<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(0331～0408)</span></h3>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Pathways </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 語言模型 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Transformer </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>Google最新語言模型一手包辦各種理解生成任務，程式碼生成更媲美OpenAI的Codex</strong></span></p>
<p>Google最近發表一套具5,400億參數的自然語言模型PaLM（Pathways Language Model），全以Transformer架構中的解碼器為基礎，以Google去年提出的Pathways架構來加強單一模型學習效率。這套模型由英語和多語言資料集訓練而成，像是網頁文件、書籍、維基百科文章、GitHub程式碼等，並經過上百項基準測試，像是語意理解、文字生成，甚至是自然語言轉程式碼等任務，比現有的SOTA模型表現還要好。</p>
<p>比如，在少樣本學習的條件下，在29項標準的英語語言理解基準測試中，PaLM在其中的28項，表現比現有大型模型還要好，超過GPT-3、Gopher、Chinchilla和LaMDA等模型。這28項任務包括開放式QA、克漏字、句子填空、常識推理、閱讀理解和翻譯等。甚至，PaLM還能透過深度理解，來準確解釋一些笑話。</p>
<p>另一個出乎團隊預料的成果是，PaLM能良好地完成自然語言轉程式碼（Text to code）、程式碼翻譯等任務。雖然PaLM的預訓練資料集中，只有5%是程式碼，但PaLM一個模型就能良好地進行自然語言轉程式碼任務，甚至比OpenAI打造的Codex模型還要好，而且所用來訓練的Python程式碼少了50倍。這些表現凸顯了PaLM的少樣本學習能力。<a href="https://ai.googleblog.com/2022/04/pathways-language-model-palm-scaling-to.html">（詳全文）</a></p>
<p><img alt="" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj6gdPPoicGB0nweCccX9zN8mEwp8Nye503s604BUI1EO36-iTJNe3cJptm1lpWX5oEvXRoQl8cCRtYI1UkD5bfkN5zModWSoxMOGIlxBbNvI-g4SMsdEWZTDbR-ifbV7HQK0VX0yWXsSqGbR_vu_gtAUJ5BgJyAODkxiqA6I2GKkFn3mrKzKbd0aZVzA/s16000/Coding%20Examples%20v2%20Cropped.gif" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI應用 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 企業 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 規模化 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>5成企業力擁AI科技應用，但動機從增加營收轉為降低成本</strong></span></p>
<p>蜂行資本調查了270家大型和中小型企業，近日公布2022臺灣企業AI趨勢報告，指出48%的企業進入AI科技應用規模化階段，較去年大幅提升，但企業導入AI的原因，從去年為了增加營收，轉為今年的用來降低成本。</p>
<p>今年參與調查的企業，近4成是千人以上規模的大型企業，產業別以製造業占比最高，約四分之一，與去年相似。今年延續去年的AI成熟度框架，依數據完備、團隊完備及營運完備程度來衡量企業導入AI的發展程度，從0到6級分為7個階段，越高代表越成熟。調查顯示，超過48%的作答企業處於AI應用的規模化階段（4到6級），遠高於去年的25%。其中，又以千人以上的大型企業進展最快，占了4到6級企業近半數。</p>
<p>不過，企業導入AI仍面臨不少挑戰，約6成企業經歷導入初期的挑戰，比如最常見的資料蒐集（19%）、驗證可行的商業案例（13.8%）和人才供應（11.3%）等挑戰。<a href="https://www.ithome.com.tw/news/150234">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 信義房屋 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 資料中臺 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Azure </span></strong></span></p>
<p><span style="font-size:22px;"><strong>信義房屋打造資料中臺，快速揪出顧客潛在需求</strong></span></p>
<p>信義房屋要打造資料中臺，來快速掌握客戶潛在需求。進一步來說，他們導入雲端數據分析中臺服務Azure Synapse Analytics和Azure Databricks，來快速橫跨資料倉儲和大數據分析系統、產出洞察，進一步搭配AI解決方案。比如，信義房屋就用這個中臺服務開發「AI智能配案」，透過大數據分析和顧客線上操作習慣，來讓第一線業務快速鎖定顧客潛在需求，業務銷售可透過手機App隨時推薦顧客喜好房源，配對正確率也提高3成5。對信義房屋來說，這種方法也助於新人快速上手，省下手動翻找房源資料、尋找房源的時間。</p>
<p>再來，信義房屋也導入資料治理解決方案Azure Purview，整合企業內部地端、多雲、軟體及服務等環境中的資料。他們利用該服務整合自家30多年來的結構化和非結構化資料，並建立統一標籤來整理、分類，提高數據分析效率。此外，該工具也能管理個人資料和內部使用者權限，來達到個資法GDPR規範。<a href="https://news.microsoft.com/zh-tw/proptech-xinyi-house/">（詳全文）</a></p>
