<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(0925～1001)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">影像辨識 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 紡織 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Frontier </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>臺新創以16支辨識引擎打造數位布片資料庫，要當紡織界Google Search </strong></span></p>
<p>臺灣新創Frontier主打紡織企業雲平臺，瞄準紡織業數位化痛點，以一套數位布片資料庫和內建的16支辨識引擎，來優化布片偵測、校正和分類等作業，把布片上傳流程從50分鐘縮短為3分鐘，連Zara母公司Inditex、Under Armour和全球最大的數位成衣設計公司Virtuality Fashion都愛用。</p>
<p>Frontier共同創辦人暨執行長趙均埔指出，紡織業工作流程要數位化，第一步就是建立布料樣本資料庫。目前，全球只有3家廠商提供布片資料庫服務，以其中的美國廠商來說，因布片上傳後，還得仰賴人工判斷、分類，因此整個布片上傳、建檔流程，就得花上50分鐘。而Frontier將平臺建於AWS上，利用AWS和其他工具來自動辨識布片、校正顏色、降噪、貼標和歸類等作業；趙均埔指出，該平臺共有16支辨識引擎，除了7支為AWS外，他們還採用北科大的智慧影像辨識技術，甚至還有醫療MRI病灶辨識技術，來強化對布片細節的偵測。此外，該平臺也透過自然語言處理API，來優化布料搜尋和詢價等功能。</p>
<p>他指出，有了數位布片庫，一件成衣的設計時間可從原本的45天縮短為1天，製成時間也從300天縮短為7天，也不會產生庫存。也因為該平臺提供聊天功能，趙均埔指出，文字傳遞結合布片辨識，也提升疫情期間的溝通效率。<a href="https://frontier.cool/blog">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/IMG_0487.jpg" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 工研院 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 自拍無人機 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 辨識 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>用上千張網紅照片訓練AI，工研院無人機自動捕捉最佳角度</strong></span></p>
<p>工研院日前在年度技術日上，展示一款新研發的自拍無人機，可自動尋找最佳拍攝角度來拍照，免除過去須手動調整的不便。這款無人機所配置的辨識模型，是由上千張專業攝影師拍攝的網美照片訓練而成；工研院指出，拍攝時，AI模型會根據鏡中人的關節姿勢，比對訓練資料集中相似的照片，進而採取類似的拍攝角度和畫面裁切，自動調整飛行高度和遠近等。</p>
<p>工研院也表示，未來，這款無人機可協助警方於偏遠地區巡邏，從空中視角來判斷異常活動，比如夜間盜伐，再結合後臺通報系統，來即時辦案、懲處。<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/IMG_0450.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 自然語言處理</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 參數 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> pQRNN PRADO </span></strong></span></p>
<p><span style="font-size:22px;"><strong>就算參數少300倍，Google新NLP模型也能達BERT水準</strong></span></p>
<p>Google近日發表一項研究成果，團隊在去年打造的自然語言處理（NLP）模型PRADO基礎上，開發出pQRNN模型，可讓模型以少量參數，就能達到BERT等級的高階表現。</p>
<p>pQRNN PRADO由三個模組組成，分別是投射操作（Projection operation）、密集瓶頸層（Dense Bottleneck Layer），以及QRNN編碼器。投射操作可將文本中的Token轉換為三元向量，密集瓶頸層可學習與NLP任務相關的每個單字特徵，而QRNN編碼器不須預處理，就能從輸入的文本中學習上下文特徵。經測試，pQRNN PRADO參數雖比BERT少了300倍，且也未進行預訓練，就能在NLP任務表現上，達到與BERT相當的水準。隨後，Google也在GitHub上開源PRADO模型。<a href="https://ai.googleblog.com/2020/09/advancing-nlp-with-efficient-projection.html">（詳全文）</a></p>
<p><img alt="" src="https://1.bp.blogspot.com/-ZA4BEy4Phzg/X2j5aLUBDUI/AAAAAAAAGkw/eEm5bqKAD8gDROKx-0wOCxBf9oiDvvhNQCLcBGAsYHQ/w400-h210/image2.png" style="width: 398px; height: 209px;" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI平臺預測 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> XGBoost </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 機器學習模型 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Google正式推出AI平臺預測服務，要優化機器學習工作流程</strong></span></p>
<p>Google近日發布AI平臺預測（AI Platform Prediction）正式版，開發者可用於雲端，來準備、建立、執行和共享機器學習模型。該平臺建於Google Kubernetes Engine後端，具高靈活、低延遲等特性。進一步來說，AI平臺預測讓開發者更容易部署以XGBoost、scikit等框架訓練的模型，也提供新的Compute Engine機器類型和Nvidia加速器，讓使用者依其所需來選擇。除此之外，AI平臺預測也提供模型預測的資訊和視覺化工具，來解釋模型產出預測結果的原因。AI平臺預測為完全託管、無叢集的服務，而且，要是使用者發送過多流量，Google將分配管理，以免模型過載。<a href="https://cloud.google.com/blog/products/ai-machine-learning/ai-platform-prediction-better-reliability-ml-workflows">（詳全文）</a></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;"> LipSync </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 群眾外包 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google發起對嘴挑戰賽，靠群眾外包來訓練AI模型</strong></span></p>
