<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(0403~0409)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">史丹佛大學 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 李飛飛 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI遠距照護 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>鎖定獨居長者,李飛飛團隊正打造AIoT遠距照護防疫應用</strong></span></p>
<p>由李飛飛主導的史丹佛大學人本AI研究院(HAI)日前展開線上研討會,她揭露自家團隊正進行AIoT居家照護專案,鎖定獨居長者,要透過聯合學習(Federated Learning)和IoT設備收集資料,來讓家人或醫生掌握長者健康狀況,特別是在疫情期間。</p>
<p>李飛飛指出,該AIoT系統由4種居家感測器組成,包括攝影鏡頭、深度感測器、熱感測器和穿戴式感測器等,不過,團隊目前聚焦於前三種。感測器產生數據後,系統將回傳至中央伺服器,透過磁碟加密等手段來確保隱私。之後,醫療AI團隊會分析、標註這些數據,來訓練ML模型,用來辨識長者的睡眠、飲食、呼吸等行為模式。</p>
<p>接著,這些模型會部署到邊緣裝置,在裝置端執行辨識、不將資料回傳。團隊也計畫以聯合學習,讓模型在裝置端不斷訓練,減少隱私問題。最後,則是要透過App或網頁來告訴家人或醫生,模型判斷的結果。雖然團隊開啟該專案已有數年,但李飛飛指出,目前仍處研究階段。<a href="https://hai.stanford.edu/events/covid-19-and-ai-virtual-conference/video-archive">(詳全文)</a></p>
<div class="media_embed" height="409px" width="727px">
<iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="409px" src="https://www.youtube.com/embed/-fkaGtCprjc" width="727px"></iframe></div>
<p> </p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Amazon </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 影片辨識 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 多任務學習 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>訓練資料少100倍還更準!Amazon發表新影片辨識研究成果</strong></span></p>
<p>Amazon、商湯和香港中文大學聯手發表一套新架構OmniSource,利用多種網路資料來強化影片辨識模型的訓練,不只所需訓練資料量比SOTA模型要少,分類準確率還提高了100倍。</p>
<p>團隊指出,蒐集資料來訓練影片辨識模型,既費時又費力,因為影片畫面通常包含多個主題,需要完整看完,再來剪輯、一一標註。OmniSource整合了網路上(如搜尋引擎、社群媒體等)各種格式的資料,像是圖像、短片和未剪輯的長影片,再透過一套老師模型來自動過濾低品質的資料,並將其餘資料轉換為統一格式。接著,模型利用這些資料進行多任務學習(Joint learning),透過平衡數據、重新採樣、跨資料集混合等方法來降低多種資料來源和格式間的差異。</p>
<p>最後,團隊利用網路上抓取、未經人工標註的350萬張圖像、80萬分鐘影片來測試,發現OmniSource可提高Kinetics-400基準模型準確率達3.9%(以Top-1類別來說)。<a href="https://arxiv.org/pdf/2003.13042.pdf">(詳全文)</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%961_OmniSource_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90_Amazon.JPG" /></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;"> COVID-19 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI搜尋工具 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>科技抗疫!IBM免費釋出多款AI工具來控制疫情,但商用要另談授權</strong></span></p>
<p>IBM不只利用超級電腦算力與美國政府組成高效能運算聯盟、加速武漢肺炎(COVID-19)研究,為進一步助醫療科研團隊找出診療方法和解藥,IBM也釋出一系列AI工具,涵蓋資訊搜索、新藥尋找、藥物與疾病資訊等三大主題。不過,若要作為商業用途,還需另外授權。</p>
<p>就資訊搜索來說,IBM提供一個雲端AI搜尋工具,要簡化研究員尋找結構化和非結構化資料的過程。該工具利用COVID-19開放研究資料集、DrugBank、Clinicaltrials.gov和GenBank等資料集中數千篇論文訓練而成,可快速協助研究員搜尋武漢肺炎相關資訊。</p>
<p>再來,為加速尋找新藥,IBM也開發一套AI生成框架,可快速辨識新胜肽、蛋白質、候選藥物和材料等。IBM也用該工具找出3,000個可望作為治療藥物的分子,搭配自家互動式搜索工具,來釋出給研究員,另外也釋出IBM功能基因組平臺。最後也提供免費的藥物和疾病資訊查詢工具給臨床醫師和醫療專家,像是線上藥物資訊和疾病查詢平臺Micromedex與EBSCO DynaMed。<a href="https://www.ibm.com/blogs/research/2020/04/ai-powered-technologies-accelerate-discovery-covid-19/">(詳全文)</a></p>
<p><img alt="" src="https://www.research.ibm.com/covid19/deep-search/images/ui-featured1.jpg?" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 數據長</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 數據分析 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 美國CDC </span></strong></span></p>
<p><span style="font-size:22px;"><strong>美國疾管中心正式招募首位數據長</strong></span></p>
<p>美國疾病管制與預防中心(CDC)是美國首要的疾病預防和健康促進機構,在武漢肺炎(COVID-19)疫情爆發期間,執行了關鍵研究和診療測試,也分析了巨量數據來找出疾病洞察。</p>
