用者只要將傷口照片上傳，系統就會在10秒內偵測傷口狀況，比如紅、腫、壞死或感染，並給予是否就醫的建議。為打造AI-SWAS，研究團隊首先針對46位病患，拍攝了術後每一天的傷口照片，再由醫生選出具代表性的131張照片，來訓練AI模型。另一方面，AI-SWAS也內建照片編修軟體，可自動校正傷口照片的明暗、色差等問題，也能排除刺青的影響，減少誤判率。</p>
<p>經試驗，AI-SWAS在判斷傷口狀態（即是否正常）的準確度為90%，而傷口症狀（腫、壞死、出血、膿）的準確度則是91%。臺大醫院表示，AI-SWAS可幫助術後病人在家追蹤傷口狀況，方便遠端照護。未來，臺大醫院也計畫擴大該系統的運用至各類傷口的照護。<a href="https://www.ntuh.gov.tw/information/Lists/latest_news/DispForm.aspx?ID=758&Source=/ntuh_chinese.aspx">（詳全文）</a></p>
<p><img alt="" src="https://www.ntuh.gov.tw/image/News/20190313%E8%87%BA%E5%A4%A7AI_SWAS%E5%8F%AF%E4%BB%A5%E5%88%A4%E6%96%B7%E7%B4%85%E8%85%AB%E7%86%B1%E5%A3%9E%E6%AD%BB%E6%84%9F%E6%9F%934%E7%A8%AE%E5%82%B7%E5%8F%A3%E7%8B%80%E6%85%8B.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 工研院 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 醫療影像AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 糖尿病 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>工研院最新成果：國產糖尿病視網膜病變AI診斷技術獨步全球</strong></span></p>
<p>工研院打造國產糖尿病視網膜病變AI輔助診斷系統，要協助非眼科醫生判讀糖尿病患的眼底圖。2017年時，工研院向國內3家醫學中心取得31萬張眼底圖，經過資料預處理之後，工研院便請了50位眼科醫生來標註剩餘的10多萬張影像。這套AI系統，可偵測4種主要病徵，包括微細血管瘤、出血、軟滲出物、硬滲出物，而且能標示出這些病徵的位置，方便醫生與病患解釋病變情況。李雅文強調，自家研發的糖尿病視網膜病變AI系統，可說是目前國際上唯一一個能標示出病徵位置的糖尿病視網膜病變AI系統。</p>
<p>偵測病徵後，這套系統也會依此來分類病變程度，包括0至4級，準確率已達85％以上。此外，該AI系統也有2分類模型，根據病變程度來建議是否要應轉診至眼科。<a href="https://www.itri.org.tw/Chi/Content/techTransfer/tech_tran_cont.aspx?&SiteID=1&MmmID=621026736466753142&ST=D&TD=B&OZ=&MSid=5898">（詳全文）</a></p>
<p><img alt="" src="https://www.itri.org.tw/chi/WebTools/Thumbnail.ashx?Siteid=1&MmmID=620605426112545320&fd=MsgPic01_Pics&Pname=AI%20%e7%b3%96%e5%b0%bf%e7%97%85%e7%9c%bc%e5%ba%95%e5%bd%b1%e5%83%8f%e8%be%a8%e8%ad%98%e6%8a%80%e8%a1%93_20180808103407.jpg&nw=600" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 微軟 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Seeing AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 視障輔助 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟強化視障輔助程式Seeing AI，點選照片就能聽見物件描述</strong></span></p>
<p>微軟更新了專供視障人士使用的Seeing AI行動程式，新版Seeing AI讓使用者只要點選照片中的物件，就能聽到關於該物件的描述與其空間關係，讓視障人士更能理解照片中的物件排列方式。Seeing AI運用了電腦視覺、文件辨識、機器學習及自然語言等AI技術，也利用了iOS中的螢幕朗讀（VoiceOver）功能，能語音讀出使用者用Seeing AI拍下的文件、人像、菜單或者是掃描產品條碼內容，甚至還能猜測人像的年紀及情緒。</p>
<p>現在Seeing AI還能辨識照片上的不同物件，此一新功能是利用微軟近來力推的自訂視覺服務（Custom Vision Service），該服務具備影像分類與物件偵測功能，可在影像中加入標籤，還能回傳標籤坐標。因此，當Seeing AI用戶點選照片中的各個物件時，就能聽到語音描述與它們之間的空間關係。<a href="https://blogs.msdn.microsoft.com/accessibility/2019/03/12/seeingai/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Mozilla </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 資料科學 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Iodide </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Mozilla發表資料科學用的網頁工具Iodide，能同時檢視程式碼以及報告文件</strong></span></p>