<p>Google日前發起一場AI挑戰賽LipSync，要請使用者為一首歌對嘴，來完成Google的AI實驗。LipSync的目標，是要衡量使用者用手機或桌機對嘴的準確度。實驗會以相機拍攝用戶的臉部表情，再以瀏覽器上的Google TensorFlow.js facemesh模型，即時分析用戶嘴巴、唇部特徵點，來評估對嘴是否準確，但不會錄下任何聲音，資料也不會回傳至Google。</p>
<p>Google指出，這項實驗是要協助訓練AI，來了解人說話時的表情。這些知識可建立一套系統，來追蹤無法正常說話的族群，像是肌萎縮性側索硬化症（ALS，俗稱漸凍人症）患者，甚至未來能利用語音合成技術來替他們發聲。最後，Google將開放LipSync的程式碼和技術文件下載。<a href="https://experiments.withgoogle.com/lipsync">（詳全文）</a></p>
<p><img alt="" src="https://lh3.googleusercontent.com/p-iKCLkEj15YZf-w6wycB6h5QV5GGscoVEdxyVlrBrL334pgJGhQWVHQno0eE7DwiFRFjSKjVlJLJFsMtsPv3OAOB3nhWw=s850" /></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;"> 擴充套件 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 程式碼 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>程式語言擴充套件Pylance推新功能，程式碼可讀性更高</strong></span></p>
<p>微軟近日更新了語言伺服器擴充套件Pylance功能，新增著色和自動匯入支援等功能。Pylance是今年7月時，微軟在VS Code上新推出的Python程式語言擴充套件。</p>
<p>Pylance以靜態類型檢查工具Pyright為基礎，提供豐富的類型資訊，且能助開發者編寫高品質的程式碼。其中，最新的語義著色功能能以顏色突出顯示程式碼，提高整體程式碼的可讀性。再來，Pylance自動匯入完成功能也有所改進，開發者能在完成工作提示中，看到即將被添加到檔案中的匯入陳述式預覽。<a href="https://devblogs.microsoft.com/python/python-in-visual-studio-code-september-2020-release/">（詳全文）</a></p>
<p><img alt="" src="https://devblogs.microsoft.com/python/wp-content/uploads/sites/12/2020/09/Sept2020AutoImportImprovements.gif" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Bing</span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 自動詞彙建議 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 問答 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>微軟以語言模型改進Bing自動字詞建議與相關問答功能</strong></span></p>
<p>微軟將自家自然語言生成模型T-NLG用於Bing搜尋引擎中，來改善字詞預測，並利用自然語言表示模型T-ULR，提升多語言智慧問答的品質。首先，微軟以T-NLG模型改進Bing搜尋欄的自動建議功能，讓Bing能即時生成建議，不受限於以前使用者輸入的資料，或是當前輸入的字詞。</p>
<p>另外，Bing也應用自然語言表示模型T-ULR，提升多語言和多地區的搜尋結果品質，Bing智慧問答功能已可對100多種語言和200多個地區，提供零次問答服務，該模型也用來突顯搜尋結果的摘要重點，讓用戶能夠更快地找到需要的答案。<a href="https://blogs.bing.com/search-quality-insights/september-2020/Introducing-the-next-wave-of-AI-at-Scale-innovations-in-Bing">（詳全文）</a></p>
<p><img alt="" src="https://blogs.bing.com/BingBlogs/media/SearchQualityInsights/2020/image10.PNG" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">Adobe </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> PDF </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 液態模式 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>小螢幕不用怕，Adobe釋出AI工具來自動調整PDF畫面</strong></span></p>
<p>有鑒於愈來愈多人在手機上處理公事或讀文件，Adobe也為PC時代產生的Adobe Acrobat加入液態模式（Liquid Mode）新功能，透過將檔案送到Adobe Document Cloud處理，轉換為合適的大小，方便用戶在小螢幕裝置查詢、閱覽PDF文件。</p>
<p>當使用者開啟PDF文件時，液態模式的AI會分析文件結構，包括標題、段落、圖片、清單列表或表格，並依螢幕大小重新排版，以便在小螢幕裝置上讀取。<a href="https://www.youtube.com/watch?time_continue=77&v=3H4nRx7r7nY&feature=emb_logo&ab_channel=AdobeDocumentCloud">（詳全文）</a></p>
<p> </p>
<div class="media_embed" height="409px" width="727px">
<iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen="" frameborder="0" height="409px" src="https://www.youtube.com/embed/3H4nRx7r7nY" width="727px"></iframe></div>
<p> </p>
<p>圖片來源／Google、微軟、Bing、Adobe</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. 全臺第一支警用無人機隊成軍！新北市警鎖定刑事、環境交通和防救災</strong></p>
<p><strong>2. 臉書發布AI動態基準測試平臺Dynabench</strong></p>
<p><strong>3. 臺北市自駕巴士測試進入新階段，即日起開放民眾預約試乘</strong></p>
<p>資料來源：iThome整理，2020年10月</p>
<div aria-describedby="bubble-2" class="jfk-bubble gtx-bubble" role="alertdialog" style="visibility: visible; left: 245px; top: 430px; opacity: 1;">
<div class="jfk-bubble-content-id" id="bubble-2">
<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-arrowup" style="left: 903.99px;">
<div class="jfk-bubble-arrowimplbefore"> </div>
<div class="jfk-bubble-arrowimplafter"> </div>
</div>
</div>
</div></div></div>
