<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(0306～0312)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">DeepMind </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 蛋白質結構 </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>DeepMind釋出武漢肺炎致病病毒的6種蛋白質結構預測</strong></span></p>
<p>為協助抗疫，DeepMind日前採用自家最新的AlphaFold系統，找出6種與SARS-CoV-2病毒有關的蛋白質結構預測，也就是引發武漢肺炎（COVID-19）的病毒。團隊指出，了解病毒的蛋白質結構，可進一步了解病毒的運作模式，但通常需要數個月的實驗，才能找出蛋白質結構，甚至更久。</p>
<p>因此，許多團隊都決定藉助電腦算力，來加速這個過程。DeepMind今年1月於《Nature》發表了深度學習系統AlphaFold，可用來準確預測蛋白質結構，並以SOTA等級的準確率產生3D蛋白質模型。DeepMind指出，自系統發表以來，團隊不斷改善，近日更應用最新版的系統，開發出6種新冠病毒的蛋白質結構預測。雖然還未經同儕審評或實驗驗證，鑑於急迫性和嚴重性，DeepMind決定公開結構預測，供其他研究者下載。<a href="https://deepmind.com/research/open-source/computational-predictions-of-protein-structures-associated-with-COVID-19">（詳全文）</a></p>
<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);"> AI模型工作流程 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>簡化AI模型工作流程，Google發表Beta版Cloud AI Platform Pipelines</strong></span></p>
<p>Google推出Beta版Cloud AI Platform Pipelines，要來簡化AI模型的工作流程。Google指出，在notebook中建立機器學習模型原型非常容易，但要擴大整個工作流程，就會變得複雜，因為從資料準備和分析開始，再到建模、模型評估、測試和部署等，每個環節都相互影響，難以完整追蹤。</p>
<p>這款新工具可針對工作流程進行監控、審核、版本控管，並提供安全的執行環境，讓使用者來部署穩健、可重複使用的機器學習工作流程，提供了一鍵式安裝、自動追蹤元資料和執行動作，版本追蹤、提供視覺化工具等企業級功能，此外，它也整合了Google雲端服務如BigQuery、Dataflow、AI平臺訓練與部署等，另有許多預建的工作流程元件，讓使用者用來打造自己的元件。<a href="https://cloud.google.com/blog/products/ai-machine-learning/introducing-cloud-ai-platform-pipelines">（詳全文）</a></p>
<p><img alt="" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/3_graph.max-2000x2000.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Amazon </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 商品推薦演算法 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 顧客體驗 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Amazon用群眾外包回饋找出下單原因，要來改善產品推薦演算法</strong></span></p>
<p>Amazon日前發表一項研究成果，利用群眾外包方式，蒐集民眾對產品的評斷。團隊表示，這些發現可幫助預測顧客對商品的評價，也能修正目前的產品推薦演算法，進一步提高顧客體驗。</p>
<p>在研究中，團隊對群眾外包的參與者，提供了一組組產品文宣，每組都是屬性相近的產品，比如同款式、同顏色的耳機，但是以不同角度的照片和說明來呈現，這些說明來自賣家以及顧客評價；而每組展示產品中，包含了一個成功販售的產品，以及一個消費者點擊但沒購買的產品。接著，參與者需從每一組中，選出自認為品質較好的產品，並選出影響最大的因素。</p>
<p>研究發現，價格雖然還是最大影響因素，但消費者會購買商品主要原因，還來自其他買家的評論。團隊指出，現有的商品推薦模型，都是直接針對已購買的產品來建模，卻沒人探討購買前的消費者行為。團隊認為，這次的發現可改善現有商品推薦的不足，進而提高顧客體驗。<a href="https://www.amazon.science/blog/exploring-the-reasons-behind-customer-purchase-decisions">（詳全文）</a></p>
<p><img alt="" src="https://assets.amazon.science/dims4/default/d643502/2147483647/strip/true/crop/1884x1314+0+0/resize/1200x837!/quality/90/?url=http%3A%2F%2Famazon-topics-brightspot.s3.amazonaws.com%2Fscience%2Fcd%2F3b%2Fadab678d402f833b8521ab76e26c%2Fproduct-comparison-screen.png" style="height: 366px;" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 三總 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 精準醫療 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 廣達 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>鎖定AI精準醫療，三總聯手廣達要將AI導入臨床診療</strong></span></p>
<p>三總日前宣布聯手廣達電腦，要藉助廣達提供AI技術和軟硬體支援，來發展精準醫療。去年，三總成立人工智慧暨物聯網發展中心，除了開發心電圖輔助判讀AI，來判斷血鉀濃度之外，還有胸腔X光判讀AI、眼底鏡判讀AI，以及以自然語言處理（NLP）打造的疾病輔助分類系統；而三總也與工研院建立全臺第一個5G醫療試驗場域，著手試驗傷口自動化AI判讀、手術室即時會診與教學，以及遠距離復健指導等。</p>
<p>現在，三總與廣達聯手，由三總提供醫療大數據和醫療專業人才，結合廣達的AI軟硬體技術，將鎖定AI醫療和個人化精準醫療兩大目標，現階段先從AI影像分析開始，要利用電腦來輔助判讀胸腔X光，來建立治療效果預測模型，明年則要成立國軍影像分析中心，來發展智慧醫療。<a href="https://www.facebook.com/tsghpmd/posts/2562191873994357">（詳全文）</a></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;"> ML.NET </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 模型建立器 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟更新ML.NET模型建立器，Azure雲端運算資源加持更快速</strong></span></p>
