<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(0522～0528)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">臉書市集 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 商品辨識 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 電腦視覺 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>臉書亮相通用商品辨識AI，家具、快時尚和跑車各種屬性都難不倒</strong></span></p>
<p>臉書日前揭露一款通用商品辨識AI系統GrokNet，可用來分割、偵測和分類商品，藉此來了解商品該擺在什麼地方，並提供購物建議。這套系統，已用於臉書市集和最新推出的<a href="https://about.fb.com/news/2020/05/introducing-facebook-shops/">電商服務Facebook Shops</a>，該服務可讓企業免費設置一個線上商店，並讓消費者在臉書和Instagram上消費。</p>
<p>進一步來說，GrokNet用96個Nvidia Tesla 100 GPU和7個資料集（共35億張照片、1萬7千個標籤）訓練而成，這些資料來自上百萬名使用者貼出和買賣的商品照片，橫跨數十種商品種類，像是SUV休旅車、細跟高跟鞋和床邊桌等等。</p>
<p>商用版的GrokNet擁有83個損失函數，可預測給定圖片的上萬種屬性，像是類別、可能出現的搜索查詢等。雖然GrokNet只用了256 bits來表示每個產品，但可產生內嵌資訊，就像指紋一樣，可用於不同任務如商品辨識、視覺搜索、以圖搜圖，以及排名和個人化推薦等。</p>
<p>臉書表示，GrokNet可辨識數十億張照片中的產品，不管這些產品是一模一樣、相似，還是一張照片中有多種商品存在，都難不倒它；而且GrokNet的準確度，比起臉書市集上一代的演算法，要好上2倍。臉書希望用GrokNet來改善買賣體驗，讓使用者更容易找到想要的產品。<a href="https://ai.facebook.com/research/publications/groknet-unified-computer-vision-model-trunk-and-embeddings-for-commerce">（詳全文）</a></p>
<p><img alt="" src="https://about.fb.com/wp-content/uploads/2020/05/CommerceManager_colored.jpeg?fit=890%2C501" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 個資保護 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 差分隱私 </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>鎖定個資保護需求，微軟推出AI差分隱私工具包</strong></span></p>
<p>微軟在今年度開發者大會上，發布一款與哈佛社科研究院共同打造的差分隱私工具包WhiteNoise，使用者可在微軟Azure機器學習服務中使用，也能從<a href="https://github.com/opendifferentialprivacy">GitHub上下載程式碼</a>。</p>
<p>微軟解釋，差分隱私透過兩步驟來保護資料，首先是在少部分個別資料點中增添統計雜訊，來保護個人隱私，再來是計算每個查詢中揭露的資訊量，只要超過總量允許範圍，就會自動停止查詢。</p>
<p>WhiteNoise平臺中包含各種元件，供開發者自由組合使用。其中，WhiteNoise Core裡有個開源函式庫，提供差分隱私演算法和機制，此外也提供快速安全的原生Runtime。另一方面，WhiteNoise Core也提供API來定義分析，以及一個驗證器來評估這些分析、建立資料集的總隱私損失。<a href="https://cloudblogs.microsoft.com/opensource/2020/05/19/new-differential-privacy-platform-microsoft-harvard-opendp/">（詳全文）</a></p>
<p><img alt="" src="https://cloudblogs.microsoft.com/uploads/prod/sites/37/2020/05/WhiteNoise-platform-diagram_image-1-1024x431.webp" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 賽靈思 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 抗輻射FPGA </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 即時推論 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>賽靈思抗輻射20奈米FPGA問世，在太空進行即時AI推論不是問題</strong></span></p>
<p>賽靈思日前推出最新20奈米FPGA：XQRKU060，號稱是業界首款航太20奈米產品。它具備抗輻射性、超高傳輸量和頻寬等效能，可在太空中進行即時機器學習推論，也具有無限在軌（On-orbit）可重組能力，讓數位訊號處理效能提升 10 倍以上。這個特點，可讓衛星即時更新，也能在飛行中即時處理複雜的演算法。</p>
<p>這款FPGA支援了常見的深度學習框架如TensorFlow、PyTorch，此外，它具可擴展精度和大型內建記憶體，能有效執行計算，針對深度學習優化的INT8峰值，還能達到每秒 5.7 兆次運算，是上一代65奈米產品的 25 倍。<a href="https://www.xilinx.com/news/press/2020/xilinx-lifts-off-with-launch-of-industry-s-first-20nm-space-grade-fpga-for-satellite-and-space-applications.html">（詳全文）</a></p>
<p><img alt="" src="https://mms.businesswire.com/media/20200519005215/en/792410/4/RT_20nm_Release.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 影像處理</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 邊緣運算 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI晶片 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>中研院聯手玉山金控，成立AI研發中心攻FinTech</strong></span></p>
<p>中研院日前聯手玉山金控，宣布在中研院生技園區成立AI研發中心，要在未來兩年內，加強研究交流、資訊產業價值、培訓資訊人才等三大領域。這項計畫鎖定文本分析、異常偵測和自然語言生成，參與計畫的核心人員包括中研院資創中心副研究員王釧茹、合聘助研究員蔡銘峰，以及資訊所副研究員古倫維。其中，王釧茹擅長財務工程和資料分析，蔡銘峰和古倫維負責自然語言處理、資訊檢索和情感分析。雙方計畫將這些技術，用來發展金融科技。<a href="https://www.esunfhc.com/zh-tw/news-center/news-center/news?previewItemID={3F9ADBDF-8B08-4709-8292-33D788AD97C4}&filter={99812C02-BA70-4D57-8203-AF374D8DB2E5}&range=&previewType=news">（詳全文）</a></p>