<p><img alt="" src="https://news.microsoft.com/wp-content/uploads/prod/sites/74/2022/04/%E3%80%90%E6%96%B0%E8%81%9E%E5%9C%96%E7%89%87%E4%BA%8C%E3%80%91%E4%BF%A1%E7%BE%A9%E6%88%BF%E5%B1%8B%E5%88%A9%E7%94%A8-Azure-Synapse-Analytics-%E5%8F%8A-Azure-Databricks-%EF%BC%8C%E9%80%8F%E9%81%8E%E8%A4%87%E9%9B%9C%E6%BC%94%E7%AE%97%E6%B3%95%EF%BC%8C%E6%89%93%E9%80%A0%E5%85%A8%E6%96%B0%E3%80%8CAI-%E6%99%BA%E8%83%BD%E9%85%8D%E6%A1%88%E3%80%8D%E6%95%B8%E4%BD%8D%E6%9C%8D%E5%8B%99%EF%BC%8C%E7%B5%90%E5%90%88%E5%A4%A7%E6%95%B8%E6%93%9A%E5%88%86%E6%9E%90%E5%8F%8A%E5%AE%A2%E6%88%B6%E6%96%BC%E7%B7%9A%E4%B8%8A%E6%93%8D%E4%BD%9C%E7%9A%84%E7%BF%92%E6%85%A3%EF%BC%8C%E5%8D%94%E5%8A%A9%E7%AC%AC%E4%B8%80%E7%B7%9A%E9%8A%B7%E5%94%AE%E5%93%A1%E5%BF%AB%E9%80%9F%E5%AE%9A%E4%BD%8D%E5%AE%A2%E6%88%B6%E6%BD%9B%E5%9C%A8%E9%9C%80%E6%B1%82%E3%80%82-1-1536x1023.jpg" /></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AutoML </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 製造AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 自動建模 </span></strong></span></p>
<p><span style="font-size: 22px;"><b>臺灣AI新創將製造業AI實例，變成可快速導入的AI模板，支援50種ML自動建模</b></span></p>
<p>專攻製造業的臺灣AI新創杰倫智能最近推出AI應用知識庫（Ready To Go Applications）服務，從上百個實際導入案例中，選出十多個產業AI的實際導入場景，打包成企業可以快速複製試用的AI應用模板。</p>
<p>以杰倫智能AutoML平臺工具為基礎，參考製造業AI實例做法，來提供試用的模擬數據、實際案例的產業建模知識，再利用杰倫智能AutoML平臺，可提供50多種ML模型訓練，包括回歸分析、分類、分群以及時間序列分析等四大類共50多種演算法，能自動選出效果最佳者來自動建模。試用企業可以參考模板，快速在自家場景中套用這些AI實作方式。杰倫智能預計將釋出16種製造業AI模板。例如CPG設備預防維修，塑膠射出成型參數最佳化、PCB顯影不全預測、CPG研發配方最佳化、虛擬量測、虛擬全檢、客戶採購行為預測等實際應用場景。</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Google搜尋 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> MUM </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 危機事件 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>Google將用Transformer模型優化個人危機事件搜尋</strong></span></p>
<p>Google本周宣布，將把新的多任務統一模型（Multitask Unified Model，MUM）應用在Google搜尋上，讓使用者更容易找到有關個人危機事件的搜尋結果，像是自殺、性侵、藥物成癮或家暴的協助資訊等。</p>
<p>MUM是Google去年5月發表AI模型，以Transformer架構為基礎，可理解語言、生成文字。MUM經75種語言和多種任務的訓練，號稱比BERT模型強大1,000倍。Google搜尋副總裁Pandu Nayak指出，當Google察覺使用者的搜尋字串與上述緊急事件有關，就會提供當地的協助熱線或相關訊息，然而，使用者可能會以各種型態進行搜尋，相關需求並不都是顯而易見的，如果能精確辨識使用者意圖，就能提供更完整的搜尋結果。</p>
<p>於是，Google決定用MUM模型來更精確偵測個人危機搜尋，以它來理解人們提問的意圖，預計在未來幾周部署。除了個人危機事件搜尋，Google還打算用MUM來改善搜尋結果的垃圾訊息保護。目前MUM支援75種語言，而且，只要訓練其中一個模型、執行任務，就能一次嘉惠所有語言，快速擴充Google對全球搜尋服務的優化。<a href="https://blog.google/products/search/using-ai-keep-google-search-safe/">（詳全文）</a></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> OpenAI </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> DALL-E 2 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 文字轉圖像 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>OpenAI發表新版文字轉圖像模型DALL-E 2</strong></span></p>
