iThome

AI趨勢周報第231期：Docker也新添生成式AI工具了

<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"> <p><span style="color: rgb(0, 0, 255);">重點新聞(1013～1019)</span></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Docker  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  容器  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  生成式AI  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>開源容器工具Docker也新添生成式AI工具，開發更快速</strong></span></p> <p>開源容器平臺Docker是目前許多AI應用的主流部署方法，其同名公司日前在年度技術大會Dockercon上，揭露一系列生成式AI新功能，首先是<a href="https://www.docker.com/press-release/neo4j-langchain-ollama-launches-new-genai-stack-for-developers/">GenAI Stack</a>，號稱只需幾分鐘，使用者就能開始開發生成式AI應用。</p> <p>進一步來說，GenAI Stack簡化開發流程，將Docker容器與圖數據庫Neo4j、語言模型開發框架LangChain和模型管理工具Ollama整合在一起。比如，使用者可用Ollama在本地端執行LLM，並用預設的Neo4j圖形和向量搜尋資料庫，來讓AI模型更快、更準確。此外，GenAI Stack還提供預配置的開源大型語言模型（如Llama 2、Code Llama、Mistral）和私有模型（如GPT-3.5、GPT-4），來縮短開發時間。</p> <p>除了GenAI Stack，Docker也推出首個AI產品<a href="https://www.docker.com/press-release/announces-ai-boosting-developer-productivity-through-automated-guidance/">Docker AI</a>，是個類似程式開發助理Copilot的服務。團隊以長年來累積的百萬個Dockerfile、Docker Compose檔案來訓練Docker AI，能針對特定情境提供自動化功能，比如可在使用者編輯Dockerfile或Docker Compose檔案、在地端除錯docker build或在執行測試時，提供自動化指示，加速開發流程。<a href="https://www.docker.com/press-release/neo4j-langchain-ollama-launches-new-genai-stack-for-developers/">（詳全文）</a></p> <p><img alt="" src="https://dist.neo4j.com/wp-content/uploads/20231005063020/genai-stack-support-agent-1024x576.png" /></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  台新金控  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  生成式AI  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  Chatbot  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>台新金控揭露4大生成式AI實驗進展</strong></span></p> <p>台新金控揭露生成式AI進展，包括Teams Chatbot、知識管理平臺、程式助理Codex和虛擬智能客服等4大實驗案。其中，第一項導入的是微軟Azure OpenAI服務的ChatGPT，台新金控首選Chatbot的目的是讓集團各單位更了解生成式AI，於是在今年3月與廠商規畫、建置專屬Chatbot，租用微軟Azure OpenAI環境，5月正式將ChatGPT串接至Teams中，提供200個帳號供各單位使用。</p> <p>再來，台新金控進一步結合生成式AI，打造知識管理平臺。該平臺能讓使用者向生成式AI提問，平臺再根據問題搜尋內部資料，找出最相關的資訊，由生成式AI彙整、回覆給使用者。該平臺還未正式上線，但未來完善後，會擴大發展為智能客服或其他應用。此外，台新金控也針對Codex進行一系研究，發現該Codex可提高程式開發效率，可協助IT人員完成資料表的建立、增刪減與重新規畫，以及撰寫初階和進階程式碼、撰寫程式碼說明等。不只如此，台新金控也用生成式AI打造虛擬客服，也就是生成一個擬真的客服人員，再利用語音轉文字、文字轉語音、人臉辨識等技術，來推薦理財商品給客戶。<a href="https://www.ithome.com.tw/news/159417">（詳全文）</a></p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/KM.JPG" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  可解釋性 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">    特徵   </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  神經網路  </span></strong></span></p> <p><span style="font-size:22px;"><strong>Anthropic用特徵解構神經網路，大幅提高可解釋性</strong></span></p> <p>OpenAI競爭者Anthropic在最新發表的AI研究論文〈Decomposing Language Models With Dictionary Learning〉中，提出一種字典學習方法，能提高對神經網路的解釋性。這項研究讓Anthropic更能監控模型，進而引導模型行為，提高企業使用AI的安全性和可靠性。</p> <p>進一步來說，有別於在單一神經元中尋找規律，團隊擴大運用特徵（Feature）概念，藉由特徵對應到一群神經元活動模式的特性，來將複雜的神經網路，解構成更容易理解的單位。他們也在Transformer模型中，成功將一個含512個神經元的層，分解成超過4,000個特徵。同時，團隊還發展自動解釋方法，來驗證特徵的可解釋性。他們用大型語言模型來生成小模型的特徵描述，並以另一個模型來對描述評分，實驗結果也證實，特徵的得分高於神經元，也間接證明特徵的活躍和模型下游行為具一致性。<a href="https://www.anthropic.com/index/decomposing-language-models-into-understandable-components">（詳全文）</a></p> <p><img alt="" src="https://efficient-manatee.transforms.svdcdn.com/production/images/Frame-120.png?w=1259&amp;h=788&amp;auto=compress%2Cformat&amp;fit=crop&amp;dm=1696466752&amp;s=4cbd4980573d60dbf763428f42a53a27" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  自動駕駛  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  生成式AI  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  GAIA-1  </span></strong></span></p> <p><span style="font-size:22px;"><strong>英新創擴大90億參數生成式AI模型，助自駕模型看見未來</strong></span></p> <p>今年6月，英國AI新創Wayve展開一項概念性驗證專案，要將生成式AI模型GAIA-1用於自動駕駛，這幾個月持續擴展，模型參數增加至90億個，能生成逼真的駕駛場景影片，呈現自動駕駛在各種情境的反應，並更好地預測未來事件。</p> <p>GAIA-1可用不同模態的資料（如影片、文字和動作）來建立逼真駕駛場景影片，也能學習環境和未來動態表示，向自動駕駛模型提供一個結構化的環境理解，協助駕駛模型做出明智決策。GAIA-1的核心是世界模型（World model），是一個自迴歸Transformer，能預測序列中下一組圖像token；世界模型不只考慮過去的圖像token，還參照文字和動作token的上下文資訊。如此生成的這不只在視覺上連貫，也能和預期的文字、動作指引保持一致。</p> <p>接著，影片解碼器開始運作，將這些圖像token轉換回像素空間，來生成語義一致的影片。GAIA-1的主要價值在於在自動駕駛中引入生成式世界模型概念，透過整合影片、文本和動作輸入，展示多模態學習在創建多樣化駕駛情境的潛力，並泛化至真實世界中，提高自駕車能力。<a href="https://wayve.ai/thinking/scaling-gaia-1/">（詳全文）</a></p> <p> </p> <div class="media_embed" height="315px" width="560px"> <iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen="" frameborder="0" height="315px" src="https://www.youtube.com/embed/OVX-eTLyA9g?si=7jxGCTck3wH9RdYM" title="YouTube video player" width="560px"></iframe></div> <p> </p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  PyTorch Edge  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  邊緣裝置  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  ExecuTorch  </span></strong></span></p> <p><span style="font-size:22px;"><strong>PyTorch Edge新解決方案簡化邊緣裝置的AI推論</strong></span></p> <p>開源機器學習框架PyTorch Edge最近推出一款新解決方案ExecuTorch，獲蘋果、高通創新中心和Arm等科技巨頭支援，可實現跨行動裝置和邊緣裝置的模型推論工作。</p> <p>進一步來說，ExecuTorch的目的是要解決裝置AI生態系碎片化的問題，其關鍵元件包含一個執行環境和輕量級操作登錄檔（Operator registry），範圍涵蓋PyTorch生態系中所有模型，可簡化PyTorch在裝置上執行的過程。ExecuTorch還有一個SDK和工具鏈，提供ML開發者直覺式的使用者體驗，能用來編寫、訓練模型和裝置授權，並整合在單一個PyTorch工作流程中。<a href="https://pytorch.org/blog/pytorch-edge/">（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;">  搜尋  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  圖像生成  </span></strong></span></p> <p><span style="font-size:22px;"><strong>Google在搜尋實驗室中新添AI生成圖像功能</strong></span></p> <p>Google日前在搜尋實驗室（Search Labs）中，新添了2項搜尋生成式體驗（SGE）功能，一是直接在搜尋列上執行生成圖像功能，二是請AI幫忙撰寫各種草稿。比如，使用者可在搜尋列上，輸入「請畫一張戴著廚師帽並正在做早餐的水豚圖像」，系統就會出現4張符合該描述的圖畫，隨便點選任何一張就能看到各自的描述，使用者也能編輯文字描述來修改圖畫。這些AI生成的圖像具有元資料標籤，並鑲有浮水印，Google還會封鎖違反使用政策的AI生成圖像，例如含有有害或誤導性內容。</p> <p>另一個SGE功能則能用來協助撰寫各種草，比如撰寫邀請施工人員報價的草稿，還能要求SGE調整草稿的長度及語氣，再匯出至Google Docs或Gmail。搜尋實驗室是Google在今年5月發表的測試平臺，用來測試各種利用生成式AI並改善搜尋，不過，目前搜尋實驗室僅開放美國、印度與日本的少數用戶參與。<a href="https://blog.google/products/search/google-search-generative-ai-october-update/">（詳全文）</a></p> <p><img alt="" src="https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/OctoberSGE_Regis_05.gif" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Google Cloud  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  智財  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  生成式AI  </span></strong></span></p> <p><span style="font-size:22px;"><strong>Google Cloud提供智財免責防護</strong></span></p> <p>為讓企業用戶安心使用AI服務，Google Cloud宣布提供AI免責防護，讓使用者不用擔心使用到版權內容而被告。今年8月，Google推出付費的Duet AI助理服務，並整合至生產力工具Workspace、雲端平臺Cloud Platform以及AI模型服務Vertex AI，企業可用Duet AI來生成所需內容，如行銷文案、廣告圖片或電子郵件等。</p> <p>而最近推出的服務，則是要防止使用者可能遭遇的版權法律責任。新服務包含2部分，第1個與Google使用的訓練資料有關，第2部分則著重基礎模型的生成結果。首先，訓練資料的免責涵括所有Google用來打造其生成模型的資料集，當第三方單位宣稱客戶侵害了其智財權，責任全由Google承擔。第二部分則是當戶使用Google AI服務的輸出結果，被第三方單位宣稱侵害其版權時，責任歸屬在Google。<a href="https://cloud.google.com/blog/products/ai-machine-learning/protecting-customers-with-generative-ai-indemnification">（詳全文）</a></p> <p>圖片來源／Docker、Anthropic、Wayve、Google</p> <p>攝影／王若樸</p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AI近期新聞 </span></strong></span></p> <p><strong>1. OpenAI正式開放ChatGPT Bing網頁搜尋，公測DALLE-3</strong></p> <p><strong>2. Adobe在旗下產品Photoshop和Preimere Elements新添20項AI功能</strong></p> <p>資料來源：iThome整理，2023年10月</p> </div></div></div>

