<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(1018~1024 )</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">NLP </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 微軟 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> UniLM </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>自然語言生成新成就!微軟UniLM更勝BERT達SOTA等級</strong></span></p>
<p>微軟研究院日前在GitHub上釋出一套自然語言處理(NLP)預訓練模型UniLM,它在NLP基準測試如SQuAD 2.0和CoQA問答任務方面皆優於BERT,而且在5項自然語言生成(NLG)資料集上達到SOTA等級,包括摘要生成、問題生成和回答問題等。</p>
<p>研究團隊指出,目前NLP預訓練技術已有許多新進展,但Google BERT透過左右雙向來預測詞意的方法,難以勝任NLG任務。因此,團隊提出一套預訓練模型UniLM,可完成單向、雙向和序列至序列(Sequence-to-sequence)預測,並可針對自然語言理解(NLU)和NLG來微調。UniLM是一個多層類神經網路,由數個經大量文本預訓練而成的Transformer AI模型組成。團隊表示,UniLM與BERT相似,都可微調,來適應下游的多元任務。但與BERT不同,UniLM可使用不同的自我注意力遮罩來設置,以匯總不同語言模型的語境(Context)。此外,由於預訓練的統一性,Transformer網路可共享參數,讓學習到的文本特徵更加通用,來減輕單一任務過度學習(Overfitting)的狀況。<a href="https://github.com/microsoft/unilm">(詳全文)</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Nvidia</span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Aerial </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> OpenShift </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Nvidia推出5G訊號處理SDK Aerial</strong></span></p>
<p>看好5G和邊緣運算發展,Nvidia在剛揭幕的洛杉磯世界行動通訊大會MWC上發表可處理5G訊號的軟體開發套件Ariel,由自家邊緣運算平臺Nvidia EGX支援,可助電信業者建立完全虛擬化的5G無線接取網路(5G vRAN)。</p>
<p>Aerial包括了2個關鍵SDK:CUDA虛擬化網路功能(cuVNF)和CUDA基頻(cuBB),其中,cuVNF提供了優化的輸入/輸出和封包(Packet)處理功能,可直接將5G封包傳送到GPU來處理。而cuBB則提供了GPU加速的5G訊號處理工作流程,來提高吞吐量和處理效率。Aerial除了能在EGX上執行,Nvidia也與紅帽合作,讓紅帽的Kubernetes容器平臺OpenShift可管理和自動化執行Aerial 5G RAN、容器網路功能和其他邊緣運算新服務,要提供電信業者大規模部署和管理現代化基礎架構的服務。<a href="https://blogs.nvidia.com/blog/2019/10/21/aerial-application-framework-5g-networks/">(詳全文)</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Ubuntu </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> K8s </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI開發 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Ubuntu 19.10版終於釋出!聚焦K8s邊緣功能、AI整合開發</strong></span></p>
<p>歷經25周開發,開源作業系統Ubuntu 19.10版近日終於釋出,亮點包括了新增的Kubernetes邊緣功能、AI開發整合體驗,以及號稱最快速的GNOME桌面環境效能。首先,新版本對MicroK8s的限制更嚴格,來提供完全隔離、高度安全的K8s環境。MicroK8s一個較輕量的K8s,可在終端工作站或邊緣裝置執行,而新版Ubuntu可透過單一指令,在邊緣裝置部署MicroK8s的附加元件,像是Istio、Knative、CoreDNS、Prometheus和Jaeger等。</p>
<p>至於AI部署方面,在Ubuntu 19.10中,K8s的機器學習套件Kubeflow可作為MicroK8s的附加元件來使用,讓開發者在幾分鐘內就能建立環境、開發、測試和擴展AI模型。此外,新版搭配的GNOME 3.34桌面環境大幅提高執行速度,就算在舊硬體上執行,也能享有新性能。此外,使用者現在還可試用ZFS檔案系統支援。<a href="http://releases.ubuntu.com/19.10/">(詳全文)</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/Screenshot%202019-10-24%2020_48_47.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 國網中心 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 智慧醫療建模平臺 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 生醫資料庫 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>國網中心整合軟硬體資源與生醫資料庫,12月要推出智慧醫療建模平臺</strong></span></p>
<p>國網中心自今年開始提供臺灣AI雲(TWCC)服務後,為降低生醫領域跨足AI應用的門檻,也著手整合各類生醫資料庫與軟體技術,結合TWCC的運算資源推出智慧醫療建模平臺,預計12月開放學研和產業界申請使用。</p>