<p>微軟近日更新了跨平臺機器學習框架ML.NET Model Builder，現可透過Azure雲端運算資源，來加速圖像分類模型的訓練，此外，這次更新還加入推薦情境功能，使用者可在本地端訓練ML.NET推薦模型。</p>
<p>進一步來說，開發者可將訓練工作發布到Azure機器學習服務，在Azure訓練完後，模型建置器會同時將ML.NET和ONNX兩種格式的模型下載回電腦，開發者可利用評估功能測試模型，並產生模型應用程式碼，可用ML.NET模型來預測。<a href="https://devblogs.microsoft.com/dotnet/ml-net-model-builder-updates/">（詳全文）</a></p>
<p><img alt="" src="https://devblogs.microsoft.com/dotnet/wp-content/uploads/sites/10/2020/02/aml-eval.png" /></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;"> 地圖 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 函式庫 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>漫漫7年，地圖Android公用程式函式庫1.0終於釋出</strong></span></p>
<p>自從2013年地圖Android專案展開以來，Google最近終於釋出開源地圖Android公用程式函式庫（Maps Android Utility Library）1.0，供開發者用來補充Android地圖SDK的不足。Google指出，這次1.0版本修復了前一版的57個問題，也解決了穩定性問題和KML層的一些錯誤。</p>
<p>進一步來說，新功能可顯示多個地圖圖層，並能交互作用，開發者也能更新叢集中的項目，來處理KMZ資料類型。Google提醒開發者，這個版本與之前版本差異頗大，因此在使用前，應先閱讀功能更新日誌。<a href="https://cloud.google.com/blog/products/maps-platform/announcing-maps-android-utility-library-v10">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">超級電腦</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> HPE </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AMD晶片 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>比全球200大超級電腦還快！HPE採AMD晶片打造2 Exaflops超級電腦</strong></span></p>
<p>HPE宣布將採AMD晶片，來打造全球最快速的Exascale等級超級電腦。這臺超級電腦名為El Capitan，買主是美國能源部國家核子安全局（NNSA），要提供旗下3個實驗室使用，預計2023年初交貨。</p>
<p>El Capitan將使用Genoa最新一代AMD EPYC處理器，採Zen 4處理器核心、下世代AMD Radeon Instinct GPU，以及第3代AMD Infinity架構。其中，Genoa和Radeon Instinct GPU的記憶體與I/O子系統，都是為深度學習和高效能運算作業而設計。HPE指出，El Capitan的最高浮點運算達2 exaflops，也就是2,000 petaflops，遠高於目前全球200大超級電腦的總和。<a href="https://www.hpe.com/us/en/newsroom/press-release/2020/03/hpe-and-amd-power-complex-scientific-discovery-in-worlds-fastest-supercomputer-for-us-department-of-energys-doe-national-nuclear-security-administration-nnsa.html?feat=4">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Open Images </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);"> 局部敘述 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google更新雲端語音轉文字服務，能聽懂更多語言</strong></span></p>
<p>Google日前更新雲端語音轉文字（Speech-to-Text）API，除了新增7種語言，也強化了4種功能，包括語音適應、電話通話模型、發言人自動分段標記和自動標點等。首先，新支援的語言有緬甸語、愛沙尼亞語、烏茲別克語、旁遮普語、阿爾巴尼亞語、馬其頓語和蒙古語等。</p>
<p>就功能來說，語音適應可讓企業調整服務產生的文字，比如辨識客戶服務來電中難以翻譯的產品名稱。至於發言人自動分段標記，則可區分一段語音中的不同發言人，可讓用戶輕鬆為影片增加字幕。另外，自動標點符號功能會模仿用戶寫下所說話語的方式，來加強文字的可讀性，這次Google可支援德語、法語和日語等18種方言。<a href="https://cloud.google.com/blog/products/ai-machine-learning/new-features-models-and-languages-for-speech-to-text">（詳全文）</a></p>
<p><img alt="" src="https://storage.googleapis.com/gweb-cloudblog-publish/images/Speech_adaptation.max-1500x1500.jpg" /></p>
<p>圖片來源／Google、Amazon、微軟</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. 國際深度學習頂級會議ICLR因武漢肺炎，改以線上進行</strong></p>
<p><strong>2. LINE在臺展開技術新星人才計畫，尋找資料科學、聊天機器人等相關背景學生來跨國實習一年</strong></p>
<p><strong>3. Google開源量子機器學習函式庫TensorFlow Quantum</strong></p>
<p><strong>4. Google Assistant將能在Android手機上朗讀網頁，可翻譯成42種語言</strong></p>
<p>資料來源：iThome整理，2020年3月</p>
<div id="gtx-trans" style="position: absolute; left: 416px; top: 96.2031px;">
<div class="gtx-trans-icon"> </div>
</div>
</div></div></div>