Fintech周報第219期：新光金保代將建置新核心系統；金管會正式發布金融業運用AI原則

<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 style="margin: 10px 0px; font-family: 微軟正黑體, sans-serif; font-weight: bold; line-height: 1.25em; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18px;"><span style="color: rgb(139, 69, 19);">2023/10/9~10/20金融科技精選新聞</span></span></h3> <p><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 核心系統建置</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 微服務架構 </span></strong></span></p> <h3>新光金保代將建置新核心系統，導入微服務架構的保險中臺</h3> <p>新光金保代將在未來一年打造新保代核心系統，整合旗下各項業務流程，包括：收件模組、入金作業、佣金模組、業績模組、保單管理、商品管理、客戶管理、通路業務員管理等，導入以微服務規劃架構的保險中臺。</p> <p>這個保險微服務中臺涵蓋客戶、商品、保單、投保、試算與支付等28個模組，可依保經代不同角色的需求彈性組合模組，以微服務細分打包相對應的服務功能，一方面使用最小資源，提高系統運行速度，另一方面也要縮短新業務或服務相關技術開發時間。新光金保代董事長黃明正表示，期望透過新一代核心系統的建置，除了加強公司的數位能力，更重要的是協助業務及通路完善服務客戶、快速提供多樣化商品。</p> <h3 style="font-weight: bold; line-height: 1.25em; margin: 10px 0px; font-family: 微軟正黑體, sans-serif; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 金管會</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> AI </span></strong></span></h3> <h3>金管會正式發布金融業運用AI原則，預計今年底前完成指引</h3> <p>金管會10月17日<a href="https://www.fsc.gov.tw/ch/home.jsp?id=96&amp;parentpath=0,2&amp;mcustomize=news_view.jsp&amp;dataserno=202310170002&amp;dtable=News">正式發布金融業運用人工智慧之核心原則與相關推動政策</a>，包含6項核心原則及8項配套政策，8項配套政策並未進行修正，原則共修正五處內容，包含，修改業者使用所有AI工具時，都須進行人為判斷的原則，修正AI系統定義，和新增生成式AI定義。金管會表示，目前正依6項原則制訂「金融業運用AI指引」，預計今年底前完成。</p> <p>雖然不必在使用每個AI工具時，都進行最終人為判斷，金管會仍認為，金融機構最初在設計AI工具時，就要放入相關管控機制，因此，原則也要求金融機構在處理生成式AI產出資訊時，要就風險進行管控，且金融機構使用AI應以風險為基礎做出適當決策和監督。(<a href="https://www.ithome.com.tw/news/159380">詳全文</a>)</p> <h3 style="margin: 10px 0px; font-family: 微軟正黑體, sans-serif; font-weight: bold; line-height: 1.25em; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 生成式AI</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 台新金控 </span></strong></span></h3> <h3>台新金控揭露生成式AI實驗新進展</h3> <p>台新金控先是制定AI發展關鍵因子，作為導入AI解決方案的重要參考，並制定AI導入指引，包含擴大應用優於全新導入、業務效益優於技術創新、技術導入優於產品導入，和外購優於技術移轉、自行開發等四大原則。</p> <p>接著，他們發展四項實驗專案，包含協作平臺的聊天機器人Teams Chatbot、知識管理平臺、程式碼撰寫助理Codex，以及虛擬智能客服。（<a href="https://www.ithome.com.tw/news/159417">詳全文</a>）</p> <h3 style="margin: 10px 0px; font-family: 微軟正黑體, sans-serif; font-weight: bold; line-height: 1.25em; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 金管會</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> P2P平臺 </span></strong></span></h3> <h3>金管會正式發布P2P平臺業者指導原則</h3> <p>金管會10月19日<a href="https://www.fsc.gov.tw/ch/home.jsp?id=96&amp;parentpath=0,2&amp;mcustomize=news_view.jsp&amp;dataserno=202310190002&amp;aplistdn=ou=news,ou=multisite,ou=chinese,ou=ap_root,o=fsc,c=tw&amp;dtable=News">正式發布P2P平臺業者指導原則</a>，明訂P2P平臺業者提供的服務模式不能涉及金融特許業務，例如，不能收受存款或儲值款項，也不能發行有價證券、受益證券或資產基礎證券。</p> <p>指導原則中明訂，P2P 業者原則上僅處理借貸款項收付的資訊流，不經手金流移轉。此外，金管會也要求P2P業者確保網站的資訊安全及相關資訊傳輸的安全性。</p> <h3 style="margin: 10px 0px; font-family: 微軟正黑體, sans-serif; font-weight: bold; line-height: 1.25em; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 國泰世華銀行</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 風險偵測 </span></strong></span></h3> <h3>國泰世華銀行風險偵測平臺新增「犯罪者模組」，提高三倍異常帳戶補捉數</h3> <p>金管會近期公布截至8月止前十大金融機構阻詐金額和件數排名，國泰世華排名第一，攔詐近千件，金額約7.2億元。國泰世華銀行近期宣布，其風險偵測平臺「國泰盾2.0」自今年更新推出，加強了原有的「消費者模組」，提升用戶數位身分的驗證機制，並新增監測「犯罪者模組」，將犯罪者常出現的「登入次數異常」、「短時間內匯入、出大筆金流」等連續行為作為偵測指標，提高了三倍的異常帳戶補捉數，讓可疑帳戶的鎖控精準度達到九成。</p> <h3 style="margin: 10px 0px; font-family: 微軟正黑體, sans-serif; font-weight: bold; line-height: 1.25em; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 跨境支付</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 金融監理 </span></strong></span></h3> <h3>渣打銀行宣布首份「支付法規指南」，彙整包含臺灣等亞洲八個主要市場現行支付監理架構</h3> <p>企業發展支付服務時，法規的審查和頻繁修正是一大挑戰，若是發展跨境支付業務，更要因應不同國家的支付法規進行調整。渣打銀行發布首份彙整臺灣、中國、香港、印度、馬來西亞、韓國、泰國與新加坡等亞洲八個主要市場，涵蓋各地現行支付和電子貨幣服務的監理架構和相關許可規範，並結合金融知識，鎖定企業發展跨境業務時須面臨法規問題的痛點。該報告也鎖定電商需求，納入支付許可是否適用於B2B電商平臺的議題。不過，該報告須付費才可下載。</p> <h3 style="margin: 10px 0px; font-family: 微軟正黑體, sans-serif; font-weight: bold; line-height: 1.25em; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 金融上雲</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 本迪戈和阿德萊德銀行 </span></strong></span></h3> <h3>澳洲本迪戈和阿德萊德銀行將數位銀行系統上雲</h3> <p>澳洲本迪戈和阿德萊德銀行近期在社群媒體上公布，他們已重建數位銀行系統，並在今年5月放上雲端運行，成功提升了數位銀行App的性能。他們也證實了澳洲新聞媒體iTnews的報導，報導中提及，本迪戈和阿德萊德銀行的上雲動機是因應客戶需求改變，要確保能快速且可靠地提供客戶服務。此外，他們正在逐步減少銀行核心系統數量，以整合為單一核心系統，而上雲正是這項工程的一部分。</p> <p>根據iTnews報導，本迪戈和阿德萊德銀行認為，上雲不能僅是追求工作負載指標，而是將支付和借貸等重要的工作系統上雲，才能產生價值，因此，他們也正在將貸款發起流程放上雲端，以快速服務客戶。</p> <h3 style="font-weight: bold; line-height: 1.25em; margin: 10px 0px; font-family: 微軟正黑體, sans-serif; text-rendering: optimizelegibility; font-size: 24.5px; background-color: rgb(247, 247, 247);"><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 雲端產品服務</span></strong></span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> </span></strong></span><span style="font-size: 18.6667px;"> </span><span style="font-size: 18.6667px; color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 摩根大通 </span></strong></span></h3> <h3>摩根大通推出證券數據服務，提供多種雲端管道嫁接</h3> <p>看準雲端擴充性，摩根大通近期推出證券數據服務，提供提供投資者透過Rest APIs、互動式運算平臺Jupyter notebooks和Snowflake金融服務數據雲，檢索由摩根大通託管的基金會計數據，和中臺服務持有的投資數據。</p> <p>他們提供雲原生管道，是瞄準資產管理機構長期以來需要攝取大規模數據，以整合資產服務數據的痛點。這項服務旨在透過即時提供以現代技術堆疊的數據，協助企業藉雲端來加速數據分析、AI和機器學習的發展。這項服務可以讓投資者無論經過哪家雲端業者，都能透過Snowflake獲取摩根大通的數據，或是透過REST API、Python 和 Java SDK將數據整合至內部的應用程式中。</p> <p><span style="font-family: 微軟正黑體, sans-serif; font-size: 18.6667px; background-color: rgb(247, 247, 247);">更多Fintech新聞</span></p> <ul> <li>歐洲央行將於11月邁入為期兩年的數位歐元準備階段，可望制定正式規則，並遴選開發商</li> <li>英國新創公司BuildMyCreditScore藉開放銀行技術，讓用戶透過金融卡提高信用分數</li> </ul> <p style="margin: 0px 0px 1.5em; font-size: 14pt; line-height: 2em; font-family: 微軟正黑體, sans-serif; background-color: rgb(247, 247, 247);">責任編輯／李昀璇</p> <p style="margin: 0px 0px 1.5em; font-size: 14pt; line-height: 2em; font-family: 微軟正黑體, sans-serif; background-color: rgb(247, 247, 247);">資料來源：iThome整理，2023年10月</p> <p><!-- notionvc: b7d2a20c-53e6-4975-a2be-7137a0c22a6c --></p> </div></div></div>

台新金控揭生成式AI實驗新進展，涵蓋Chatbot、知識管理、程式助理和虛擬客服

<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"> <p>台新金控資深經理王正男日前（10/18）揭露台新金控生成式AI進展，他們不只制定AI發展關鍵因子和AI導入指引，還發展4項實驗專案，包括協作平臺的聊天機器人Teams Chatbot、知識管理平臺、程式碼撰寫助理Codex，以及虛擬智能客服。其中，Teams Chatbot是讓金控成員認識生成式AI的第一步，有了成功經驗，他們開始結合生成式AI與內部資料，打造知識管理平臺，讓使用者以自然語言問答查詢。該平臺雖未上線，但基礎建設完整，未來可能擴大發展，如作為智能客服。而虛擬智能客服不只生成擬真的客服人像，還能與使用者語音互動、推薦理財商品。</p> <p><span style="font-size:24px;"><strong>制定AI發展關鍵因子，作為金控導入AI的重要參考</strong></span></p> <p>面對生成式AI強勢襲來，台新金控在今年初列了張發展AI關鍵因子表格，作為金控導入AI解決方案的重要參考。王正男指出，這份發展AI關鍵因子表格，羅列了台新金控導入AI的目的、介面、技術、數據、基礎建設和人才等因子。就目的來說，導入AI的目標可分為降低成本、增加效率、提升體驗、輔助決策和提高收益等，這是團隊導入AI時，優先考量的項目。</p> <p>再來，台新金控重視與顧客的互動，要採用AI，會思考從不同介面與顧客互動，比如文字、聲音、圖片、影像、虛擬人物、智能設備等。就虛擬人物來說，他們也打造一款虛擬客服服務，已發展2年多，接下來要瞄準智能設備。</p> <p>至於技術，則可分為機器學習和專家系統2種，進一步細分則有自然語言處理／理解、語音轉文字、文字轉語音、生物識別、OCR，以及大型語言模型（LLM）等技術。王正男透露，台新金控看好能力強大的LLM，是接下來1、2年的發展重點。</p> <p>他也表示，如何運用金控大量、高品質和多元的數據來發展AI，提供更好的服務，也是另一個發展AI的關鍵因子。還有個因子是基礎建設，台新金控將其分為儲存空間和運算能力，如自建或採公有雲。最後一個因子是人才，資料科學家、資料工程師、AI工程師、AI訓練師，以及其中最關鍵的推動者。因為，推動者要能與長官溝通、獲得支持，才能讓AI導入事半功倍。（如下圖）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E7%99%BC%E5%B1%95%E5%9B%A0%E5%AD%90.JPG" /></p> <p>不只列出發展AI的關鍵因子，台新金控還根據觀察，歸納出AI導入成效不彰的重點，來避免踩坑。這些原因有4個，首先是無法規模化，王正男舉例，金控有許多部門，每個部門各自獨立、容易發生數據孤島，或是各自導入功能相同的AI，如金融卡部門導入OCR服務、法金部門也導入OCR服務，這就花費2倍成本，效益不佳。</p> <p>另一個原因是實驗性質過高，比如為導入而導入、未思考商業應用效應。其他原因還有對導入的商業效益過於樂觀、成本過高等。這些原因都是台新金控導入AI時要避免的。</p> <p><span style="font-size:24px;"><strong>制定AI導入指引，擴大應用優於全新導入</strong></span></p> <p>另一方面，台新金控也制定AI導入指引，共有4大原則。首先，「導入AI不會減少成本，」王正男指出，因此他們將第一原定為擴大應用優於全新導入，意思是，行內若有既有的AI技術，就會思考如何讓這項技術更普及於其他領域，而不只局限於原本的單位內。</p> <p>第二個原則是業務效率優於技術創新。換句話說，AI新技術推陳出新，比如前些年，人臉辨識、指紋辨識等生物辨識技術遍地開花，台新金控團隊會思考，這些技術對業務是否有幫助，而非為成為新聞亮點而導入。</p> <p>第三個原則是技術導入優於產品導入，也就是「不再以產品為導向，而是以技術為導向。」王正男舉例，若業務需要OCR，團隊就會思考採購OCR模組，至於能包裝成何種業務場景、業務流程，團隊則會與協力廠商溝通、包裝，來提升技術效益。</p> <p>第四個原則是外購優於技術移轉，且優於自行開發。王正男指出，台新金控內部並未大力發展AI培養能力，因此採外購模式居多，認為外購優於技術移轉、優於自行開發。（如下圖）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E6%8C%87%E5%BC%95.JPG" /></p> <p><span style="font-size:24px;"><strong>發展4大生成式AI實驗案例</strong></span></p> <p>於是，他們選定廠商，找來宏碁資訊和微軟，來進行生成式AI實驗專案。</p> <p>第1項便是用於協作平臺Teams的聊天機器人ChatGPT Chatbot，台新金控首選導入這款Chatbot，是要讓集團各單位更了解生成式AI。因為，當時台新金控高階主管和職員都對ChatGPT印象深刻，但對其局限並不清楚，因此團隊想藉導入Chatbot，來創造一個安全的環境，讓大家試驗、進一步理解生成式AI。</p> <p>於是，他們在今年3月與廠商規畫、建置專屬Chatbot，並租用微軟Azure OpenAI環境，5月正式將ChatGPT串接至Teams中，提供200個帳號供各單位使用。這項應用，也在台新金控內部舉辦的6場生成式AI Roadshow中登場，由團隊向金控成員介紹生成式AI的潛力及局限。</p> <p><span style="font-size:24px;"><strong>將生成式AI用於知識管理平臺</strong></span></p> <p>有了成功經驗，台新金控進一步展開第2項實驗專案，也就是生成式AI加持的知識管理平臺。這個平臺能讓使用者向AI提問內部問題，並得到相關解答。這項專案的目的，是要驗證Azure OpenAI能否用於內部知識管理，於是，金控IT和廠商一起打造這個平臺，採用嵌入索引（Embedding Index）來整合生成式AI和自家知識文件，再用指令（Prompt）來調整生成式AI的回答。</p> <p>該平臺的運作機制是先透過AD驗證使用者身份，使用者再向生成式AI提問，平臺再根據問題搜尋內部資料。這些資料包括內部作業指導書、資訊管理辦法、永續報告書和一級以上主管名單，為找出答案，平臺會先拆分資料，接著索引找出分數最高的相關資料，來讓生成式AI整理，產出回覆給使用者。在這個過程中，平臺也會記錄整個對話，以被稽核使用。（如下圖）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/KM.JPG" /></p> <p>王正男表示，該平臺還是實驗性質、並未上線。因其基礎建設完善，未來平臺若完整建立，會擴大發展為智能客服或其他應用，「是個非常指標性的專案。」</p> <p><span style="font-size:24px;"><strong>導入程式撰寫助理Codex</strong></span></p> <p>再來，台新金控也想驗證生成式AI用於程式開發的效益，於是展開另一項實驗專案，建立一系列研究，來測試程式撰寫工具Codex。這些研究是由使用者提出需求，讓Codex從零開始撰寫程式碼直至完成，包括資料表的建立、增刪減與重新規畫，使用自然語言對話來產生程式碼，以及撰寫初階和進階程式碼、撰寫程式碼說明等。</p> <p>王正男表示，為衡量Codex效益，台新金控也以資淺到資深的工程師來手動進行這些任務，對比Codex的任務表現，找出使用的優缺點。首先，人類工程師撰寫時間大約1小時，若初階工程師使用此工具，可提高3至4成的開發和文件撰寫速度，中階開發工程師則能提高2、3成速度，高階工程師則提升10%至20%。</p> <p>不過，團隊也發現，問對問題是需要訓練的，且「問對問題很重要。」再來，就像是對使用者說明一樣，工程師使用AI時，也要一步步好好說明問題，而Codex產出的程式碼通常無法直接使用，還需要人為調整和判斷。尤其是交易類的程式碼，只能參考，需要工程師核實再確認。</p> <p>即便如此，團隊建議，金控內部工程師可開始使用Codex來輔助撰寫程式了。</p> <p><span style="font-size:24px;"><strong>打造虛擬客服來推薦理財商品</strong></span></p> <p>不只如此，台新金控也用生成式AI打造虛擬客服，也就是生成一個擬真的客服人員，再利用語音轉文字、文字轉語音、人臉辨識等技術，來推薦理財商品給客戶。</p> <p>台新金控發展這項服務，是要解決幾個痛點，比如理財商品眾多、理財顧問理解耗時，新進人員訓練不易等。因此，他們想用主動行銷方式，來協助理專推薦商品，例如透過虛擬客服互動、取得相關資訊（如性別、年齡），再推薦理財商品給顧客，並介紹這些商品。</p> <p>他們採用的技術有JavaScript臉部辨識API，來預測顧客性別和年齡，再用Google Cloud Speech to Text API來辨識語音，轉換成文字後傳送至後端Azure OpenAI服務，來生成回覆內容。最後再將文字轉為語音，由虛擬客服用語音回答顧客，並推薦相對應的理財商品。</p> <p>而後臺的運作方式，則是團隊先將內部問題集和答案資料匯入Azure認知服務，當後臺收到顧客回答時，會進行認知搜尋，並在文件內容建立嵌入（Embeddings），再由Azure Cognitive Search拆分查詢字串、請求最類似答案。最後，會由Azure OpenAI服務將答案組合、傳回前端，由虛擬客服給出回答。（如下圖）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202023-10-20%20184315.png" /></p> <p><!-- notionvc: aa563dc8-e1a8-4a2a-a5d4-d03f5cb2e558 --></p> </div></div></div>

