<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(0913～0919)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI行動計畫 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 行政院 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 晶片 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>行政院臺灣AI行動計畫預告，未來要打造AI晶片示範應用</strong></span></p>
<p>行政院去年發起了臺灣AI行動計畫，近日行政院政務委員龔明鑫揭露最新成果，在5大面向皆有進展，從AI人才、AI領航、AI國際創新樞紐、產業AI化，到場域與法規的開放。</p>
<p>在AI領航方面，龔明鑫指出，去年政府就與民間業者組成AI on Chip示範計畫籌備小組，今年7月正式成立AI on Chip聯盟，鎖定AI晶片異質整合和AI系統軟硬整合兩大方向，共有50多家上下游半導體業者和學研單位加入。接下來，AI on Chip聯盟要打造AI晶片的示範應用案例。</p>
<p>而在法規開放上，去年行政院通過全球首套涵蓋陸、海、空的無人載具科技創新實驗條例母法，預定今年9月將完成子法內容。在場域部分，政府也已建置一套民生公共物聯網，統計至去年底，在水、地、空、災等各類感測器共有5千站，要提供給民間AI應用介接之用。龔明鑫也舉出實際應用案例，2018年政府聯合多家ICT業者打造空氣品質監測裝置，透過AI自動運算來協助環保署稽查單位掌握空污事件，光去年就開出了2千3百多萬元罰金。</p>
<p>在產業AI化方面，經濟部和科技部以產業出題、人才解題的模式，去年推出AIGO競賽，要以戰代訓來培養實戰型人才。目前共吸引了130家企業、14個公部門拋出200多道題，涵蓋醫療、零售、法律等15個領域，至今也有64家企業和近150組團隊提出80項AI解決方案來解題。</p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%961_AI%E8%A8%88%E7%95%AB%E9%80%B2%E5%B1%95_%E6%94%9D%E5%BD%B1_%E7%8E%8B%E8%8B%A5%E6%A8%B8(1).jpeg" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> GE Healthcare </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);"> X光設備 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>美國FDA核准首個內建AI演算法的移動式X光設備</strong></span></p>
<p>美國食品藥物管理局（FDA）日前核准首個內建AI演算法的移動式X光設備Critical Care Suite，該設備由GE Healthcare與加州大學舊金山分校（UCSF）共同開發，鎖定氣胸病灶。透過內建AI系統，該設備在拍攝X光片的同時，可即時在影像上標註關鍵病灶，再交給放射科醫生來分級分類，優先處理疑似氣胸的病患。透過AI演算法的幫忙，可傑沈複檢時間，將原本8小時的診斷流程縮短為15分鐘。<a href="https://www.genewsroom.com/press-releases/ge-healthcare-receives-fda-clearance-first-artificial-intelligence-algorithms">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%962_GE_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90_GE.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> iPhone </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> A13 C </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 仿生晶片 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>最新iPhone A13仿生晶片號稱史上最快，為AI拍照新功能鋪路</strong></span></p>
<p>蘋果日前發布最新iPhone 11系列手機，全搭載新款A13 Bionic仿生晶片，號稱CPU、GPU運算速度史上最快。A13晶片採台積電第二代EUV 7奈米製程，含85億個電晶體，比A12晶片的69億個多上23％。在架構上，A13晶片由6核CPU、4核GPU和8核神經引擎（AI處理器）構成，其中，神經引擎是支援3鏡頭系統、Face ID和AR App的關鍵。此外，A13也新增了2個機器學習加速器，讓CPU可每秒執行一兆次運算。</p>
<p>不只如此，A13晶片還為iPhone即將推出的Deep Fusion影像處理功能打基礎。Deep Fusion一次拍攝，會同時取得4張快照、4張副照和1張長曝光照，再利用神經引擎搭配機器學習技術，組合成最終照片，來強化照片細節和降低雜訊，改善在低光度下的攝影效果。Deep Fusion功能預計於今年秋季推出。<a href="https://www.apple.com/iphone-11/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 德國</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 中小企業 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 產業AI化 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>德國要砸30億歐元花6年協助中小企業發展AI應用</strong></span></p>
<p>德國聯邦經濟暨能源部局長Andreas Hartl日前來臺分享德國推動產業AI化的作法，他指出，德國99.5％的中小型企業仍難以獲得產業AI應用的資訊，這相當於350萬家企業，為解決這個問題，政府在去年11月頒布國家AI策略，並規畫30億歐元預算，要以6年來協助中小型產業發展AI應用。</p>