<p>智慧醫療建模平臺整合了多項服務,在軟體技術部份整合了國網中心與各大醫院、學校合作的成果,包括與長庚醫院合作開發的睡眠呼吸中止症評估平臺、與臺大獸醫系的數位病理標記與分享系統等。在資料庫整合方面,國網中心建置國網生科雲LIONS,串接各類生醫研究常用資料庫的API,讓研究人員可同時查詢多種資料庫。由於智慧醫療建模平臺建立於超級電腦臺灣杉一號的雲服務上,使用者可運用LIONS的資料庫來建模、執行AI運算,再下載模型、透過網頁或App來提供服務;而國網中心也會提供常用的模型,並協助訓練模型、調整參數達到最佳化。<a href="https://www.ithome.com.tw/news/133690">(詳全文)</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> SOTA</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI模型評估 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Sotabench </span></strong></span></p>
<p><span style="font-size:22px;"><strong>想評測GitHub上SOTA等級模型,就來Sotabench網站</strong></span></p>
<p>機器學習資源網站Paper with Code日前發布一個免費網站Sotabench,專門用來評估和測試GitHub上達SOTA等級的模型。Sotabench團隊已建立了8個基準測試,包括了ImageNet 影像分類、COCO Minival物件偵測、WMT2014和WMT2019英文-德文機器翻譯、WMT2014英文-法文機器翻譯、WikiText-103語言模型、SQuAD1.1 dev和SQuAD2.0 dev問答能力等。每個基準測試頁面都有一個排行榜,來總結現有模型的排名,此外還有一列清單,顯示Paper with Code上現有但未經測試的模型。</p>
<p>另一方面,團隊也鼓勵大家貢獻更多基準測試,貢獻者可免費使用GPU資源來進行開放的模型基準測試,並可將測試結果與研究論文結果比較,以實現可重複性。<a href="https://sotabench.com/">(詳全文)</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color:#3399ff;">Delta Lake </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color:#3399ff;"> 資料湖 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Linux </span></strong></span></p>
<p><span style="font-size:22px;"><strong>開源資料湖專案Delta Lake將交由Linux基金會管理</strong></span></p>
<p>由Apache Spark技術團隊所創立的資料科學公司Databricks宣布,旗下開源資料湖專案Delta Lake將由Linux基金會託管。Databricks 4月時開源了Delta Lake,受到廣泛的使用,為進一步擴大社群,Databricks與Linux基金會合作,透過Linux基金會的影響力來發展開源專案。</p>
<p>此外,Databricks也與阿里巴巴、Booz Allen Hamilton、英特爾和Starburst合作,讓Delta Lake不僅能支援Apache Spark,還能同時支援Apache Hive、Apache Nifi和Presto。接下來,Delta Lake會採取開放治理的模式,鼓勵社群參與和貢獻技術,藉由長期管理框架,建立Delta Lake社群生態系,並發展資料湖中資料儲存的開放標準,確保Delta Lake的資料保持開放且可存取。<a href="https://databricks.com/blog/2019/10/16/delta-lake-now-hosted-by-the-linux-foundation-to-become-the-open-standard-for-data-lakes.html">(詳全文)</a></p>
<p><img alt="" src="https://databricks.com/wp-content/uploads/2019/10/Linux_DeltaLake3.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Deepfake</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 臉書 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AWS </span></strong></span></p>
<p><span style="font-size:22px;"><strong>臉書、微軟打擊Deepfake影片活動啟動,AWS加盟贊助</strong></span></p>
<p>臉書、微軟發起Deepfake影片辨識技術創新大賽將於12月正式啟動,近日雲端大廠AWS也表態加盟並贊助運算資源給參賽隊伍。這場Deepfakes Detection Challenge比賽,旨在邀集各方好手來開發能辨識AI技術造假影片的技術。臉書和合作廠商發布數萬個包含真實未處理和利用AI產出的Deepfake影片、音訊及其他檔案,讓參賽者用這批資料集,來設計能辨識資料真偽的演算法,這些演算法會再以另一批祕密測試資料集來評估,最後再評選出最優秀的模型。</p>
<p>AWS也將釋出自家平臺資源來贊助這項活動。AWS S3雲端服務將代管估計超過4 petabytes的所有比賽影音資料集,未來2年也預計提供100萬美元等值的AWS點數,供參賽者開發、測試演算法。每一隊最初都能要求最少1000美元的AWS點數,表現優異的計畫之後還能申請高達1萬美元的點數。該公司將派出Amazon機器學習解決方案實驗室專家,在參賽隊伍競賽期間提供協助。<a href="https://aws.amazon.com/tw/blogs/machine-learning/aws-supports-the-deepfake-detection-challenge-with-competition-data-and-aws-credits/">(詳全文)</a></p>
<p>圖片來源/Linux、Ubuntu</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. GoShare共享機車進駐臺北,能用AI分析用戶行為來推薦用車、找停車位</strong></p>
<p><strong>2. Adobe發表新AI演算法,可修復受損照片或影片</strong></p>
<p><strong>3. Alphabet Wing推出全美首個無人機快遞服務</strong></p>
<p><strong>4. Google將更新Pixel 4人臉解鎖功能,可設定只在睜眼時解鎖</strong></p>
<p>資料來源:iThome整理,2019年10月</p>
<div id="gtx-trans" style="position: absolute; left: 476px; top: 213.372px;">
<div class="gtx-trans-icon"> </div>
</div>
</div></div></div>