IBM和微軟合作推廣Azure生成式AI服務

<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"> <p><a href="https://www.prnewswire.com/news-releases/ibm-consulting-collaborates-with-microsoft-to-help-companies-accelerate-adoption-of-generative-ai-301903037.html" target="_blank">IBM和微軟宣布生成式AI的合作</a>，IBM顧問服務將協助企業客戶導入及擴大部署微軟Azure OpenAI服務。</p> <p>在雙方的合作下，推出了IBM顧問Azure OpenAI Service（IBM Consulting Azure OpenAI Service）的新服務將在Azure Marketplace上架。這項服務下IBM顧問服務將幫助企業組織導入微軟Azure OpenAI服務，方便資料科學家或開發人員使用GPT或Codex等大型語言模型。IBM將協助企業規畫採用策略、提供初步的生成式AI加值應用開發案例等商業顧問服務。</p> <p>利用IBM顧問服務的產業經驗，這項服務包含二部分。首先，透過OpenAI啟動工作坊，提供AI模型應用的知識及教育訓練，及尋找應用場景等協助。其次是OpenAI成熟度，評估資料集狀態、用戶能力、作業模式的成熟度，並建議採用AI服務的藍圖。<a href="https://azuremarketplace.microsoft.com/en/marketplace/consulting-services/ibm-alliance-usa-ny-armonk-dtt-6418595.openai_hackathon_offering" target="_blank">根據微軟網頁</a>，這項服務收費為6.5萬美元。</p> <p>而在此基礎上，IBM也將利用Azure OpenAI服務提供進階的AI應用場景規畫服務。包括了採購與詢料，這服務結合Power Platform和Azure OpenAI服務協助自動化零散的詢料（sourcing）及採購流程，並提供供應鏈活動的報表洞見。其次是摘要和內容生成；IBM將協助像是金融業者利用生成式AI摘要客戶交易及互動資料，以便產生個人化、客製化服務內容。例如IBM為瑞士寶盛集團（Julius Baer Group）在其黑客松活動中，快速以AI建立客戶個人化財務報告，並自動產生語音版本。</p> <p>第三為簡化醫療流程。例如利用AI整合及分析電子病歷及政策文件，自動化預授權（pro authorization）流程。此外也可利用聊天機器人加速蒐集病患紀錄，簡化醫護人員的工作。最後是企業搜尋及知識庫；本服務利用AI迅速搜尋分散在企業各處的資料，例如IBM和微軟協助德國原油及天然氣巨人Wintershall Dea實作跨多個資料庫的知識蒐集工具。而若整合光學字元辨識（OCR）及Azure OpenAI服務，則可加速資料瀏覽過程。</p> <p>IBM表示，該公司將在這項服務上提供2.1萬名AI及資料專家及顧問，協助企業實作生成式AI服務，加速企業轉型。</p> <p>這是IBM和微軟最新一項在雲端方面的合作成果。原為IBM技術服務部門的<a href="https://www.kyndryl.com/mx/es/about-us/news/2023/08/it-modernization-for-finnish-bank-group" target="_blank">Kyndryal本周也宣布協助</a>芬蘭200年老字號銀行Savings Banks Group，將IT系統全數轉向Azure雲端。</p> </div></div></div>

Anthropic Claude推出第二代，加入以網頁存取、支援API、擴大公測

<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"> <p><a href="https://www.ithome.com.tw/news/156012" target="_blank">AI新創公司Anthropic在5月介紹AI聊天機器人Claude</a>，而短短2個月內，<a href="https://www.anthropic.com/index/claude-2" target="_blank">又在本周宣布更新到第2代</a>，提升效能及安全性，加入以公開網頁及API存取的介面，也將公測對象推到美、英兩國用戶。</p> <p>Anthropic指出，測試第一代Claude的用戶反映Claude很好聊、能清楚解釋其思路，較不會提供有害回應，記憶力也較長久。而<a href="https://www-files.anthropic.com/production/images/Model-Card-Claude-2.pdf" target="_blank">第二代Claude</a>則大幅強化程式撰寫、數學及推理能力。例如它在律師考試的多選題得分率76.5%，優於第一代Claude的73%。而在GRE閱讀及作文測試中，Claude 2得分高居所有應試者的10%，而在定量推理則約等同人類應試者中位數得分。</p> <p>Anthropic說，最新一代AI聊天機器人除了提升效能，也增加輸入及輸出的長度；它每次輸入最長可接受100,000 tokens，意謂著它能讀取數百頁的技術文件甚至一本書，一次能撰寫更長的文件，包括數千tokens的筆記、信函。</p> <p>Claude 2也大幅改善寫程式的能力。在Python編程測試Codex HumanEval中，Claude 2的得分由前一代的56.0%提高到71.2%。而在以小學數學問題組成的AI測試資料集GSM8k中，最新的AI聊天機器人得分由85.2%提高到88.0%。Anthropic說已擬定一份Claude 2的能力提升計畫，他們會在接下來幾個月內逐步部署。</p> <p>Claude 2安全性也有所提升，這能更有效防止用戶叫它產出有害或危險的回應內容。雖然還沒有模型能完全免於被操弄、Jailbreak，但Anthropic內部用了多種安全工具及方法、人為檢查及紅隊評估工具來提升其輸出的安全性。在其紅隊評估工具中，Claude 2提供無害回應內容是Claude 1.3版的2倍。</p> <p>由於安全、功能及效能有所提升，Anthropic宣布Claude 2在美國及英國開放全面公測，他們也計畫未來幾個月內再擴大測試對象。現在用戶可以先註冊帳號（<a href="https://claude.ai/">https://claude.ai/</a>），以自然語言和Claude對談牛刀小試。</p> <p>Anthropic也宣布Claude 2支援以API及公開beta網站claude.ai存取。目前該公司已和數千家企業測試使用Claude API。其中一家是AI文字生成平臺Jasper及程式撰寫輔助工具Sourcegraph。Claude也是<a href="https://www.ithome.com.tw/news/156411" target="_blank">AWS AI服務Bedrock</a>合作的AI模型之一。</p> </div></div></div>

怕資料外洩？所以企業該選擇Azure OpenAI ChatGPT做生成式AI應用

<div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p>ChatGPT寫下使用者最快破億的新記錄，引發許多產業的高度興趣。但同時，義大利以隱私保障為由率先禁止使用ChatGPT，除了不少國家考慮跟進，從跨國企業到大學院校也都紛紛祭出禁令，禁止員工或學生使用ChatGPT。</p> <p>面對生成式AI技術的大勢所趨，如何在搶佔先機與保護機敏隱私資料之間權衡，關鍵第一步就是確認使用模式與可用解決方案，逐一釐清疑慮，包括穩定度、延展性、安全防護、管理能力、擴充性及合規法遵。而考量這些指標，正是全球多數企業選擇Azure OpenAI打造企業ChatGPT及其他生成式AI應用的關鍵原因。</p> <p><strong>Azure OpenAI與OpenAI超級比一比</strong></p> <p>早在2019年，微軟就投資當時仍是矽谷新創實驗室的OpenAI公司，OpenAI公司一路以來開發GPT的過程，也完全使用Azure的算力。微軟於2020年開始取得GPT模型獨家授權，於2023年開始在微軟自家雲端平台以Azure OpenAI（AOAI）服務為名稱提供給企業客戶使用。</p> <p>相對於OpenAI公司的原廠角色，微軟就如同發行商，兩家公司提供給客戶的GPT模型完全相同，一旦GPT模型有版本更新，微軟也會在第一時間上架Azure雲端平台。</p> <p>但從兩家公司不同的使命願景來考量，即使提供相同模型，仍有各自的配套作法。OpenAI公司的企業使命是確保通用人工智慧（GAI）造福全人類，微軟則是要賦能地球上的每一個人和每一個組織，因此對於商用市場，微軟擁有更深厚的經驗、更豐富的方案與更到位的資安措施。</p> <p>舉例來說，兩家公司對於模型的維運策略就大不相同。OpenAI公司在GPT模型主版本之下，持續釋出不同編號的次版本程式如GPT 3.5.4.1、GPT 3.5.5.2，但微軟只會選擇最穩定的版本編號提供給企業客戶使用。另一個不同則是服務的持續性，OpenAI公司先前以GPT模型功能已臻完整為由，停止提供Codex模型，但客戶在Azure仍可持續使用Codex模型，因為事涉客戶的應用規劃，微軟不會突然中止服務。</p> <p><strong>Azure OpenAI將企業資料隱私作為最大前提​</strong></p> <p>網頁版ChatGPT問答內容的流暢和專業度令人驚艷，但對於有意使用GPT技術的企業而言，也引發了攸關資料的疑慮：企業與GPT模型問答所提及的企業資訊是否會外流？或是GPT是否會使用企業的資料去優化模型？</p> <p>OpenAI公司在GPT模型推出之初，並未承諾不使用問答資料來調校及改進模型。相反地，保護客戶資料是Azure的原生DNA，從Azure問世至今累積了4千多項服務，每項服務都適用相同的資料保護聲明與條款，也就是微軟完全不會使用客戶資料，當然也不會使用客戶資料來訓練GPT模型。</p> <p>舉例來說，比GPT模型更早開始提供服務的Azure機器學習服務也適用相同準則，百分之百確保企業自有資料不外流，全球許多客戶多年來持續使用Azure AI服務，不但可享有Azure平台強化的安全機制如VNet，還能獲得與資料隱私相關的產業合規支援如HIPAA、GDPR和SOC2。</p> <p><strong>確保資料不外洩的GPT使用模式</strong></p> <p>進一步探討企業如何使用Azure的GPT模型，第一種作法是直接使用GPT模型，微軟對所有客戶都提供相同的GPT模型，使用者與GPT模型的資料問答不會被用來優化模型本身，不會改變微軟提供給其他企業的GPT模型，當然也阻絶了資料外流的可能性。</p> <p>第二種作法是將GPT模型結合企業知識庫，讓內部員工或外部客戶的發問與答案，能獲得與企業相關的資訊。在這種作法下，企業的資訊也不會被用來優化模型，同樣不會改變微軟放在Azure上提供給其他企業的GPT模型。</p> <p>第三種作法是企業將Azure的GPT模型調校 (Fine-tuning) 成自己的GPT模型，例如：更符合企業文化的客服對話風格、結合商品或服務的行銷推薦，訓練及改進過程都在企業自己的Azure訂閱內進行，而調教好的模型也僅供企業自己所使用，並不會被公開給其他企業，理所當然不會有訓練歷程或訓練數據外洩的風險。</p> <p>除此之外，企業可以進一步選用搭配Azure的資安服務如端點保護、動態監控，確保使用者端在訓練或應用過程，不會因為錯誤的操作及使用方式而導致資料外洩。</p> <p><strong>企業級的SLA承諾和應用潛能</strong></p> <p>跨入商用市場的OpenAI公司目前提供99.5%的服務等級保證（SLA），相較之下，Azure一直都提供99.9%的SLA，而且針對故障或中斷導致無法使用的意外事件，還依合約提供了企業級的賠償條款。此外，Azure OpenAI客戶還可根據需求申請提高RPM（Request Per Minute），避免流量激增而影響使用品質，甚至造成服務中斷。</p> <p>值得一提的是，以Azure OpenAI打造生成式AI應用，也同時開啟了串連整合其他Azure服務的可能性。在商用場景裡，聊天機器人只是服務功能之一，完整的AI應用必須串接其他應用程式、作業流程與企業知識庫，只靠GPT模型無法提供所有支援，但結合Azure原有的AI服務如文字轉語音，就能發揮如虎添翼的效果，這也是OpenAI無法提供的附加價值。</p> <p>此外，除了提供GPT技術，微軟也進一步將其整合到旗下產品，並以SaaS或PaaS形式提供使用，例如：Bing Search，或是Microsoft 365 Copilot、GitHub Copilot。</p> <p>目前全球已有超過上千家組織正在使用Azure OpenAI服務，從新創公司到跨國集團皆涵蓋在內。舉例來說，德國西門子和Bosch等公司，以Azure OpenAI的生成式AI服務整合產業應用，可匯集生產線機台的非結構化資料並在彈指間提供即時的生產報告。</p> <p>值得一提的是，全球使用Azure OpenAI的教育應用首例就在台灣，教育部委外建置的酷英（Cool Englsih英語線上學習平台）以Azure OpenAI結合微軟的語音辨識及語音合成技術來開發CoolE Bot英語聊天機器人，提供學習者情境式對話環境。</p> <p>此外，對資安高度敏感的半導體、商用電腦和工業電腦龍頭，以及零售新創甚或金融業，都有意以非敏感性資料發展Azure OpenAI應用，台灣各產業都展現了不落人後的積極態度。換言之，無論是國內外的應用實例，或是企業最關注的資料安全、穩定度、合規法遵等應用指標，Azure OpenAI毫無疑問都是企業組織發展生成式AI應用的首選解決方案平台。</p> <p> </p> <p>--</p> <p><strong>想瞭解更多？</strong></p> <p>隨選隨看線上研討會：<a href="https://info.microsoft.com/GC-ADAI-VDEO-FY23-03Mar-23-Azure-OpenAI-service-From-Zero-to-Hero-takes-you-through-the-mysteries-of-AI-SRGCM9618_LP01-Registration---Form-in-Body.html" target="_blank">Azure OpenAI 服務 ： From Zero to Hero 帶您揭開 AI 神秘面紗 (microsoft.com)</a></p> <p>2023 AI EXPO 精彩回放：<a href="https://www.facebook.com/watch/live/?ref=watch_permalink&amp;v=188640063548791" target="_blank">從 Azure AI 平台與 GPT-4 前瞻 AI 科技</a></p> <p> </p> <p><strong>用聲音了解生成式 AI：</strong></p> <p>微軟重押，ChatGPT 商機會怎麼發展？</p> <ul> <li>Apple Podcast：<a href="https://aka.ms/AOAI_Podcast1_0321" target="_blank">https://aka.ms/AOAI_Podcast1_0321</a></li> <li>Google Podcast：<a href="https://aka.ms/AOAI_Podcast2_0321" target="_blank">https://aka.ms/AOAI_Podcast2_0321</a></li> <li>Spotify：<a href="https://aka.ms/AOAI_Podcast3_0321" target="_blank">https://aka.ms/AOAI_Podcast3_0321</a></li> </ul> <div> </div> <p>生成式 AI 如何成為神隊友，為產業帶來新契機</p> <ul> <li>Apple Podcast：<a href="https://aka.ms/AOAI_Podcast1_0331" target="_blank">https://aka.ms/AOAI_Podcast1_0331</a></li> <li>Google Podcast：<a href="https://aka.ms/AOAI_Podcast2_0331" target="_blank">https://aka.ms/AOAI_Podcast2_0331</a></li> <li>Spotify：<a href="https://aka.ms/AOAI_Podcast3_0331" target="_blank">https://aka.ms/AOAI_Podcast3_0331</a></li> </ul> </div></div></div><div class="field field-name-field-image field-type-image field-label-hidden"><div class="field-items"><div class="field-item even"><img src="https://s4.itho.me/sites/default/files/styles/picture_size_large/public/openai-microsoft-960x420.jpg?itok=yEwUBvSs" width="960" height="420" alt="" /></div></div></div><div class="field field-name-field-photo-source field-type-text field-label-hidden"><div class="field-items"><div class="field-item even"> <p>Microsoft</p> </div></div></div>