<p>Mozilla釋出一套工具Iodide，不只可以為非技術讀者輸出最終報告文件，資料科學家也可以深入探索原始碼。Iodide不僅是程式開發環境，也一併把文書編輯工具綁來，以減少溝通性工作流程的摩擦，受邀查看報告的使用者，可以隨時深入底層，存取程式碼和編輯環境。</p>
<p>Iodide提供了探索和報告視圖功能。探索視圖為一系列窗格，包括供使用者撰寫程式碼的編輯器、可查看程式碼輸出的控制臺、檢查變數的工作區域瀏覽器，以及預覽報告的預覽窗格。而在Iodide中，還能執行Python，透過編譯Python科學堆疊成為WebAssembly應用程式。Iodide支援Numpy、Pandas和Matplotlib等熱門函式庫，也包括資料科學家很常用的Scipy和scikit-learn。目前，Iodide仍在Alpha測試中。<a href="https://hacks.mozilla.org/2019/03/iodide-an-experimental-tool-for-scientific-communicatiodide-for-scientific-communication-exploration-on-the-web/">（詳全文）</a></p>
<p><img alt="" src="https://2r4s9p1yi1fa2jd7j43zph8r-wpengine.netdna-ssl.com/files/2019/03/lorenz-final-loop.gif" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Google </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> ML </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 離線語音 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google直接在手機部署機器學習模型，離線也能使用語音輸入文字</strong></span></p>
<p>Google最新的語音辨識技術，能直接在裝置上放置機器學習模型，讓語音轉文字辨識功能離線作業，以解決網路限制造成的服務延遲。Google新的語音辨識技術，採用RNN換能器（RNN-T）訓練的模型，可連續處理輸入的樣本，並串流輸出字符。</p>
<p>為提高語音辨識的用處，Google在裝置放上新模型，直接在裝置上進行語音辨識分析。Google訓練的RNN-T模型只有450MB，就能提供與傳統伺服器模型相同的精準度，但450MB對行動裝置來說仍太過龐大，Google透過自家壓縮技術，最終壓縮的模型只有80MB，模型參數化擁有比起訓練的浮點數模型高4倍的壓縮率，執行速度快4倍，可提供離線語音辨識服務。<a href="https://ai.googleblog.com/2019/03/an-all-neural-on-device-speech.html">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">健保署 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 大數據 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 醫療AI </span></strong></span></p>
<p><span style="font-size:22px;"><strong>健保資料庫最快6月適度開放，可望創造更多醫療AI應用</strong></span></p>
<p>中央健保署署長李伯璋日前在一場生技醫療產業趨勢論壇中首度揭露健保資料庫開放時程，承諾去識別化後的健保資料，最快可在今年六月讓業界企業與學術單位聯合申請，鬆綁以往只開放學術單位使用的規定，讓大數據獲得更有效的應用。</p>
<p>健保於1995年開辦至今，已累積20多年資料，加上衛福部2009年起投入電子病歷系統的建置工作，將國內醫療單位所有的病歷、檢驗報告與醫學影像全面e化，已累積大量資料。如健保署至今收載超過1,700萬件（約7.7億張）醫療影像，若能將此巨量資料應用於機器學習，訓練AI病理師輔助醫生進行疾病判讀，則可大幅降低誤診機率。<a href="https://www.ithome.com.tw/news/129290">（詳全文）</a></p>
<p>圖片來源／臉書、臺大醫院、工研院、Mozilla</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. 中華電信聯手軟銀，要靠AIoT來發展智慧城市和智慧資產追蹤</strong></p>
<p><strong>2. 蘋果買下前Google工程師創立的機器學習新創</strong></p>
<p><strong>3. AI2：中國AI論文數量早就超越美國，品質即將迎頭趕上</strong></p>
<p>資料來源：iThome整理，2019年3月</p>
</div></div></div>