<p>CDC更首度公開招募數據長(CDO),要帶領CDC團隊進行進階的數據分析和加值應用。CDC強調,CDO的職責,包括推動公衛資料和IT現代化計畫、推動資料治理,並從中建立資料治理標準和架構,此外,CDO還需向CDC的CIO及其他長官報告,告知眼下的科技趨勢如何影響公共衛生決策。<a href="https://www.usajobs.gov/GetJob/ViewDetails/564270800">(詳全文)</a></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;"> 超級電腦 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 武漢肺炎 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>國網中心免費釋出超級電腦資源,號召各界提案來開發防疫應用</strong></span></p>
<p>為共同對抗武漢肺炎(COVID-19)疫情,科技部國研院國網中心宣布免費釋出國產超級電腦:臺灣AI雲的算力、儲存資源和大數據資料集平臺,發起「御守臺灣・科技抗疫」專案,邀請產官學各界好手來提案,主題不限於醫療。即日起開放申請,至6月30日截止。</p>
<p>徵案主題從防疫出發,可與病毒基因演化、蛋白質分析、數據探勘、影像辨識等相關;也可以是口罩地圖、酒精地圖、電子圍籬、病毒擴散追蹤等應用相關。另一方面,國網中心也將提供資料資源,如COVID-19新冠疫情特區、國網生科雲、美國國家衛生研究院生醫癌症影像集(TCIA)和病理斷層影像集、福衛五號衛照影像集、民生公共物聯網大數據集,以及5.2萬個資料集。<a href="https://www.nchc.org.tw/Page?itemid=28&mid=43">(詳全文)</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E6%93%B7%E5%8F%96(20).JPG" /></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;"> 藥物處方 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> LSTM </span></strong></span></p>
<p><span style="font-size:22px;"><strong>ML可助醫生更準確開藥?Google新研究露曙光</strong></span></p>
<p>Google聯手加州大學舊金山分校,利用機器學習開發一套藥物處方警示系統。團隊利用了10萬多次住院紀錄和300萬份的藥物處方,來訓練這套系統,要以過去的紀錄,來預測電子健康紀錄資料中的住院藥物處方。</p>
<p>團隊在論文中表示,他們評估了兩種機器學習模型,分別是長短期記憶模型(LSTM)和規則式時間分組邏輯模型,根據醫療手術和入院時間,來排名常用的990種藥物。結果顯示,LSTM所預測的前10名藥物清單,至少有一種藥物,會出現在醫生第二天開立的處方中,準確度為93%。團隊指出,目前模型僅從歷史資料學習醫生開藥,還不能用來偵測異常,但是學習正常行為是研究的第一步。<a href="https://ai.googleblog.com/2020/04/a-step-towards-protecting-patients-from.html">(詳全文)</a></p>
<p><img alt="" src="https://1.bp.blogspot.com/-ju0nHDf0PQY/XoYUBtWO_aI/AAAAAAAAFl8/b3n1YJWWFFohQrAUULAqJ828sDT--msvwCLcBGAsYHQ/s640/image1.gif" style="width: 640px; height: 200px;" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">MariaDB </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Kubernetes </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 資料庫 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>MariaDB推出K8s資料庫即服務SkySQL </strong></span></p>
<p>MariaDB日前推出企業級資料庫即服務(DBaaS)MariaDB SkySQL,用戶可在支援K8s服務的公有雲上,利用SkySQL來建置跨雲資料庫部署。MariaDB表示,SkySQL是邁向混合雲和多雲的方法,用戶可自行選擇在哪個雲端供應商執行資料庫,還能同時部署到多雲上。</p>
<p>進一步來說,SkySQL的功能包括跨多地區故障轉移、自我修復、讀取負載平衡、透明讀寫拆分、IP白名單以及端到端加密功能。此外,SkySQL也具強健的安全基礎架構,資料在資料庫中加密,在傳輸時也會用SSL/TLS進行加密,SkySQL的維護工程師皆無法存取用戶的資料。<a href="https://mariadb.com/resources/blog/soar-higher-in-the-cloud-with-skysql/">(詳全文)</a></p>
<p><img alt="" src="https://mariadb.com/wp-content/uploads/2020/03/skysql_arch-1536x724.jpeg" /></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;"> Azure Edge Zones </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 邊緣運算 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>邊緣AI更快速!微軟推出Azure擴充版Edge Zones預覽版</strong></span></p>
<p>瞄準邊緣運算和5G應用市場,微軟日前推出Azure雲端服務的擴充版本Azure Edge Zones,將Azure服務、應用平臺及管理功能,推向更接近客戶資料中心,來更快速開發AI應用或分散式運算,降低延遲。微軟指出,這項服務提供與Azure相同的Azure Portal、API和開發與安全工具,可開發跨雲、本地部署和邊緣環境的分散式應用,或利用AI來執行即時分析,支援混合實境、媒體串流、機器視覺或監控、沈浸式遊戲、高密集繪圖運算等應用。Azure Edge Zones目前為預覽版。</p>
<p>與此同時,微軟也推出另一個版本Azure Private Edge Zones,整合了Azure Stack Edge和電信網路專線,鎖定少數希望將邊緣運算,搬到自家資料中心的大型企業。<a href="https://azure.microsoft.com/zh-tw/blog/microsoft-partners-with-the-industry-to-unlock-new-5g-scenarios-with-azure-edge-zones/">(詳全文)</a></p>
<p><img alt="" src="https://azurecomcdn.azureedge.net/mediahandler/acomblog/media/Default/blog/cddd85e8-8aa8-4290-b5d4-22f41eeb03eb.png" /></p>
<p>圖片來源/史丹佛大學、Amazon、IBM、國網中心、Google、MariaDB、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. 新版Rancher 2.4可支援10倍量叢集,官方預告未來可支援百萬叢集</strong></p>
<p><strong>2. IBM提供Watson聊天機器人,來24小時解答武漢肺炎疑問</strong></p>
<p><strong>3. 狗成為機器人動作導師,Google讓四足機器人跟狗學習靈活的移動</strong></p>
<p>資料來源:iThome整理,2020年4月</p>
</div></div></div>