GitHub發表AI軟體開發願景Copilot X，嵌入GPT-4能力

<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"> <p><a href="https://github.blog/2023-03-22-github-copilot-x-the-ai-powered-developer-experience/" target="_blank">GitHub周三（3/22）發表了基於GPT-4的Copilot X</a>，除了可協助開發者完成註解及程式碼之外，它還能處理拉取請求（Pull Request）、命令列，以及對專案文件的提問，同時納入了聊天及語音寫程式功能，GitHub將Copilot X稱為AI軟體開發的願景，期待GitHub Copilot成為整個程式開發周期的AI助理。</p> <p>GitHub自2021年開始預覽，於2022年6月正式上線的GitHub Copilot是首個來自於OpenAI Codex模型的大規模生產式AI開發工具，該Codex模型為GPT-3模型的後裔，不到一年的時間，全球已有超過5,000個企業及100萬名開發人員採用Copilot，它讓開發人員撰寫程式的速度快了55%，且有46%的程式碼是來自Copilot。</p> <p>而今隨著GPT-4的問世，Copilot旋即採用了最新的GPT-4，整合了聊天及語音功能，並賦予Copilot更多的能力。看起來Copilot X並非是Copilot的特定版本，而是GitHub對Copilot的未來想像。</p> <p>在Copilot X中，開發人員的編輯器將具備類似ChatGPT的GitHub Copilot Chat聊天介面，只是它更注重開發者的需求，而且直接整合了VS Code與Visual Studio，讓開發人員可得到深入分析，了解各個程式碼區塊的作用，生成單元測試，甚至取得修補臭蟲的建議。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/0323-GitHub%20Copilot%20X-Chat.png" style="width: 600px;" /></p> <p>此外，<a href="https://www.ithome.com.tw/news/154153" target="_blank">GitHub也將去年底展開實驗</a>的語音寫程式功能Hey, GitHub！更名為GitHub Copilot Voice，並把它嵌入GitHub Copilot Chat。</p> <p>新的Copilot for Pull Requests功能則奠基於GPT-4模型，可自動產生拉取請求描述，開發者還可藉由另一個GitHub程式，根據所變更的程式碼自動產生標籤。GitHub內部也在測試其它有關拉取請求的功能，像是依照程式碼的變更在開發者建立拉取請求時提供句子與段落的建議，或是在開發者建立拉取請求卻忘了充分測試時提出警告。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/0323-GitHub%20Copilot%20X-Copilot%20for%20Pull%20Requests.png" style="width: 600px;" /></p> <p>而即將發表的GitHub Copilot for Docs則是一項實驗性工具，透過一個聊天介面來自動回答使用者對專案文件的各種問題。另一項新工具為Copilot for the command line interface，可用來撰寫命令及迴圈，藉由模糊的查找標誌來滿足開發者的查詢。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/0323-GitHub%20Copilot%20X-Get%20AI-generated%20answers%20about%20documentation.png" style="width: 600px;" /></p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/0323-GitHub%20Copilot%20X-Get%20AI-Copilot%20for%20the%20command%20line%20interface.png" style="width: 600px;" /></p> <p><a href="https://github.com/features/preview" target="_blank">目前上述功能或工具都處於預覽階段</a>，開發者必須分別申請試用。</p> </div></div></div>

企業擁抱ChatGPT技術要知道的10個QA

<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"> <p>今年3月1日，OpenAI正式跨入企業應用市場，釋出了ChatGPT背後GPT-3.5版模型的付費API服務，也跨進了更多企業對話式應用情境，從搜尋、問答、客服、導覽到語音操控等。</p> <p>不到2周，新一代GPT-4模型問世，不只文字，還能輸入圖片，帶來了生成式AI更多種應用的可能，不只是回答問題，還可以解釋圖片、看圖答題，或是分析圖表趨勢，甚至，只要輸入一張手繪的網站設計草圖，GPT-4就能自動生成對應網頁的程式碼。不只國外企業，臺灣金融業、製造業、政府和教育機構都躍躍欲試，想要開始採用ChatGPT背後的超大語言模型技術。</p> <p>不過，企業擁抱GPT的考量，和個人使用截然不同，我們整理了10個企業擁抱ChatGPT技術要先知道的10個QA。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%961-OpenAI%E6%9C%8D%E5%8B%99%E7%8B%80%E6%85%8B.png" style="width: 600px;" /></p> <p><strong><span style="color:#696969;">OpenAI的付費API沒有提出服務可用性的保證，根據其服務狀態儀表板來看，API可用性約98~99％，每個月會中斷30～40分鐘。這是企業採用前要留意的事。</span></strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：GPT、ChatGPT、OpenAI和Azure OpenAI有何不同？</strong></span></span></p> <p><span style="font-size:28px;"><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> A </span></strong></span></span> <strong>這是上手ChatGPT技術前要先釐清的四個名詞，ChatGPT應用是爆紅的AI對話服務，背後所用的生成式AI模型就是GPT模型的3.5版本，而開發出ChatGPT應用的公司就是OpenAI，他們也在3月1日釋出了OpenAI的API服務，其中就包括了ChatGPT模型的API。而微軟則是將OpenAI的技術部署到Azure上來提供，也就是Azure OpenAI服務。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：OpenAI和Azure提供的ChatGPT技術API有什麼不同？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>在技術上，凡是OpenAI公司提供API功能或模型，微軟承諾會盡快跟進在自家Azure OpenAI服務上提供。兩者主要不同是，OpenAI公司的API傾向於研發、研究使用為主，而微軟則比照原本Azure公雲的服務等級，提供了更多資安強化（例如VLAN傳輸）、服務可用性承諾（例如99.9%的的SLA）、企業合規要求、顧客資料保護承諾、隱私機制、AI倫理機制等。另外，企業則可自助申請快速啟用OpenAI的付費API服務，但Azure OpenAI目前則採審查申請制，需等待一段時間審查才能開通。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：企業可以使用哪些OpenAI生成式模型？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>OpenAI目前可以提供最新多模態的GPT-4（限定測試版）以及ChatGPT所用的GPT-3.5版模型，以及GPT-3模型，另外還提供了圖片生成式模型DALL·E （測試版）、語音轉文字的Whisper模型（測試版）、程式碼生成模型Codex（限定測試版）、過濾敏感資料的微調模型Moderation，還有一個適合用於企業內部運用的Embeddings模型API。不過，這些模型都是公版的基礎模型（base-model），企業若希望模型能更佳客製化，需要進行模型微調（Finetune）或是輸入提示（Prompt）來引導。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：提示和微調有什麼不同？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>ChatGPT可以輸入提示文字（prompt）來引導ChatGPT產生的內容，越來越符合使用者預期的需求，同樣也可以用於OpenAI的API，甚至出現了「AI提示工程師」（Prompt Engineer）或者更詩意的「AI詠唱者」說法，只要提問的問題問得好，就越能得到更貼切的答案。</strong></p> <p><strong>但是，輸入提示給基礎模型，不會改變基礎模型本身的權重。因此，每一次都要重新輸入提示文字才能得到想要的答案。若要建立客製化的模型，企業得改用微調（Finetune）的方式，輸入一批自己的資料，來調教OpenAI提供的基礎模型，產生自己的客製化模型。不過，目前OpenAI還沒有開放GPT-3.5和GPT-4的微調，只能透過提示工程來進行客製化。另外，微調也不是重新訓練整套GPT模型，而是針對使用者提供的少量數據來改變部分參數的權重（或者可以說是加上一個屬性模型），讓模型輸出的結果更符合使用者的期待，因此，微調模型不需要龐大訓練資料，也不需要像重新訓練那樣費時及龐大成本。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：為何要計算Token? 一次最多上傳多少字？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>當輸入一段文字到API後，OpenAI會抽取這段文字中的詞或概念（類似斷詞），將文字轉換成一個個Token。以中文字來說，平均一千個中文字約有600～700個Token不等，但還要看文字內容而定。OpneAI的API上傳限制就是按照Token數量來計算，例如 GPT-3.5模型的上限是4K個Token，而GPT-4則增加了四倍，最大到32K個（不過，目前只開放特定用戶）。Token也是OpenAI API的計價單位，以對話用的gpt-3.5-turbo的API來說，每千個Token要價0.002美元，而最新的GPT-4的32K引擎版本則每千個Token要價0.12美元，後者貴了60倍。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：什麼是Embeddings模型？有什麼用途？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>不同於GPT-4或GPT-3.5是生成媲美人話的文字來回覆使用者，Embeddings模型是將輸入的文字轉換成一個浮點數值的嵌入向量（Embeddings Vector），當兩段文字的向量距離越近（可透過向量計算得到），就代表了這兩段文字的關聯性越高。可以用於搜尋（比對一段話在一篇文章中的位置，或從一批文章找出最相關者）、分類用途（將相關性高的文章分成同一群）、尋找關鍵字（找出中一篇文章最相關的幾個關鍵詞）等。摩根士丹利財管公司就是利用Embeddings功能來搜尋和整理龐大知識資產。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：企業能不能下載模型到本地端部署？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>不能，不論是OpenAI或Azure都沒有提供GPT-3.5或GPT-4的本地端部署，企業只能將資料上傳到雲端API。透過微調產生的客製化模型，也只能儲存在雲端，透過API呼叫來使用，無法下載部署。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：OpenAI將資料儲存在哪？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>目前全都儲存在Azure美國機房，微軟的Azure OpenAI服務也是。所以，對臺灣企業而言，等於是境外服務。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：企業上傳的資料會不會變成訓練資料？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>企業上傳到OpenAI的資料可分為兩類，一類是每次輸入的提示文字或問題，另一類是用來微調模型的數據。OpenAI承諾從3月1日後不會用這些提示文字資料來訓練（代表之前會），不過，企業可選擇願意授權給他們用於訓練。對於第二類，OpenAI保證只會用於顧客自己模型的微調，不做他用。微軟則比照Azure政策，不會私自使用顧客上傳的資料也不會賣給第三方。不過，不論是OpenAI或微軟，對於輸入的第一類提示文字則會保留30天，以供敏感資料的真人審查之用。</strong></p> <p><span style="color:#B22222;"><span style="font-size:28px;"><strong>Q：為何需要真人審查？企業能不能拒絕？</strong></span></span></p> <p><span style="font-size: 28px;"><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> A </span></strong></span></span> <strong>GPT-4目前只能過濾8成敏感內容（不當指令攔截可超過95%但並非100%），而gpt-3.5-turbo甚至不到6成，因此，OpenAI在特定情況下會由少數獲得授權的真人來審查有疑慮的內容，微軟Auzre OpenAI服務也是如此，不過，微軟也提供企業可以專案申請免除真人審查。</strong></p> <p class="rtecenter"><strong><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%9C%962-%E7%9C%9F%E4%BA%BA%E5%AF%A9%E6%9F%A5%E6%B5%81%E7%A8%8B-%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90-%E5%BE%AE%E8%BB%9F.png" style="width: 600px;" /></strong></p> <p><strong><span style="color:#696969;">不論是OpenAI或微軟，對於企業輸入的提示文字會保留30天，以供敏感資料的真人審查之用。不過，微軟開放企業專案申請免除真人審查。</span></strong><span style="font-size:14px;"><span style="color:#696969;">圖片來源／微軟</span></span></p> </div></div></div>

