<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(1025~1031)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Google </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Tiny Video Networks </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 影片理解 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Google發表輕量影片理解模型,辨識1秒長的影片只要10毫秒</strong></span></p>
<p>Google日前發表最新研究成果<a href="https://arxiv.org/pdf/1910.06961.pdf">Tiny Video Networks(TVN)</a>,這是一套辨識和理解影片的類神經網路模型,號稱辨識長度為1秒的影片,在GPU上只需要10毫秒,在CPU上則需要37至100毫秒,相較於過去作法用數十、數百層的卷積類神經網路(CNN),在CUP和GPU上都需要數千毫秒,新的TVN作法就快上了幾百倍。</p>
<p>Google團隊採演化學習來設計TVN,也就是透過演化迭代來設計出最有效的模型,同時也將運算時間保持在一定限制內。與傳統影像辨識模型相比,TVN採用較少的卷基層,並採2D池化層、Gating Layer等輕量級元素。此外,TinyVideoNet可共同優化參數和執行時間,以提供更高效能的類神經網路。<a href="https://ai.googleblog.com/2019/10/video-architecture-search.html">(詳全文)</a></p>
<p><img alt="" src="https://1.bp.blogspot.com/-P5G-pYfpKNo/Xae16b05vuI/AAAAAAAAEyQ/H0HXK2Ztjiwjn4P1BABPbDx5dnBeRIlZwCLcBGAsYHQ/s640/Screenshot%2B2019-10-16%2Bat%2B5.26.04%2BPM.png" style="width: 640px; height: 241px;" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 阿里巴巴 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 平頭哥</span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AIoT </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>阿里平頭哥首次開源自家MCU設計平臺,要搶攻AIoT市場</strong></span></p>
<p>阿里巴巴去年整合達摩院晶片團隊成立半導體公司平頭哥,日前首次開源自家微控制器(MCU)設計平臺,鎖定晶片設計業者、半導體IP供應商、學術研究團隊等,要來搶攻AIoT市場。</p>
<p>一般來說,MCU是嵌入式裝置的核心,常用於通訊、電子、汽車和工業控制等,近年開始支援AI運算、提供上網能力,平頭哥自家MCU平臺也是其中之一,包含了精簡指令集RISC-V架構的玄鐵902處理器,以及基礎智慧財產授權、作業系統、驅動軟體和開發工具等。其中,玄鐵902處理器是今年7月發布的產品,瞄準5G、AI、網路通訊和自駕車等應用場景,具16核,單核性能達7.1 Coremark/MHz,主頻達2.5GHz,較市場上主流的RISC-V處理器性能高出4成。<a href="https://github.com/T-head-Semi">(詳全文)</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Netflix </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 開發筆記本 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Polynote </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Netflix開源多語言開發筆記本Polynote </strong></span></p>
<p>Netflix開源了自家個人化推薦團隊所使用的多語言筆記本環境Polynote。Polynote支援了Scala,也與Apache Spark整合,並提供Scala、Python和SQL等語言的互操作性,以及自動程式碼完成等功能。</p>
<p>Polynote提供一個筆記本開發環境,將自家Scala JVM機器學習平臺與Python和視覺化函式庫Vega、Matplotlib整合。Netflix重新設計Polynote對程式碼解釋,不像傳統筆記本仰賴REPL模型。此外,由於筆記本的程式碼輸入以儲存格(Cell)為單位,每個儲存格可重新排列、插入和刪除,而儲存格內容可以獨立修改和執行。Polynote還可提供許多IDE的功能,像是互動式自動完成以及參數提示,也能顯示內聯錯誤提示,而且文字編輯器還支援LaTeX。<a href="https://medium.com/netflix-techblog/open-sourcing-polynote-an-ide-inspired-polyglot-notebook-7f929d3f447">(詳全文)</a></p>
<p><img alt="" src="https://miro.medium.com/max/952/0*OJgSXyJtGe_CeN3y" style="width: 952px; height: 868px;" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 萊迪思</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 半導體 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 影像辨識 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>萊迪思推出升級版FPGA解決方案,支援8位元量化提高AI準確度</strong></span></p>
<p>美國老牌半導體大廠萊迪思近日發表升級版FPGA解決方案sensAI,特點包括了支援更輕更高效的類神經網路模型、支援更深的量化,以及全新的參考設計。萊迪思FPGA向來走低功耗、小封裝路線,這次的新特點讓使用者可在影像辨識應用中,採用更複雜的模型,來處理更高解析度的影像。而新的參考設計,則能加速AI應用,比如關鍵字檢測或人臉辨識。</p>
