<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(0918~0924)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">AI晶片設計 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 架構搜尋 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 模擬器 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>AI晶片設計更快速!工研院秀出AI晶片開發工具連台積電都採用</strong></span></p>
<p>工研院日前在年度技術日上,展示自家開發的AI晶片設計工具,可縮短AI晶片的架構設計時間,並在模擬器中模擬成品參數與效能,省下打造樣品嘗試的成本,連台積電都採用。</p>
<p>這個工具由三部分組成,分別是NNArch、NNMap、NNSim。NNArch專門探索合適的AI晶片架構,號稱比一般架構搜尋器還要快上326倍,且準確度達99.38%。NNMap包括了資源排程器和深度學習編譯器,這個編譯器負責將深度學習模型轉換為可在晶片上執行的程式碼,最後由NNSim,也就是模擬器,來模擬、驗證所設計的架構。工研院資通所所長闕志克指出,編譯器包括了一系列工具,有模擬器、加速器、深度類神經網路函式庫,以及程式碼產生器和優化器,除了能轉換程式碼,還可藉量化或架構修剪,來壓縮大小、省下硬體資源,此外也能調整輸入模型的影像解析度,或是以知識蒸餾來優化模型。<a href="https://www.itri.org.tw/index.aspx">(詳全文)</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%961-AI%E6%99%B6%E7%89%87%E8%A8%AD%E8%A8%88%E5%B7%A5%E5%85%B7-%E6%94%9D%E5%BD%B1-%E7%8E%8B%E8%8B%A5%E6%A8%B8.jpg" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> GPT-3 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 自然語言處理 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 預訓練模型 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>微軟取得超大自然語言模型GPT-3獨家授權,要來開發更多自然語言生成服務</strong></span></p>
<p>微軟日前宣布取得OpenAI開發的超大自然語言預訓練模型GPT-3獨家授權,微軟技術長Kevin Scott表示,團隊將藉GPT-3的自然語言生成能力,來開發更多與自然語言相關的AI解決方案。微軟舉例,自然語言生成技術可用於創作,或是描述、總結長篇文檔(包括程式碼),甚至將自然語言轉換為另一種語言。</p>
<p>GPT-3是OpenAI今年6月發表的模型,具1,750億個參數,在各項自然語言基準測試中,皆達高階水準。OpenAI表示,這項獨家授權並不會影響用戶從OpenAI API來使用GPT-3模型,未來仍可繼續用來開發不同的應用程式<a href="https://blogs.microsoft.com/blog/2020/09/22/microsoft-teams-up-with-openai-to-exclusively-license-gpt-3-language-model/">(詳全文)</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 高通 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI加速器 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Cloud AI 100 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>高通最新AI雲端加速晶片開始出貨,明年正式商用,同時發布Edge開發套件</strong></span></p>
<p>高通日前宣布,旗下AI加速晶片Cloud AI 100開始供貨,預計明年上半年正式商用化。高通去年在AI Day大會上揭露這款加速晶片產品,專為機器學習推論和邊緣運算而設計,瞄準資料中心、5G基礎設施和先進駕駛輔助系統(ADAS)等特定市場需求。Cloud AI 100運算能力可達每秒400兆次運算,該產品搭配的軟體套件則支援熱門ML框架,像是TensorFlow、PyTorch、Caffe等,該套件也包含應用程式SDK,來支援多種生產環境。</p>
<p>與此同時,高通也發布Cloud AI 100 Edge開發套件,要提供高效能AI推論、影片處理和5G資料處理能力,這款開發套件包括了Cloud AI 100加速器、用來處理影片的Snapdragon 865模組化平臺,以及處理5G訊號連結的Snapdragon X55 ModemRF系統模組等3個元件。<a href="https://www.qualcomm.com/news/releases/2020/09/16/qualcomm-announces-first-shipments-qualcomm-cloud-ai-100-accelerator-and">(詳全文)</a></p>
<p><img alt="" src="https://www.qualcomm.com/sites/ember/files/styles/optimize/public/components/two-column-hdi/side/qc-cloud-ai-image.png?itok=3WisICZA" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 高頻交易</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> FPGA </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 證交所 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>工研院以金融FPGA網路卡打造高頻交易系統</strong></span></p>