【微軟專家剖析企業採用關鍵考量】Azure OpenAI導入前得先知道這4件事

<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"> <p>在OpenAI推出ChatGPT API的一周後，微軟即在自家Azure OpenAI服務推出企業級ChatGPT 模型的API。Azure OpenAI原本已經有DALL-E、GPT-3、Codex等大型生成式AI模型API的存取選項。微軟大中華區Azure BG資深市場策略經理陳婉瑜表示，自Azure OpenAI開放申請使用的一個多月以來，不僅受到多國企業關注，也有臺灣企業看到生成式應用價值。國外企業申請以遊戲業和零售業最為熱烈，臺灣則是製造、金融、政府、教育等產業的企業或機構較多。</p> <p>陳婉瑜表示：「OpenAI的服務傾向研究和實驗使用，Azure OpenAI則注重商業上的可用性。」企業用戶在應用ChatGPT等生成式AI時，必須比一般使用者謹慎，因此Azure的OpenAI服務，雖然技術與OpenAI服務基本相同，但設計了更多瞄準企業需求的機制。</p> <p><span style="font-size:28px;"><strong>重點1：企業應了解OpenAI的服務可用性及運算資源限制是否符合需求</strong></span></p> <p>根據OpenAI服務狀態網頁，網頁版ChatGPT和ChatGPT API的每個月的服務可用時間都在98%至99%間浮動。雖然對於個人級別的使用場景而言，1個月中有只有14個小時不能使用ChatGPT並不會造成太大困擾，但對企業來說，若服務中斷於流量高峰期等關鍵時刻，就可能帶來巨大損失。</p> <p>OpenAI沒有對ChatGPT的服務可用性作出任何承諾，因此企業難以衡量服務中斷的風險。微軟Azure OpenAI則提供了服務水準協議（Service Level Agreement, SLA），保證提供99.9%服務可用性，這也適用於ChatGPT模型的API。換句話說，平均1個月最多只會有40分鐘的服務中斷時間。有了SLA，企業更容易評估服務中斷的風險，也能根據SLA來設計對應的失效安全措施。不只如此，服務可用時間高達99.9%，代表企業將ChatGPT等AI模型應用到更多系統時，服務中斷的風險相比只有98%到99%可用性的OpenAI服務低上不少。這也有利於企業維運與顧客觀感有關或要求高度可用性的系統。</p> <p>除了可用性外，運算資源也是企業必須考量到的一大重點。根據Azure OpenAI官網，目前微軟版ChatGPT給企業用戶的預設運算上限是每個模型每分鐘接受300份請求、120,000個Token，每個資料中心區域（Region）能動用的基礎架構資源（Resource）上限為2份。也就是說，1個企業用戶每分鐘最多能送出600份請求、240,000個Token。當然，若企業要提升使用量，也能專案申請加價購買。不過這也意味著，企業應用ChatGPT及Azure OpenAI上其他模型時，須考量應用場景和規模，以免造成請求量過載，或成本超出預期。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/%E5%8F%88%E8%8F%AF-%E5%BE%AE%E8%BB%9F-%E5%9C%962.png" style="width: 600px;" /></p> <p><strong><span style="color:#696969;">Azure OpenAI版的ChatGPT介面。與OpenAI推出的ChatGPT API一樣，使用者可以調整Temperature、Top Probabilities、最長Tokens長度等參數，來控制ChatGPT輸出回覆的傾向。</span></strong></p> <p><span style="font-size:28px;"><strong>重點2：企業應了解如何防範不當內容及控管資料存取權限</strong></span></p> <p>在開始應用ChatGPT等生成式AI前，企業必須先客製化AI模型，將企業內部資料或業務邏輯輸入AI模型。企業客製化AI模型時，一種常用方法是微調（Fine tune）。台灣微軟技術架構師黃耀逸解釋，微調的原理是改變回覆字句的權重，讓AI有更高機率回答出貼近企業需求的答案。不過，自ChatGPT問世以來，網路上已經流傳著許多案例，證明讓AI做出不恰當或不雅的回覆，是相當容易的事。</p> <p>因此，黃耀逸建議，在微調模型時，不只要將希望AI回答的字句訓練進去，還要同時規範AI不應回答的內容，也就是將不當字句的回覆權重調低。同時，微軟的Azure OpenAI服務也內建內容過濾器，排除情色、暴力、歧視、仇恨言論等內容。</p> <p>企業另一項常見需求是，為了符合不同角色工作需求或保護企業高敏感度資料，必須依照身分來區分AI對使用者輸出的內容，例如基層員工不能從AI問出企業高層才有權限取得的營業資料。因此，企業不論是將生成式AI整合到對外溝通工具，還是用於營業數據分析、知識管理等內部用途，都有必要控管回覆內容。</p> <p>黃耀逸說，Azure OpenAI可以整合企業既有Azure AD身分管理服務服務，來辨認詢問者身分。企業可以先設定不同內容過濾器，甚至微調出不同版本的模型，例如一個基層員工模型、一個高層主管模型，再要求Azure OpenAI依照詢問者身份，根據權限來過濾特定問答，或切換到對應的模型。</p> <p><span style="font-size:28px;"><strong>重點3：企業應了解OpenAI問答內容有可能經過人工審查</strong></span></p> <p>OpenAI版的ChatGPT會保留問答內容30天，以便在需要時，人工審查不當內容。儘管OpenAI強調，不會將這些資料用來訓練自家模型，但對企業來說，既然資料會在自己無法控管的環境中保留，還有可能遭真人存取，難免會擔心敏感資料外洩。</p> <p>微軟版ChatGPT則多了一些彈性。陳婉瑜表示，原則上微軟也會保留問答資料30天，若自動內容過濾機制難以判斷內容是否合乎規範，就會調出資料來人工審查。不過，考量到有些企業對於資料保護的需求，微軟接受企業申請免除審查，以降低資料外洩風險。目前申請通過的情況依個案情況而定，沒有明文規定豁免審查的細項條件。</p> <p>資料傳輸方法上，Azure OpenAI服務可以透過私有網路VLAN傳輸資料，企業還能以自有私鑰來加密傳輸過程，安全性較高。相較之下，企業使用OpenAI服務時，是透過一般網際網路的加密協定來上傳資料，因此傳輸過程的安全性較低。</p> <p><span style="font-size:28px;"><strong>重點4：Azure策略是快速跟進OpenAI主要模型重大更新</strong></span></p> <p>陳婉瑜表示，未來微軟與OpenAI的模型更新會盡量同步。若OpenAI的主要模型有重大更新，Azure OpenAI也會盡快跟進。舉例來說，OpenAI 3月1日發布了使用GPT-3.5-Turbo模型的ChatGPT API，微軟同月8日就跟上了。她並強調，考量到企業用戶對穩定性的需求更高，微軟只會跟進重大版本更新，重大版本間的小型更新則不一定會跟上。</p> <p>陳婉瑜補充，雖然新模型發布時間較OpenAI晚，但Azure OpenAI服務會和Azure許多服務高度整合，是OpenAI版較難做到的，例如和Azure虛擬網路運行環境VNet中的各式服務整合，或是結合Azure AD，來控管使用者的問答權限。</p> </div></div></div>

微軟把ChatGPT整合到Azure OpenAI服務

<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"> <p>微軟Azure持續加碼人工智慧（AI）服務，<a href="https://azure.microsoft.com/en-us/blog/chatgpt-is-now-available-in-azure-openai-service/" target="_blank">上周宣布</a>，Azure Open AI服務將以預覽版推出ChatGPT服務。</p> <p>這是<a href="https://www.ithome.com.tw/news/155192" target="_blank">微軟Azure OpenAI服務繼今年1月推出GPT-3.5、Codex和DALL-E 2模型</a>後，最新上線的OpenAI服務。微軟說，迄今已經有超過1,000家客戶運用包含這3項以外的AI模型來創新其服務。</p> <p>現在開發人員可以將ChatGPT聊天機器人整合在其自有服務，包括回覆客戶問題、覆述客服對話、自動化處理理賠以及新增個人化的廣告文案。微軟說，Azure OpenAI可以和Azure認知服務合併使用，像是和Azure認知搜尋（Cognitive Search），以便利用對話式語言，在企業資料中進行知識庫檢索。</p> <p>ChatGPT即日起上線開放使用，費用為每1000 token 0.002美元，從3月13日開始收費。</p> <p>目前Azure用戶已有美國辦公用品供應商ODP Corporation、新加坡智慧國家數位政府專案辦公室及合約管理軟體業者Icertis使用ChatGPT的案例開發加值應用。ODP的HR部門用ChatGPT來改良文件檢視流程、建立新職缺描述及輔助溝通；新加坡政府用它作為專案辦公室的人機互動介面；Icertis則將之整合到商業合約檢視及總結功能。</p> <p>除了ChatGPT和Azure OpenAI的整合外，微軟內部也已將ChatGPT整合到其他消費及企業產品，包括GitHub Copilot使用OpenAI的AI模型加速開發、Teams付費服務加入智慧總結（intelligent recap）及AI分章節功能、員工社交及協同平臺Viva Sales服務以AI提供郵件內容建議及檢視業務資料；最知名的就是Bing加入ChatGPT強化搜尋。</p> <p>微軟強調其AI服務從4個層面確保符合「負責任AI（responsible AI）」的準則。第一是從應用層，例如告知文字結果是由AI產生，需用戶同意才可執行；第二是從提供技術面的防護，像是輸入、輸出的內容過濾；第三是流程和政策，包括通報濫用的系統，或服務層級協定（SLA）；第四則提供設計指引及透明化筆記等文件，說明模型的效益及測試過的項目。</p> </div></div></div>

GitHub更新Copilot，程式碼生成更快更安全

<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"> <p><a href="https://github.blog/2023-02-14-github-copilot-now-has-a-better-ai-model-and-new-capabilities/">GitHub升級Copilot底層的Codex模型</a>，以提供更好的程式碼品質和回應速度，另外，GitHub在去年12月向企業開放Copilot後，現在進一步強化<a href="https://github.blog/2023-02-14-github-copilot-for-business-is-now-available/">Copilot for Business</a>，添加包括VPN代理支援等企業級功能。</p> <p>Copilot現在使用新版OpenAI Codex模型，能夠合成出品質更好的程式碼，而且Copilot也能依照程式碼前後文提供建議，原因是GitHub開發團隊使用一種稱為FIM（Fill-In-the-Middle）的範式，使Copilot不只能夠考慮程式碼的前綴，同時也會利用已知的後綴，藉由中間留空讓Copilot填補，如此模型就能擁有更多的程式碼脈絡，生成更精準的建議。</p> <p>官方現在也更新VS Code的Copilot擴充套件，使用輕量級客戶端模型學習使用者的習慣，來增加程式碼建議接受率，當開發者沒有接收Copilot所提供的建議，系統便會依照此結果，減少後續不必要的建議，以降低打斷開發流程的機會，官方提到，經過他們的研究，這樣的改進可以減少4.5％的建議，並且使程式碼接受率上升。</p> <p>Copilot還加入人工智慧漏洞過濾系統，能即時阻擋模型產生不安全的程式碼，包括寫死憑證、SQL注入和路徑注入等。也就是說，新系統使用大型語言模型來逼近靜態分析工具的行為，因為Copilot使用強大的運算資源執行人工智慧模型，因此能夠以非常快的速度，偵測程式碼片段中存在漏洞的寫法，並且以替代建議置換不安全的程式碼。</p> <p>官方認為，這是人工智慧改變開發人員處理漏洞的方法，傳統的安全漏洞分析工具，需要在建置或發布前，才使用靜態分析工具對整個程式碼庫進行掃描分析，而Copilot則會在開發階段，在編輯器執行漏洞偵測，從源頭使開發者寫出更安全的程式碼。</p> <p>另外，GitHub還更新Copilot for Business，除了獲得新模型加持之外，Copilot現在能與VPN代理良好運作執行自簽章憑證，使開發者在任何工作環境都可以使用Copilot。而且在12月GitHub剛推出Copilot for Business時，企業需要透過GitHub業務才能訂閱，但現在官方推出自助服務，企業可以簡單地註冊並開始使用Copilot for Business。</p> <p>開發者已經越來越仰賴人工智慧開發工具，GitHub表示，在剛推出Copilot時，開發者的程式碼檔案中，有27％程式碼由Copilot生成，但是到了現在這個比例上升到了46％，而在Java程式開發中，這個數字甚至高達61％。</p> </div></div></div>