<p>進一步來說,新的sensAI在自家iCE40 UltraPlus FPGA上可支援8位元量化(8-bit quantization),使用者可將AI模型放大一倍,提高模型效能和準確度。至於自家ECP5 FPGA,則支援了MobileNet和ResNet兩種模型,可處理更高解析度的影像,在不增加功耗的情況下,提供更準確的預測。<a href="https://www.latticesemi.com/en/About/Newsroom/PressReleases/2019/201930SensaiinUltraLowPowerAI">(詳全文)</a></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;"> Watson AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 跨雲 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>IBM發布新Watson AI功能並強化跨多雲端平臺能力</strong></span></p>
<p>IBM發表最新的公有雲和Watson AI產品組合Cloud Pak for Data整合資料分析平臺,擴展其Watson Anywhere的策略,要讓企業可在任何雲端上使用AI服務。</p>
<p>Cloud Pak for Data現可支援紅帽Kubernetes容器平臺OpenShift,也獲得OpenShift認證。此外,Cloud Pak for Data新增了一系列標準功能,能在任何雲環境中使用。新功能Db2 Event Store提供企業每天即時儲存與分析2,500億個事件的能力;而Watson機器學習則新內嵌了自動化模型建置程式AutoAI,可提供一站式AI模型的開發、訓練和部署。其他新功能還包括Watson助理的語音互動功能,方便企業將AI助理整合到IVR系統中,讓使用者透過自然語言提問。<a href="https://www.ibmbigdatahub.com/blog/announcing-cloud-pak-for-data-2-5">(詳全文)</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Gogoro </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 機器學習 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> GoShare </span></strong></span></p>
<p><span style="font-size:22px;"><strong>GoShare共享機車進駐臺北,用AI分析用戶行為來推薦用車、找停車位</strong></span></p>
<p>Gogoro除了在桃園推出共享機車服務GoShare,日前也正式進駐臺北,預計年底前要進駐3,000臺。Gogoro新事業總監姜家煒指出,<a href="https://www.ridegoshare.com/">GoShare</a>是一個越用越聰明的服務,因為內建了機器學習技術來分析使用者行為,像是透過用戶騎乘的距離長短、次數來推薦合適電量的車子,而當GoShare累積夠多用戶還車地點資料後,也能自動分析出容易停車的位置,來主動推薦給用戶,「尤其在一位難求的臺北市停車,提供這樣的資訊才能解決問題。」Gogoro也自行研發了GTU車輛追蹤系統,能24小時與控制中心連線,來回傳車子的數據與定位。<a href="https://www.ithome.com.tw/news/133738">(詳全文)</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">緯創 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 新生兒照護 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 毫米波無線射頻 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>緯創聯手產後護理之家,用AI追蹤寶寶生理狀態</strong></span></p>
<p>臺灣ODM大廠緯創資通進攻智AI慧醫療數年,日前跨足新生兒照護,聯手璽悅產後護理之家,整合毫米波無線射頻技術、AI、大數據分析,開發出一套生理預警系統裝置,來24小時追蹤新生兒狀態。</p>
<p>這個生理數值感測裝置透過毫米波無線射頻技術,來遠距檢測新生兒生理狀態,像是即時呼吸、心律和體溫等,完全不必接觸嬰兒身體。緯創表示,如果測量出現異常,系統也會立即通知醫護人員。這套系統已於今年第二季導入璽悅,目前系統準確度達9成以上,接下來將陸續導入旗下7個產後護理之家。未來,緯創也計畫將該系統推廣至長照領域,並加上照護者離床、跌倒偵測、防壓瘡預警等功能。</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;"> 超材料 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 材料開發 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>用機器學習精準開發,荷蘭開發出韌性十足的新材料</strong></span></p>
<p>荷蘭臺夫特理工大學助理教授Miguel Bessa團隊,透過機器學習開發出韌性十足、可壓縮的超材料(Metamaterial)。Miguel Bessa指出,這項研究的特點,在於開發材料的方法。團隊利用數據驅動方法來建立新材料概念,並將這個概念對應到不同目標、基礎材料、長度尺度和製程,來相互比較。</p>
<p>透過機器學習輔助,團隊減少了傳統所需的實驗次數和試錯時間,開發出兩種不同長度尺度的新材料設計方法,可將堅硬易碎的聚合物,轉變成輕量、可恢復和可壓縮的超材料。<a href="https://www.tudelft.nl/en/2019/tu-delft/tu-delft-researchers-design-new-material-by-using-artificial-intelligence-only/">(詳全文)</a></p>
<p> </p>
<div class="media_embed" height="368px" width="600px">
<iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="368px" src="https://www.youtube.com/embed/cWTWHhMAu7I" width="600px"></iframe></div>
<p> </p>
<p>圖片來源/Google、Netflix、TU Delft</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. 鎖定雙11,LINE靠2年大數據從3千萬商品中精準推薦</strong></p>
<p><strong>2. Teradata將在Google雲端提供其整合型資料分析平臺Vantage託管服務</strong></p>
<p><strong>3. 全家引進全自助鮮食便當機和大螢幕智慧互動販賣機,串聯POS系統自動點帳</strong></p>
<p><strong>4. Google用BERT改善自家搜尋品質,英語搜尋品質提高1成</strong></p>
<p>資料來源:iThome整理,2019年10月</p>
</div></div></div>