<p>第一步就是利用現有的網路平臺，來建立產業應用AI的最佳範例，提供中小型企業實戰經驗和參考方向。再來，德國政府鎖定人才技能，以現有的24個大型研發中心為基礎，來協助企業將其商業模式數位化，並提高中小型企業人才的AI技能。Andreas Hartl解釋，中小型企業可選定4至5個想發展的AI專案，這些中心會派出AI專家提供顧問服務和技術支援，除了能增加企業員工的實務經驗，也能協助導入AI。<a href="https://www.ithome.com.tw/news/133066">（詳全文）</a></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;"> 深度學習判 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 皮膚病 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google用深度學習判讀皮膚疾病，準確度與皮膚科醫生相當</strong></span></p>
<p>Google開發一套深度學習系統DLS，可判別26種皮膚病，而且準確度還與皮膚科醫生相當。Google表示，DLS模仿了臨床醫生的診斷方法，給出患者可能擁有的皮膚疾病排序列表，來幫助分類和安排後續的診斷與治療。</p>
<p>DLS的訓練資料包括了一張或多張皮膚異常的臨床影像，還有45種像是年齡、性別和症狀等元資料，Google總共使用了17,777個去識別化的病例，其中，2010年到2017年的病例作為訓練資料，而2017年到2018年的病例則用來測驗系統。在訓練DLS的過程，也請了40多位皮膚科醫生，提供5萬多個鑑別診斷。測試結果發現，DLS的診斷準確度與皮膚科醫生平均75％相當，且遠高過初級醫療人員的60％，以及執業護士的55％。<a href="https://ai.googleblog.com/2019/09/using-deep-learning-to-inform.html">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%963_DLS_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90_Google.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">英特爾</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 東奧 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 短跑分析 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>英特爾將在東奧提供AI短跑分析即時顯示</strong></span></p>
<p>英特爾宣布和國際奧委會、東京奧運籌備委員會合作，提供AI、影像、運算、網路技術等提供短跑選手即時分析顯示的服務。在這項合作中，英特爾除了提供Intel Xeon處理器、單系統晶片、SSD及網路設備晶片等技術，來協助賽事資料運算和傳輸之外，還要提供3D運動員追蹤（3DAT）技術，要用在100公尺等短跑比賽項目。</p>
<p>3DAT首先以攝影機拍攝選手的動作和體形，將資料傳送到代管於阿里巴巴的雲上，以姿態估測演算法來分析選手動作的生物力學，然後將幾乎即時的分析資料直接疊加在即時轉播的影片上。根據英特爾公布的影片，這項技術會在數名最領先選手的賽道上，以不同顏色顯示在不同時間點的瞬間速度。英特爾表示，這也是首個奧運用來強化轉播效果的AI電腦視覺技術。<a href="https://newsroom.intel.com/news-releases/intel-2020-tokyo-olympics/">（詳全文）</a></p>
<p> </p>
<div class="media_embed" height="480px" width="853px">
<iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="480px" src="https://www.youtube.com/embed/BfiBKb-eiGM" width="853px"></iframe></div>
<p> </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;"> 神經對話 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 資料集 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google釋出兩神經語言對話資料集</strong></span></p>
<p>Google釋出Coached Conversational Preference Elicitation（CCPE）和Taskmaster-1兩個可用來訓練虛擬助理對話能力的資料集，其中CCPE能幫助AI學習人類表達偏好的方法，而Taskmaster-1則能擴增訓練語料庫、提高對話者的多樣性。</p>
<p>CCPE資料集有502個對話，其中包含12,000個標註的範例語句，由一人扮演使用者對麥克風講話，而音訊直接傳向扮演數位助理的人工助理，再由人工助理以文字輸入回應，透過文字轉語音技術轉成音訊後播放給使用者聽，模擬使用者與數位助理對話的真實情況。Taskmaster-1則是任務面向的資料集，包含了訂披薩、預約汽車維修、設置租車、訂電影票、訂咖啡和預約餐廳6種任務對話。這個資料集使用簡單注釋架構，建立資料的人員可以簡單地為資料加上標籤。<a href="https://ai.googleblog.com/2019/09/announcing-two-new-natural-language.html">（詳全文）</a></p>
<p>攝影／王若樸 圖片來源／GE、Google、英特爾</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. Pinterest Lens圖片搜尋工具現已可自動辨識25億種居家和時尚物品</strong></p>
<p><strong>2. 挪威科技大學開發DeepPrivacy模型，用GAN來製造假臉保護隱私</strong></p>
<p><strong>3. 微軟研究院和蒙特利大學打造QAit AI系統，可從環境中學習知識來回答問題</strong></p>
<p>資料來源：iThome整理，2019年9月</p>
<div id="gtx-trans" style="position: absolute; left: 353px; top: 275.203px;">
<div class="gtx-trans-icon"> </div>
</div>
</div></div></div>