AI趨勢周報第207期：德研究院亮相48kHz高解析度音樂合成AI，單一消費級GPU就能跑

<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"> <p><span style="color: rgb(0, 0, 255);">重點新聞(0127～0202)</span></p> <p>本周生成式AI仍占據鎂光燈焦點，德國馬克斯普朗克研究院（Max Planck Institutes）發表文字轉音樂模型Moûsai，可生成數分鐘且48kHz高解析度的音樂，而Google也推出一款音樂生成模型MusicLM，不只能文字轉音樂，輸入一張圖和標題甚至是一段旋律，也能產出音樂。而文字轉圖像的生成式AI遍地開花，如微軟加碼與OpenAI合作、Shutterstock正式推出AI圖像生成工具，但也有不少版權或抄襲問題出現，如Getty Images告Stability AI侵權，坊間也有專門揪出ChatGPT產出的工具GPTZeroX上線。另一方面，AI權威吳恩達聯手專家推出機器學習入門數學課，用互動式視覺化設計讓新手快速理解演算法原理。</p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  Max Planck  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  文字轉音樂  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  48kHz  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>德普朗克研究院亮相48kHz高解析度音樂生成模型，單一消費級GPU就能跑</strong></span></p> <p>德國Max Planck研究院最近發布一項研究成果Moûsai，該模型能根據文字輸入，來合成48kHz高解析度的音樂。而且，有別於一般文字轉音樂模型、幾乎只能生成數秒音樂，Moûsai產出的音樂長達數分鐘，也能合成人聲歌曲，只是咬字未必準確。團隊想出一種有效率的合成方法，來即時生成不同風格的音樂，他們的Moûsai由2個擴散模型組成，首先是擴散級度自動編碼器（DMAE），用來壓縮音樂波形，將其縮小為64分之一，並保有近乎相同的品質。再來是潛在文字轉音檔擴散模型，團隊用擴散模型產生一個新的潛在空間，同時也調適從Transformer語言模型得到的文字嵌入。</p> <p>特別的是，團隊對這2個模型採用相同的1D U-Net架構，只有配置不同。如此一來，Moûsai可在單一個消費級GPU上執行，不耗費大量運算資源。Moûsai由2,500小時的音樂訓練而成，團隊表示，未來將增加訓練音樂時數至5萬至10萬小時，讓模型生成更多樣、更符合文字描述的音樂。同時，他們也提供<a href="https://anonymous0.notion.site/anonymous0/Mo-sai-Text-to-Audio-with-Long-Context-Latent-Diffusion-b43dbc71caf94b5898f9e8de714ab5dc">樣本音樂</a>和開源<a href="https://github.com/archinetai/audio-diffusion-pytorch">程式碼</a>，來加速相關研究。<a href="https://paperswithcode.com/paper/mousai-text-to-music-generation-with-long">（詳全文）</a></p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/Screen%20Shot%202023-02-02%20at%2011_38_01%20AM.png" /></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Google  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  音樂生成  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  高保真  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>Google新模型能根據圖文產出高保真音樂</strong></span></p> <p>近來生成AI在文字轉圖像領域大放異彩，不過，Google日前開發一款生成式模型MusicLM，用28萬小時的音樂訓練而成，可將文字轉換為音樂，使用者輸入文字提示就能得出數秒至5分鐘的24kHz曲子，甚至輸入一張圖和文字標題，或一段旋律，也能生成音樂。</p> <p>這不是第一款文字轉音樂AI，先前，OpenAI就發表過Jukebox模型，Google自己也曾推出AudioML，但這次的MusicLM表現更好，能產出的音樂複雜度與保真度也比其他模型高，比如模型能根據「在平靜的小提琴旋律中加入重複的破音吉他段落作為背景」這句描述，產出相應的音樂，還能生成特定樂器的演奏曲，或將不同風格的音樂片段組合成數分鐘的樂曲，甚至也能合成人聲合唱，就像是音樂界的ChatGPT。不過，人聲合唱部分並非完美，偶爾出現胡言亂語。</p> <p>在架構上，MusicLM用3個模型來抽取音檔表徵，以便後續進行條件式自迴歸音樂生成。首先，團隊利用SoundStream模型的自監督音檔表徵，作為聲學Token，來用於高保真音樂合成。接著，他們用w2v-BERT模型作為中間層，來確保生成音樂的長期一致性，而MuLan模型則用來提取目標音檔表徵。為讓這些模型產生的離散音檔與AudioLM模型整合，來實現文字-音樂生成，團隊提出階層式序列到序列建模任務，每個階段都由一個獨立的Transformer解碼器模型來自迴歸建模。經測試，MusicLM表現比其他基準模型如Mubert、Riffusion要好，團隊也釋出含有5,500組音樂-文字的資料集，來加速未來研究。<a href="https://google-research.github.io/seanet/musiclm/examples/">（詳全文）</a></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  吳恩達  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  數學  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  機器學習  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>AI權威吳恩達聯手專家推出ML新手數學課</strong></span></p> <p>最近，AI教育專家Luis Serrano和吳恩達、Magdalena Bouza、Elena Sanina等人聯手推出機器學習入門數學課，聚焦AI中重要的數學概念，這門課已在教育學習平臺Coursera上線，使用者可免費註冊。</p> <p>吳恩達表示，理解線性代數、機率、微積分、統計等概念，有助於學員更好理解演算法如何運作。這一系列的數學課，搭配互動式視覺化設計，能幫助學員理解數學概念，「學數學不是要背公式，而是強化直覺，」他強調。學員修完課程後，能以向量、矩陣來呈現數據，也能將特徵值和特徵向量概念用於機器學習問題，優化不同類型的函數。<a href="https://www.deeplearning.ai/courses/mathematics-for-machine-learning-and-data-science-specialization/">（詳全文）</a></p> <p> </p> <div class="media_embed" height="315px" width="560px"> <iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen="" frameborder="0" height="315px" src="https://www.youtube.com/embed/rt0uNjjBya4?controls=0" title="YouTube video player" width="560px"></iframe></div> <p> </p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  ChatGPT  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  GPTZerXX  </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></p> <p><span style="font-size: 22px;"><strong>抓弊神器正式上線，GPTZeroX專揪AI生成文章連ChatGPT都能分辨</strong></span></p> <p>就讀普林斯頓大學的2位開發者Edward Tian和Sreejan Kumar近日正式推出GPTZeroX工具，可用來分辨文章是否為ChatGPT這類大型語言模型產出。進一步來說，使用者將文章段落複製貼上或上傳至GPTZeroX應用程式，就能得出分析結果，系統會將可能是AI模型產出的段落，用黃底標註出來。GPTZeroX還支援批量處理，一次可辨識多個上傳檔案，包括PDF、.txt、Word格式都可以。</p> <p>這套模型以兩人去年推出的GPTZero模型為基礎，利用使用者給予的回饋來重新訓練模型，改善模型對特殊用例的辨識力。Edward Tian表示，新模型採用AWS Lambda無伺服器運算服務，有GPU加速，因此執行速度比以前更快。他們也寫了一個Python API，來供需要大量辨識的企業使用。不過，國外使用者測試反應，GPTZeroX雖能辨識ChatGPT產出的文章，但有時容易出現故障。<a href="https://gptzero.substack.com/p/gptzerox">（詳全文）</a></p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/Screen%20Shot%202023-02-02%20at%2011_45_14%20AM.png" /></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);">  超級運算  </span></strong></span></p> <p><span style="font-size:22px;"><strong>微軟再加碼數十億美元！擴大OpenAI合作要加速AI商業化</strong></span></p> <p>微軟日前與OpenAI展開第三階段合作，投入數十億美元，持續擴AI超級運算、模型開發和雲端服務，要加速AI技術商業化。目前，微軟Azure雲平臺有多個超級運算系統，用來執行OpenAI開發的模型訓練和推理工作負載，OpenAI也將繼續用Azure超級運算系統，來開發、訓練所有模型。微軟增加這些系統的投資，來加速OpenAI的獨立研究，Azure也將繼續成為OpenAI在研究、API和產品上的獨家雲端供應商。</p> <p>微軟將持續在自家產品大量採用OpenAI模型，也會擴大GitHub Copilot和微軟Designer應用程式對OpenAI技術的採用。開發者除了可從OpenAI的API服務取用模型外，也將能繼續從微軟Azure OpenAI服務存取GPT、DALL-E和Codex等模型。<a href="https://blogs.microsoft.com/blog/2023/01/23/microsoftandopenaiextendpartnership/">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  NIST </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  風險管理    </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  負責任AI  </span></strong></span></p> <p><span style="font-size:22px;"><strong>NIST發布AI風險管理框架，企業擁抱新技術可參考</strong></span></p> <p>為降低企業、組織擁抱AI的潛在風險，美國國家標準暨技術研究院（NIST）最近發布第一版AI風險管理框架（AI RMF），是一套針對AI系統的設計、開發、部署和使用的指南，來降低應用AI技術的風險。</p> <p>該框架是美國國會指示NIST設計，NIST指出，AI RMF框架是由NIST與公部門和企業合作制定，可分為兩部分，首先是AI相關風險與可信賴AI系統的特徵，再來是描述4大具體功能，分別為治理、映射、測量管理，協助組織實踐框架。同時，NIST也發布AI RMF Playbook，從中指導企業、組織使用該框架，他們揭露，接下來將與AI社群合作並定期更新框架，還要成立可靠、負責任AI資源中心，協助組織實踐AI RMF 1.0。<a href="https://www.nist.gov/news-events/news/2023/01/nist-risk-management-framework-aims-improve-trustworthiness-artificial">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Shutterstock  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  圖像生成  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  生成式AI  </span></strong></span></p> <p><span style="font-size:22px;"><strong>大型圖庫業者Shutterstock正式推出AI圖像生成工具了</strong></span></p> <p>擁有百萬名投稿人的圖庫業者Shutterstock宣布，自家AI圖像生成工具正式上線，使用者可用Shutterstock工具包Creative Flow，來給出文字提示、產生4個圖像。甚至，這個提示可以是一個單字，使用者也能指定生成的圖像類型。業者預告，接下來將新添智慧編輯功能，來產出更多種長寬比、更高解析度，提供動態圖像生成功能。</p> <p>Shutterstock表示，自家AI圖像生成工具的特色是，用戶不必編寫複雜的提示就能獲得良好的結果，特別是，Shutterstock用風格多元、對來源負責的數百萬個視覺圖像作品，並以AI生成圖像的授權收入，補償相關的已知貢獻者，實現Shutterstock對AI負責的承諾。這是繼Adobe之後，另一家制定AI圖像生成授權規範的業者。<a href="https://www.shutterstock.com/blog/generative-ai">（詳全文）</a></p> <p><img alt="" src="https://www.shutterstock.com/blog/wp-content/uploads/sites/5/2023/01/ai_generated_painting_of_computer_with_red_curtain_2253894763.jpg" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Getty Images  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Stability AI  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  侵權  </span></strong></span></p> <p><span style="font-size:22px;"><strong>生成式AI難題，Getty Images告Stability AI侵權</strong></span></p> <p>2022年以來，生成式AI風生水起，各大科技龍頭和新創紛紛打造文字轉圖像AI，不少藝術業者也自行開發或採用這類工具，但也引起侵權問題。Stable Diffusion是知名深度學習圖像生成模型，由AI繪圖工具業者Stability AI開發，可根據使用者輸入的文字產出圖像。</p> <p>該模型與DALL-E 2、Midjourney、DreamUp等生成式AI模型一樣，須以大量圖片訓練，這些資料集大都來自網路或公開圖庫，引起圖像創作者或圖庫業者不滿。知名圖庫業者Getty Images日前就控告Stability AI未經同意，就以其網站數百萬張圖片訓練AI模型，還用於營利，對其版權造成侵害。<a href="https://newsroom.gettyimages.com/en/getty-images/getty-images-statement">（詳全文）</a></p> <p>圖片來源／Max Planck Institutes、DeepLearning.AI、GPTZero、Shutterstock</p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AI近期新聞 </span></strong></span></p> <p><strong>1. Shutterstock聯手LG AI研究院，要發展文字轉圖像生成式AI</strong></p> <p>資料來源：iThome整理，2023年2月</p> </div></div></div>

OpenAI全球招募千名約聘人員協助訓練AI系統

<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"> <p>AI新創業者OpenAI在獲得微軟最新數億美金投資及合作後，在全球召募近千約聘人員，以協助AI系統的程式碼品質提升及模型訓練。</p> <p><a href="https://www.semafor.com/article/01/27/2023/openai-has-hired-an-army-of-contractors-to-make-basic-coding-obsolete" target="_blank">Semafor引述消息人士報導</a>，這家業者近6個月在拉丁美洲、東歐等地找來上千名遠端作業的約聘人員。委外員工的任務60%是為訓練AI模型的資料集，包括大量圖片、影片、錄音檔加標註，40%是程式設計師，任務是教導其產品的AI模型撰寫程式碼，或是除錯。這些約聘人員工作的產品有哪些不得而知，但至少包括將自然語言轉化成程式碼的Codex。</p> <p>OpenAI執行長Sam Altman近日說明公司已有375名正職員工，並說委外對該公司技術的打造很重要。</p> <p>報導引述一名南美的開發人員指出，他在一場5小時的面試中，被要求解決一項程式撰寫的題目，而且要以英文寫下解題的過程，如果發現一隻bug，OpenAI也要求他不只要解決bug，還要說明應如何修正。</p> <p>OpenAI的Codex被合作的GitHub用以提供Copilot，其服務正是協助開發，可為開發人員撰寫程式時提供建議。在能成為稱職的結對開發人員前，Codex需要人類將之導向正途，以免於<a href="https://www.ithome.com.tw/news/104851" target="_blank">2016年微軟的AI聊天機器人Tay</a>才上線一天，就被教成了反女性主義及納粹份子，上線一天就被拉下線。</p> <p>本月稍早<a href="https://time.com/6247678/openai-chatgpt-kenya-workers/" target="_blank">《時代雜誌》</a>報導，OpenAI以時薪2美元僱請了一間肯亞公司員工為ChatGPT的訓練資料過濾種族歧視、暴力及色情內容，目的防止ChatGPT日後會產出不安全的建議。但這些內容過於血腥、變態、殘忍，員工身心受創卻得不到適當的心理健康諮詢。</p> </div></div></div>

微軟、OpenAI主張AI服務侵權告訴無事實根據

<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"> <p><a href="https://www.documentcloud.org/documents/23589439-openai-motion-to-dismiss?responsive=1&amp;title=1" target="_blank">微軟、旗下GitHub和其投資的OpenAI上周向法院聲請</a>對其Copilot侵害版權的控告沒有事實根據，也違反開源碼精神，要求駁回該訴訟。</p> <p>GitHub Copilot為微軟持有的GitHub與OpenAI共同開發的服務，底層技術為OpenAI所打造的OpenAI Codex人工智慧系統，以公開的大量程式碼及自然語言來訓練OpenAI Codex，以讓該系統夠同時理解程式及人類的語言，並根據工程師所撰寫的程式碼，提出程式的整行或整個函式的撰寫建議。</p> <p>GitHub Copilot在2022年6月正式推出，收費為月租費10美元。美國律師事務所Joseph Saveri去年11月代表眾多開發者對微軟、GitHub及OpenAI<a href="https://www.ithome.com.tw/news/154076" target="_blank">提出集體訴訟</a>。該訴訟控告它們2021年6月發表的GitHub Copilot服務違反了《數位千禧年著作權法》（Digital Millennium Copyright Act，DMCA）、《不公平競爭法》（Unfair Competition Act），以及GitHub隱私聲明與服務條款，並向三家公司求償90億美元。</p> <p>根據<a href="https://www.documentcloud.org/documents/23589440-microsoft-and-github-motion-to-dismiss?responsive=1&amp;title=1" target="_blank">微軟與GitHub向加州法院提出的聲請</a>指出，這件訴訟的原告根本欠缺兩個重要元素，一是Copilot造成的傷害，二是其他有事實基礎的論點。</p> <p>他們指出，原告提出Copilot對開發人員的版權侵害，都是理論性假設Copilot建議的程式碼可能和他們發布的相符，但卻沒有舉出實際例證或指名道姓的受害者（只有二個匿名開發人員），例如Copilot如何侵害其程式碼、GitHub做了什麼不恰當的事。相反地，Copilot不但沒有從已公開的開源程式碼汲取任何程式，反而是從公開程式碼學習到的知識產出建議，幫助開發人員撰寫程式碼。</p> <p>三家被告公司指出，Copilot是將開源碼精神發揚光大，而原告舉出禁制令及數十億美元賠償，反而是顛覆開源碼精神及試圖阻撓合作和進步。</p> <p>看好AI的潛力，微軟大舉投資AI新創業者OpenAI。<a href="https://www.ithome.com.tw/news/155192" target="_blank">本月中才宣布</a>將OpenAI的GPT-3、Codex及DALLE-2整合進Azure OpenAI服務陣容，未來也可望提供AI聊天機器人服務ChatGPT，上周又緊接著<a href="https://www.ithome.com.tw/news/155259" target="_blank">宣布投資數十億美元擴大雙方的合作</a>，包括在消費者個人及企業服務大量使用OpenAI的模型。</p> <p>這是生成性AI（generative AI）引發的最新倫理爭議案件。兩周前<a href="https://www.ithome.com.tw/news/155229" target="_blank">圖庫業者Getty Images才控告AI繪圖工具商Stability AI</a>運用人類創作者的圖片訓練其Stable Diffusion服務的AI模型侵害其版權。</p> </div></div></div>