<p><img alt="" src="https://www.esunfhc.com/-/media/esunbank/images/home/about/news/20200521.jpg?h=4101&la=en&w=6152" /></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;"> OpenAI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 超級電腦 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟聯手OpenAI打造超級電腦，要加速通用AI發展 </strong></span></p>
<p>微軟在開發者大會Build 2020上宣布聯手OpenAI，要在Azure建立超級電腦。這款超級電腦由28.5萬CPU核心、1萬顆GPU，每臺GPU伺服器還有每秒400 gigabits的網路連線，規格等同世界五百大超級電腦的第5名。</p>
<p>架構在Azure的超級電腦，還享有其他現代雲端的好處，像是部署快速、高可續性及可使用Azure多種服務。雙方打造超級電腦的目的，是要開發通用人工智慧（AGI），要透過微軟提供硬體技術，來輔助OpenAI訓練大型AI模型，並在Azure上訓練、執行AI模型，特別是發展能進行多工任務的大規模AI。<a href="https://blogs.microsoft.com/ai/openai-azure-supercomputer/">（詳全文）</a></p>
<p> </p>
<div class="media_embed" height="594px" width="1056px">
<iframe allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="594px" src="https://www.youtube.com/embed/oFJlx5Kn68o" width="1056px"></iframe></div>
<p> </p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Cloud 解釋性 </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);"> 問責 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟推三大工具，要打造更公平、安全的AI應用</strong></span></p>
<p>為了提高AI解決方案的透明度，微軟和Aether委員會共同研發許多工具，整合在Azure上提供問責機器學習服務（Responsible ML）。其問責功能聚焦於三大部分：理解模型、保護個人與資料，以及控制端到端機器學習程序。</p>
<p>第一部分是InterpretML工具包，企業可用於模型可解釋性，進一步理解模型行為，並向終端用戶和業務相關人士，解釋機器學習所產生的結果。再來是Fairlearn工具，以專門的演算法來評估模型公平性，提供視覺化功能。最後是差分隱私工具包WhiteNoise，可用來防止個人資料被辨識。<a href="https://azure.microsoft.com/zh-tw/blog/build-ai-you-can-trust-with-responsible-ml/">（詳全文）</a></p>
<p><img alt="" src="https://azurecomcdn.azureedge.net/mediahandler/acomblog/media/Default/blog/3a4710a1-d3bb-42ba-bb8f-8603ebab4033.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">時間序列 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> TimescaleDB </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 多節點 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>上百萬下載次數的時間序列資料庫TimescaleDB，釋出多節點1.7版本</strong></span></p>
<p>擁有數千萬下載次數，連西門子、富士通和Comcast都在用的開源時間序列資料庫TimescaleDB，近日開源最新1.7多節點版本，內含資料保存（Data Retention）政策、降採樣和資料重新排序政策等企業功能。</p>
<p>TimescaleDB是一個新興資料庫，可部署到各式平臺，像是Kubernetes、Docker，也能直接使用官方提供，在AWS、Azure和GCP上提供的全託管企業級服務。這次免費開放的重要功能，是可以透過跨多節點的平行化操作，以及增加聚合磁碟的IOPS，來擴展讀寫能力，且能利用聚合下推（Push-Down Aggregation）來更快查詢。另外，TimescaleDB的橫向擴展能力，可以為線上的系統直接增加新的資料節點，而資料備份則可提供完善的容錯和負載平衡能力。<a href="https://blog.timescale.com/blog/multi-node-petabyte-scale-time-series-database-postgresql-free-tsdb/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Nvidia </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 資料視覺化工具 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 雲端市集 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>可用GPU加速叢集！Nvidia資料視覺化工具登上Google雲端市集</strong></span></p>
<p>Google雲端市集近日上架Nvidia的資料視覺化工具IndeX，可讓研究人員即時視覺化操作超大量的資料集。IndeX可提供準確且高品質的資料視覺化、資料表達和註釋功能，而且支援高擴展性，對GPU架構最佳化，因此可跨多個GPU進行運算。</p>
<p>IndeX上架到Google雲端後，可用GPU加速叢集，還能強化嵌入幾何和多值體積資料的運算。Nvidia指出，IndeX還可透過Web API部署成為渲染伺服器，讓客戶端應用程式也可以整合使用大規模資料集。<a href="https://news.developer.nvidia.com/nvidia-index-now-available-on-google-cloud/">（詳全文）</a></p>
<p>圖片來源／臉書、微軟、賽靈思、玉山金控</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. 開發團隊現可利用GitHub Action自動更新IntelliCode完成功能</strong></p>
<p><strong>2. Google釋出最新評估文字生成強健性的自動化指標BLEURT </strong></p>
<p><strong>3. OpenAI發表1750億個參數的超大自然語言模型GPT-3 </strong></p>
<p><strong>4. 百度開源Paddle Quantum量槳工具包，來推進AI量子研究</strong></p>
<p>資料來源：iThome整理，2020年5月</p>
<div id="gtx-trans" style="position: absolute; left: 5px; top: 109.203px;">
<div class="gtx-trans-icon"> </div>
</div>
</div></div></div>