<p>OpenAI最近發表第二代文字轉圖像模型DALL-E 2，使用者只要給出文字敘述，DALL-E 2就能自動生成圖像，比去年1月發表的第一代版本，能產生更寫實、更精確、解析度也更高的圖像。</p>
<p>第一代模型DALL-E以GPT-3為基礎，利用一個文字與圖像配對的資料集，以文字敘述來產生圖像。DALL-E 2的精確度比第一代好上71.7%，寫實度改善了88.8%，解析度更是原本的4倍，還可結合概念、屬性及風格，打造出更生動的圖像，例如使用者得以指定系統以安迪.沃荷風格畫出太空人騎在馬背上的圖像，或者是以莫內風格畫出草原上的狐狸。</p>
<p>此外，DALL-E 2還能以文字來編輯既有的圖像，可新增、移除或置換圖像中的元件；或是以同一張圖像為基準，建立不同風格或編排的版本。目前，OpenAI仍與特定使用者研究DALL-E的規範，包括避免用來建立暴力、仇恨或成人圖像，並打算藉由過濾機制來辨識違反政策的文字或圖像。<a href="https://openai.com/dall-e-2/">（詳全文）</a></p>
<p><img alt="" src="https://cdn.openai.com/dall-e-2/demos/text2im/astronaut/horse/photo/2.jpg" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> GitHub Copilot </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> Visual Studio 2022 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 程式碼建議 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>GitHub Copilot支援Visual Studio 2022</strong></span></p>
<p>GitHub和OpenAI共同開發的AI程式碼撰寫工具Copilot，現在終於支援Visual Studio 2022了！擁有技術預覽權限的所有開發者，都可使用Copilot功能，而且，Copilot也新增程式語言支援，可提供.NET建議。</p>
<p>Copilot可猜測開發者需求，提供程式碼建議，讓開發者快速取用，就像Google搜尋的輸入建議一樣。自2021年6月Copilot發布技術預覽版以來，GitHub持續更新Copilot的功能，現在終於加入眾多用戶要求的Visual Studio 2022支援。在使用Visual Studio 2022的Copilot擴充套件之前，用戶需擁有技術預覽版權限，並在安裝後授權Visual Studio 2022連接Copilot服務，確認連接完成，開發者便可以開始在Visual Studio 2022使用Copilot。<a href="https://github.blog/2022-03-29-github-copilot-now-available-for-visual-studio-2022/">（詳全文）</a></p>
<p><img alt="" src="https://github.blog/wp-content/uploads/2022/02/154491850-80b62272-da07-4653-9875-bae9247bf314.png?resize=1200%2C630" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> IDC </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 《全球人工智慧支出指南》 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 金融 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>IDC：臺灣企業2022年AI預算將達3.65億美元</strong></span></p>
<p>IDC近日發布《全球人工智慧支出指南》，IDC臺灣企業應用資深研究經理蔡宜秀表示，臺灣企業AI技術相關預算支出，將於2022年達到3.65億美元，其中又以金融、製造和零售流通業的需求最高。IDC指出，AI技術已廣泛用於顧客體驗與營運流程優化，像是以聊天機器人強化客戶服務管道、優化商品推薦準確度，或以人臉辨識來驗證身份，又或是持續改善數據分析模型來優化詐欺偵測，以及建立AIOps機制以降低資訊系統的維運工作等。IDC預測，AI應用將持續擴散，整體市場將持續成長。</p>
<p>《全球人工智慧支出指南》也透露，亞太地區（不含日本）的AI系統支出，將從2022年的176億美元增加到2025年的320億美元。IDC指出，未來五年，銀行業會是AI解決方案上投資力道最強的產業，特別是威脅情報和欺詐分析，而政府是AI解決方案的第二大支出者，鎖定公共安全和緊急回應、增強威脅情報和預防系統，再來則是專業服務，要利用AI加強客戶服務代理，以及自動化來簡化重複的業務。<a href="https://www.idc.com/getdoc.jsp?containerId=prAP49016222">（詳全文）</a></p>
<p><img alt="" src="https://www.idc.com/getfile.dyn?containerId=prAP49016222&attachmentId=47447069" /></p>
<p>圖片來源／Google、信義房屋、杰倫智能、GitHub、OpenAI、IDC</p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI近期新聞 </span></strong></span></p>
<p><strong>1. Meta AI嘗試解決維基百科人物傳記中的性別偏見問題</strong></p>
<p><strong>2. HPE公布邊緣運算及AI系統SBC-2在國際太空站的實驗成果</strong></p>
<p><strong>3. Google新深度學習模型可利用眼睛外部照片，偵測糖尿病患血糖、血脂狀況</strong></p>
<p>資料來源：iThome整理，2022年4月</p>
</div></div></div>