微軟投入數十億美元再次擴大與OpenAI的合作

<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"> <p><a href="https://blogs.microsoft.com/blog/2023/01/23/microsoftandopenaiextendpartnership/">微軟延續與OpenAI從2019年以來的合作夥伴關係</a>，投入數十億美元的資金，與OpenAI展開第三階段的合作，透過持續並擴大在人工智慧超級運算、模型開發和雲端服務領域的工作，共同加速人工智慧技術的商業化。</p> <p>目前微軟Azure中有多個超級運算系統，用於執行OpenAI的人工智慧訓練和推理工作負載，而OpenAI將繼續使用Azure的超級運算系統，開發並訓練所有模型。微軟承諾增加對這些系統的投資，加速OpenAI的獨立研究。Azure也將繼續成為OpenAI在研究、API和產品上的獨家雲端供應商。</p> <p>無論是在消費級和企業級產品，微軟會大量採用OpenAI的模型，加入以OpenAI技術為基礎的數位體驗，並繼續擴大GitHub Copilot和微軟Designer應用程式，對OpenAI技術的採用。開發者除了可以從OpenAI的API服務取用模型服務之外，也將可繼續透過微軟Azure OpenAI服務存取GPT、DALL-E和Codex等模型，使用微軟針對OpenAI模型最佳化的基礎設施和企業級功能，建立人工智慧應用程式。</p> </div></div></div>

AI趨勢周報第206期：Salesforce新演算法可逆推擴散生成模型，編輯圖像更貼切

<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"> <p><span style="color: rgb(0, 0, 255);">重點新聞(0113～0119)</span></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Salesforce  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  擴散模型  </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>Salesforce新演算法可逆推擴散生成模型，改字也能準確貼近原始圖</strong></span></p> <p>Salesforce最近設計一款新演算法EDICT，可逆推任何文字轉圖像的擴散模型，就算原始文字提示有所修改，新生成的圖像依然貼近原圖，比如使用者將文字提示「站在衝浪板上、穿著救生衣的狗」中的狗改為貓，新生成的圖片能保留原圖樣貌，只將狗轉換為貓。</p> <p>團隊表示，EDICT之所以能這麼做，是因為追蹤了一對中間表徵，而非只是一個。這種可逆性，讓模型產出非常貼近原圖的編輯圖像。Salesforce也把這套演算法用於熱門的Stable Diffusion模型，發現演算法能高保真重建出原始圖像。 而且，團隊以MS-COCO這類複雜的圖像資料集測試發現，EDICT的圖像重建表現，比降噪擴散隱性模型要好。</p> <p>團隊表示，EDICT不需要訓型訓練或微調，也不需要額外的訓練資料，而且能與任何預訓練降噪擴散模型整合。EDICT程式碼已在GitHub上<a href="http://github.com/salesforce/EDICT">公布</a>。<a href="https://blog.salesforceairesearch.com/edict-accurate-text-guided-image-editing-with-diffusion-models/">（詳全文）</a></p> <p><img alt="" src="https://blog.salesforceairesearch.com/content/images/size/w1000/2022/12/dog-breed-edict.png" /></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  文字轉影片  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  稀疏因果  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  Tune-A-Video  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>新加坡國立大學打造文字轉影片模型Tune-A-Video省資源</strong></span></p> <p>新加坡國立大學以單樣本學習，打造一款文字轉影片AI模型Tune-A-Video，來降低訓練所需的運算成本。團隊指出，近來，文字轉影片這類生成式AI的主流研究方法，仰賴大規模成對的「文字-影片」資料集來微調。然而，這種方法耗費大量運算資源，也不直覺，於是團隊提出Tune-A-Video，來以單一組「文字-影像」訓練開放領域的影片生成器。</p> <p>團隊以經過海量資料訓練的文字轉圖像預訓練擴散模型為基礎，來開發文字轉影片模型。他們也發現，文字轉圖像模型能針對動詞，產出相對應的圖像，而且，用這些模型來同時生成多張圖像，其生成內容的一致性非常高。</p> <p>因此，為進一步讓模型學習連續性動作，團隊提出一種稀疏因果注意力機制，能透過單樣本微調預訓練擴散模型，來根據文字提示產生影片。團隊表示，Tune-A-Video可用來產生吻合時序的影片，可用於背景或主題變換、屬性編輯、風格轉換等。<a href="https://tuneavideo.github.io/">（詳全文）</a></p> <p><img alt="" src="https://tuneavideo.github.io/static/images/overview.png" /></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  ChatGPT  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  DoNotPay  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  服務條款  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>美新創用ChatGPT讀服務條款，不只能白話解釋還會揪出不合理之處</strong></span></p> <p>生成式AI又有新應用！致力以AI維護消費者權益的美國新創DoNotPay執行長Joshua Browder最近展示一款外掛，該外掛基於ChatGPT，使用者在DoNotPay平臺服務DoNotSign上上傳服務條款PDF或輸入網址，系統就會自動閱讀內容、產出白話解釋，若有不合常規的條款，系統還會自動標註，來告知使用者。除了服務條款，該系統還能處理隱私條款、租賃合約等法律相關文件。Joshua Browder指出，該功能將是首款供大眾使用的GPT系列產品，因此可能受到OpenAI的API限制。目前，該功能正在審核中，還未正式上線。</p> <p>這不是第一個DoNotPay發表的AI應用。日前，Joshua Browder展示一款基於GPT-3.5的語音代理系統，能利用使用者聲音，來與客服自動對話，另一款則是基於GPT-3 API的聊天機器人，能與客服文字對話，解決訂閱、續約、付費問題。<a href="https://twitter.com/jbrowder1/status/1615543292057497603">（詳全文）</a></p> <p><img alt="" src="https://twitter.com/i/status/1615543292057497603" /><img alt="" src="https://s4.itho.me/sites/default/files/images/tune%20a%20video.png" /></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 OpenAI  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  GPT-3  </span></strong></span></p> <p><span style="font-size:22px;"><strong>微軟Azure OpenAI服務正式上線，企業可用GPT-3、Codex和DALL-E 2了</strong></span></p> <p>微軟日前宣布Azure OpenAI服務正式上架，更多企業用戶可申請使用OpenAI的AI模型了，如GPT-3、Codex和DALL-E 2。微軟還預告，Azure OpenAI服務還會納入ChatGPT模型。</p> <p>Azure OpenAI服務由微軟在2021年推出，可讓企業在安全、合規的條件下，從Azure雲平臺取用OpenAI預訓練模型。這些模型包括具1,750億個參數的自然語言預訓練模型GPT-3、GPT-3的升級版GPT-3.5，以及可將自然語言轉為程式碼的模型Codex，還有文字轉圖像模型DALL-E 2。使用者可透過Azure OpenAI來開發各種應用程式，如從客服日誌快速總結客訴、快速編寫程式，或快速生成部落格文章等。Azure OpenAI服務提供的模型已由數十億頁公開文件訓練，企業只需提供自家少量業務資料，就能進一步微調模型。為確保AI合理使用，微軟也要求開發者先申請存取權限，事先描述預期用例和應用程式。微軟的監控程式也會持續過濾Azure OpenAI服務可能產生的辱罵、仇恨和冒犯性內容，當官方確認用戶用例違反政策，便會限制使用。<a href="https://azure.microsoft.com/en-us/blog/general-availability-of-azure-openai-service-expands-access-to-large-advanced-ai-models-with-added-enterprise-benefits/">（詳全文）</a></p> <p><img alt="" src="https://azurecomcdn.azureedge.net/mediahandler/acomblog/media/Default/blog/a6218d54-3c27-4c17-bc25-33ce1d1a268e.png" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  空中巴士 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  自駕技術    </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  客機  </span></strong></span></p> <p><span style="font-size:22px;"><strong>參考蜻蜓視覺能力，空中巴士開發客機自駕技術</strong></span></p> <p>空中巴士（Airbus）以蜻蜓為靈感，開發自動飛行技術，Airbus UpNext DragonFly展示飛機已進入最後3個月的測試階段，來測試飛行路徑選擇能力、自動降落技術和駕駛員輔助技術。空中巴士計畫將DragonFly技術用於緊急操作上，當機組人員無法控制飛機時，DragonFly會將飛機重新導航至最近的機場，並安全著陸。</p> <p>這款DragonFly模仿蜻蜓超廣視野和辨識地標能力，來讓飛機辨識地景特徵和周圍環境，並安全操縱飛機。DragonFly系統也參考蜻蜓敏銳的視覺能力，整合感測器、電腦視覺演算法和導航運算功能，可在低能見度和惡劣天氣情況下降落，這項新的降落技術，甚至可以根據飛行員的飛行技巧自訂，減輕飛行員在緊急情況的額外程序。<a href="https://www.airbus.com/en/newsroom/stories/2023-01-could-the-humble-dragonfly-help-pilots-during-flight">（詳全文）</a></p> <p><img alt="" src="https://www.airbus.com/sites/g/files/jlcbta136/files/styles/airbus_1440x1440/public/2023-01/image_9_0.webp?itok=MnEsy_nJ" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  語音合成  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Eleven Labs  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  語音特徵  </span></strong></span></p> <p><span style="font-size:22px;"><strong>生成式AI新進展！Eleven Labs揭露最新語音合成成果</strong></span></p> <p>專注語音合成AI的研究實驗室Eleven Labs日前發布最新語音生成模型，使用者能根據性別、年齡、口音、音高，甚至是說話風格等特徵，來生成全新的人造聲音，而且系統每次合成的聲音都不一樣，即使用戶以相同參數生成聲音，也會得到一個不曾存在的聲音。</p> <p>近來，生成式AI大放異彩，在文字、圖像甚至是影片領域遍地開花，但語音生成並非如此。因此，Eleven Labs參考語音合成和語音複製的語音特徵編碼方法，在訓練專屬模型時，對說話者嵌入分布進行採樣，來合成無限多種的新聲音。他們也在這過程加入一定程度的限制，讓聲音擁有特定的語音特徵。Eleven Labs打算把這個模型發展為「Design Voice」功能，預計在2月於自家平臺上線。團隊表示，該模型可用於新聞媒體和商業廣告的語音，甚至能用於遊戲開發。<a href="https://blog.elevenlabs.io/enter-the-new-year-with-a-bang/">（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;">  零售業  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  防盜竊  </span></strong></span></p> <p><span style="font-size:22px;"><strong>Nvidia推新AI工具，防零售業商品被盜竊</strong></span></p> <p>Nvidia推出3款零售業專用AI工作流程Retail AI Workflows，可用來打造商品防竊盜應用。進一步來說，這些工作流程以Nvidia自家微服務平臺Metropolis為基礎，Nvidia先以常遭竊的商品圖片和軟體來訓練這些工作流程，開發者再以無程式碼或低程式碼模組來快速開發應用程式。</p> <p>第一款工作流程是零售業防損AI工作流程，其中的AI預訓練模型，能辨識上百種最常受盜竊損害的產品，如肉類、酒品和洗衣粉，模型也能識別產品不同的尺寸、容量和形狀。此外，使用者還能用Nvidia Omniverse平臺合成資料，來客製化模型，以業者自家的數十萬種商品來訓練。</p> <p>另一種是多攝影機追蹤AI工作流程，具多物件、跨多攝影機功能，讓開發者更容易打造跨全店多攝影機的系統，來追蹤商品物件。最後一個流程是零售商店分析工作流程，能以電腦視覺技術，在客製化的儀表板上呈現商店分析洞察，如商店客流量趨勢、使用購物籃的顧客人數、走道占用率等資訊。<a href="https://blogs.nvidia.com/blog/2023/01/12/retail-ai-workflows/">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  假消息  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  大型語音模型  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  輿論操縱  </span></strong></span></p> <p><span style="font-size:22px;"><strong>OpenAI：大型語言模型加重輿論操縱</strong></span></p> <p>OpenAI聯手史丹佛大學和喬治城大學，展開大型語言模型（LLM）對輿論風向操縱的研究，他們發現，大型語言模型會導致更多惡意傳播行為，且形式更多元，行為成本也更低。</p> <p>近年，生成式AI有顯著進展，但也容易遭惡意人士濫用。於是，3大機構聯手，以ABC模型來探討輿論操縱影響，其中A代表行為人，也就是輿論操縱行為背後的實體，B代表輿論操縱行為，C則指操縱內容。研究發現，在A方面，未來將因為生成模型普及而降低宣傳成本，出現更多樣的宣傳群體；而B則會出現自動生成內容規模擴大，同時也更有效率，如即時生成個人化內容，且生成內容更可信也更有說服力。團隊表示，語言模型對輿論風向操縱有重大影響，但目前沒有終極解決方案，有能力開發大型AI的科技龍頭和社群媒體，應共同應對輿論操縱。<a href="https://fsi.stanford.edu/publication/generative-language-models-and-automated-influence-operations-emerging-threats-and">（詳全文）</a></p> <p>圖片來源／Salesforce、新加坡國立大學、DoNotPay、微軟、空中巴士</p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AI近期新聞 </span></strong></span></p> <p><strong>1. 新AI工具<a href="https://gptzero.substack.com/p/new-year-new-features-new-model?r=8okkt&amp;utm_campaign=post&amp;utm_medium=web">GPTZeroX</a>可偵測文章是否出自ChatGPT</strong></p> <p><strong>2. 線上會議認真神器！Nvidia Broadcast以AI模擬用戶眼睛緊盯鏡頭</strong></p> <p>資料來源：iThome整理，2023年1月</p> </div></div></div>