<p>工研院日前展示一款FPGA加速網路卡,專門用於券商機房工作站,來加速交易時間。這個網路卡有三大功用,首先是接收、解析證交所發出的交易訊息封包,再來是執行券商的交易策略,最後則是處理協定。其中,處理協定又可分為三部分,包括處理行情封包、決策運算和下單,工研院指出,傳統做法得靠三臺伺服器來分別執行這些工作,而他們自建的FPGA網路卡,一卡就能處理。</p>
<p>工研院透露,目前一家國內券商已採用這款網路卡,用來加速第一階段的封包解析;由於反饋良好,接下來,雙方也將利用該網路卡來執行券商策略、加速下單速度。<a href="https://www.itri.org.tw/ListStyle.aspx?DisplayStyle=01_content&SiteID=1&MmmID=1036276263153520257&MGID=109092218194891308">(詳全文)</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%962-%E9%87%91%E8%9E%8DFPGA-%E6%94%9D%E5%BD%B1-%E7%8E%8B%E8%8B%A5%E6%A8%B8.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 臺大醫院 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI超級電腦 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 乳房超音波 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>臺大醫院揭露醫療AI新進展,還斥資導入兩臺新一代超級電腦</strong></span></p>
<p>臺大醫院日前分享兩項醫療AI新進展,分別是與臺大聯手開發的心臟主動脈鈣化和脂肪分析系統,以及乳房超音波電腦輔助診斷系統。以心臟主動脈鈣化來說,雙方團隊以心胸部電腦斷層掃描影像和自行設計的類神經網路架構,採聯合學習方法來訓練AI,該模型現可自動分類、計算胸腔鈣化量和脂肪定量,其中,心臟影像分割準確率達94.2%,分析一個病例只要0.4秒。</p>
<p>再來,乳房超音波電腦輔助診斷系統是透過醫生先掃描,再由機器輔助找出腫瘤位置。臺大資工系教授張瑞峰指出,光是以超音波掃描一位病人,就會產生1800張影像,要從中找出病灶十分耗時。而現在這套系統,可在0.8秒內看完300張影像,5秒就能檢查完一位病人。</p>
<p>不只如此,臺大醫院近日還斥資導入新一代AI超級電腦Nvidia DGX A100,要來加速醫療影像和臨床文字資料的處理時間,預計AI影像訓練可快上兩倍、自然語言模型訓練則快上五倍。<a href="https://www.ntuh.gov.tw/ntuh//dtra/www.ntuh.gov.tw/IMSC-jp/www.ntuh.gov.tw/IMSC/News.action?q_type=-1&q_itemCode=6300">(詳全文)</a></p>
<p><img alt="" src="https://www.ntuh.gov.tw/ckfinder_file/ntuh/images/2020%E6%9C%80%E6%96%B0%E6%B6%88%E6%81%AF/20200922%E8%87%BA%E5%A4%A7%E9%86%AB%E9%99%A2%E5%95%9F%E7%94%A8%E6%96%B0%E4%B8%80%E4%BB%A3AI%E8%B6%85%E7%B4%9A%E9%9B%BB%E8%85%A6%E7%B3%BB%E7%B5%B1DGX%20A100%E6%B7%B1%E8%80%95%E6%99%BA%E6%85%A7%E9%86%AB%E7%99%82%E8%A8%98%E8%80%85%E6%9C%83-%E5%90%B3%E6%98%8E%E8%B3%A2%E9%99%A2%E9%95%B7%E4%BB%8B%E7%B4%B9AI%E8%B6%85%E7%B4%9A%E9%9B%BB%E8%85%A6%E7%B3%BB%E7%B5%B1%E6%87%89%E7%94%A8%E6%99%BA%E6%85%A7%E9%86%AB%E7%99%82.JPG" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">3D重建 </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);"> Kartta Labs </span></strong></span></p>
<p><span style="font-size:22px;"><strong>靠歷史地圖和照片就能打造3D舊城,Google開源3D重建工具Kartta Labs </strong></span></p>
<p>Google宣布將開源一套基於Google雲端和Kubernetes的3D重建工具Kartta Labs,可透過歷史地圖和照片,來重建舊城市的3D樣貌。Kartta Labs包含了3個模組,分別是時間地圖伺服器、群眾外包平臺,以及3D平臺;時間地圖平臺可用來顯示一地隨時間變化的動態過程,群眾外包平臺則是讓使用者上傳歷史地圖、修正地理位置,手動校正舊地圖的座標並對應到現今地圖的位置。而3D平臺藉助深度學習,結合資料庫中的地圖資訊和歷史照片,來重建3D建築場景。<a href="https://opensource.googleblog.com/2020/09/recreating-historical-streetscapes.html">(詳全文)</a></p>
<p><img alt="" src="https://lh5.googleusercontent.com/-shrAMx7s0KBFvk5rr2xeimZaiAhm1zan4sY3viifck1ZQ03cSqLx33XsiJYIy4tqONxuHvWOqyXiH9o6EYWpNwnxF311krVCo7XNngpCoS-etC7bNtHSF_UI-y7M_V6DY-4lHyPpA=s16000" /></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;"> 量子電腦 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 處理器 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>IBM目標在2023年建置1,000量子位元處理器</strong></span></p>
<p>IBM日前發表量子電腦發展藍圖,揭露未來3年的量子電腦計畫,要從目前充滿雜訊的小型裝置,發展到具有百萬量子位元的裝置。9月時,IBM發布最新65量子位元的Hummingbird處理器,明年還要推出127量子位元的處理器,而2022年,則要發布433量子位元的Osprey系統,並計畫在2023年發表1,121量子位元的Condor處理器。</p>
<p>IBM指出,Condor的出現,將代表IBM有糾錯和擴展量子系統的能力,也意味著量子電腦將達夠複雜的程度。為因應Condor的到來,IBM還需建造夠大的稀釋冰箱。完成後,每個冰箱將可容納100萬個量子位元,還能透過連接冰箱,組成一個大規模平行量子電腦。<a href="https://www.ibm.com/blogs/research/2020/09/ibm-quantum-roadmap/">(詳全文)</a></p>
<p><img alt="" src="https://www.ibm.com/blogs/research/wp-content/uploads/2020/09/Scaling-quantum-in-action.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">去背 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 降噪 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Nvidia </span></strong></span></p>
<p><span style="font-size:22px;"><strong>一般配備也能產出專業級直播效果!Nvidia釋出AI去背和降噪的影音直播套件</strong></span></p>
<p>Nvidia釋出一款通用的即時直播擴充套件Broadcast,可提供聲音降噪、虛擬背景甚至是自動追蹤攝影鏡頭的影音處理功能,用戶可結合熱門的即時串流媒體、語音聊天和視訊會議應用程式一起使用。</p>
<p>這款Broadcast套件,能讓直播主靠一般標準攝影機和麥克風,就能擁有工作室等級的效果。這是因為,Broadcast在聲音處理上,能即時消除狗叫聲或門鈴聲等噪音,甚至可消除通話另一方的鍵盤打字聲。在影像處理上,Broadcast能即時處理視訊畫面,移除人物背景,替換成其他背景。另外,Broadcast還能自動追蹤直播主的頭部運動,即便左右移動,AI模型仍能讓頭部維持在畫面中心,該功能以Beta測試版釋出。<a href="https://www.nvidia.com/en-us/geforce/news/nvidia-broadcast-app/">(詳全文)</a></p>
<p><img alt="" src="https://www.nvidia.com/content/dam/en-zz/Solutions/geforce/news/nvidia-broadcast-app/nvidia-broadcast-app-screenshot-001.png" /></p>
<p>圖片來源/高通、臺大醫院、Google、IBM、Nvidia</p>
<p>攝影/王若樸</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. Adobe深度學習模型HDMatt可處理影像中比髮絲還細的細節</strong></p>
<p><strong>2. 柏克萊大學打造無獎勵機制強化學習模型,勝過現有高階獎勵機制模型</strong></p>
<p><strong>3. IBM與ProMare打造的無人自駕船正式啟航進行海洋研究</strong></p>
<p>資料來源:iThome整理,2020年9月</p>
<div id="gtx-anchor" style="position: absolute; visibility: hidden; left: 20px; top: 6632.1px; width: 237.875px; height: 14.4444px;"> </div>
<div aria-describedby="bubble-18" class="jfk-bubble gtx-bubble" role="alertdialog" style="visibility: visible; left: 124px; top: 6510px; opacity: 1;">
<div class="jfk-bubble-content-id" id="bubble-18">
<div id="gtx-host" style="min-width: 200px; max-width: 400px;"> </div>
</div>
<div aria-label="Close" class="jfk-bubble-closebtn-id jfk-bubble-closebtn" role="button" tabindex="0"> </div>
<div class="jfk-bubble-arrow-id jfk-bubble-arrow jfk-bubble-arrowdown" style="left: 119px;">
<div class="jfk-bubble-arrowimplbefore"> </div>
<div class="jfk-bubble-arrowimplafter"> </div>
</div>
</div>
</div></div></div>