【資安月報】2022年12月

<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"> <p>在12月資安新聞中，有3大面向的議題可以進一步探討與關注，包括微軟Exchange漏洞利用的最新消息，惡意網站偽冒品牌業者，並利用搜尋引擎廣告來散布的威脅態勢，以及本月資安防護新聞有數個熱門焦點。</p> <p>首先，在這個月有一項漏洞利用攻擊受關注，起因是雲端服務業者Rackspace代管的Exchange伺服器<a href="https://www.ithome.com.tw/news/154560#rackspace">在12月初</a>，因遭勒索軟體攻擊而中斷運作，一個月後，該公司公布委託資安業者CrowdStrike調查的結果。<a href="https://status.apps.rackspace.com/index/viewincidents?group=2&amp;group=2">Rackspace指出</a>，這場攻擊由Play勒索軟體的駭客組織發動，是使用一個未知的漏洞入侵他們代管的Exchange伺服器，並指出該漏洞與微軟11月修補的CVE-2022-41080漏洞有關，因此並非直接透過CVE-2022-41080漏洞來入侵。</p> <p>特別的是，在12月20日，CrowdStrike曾經揭露相關漏洞利用相關消息，當中提供了更多資訊。<a href="https://www.ithome.com.tw/news/154819#OWASSRF">該公司研究人員表示</a>發現新的漏洞利用方法，是串連利用了CVE-2022-41080與CVE-2022-41082的漏洞，將可繞過ProxyNotShell（由CVE-2022-41082及CVE-2022-41040組成）的緩解措施，但若已安裝修補微軟11月的Exchange更新修補，此攻擊手法將變得無效。而這項發現，是他們在調查Play勒索軟體事件時所得出的結論，因此，該業者當時也趕緊建議用戶盡速安裝更新修補。</p> <p>至於CVE-2022-41080漏洞，美國網路安全暨基礎設施安全局（CISA）<a href="http://www.ithome.com.tw/news/155171">後續</a>也將這個漏洞列入已知被利用漏洞（KEV）列表，也印證駭客針對該漏洞鎖定利用的情形出現。</p> <p>另一項關注的攻擊態勢，是美國<a href="https://www.ithome.com.tw/news/154861#FBI">FBI發出警告</a>──有網路犯罪者持續利用搜尋引擎廣告、假冒品牌業者的方式，來散布惡意網站。因此他們提醒企業與民眾注意，並對企業提出三項建議，可利用網域名稱保護服務，向用戶宣導認識詐騙網站與識別正確URL的重要性，以及告知用戶如何找到合法下載管道，同時呼籲民眾個人也要懂得自保，廣告連結同樣要檢查網址是否有異。</p> <p>事實上，這樣的狀況在2022年11月的資安月報也提到，因為臺灣持續有相關案例。而在美國FBI發出警告之後幾天，還有一些資安業者揭露這類型攻擊的研究與調查。</p> <p>例如，趨勢科技<a href="https://www.ithome.com.tw/news/154895#IcedID">揭露殭屍網路病毒IcedID的攻擊行動</a>，就是會透過Google的點擊付費廣告管道，假冒知名品牌業者名義，引誘使用者到惡意網站下載安裝程式；另一家資安業者Guardio也揭露不同攻擊行動，<a href="https://www.ithome.com.tw/news/154930#Vermux">指出駭客組織Vermux</a>的手法更隱密，在濫用Google廣告、冒名提供應用程式的過程中，在連至真正惡意網站前，使用一個位於俄羅斯的masquerAds網域來進行重新導向，也就是先以無害的masquerAds網站，來通過Google的審核機制。</p> <p>另外，12月還有多項安全防護面的重要發展，成為熱門資安新聞焦點。</p> <p>例如，以開發人員與資安人員而言，有兩項消息受到廣泛關注，一是<a href="https://www.ithome.com.tw/news/154709">Google新推OSV-Scanner</a>，可幫助專案相依項目與已知漏洞列表做到自動化比對，另一是<a href="https://www.ithome.com.tw/news/154779">GitHub推出Secret scanning的功能</a>，可幫助開發人員檢查不慎將帳密、金鑰或憑證嵌入在程式碼，造成秘密外洩的問題。</p> <p>以半導體產業而言，SEMI國際半導體產業協會宣布<a href="https://www.ithome.com.tw/news/154611">推出「半導體資安風險評級服務」</a>，期盼帶動資安行動力不足的半導體業，都能更有效地提升資安量能，而且，非SEMI會員也可訂閱這項服務。</p> <p>以物聯網相關上游產業而言，聚焦IoT平臺與元件的SESIP標準，首次有<a href="http://www.ithome.com.tw/news/154900">國際組織在臺推動</a>，而資策會也與該標準推動者Global Platform簽署MOU，希望在臺灣建立認可實驗室後，本土物聯網產品廠商可以就地檢測，更期盼我國的IoT晶片安全與測試標準也能鏈結國際。</p> <p>另外，我國金管會新<a href="https://www.ithome.com.tw/news/154920#金融資安行動方案2.0">發布金融資安行動方案2.0</a>，將新增12項措施（共40項），並綜整為9個推動重點，成為國內金融業未來所關注的重點，而隨著美國國防部網路安全成熟度模型認證（CMMC）2.0版草案的推出，<a href="https://www.ithome.com.tw/article/154533">臺灣產業對此議題的重視程度</a>備受探討，尤其是電機電子與國防業者在爭取商機上，應當更要密切關注與行動。</p> <p>此外，本月還有<a href="https://www.ithome.com.tw/news/154609">亞洲國際密碼學會議在臺舉行</a>的消息，PQC轉換議題再度浮上檯面，而在國際間，美國政府不僅開始付諸行動，白宮12月簽署<a href="https://www.ithome.com.tw/news/154861#H.R.7535">量子運算網路安全準備法案（H.R. 7535）</a>，更進一步促成後量子密碼學過渡計畫的實踐。</p> <p> </p> <h2><strong><a href="https://www.ithome.com.tw/news/154644"><span style="color: rgb(178, 34, 34);">【資安週報】2022年12月5日到12月9日</span></a></strong></h2> <p>在這一周資安新聞中，有多項漏洞消息受關注，包括三菱電機PLC多項漏洞等待業者修補中的消息，還有American Megatrends的一系列BMC韌體漏洞被揭露，多家主機板業者受影響。</p> <p>其他關注的漏洞修補消息，包括FreeBSD修補ping元件的記憶體緩衝區溢位漏洞CVE-2022-23093，Linux作業系統修補存在於snap-confine模組的高風險漏洞CVE-2022-3328，以及Intel修補資料中心管理主控臺（DCM）的漏洞。</p> <p>在威脅新態勢方面，有兩大焦點值得關注。國際間出現鎖定電信業者、業務流程外包公司，竊取SIM挾持攻擊所需權限的攻擊行動；有駭客手法是在釣魚郵件中，挾帶微軟筆記軟體OneNote的檔案（.ONE）來散布惡意軟體Formbook。在國際威脅焦點方面，近期揭露的重大事件有下列幾起，像是：美國軍火供應商遭到俄羅斯駭客TAG-53攻擊的情況，以及近期中國駭客Mustang Panda（又名APT41）假借歐盟名義發送釣魚郵件，在全球植入惡意軟體PlugX的情況。</p> <p>本周還有幾則新聞顯現出值得關注的趨勢，包括Google公布Android 13有更多新程式碼是用Rust開發，且Rust程式碼中目前發現的記憶體漏洞為零；12月5日「SEMI半導體資安風險評級服務」服務方案推出，非會員亦可訂閱，讓供應鏈資安強化有更容易進行的方式；Global Platform近期在臺推動一項物聯網安全SESIP標準，由於能高度與其他資安標準對應而受到看重。</p> <p>至於國內資安事件的消息，<a href="https://www.mohw.gov.tw/cp-16-72729-1.html">衛福部在7日回應</a>了桃園醫院資安事件的媒體報導，針對2019年的3起事件說明當時處理情形。</p> <h2><strong><a href="https://www.ithome.com.tw/news/154774"><span style="color: rgb(178, 34, 34);">【資安週報】2022年12月12日到12月16日</span></a></strong></h2> <p>在這一周資安新聞中，有多項漏洞修補消息受關注，包括微軟本周釋出12月Patch Tuesday，當中修補一項的零時差漏洞CVE-2022-44698，以及Citrix在13日公告修補ADC與網路閘道器產品的零時差漏洞CVE-2022-27518，都已有攻擊行動鎖定，必續盡快修補。</p> <p>同時，Fortinet於11月修補SSL VPN漏洞CVE-2022-42475，後續該公司也發布資安通告說明已有攻擊行動鎖定利用的情形。還有要注意的是，iPhone的WebKit零時差漏洞CVE-2022-42856被鎖定，其中iOS 15.1手機用戶須特別注意。另外，本周新聞尚未提到的Veeam Backup &amp; Replication的CVE-2022-26500與CVE-2022-26501漏洞修補，我們認為同樣須要留意。</p> <p>關於新漏洞揭露上，亦有兩大焦點，其影響層面不小。研究人員發現多款WAF產品因無法識別JSON格式、恐被發動SQL注入攻擊，多家廠牌都受影響，已有5家廠商釋出修補，其他產品用戶也應設法了解；還有數款防毒軟體與EDR系統也被研究人員發現零時差漏洞，受關注的是，這些漏洞可能被用於打造資料破壞軟體（Wiper），多家廠商也紛紛釋出修補。</p> <p>關於攻擊新趨勢方面，資安業者發現惡意軟體QBot有新的散布手法，攻擊者會在惡意郵件中的HTML附件中挾帶包含惡意JavaScript的SVG圖片；另外針對開源套件庫的方面，資安業者發現有網路攻擊者在NuGet、NPM、PyPI套件庫，透過自動化方式，打造並上傳了超過14萬個惡意套件。此外，還有一個值得留意的威脅態勢，是近來有勒索軟體攻擊濫用微軟簽章的驅動程式的情形，微軟獲報後發現數名開發人員計畫帳號被濫用。</p> <p>而在國內方面，關於2022年臺灣APT攻擊現況，資安業者TeamT5揭露這方面資訊，他們觀察到全年有109起APT攻擊行動，以阿米巴Amoeba與畫皮Hupai這兩個駭客組織為大宗，政府與軍方是主要遭受攻擊目標。</p> <p>至於安全防護面向上，本周Google新推的OSV-Scanner，是開發人員與資安人員重視的焦點，該機制可讓專案相依項目與已知漏洞列表，提供自動化比對的幫助。</p> <h2><strong><a href="https://www.ithome.com.tw/news/154877"><span style="color: rgb(178, 34, 34);">【資安週報】2022年12月19日到12月23日</span></a></strong></h2> <p>在這一周資安新聞中，就是微軟最近將9月修補的漏洞CVE-2022-37958，調整為RCE漏洞，由於該漏洞涉及SPENGO NEGOEX防護，SMB與RDP等都受影響，因此受到廣泛關注。其他重大的漏洞消息，包括Samba在15日修補多項高風險漏洞，以及思科在12月中旬更新多則資安通告，當中指出多年前修補的漏洞在今年3月被用於攻擊行動。</p> <p>勒索軟體Play針對ProxyNotShell漏洞繞過的攻擊手法，持續成為焦點，資安業者發現有新手法OWASSRF攻擊Exchange伺服器。在攻擊新趨勢方面，以殭屍網路病毒而言，本周有MCCrash與Zerobot的攻擊動向受關注；在新興技術研究方面，有研究人員提出規避EDR監控的新硬體斷點技術，以及展示熱門自然語言對話語言模型ChatGPT與Codex可能被攻擊者應用的情境。</p> <p>在這一週資安消息當中，有幾則都是受到比較多討論的，像是：烏克蘭軍事情報系統Delta遭到竊密軟體攻擊、FBI威脅情資交換平臺InfraGard遭駭；還有雲端身分安全業者Okta說明原始碼遭竊，以及密碼安全服務業者LastPass客戶資料庫備份遭複製的事件。</p> <p>另外，國際間又有BEC詐騙案的警告，但這次並非變更匯款帳號騙取金錢，而是騙取貨品。這類案情雖不多見，但早年其實發生過，例如，五年前國內刑事警察局國際刑警科對於<a href="https://www.ithome.com.tw/news/116960"><span style="color: rgb(0, 0, 128);">BEC詐騙</span></a>就看到這樣的狀況，並指出手法萬變不離其宗，最終目的都是騙取金錢或貨品。</p> <p>至於安全防護的焦點上，GitHub將推出一項Secret scanning功能最受關注，可協助因應因開發人員不慎將帳密、金鑰或憑證嵌入程式碼的問題。</p> <h2><strong><a href="https://www.ithome.com.tw/news/154961"><span style="color: rgb(178, 34, 34);">【資安週報】2022年12月26日到12月30日</span></a></strong></h2> <p>在12月最後一周的漏洞消息中，主要焦點包括：Linux核心CVE-2022-47939漏洞（CVSS評分10）被揭露，Apache ShardingSphere-Proxy的CVE-2022-45347漏洞修補，Kubernetes政策管理引擎Kyverno的CVE-2022-47633漏洞修補，以及月前Citrix ADC與Gateway漏洞修補後的企業更新狀況。</p> <p>特別要注意的是，TIBCO Software在2018與2019年針對JasperReports伺服器修補的兩個已知漏洞（CVE-2018-5430與CVE-2018-18809），最近<a href="https://www.cisa.gov/uscert/ncas/current-activity/2022/12/29/cisa-adds-two-known-exploited-vulnerabilities-catalog">有攻擊者正針積極鎖定利用</a>，本周新聞中尚未提到，值得先行留意。</p> <p>至於威脅趨勢上，有兩起值得留意，首先是美國電信業者Comcast Xfinity用戶帳號遭入侵的事件，駭客疑繞過雙因素驗證挾持帳號；其次是駭客在Google廣告散布竊密軟體是利用masquerAds規避審核。另外，針對WordPress外掛程式的攻擊行動又有新的事件。</p> <p>還有一些國際資安新聞受到不小的關注，例如：美國參議院通過公務裝置全面禁用抖音的法案，南韓警方揭露當地外交智庫學者有近千人遭網釣攻擊，以及俄羅斯駭客企圖入侵北約國家煉油廠；在國內，金融資安行動方案2.0出爐消息最受注目。</p> <h2> </h2> </div></div></div>

微軟正式推出Azure OpenAI服務，提供GPT-3、Codex和DALL-E 2模型

<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"> <p>微軟宣布<a href="https://azure.microsoft.com/zh-tw/blog/general-availability-of-azure-openai-service-expands-access-to-large-advanced-ai-models-with-added-enterprise-benefits/">Azure OpenAI服務全面上市</a>，更多的企業用戶可以申請使用由OpenAI所開發的人工智慧模型，除了GPT-3之外，Azure OpenAI服務還提供包括GPT-3.5、Codex和DALL-E 2模型，官方也承諾，用戶也將可以透過Azure OpenAI服務取用ChatGPT。</p> <p>微軟在2021年Ignite大會首次公開Azure OpenAI服務，這是一個讓企業可以在安全且符合法規的情況下，透過Azure取用OpenAI預訓練模型的服務，在存取模型的同時，用戶還可以獲得Azure雲端基礎設施的優點，以及資料隱私、負責任人工智慧等額外功能，供用戶更簡單地利用大規模人工智慧模型，改善終端用戶體驗並且提升企業內部營運效率。</p> <p>GPT-3是強大的語言模型，擁有1,750億個參數，因為接受完整的預訓練，因此用戶只要輸入少量的文字範例，即可獲得高品質的結果。Azure OpenAI服務提供用戶存取各種預訓練模型，還包括GPT-3的升級版GPT-3.5，以及可將自然語言轉為程式碼的人工智慧系統Codex，還有文字轉圖像模型DALL-E 2，接下來微軟將開放的ChatGPT，則是由GPT-3.5作為基礎微調的對話語言模型。</p> <p>Azure OpenAI服務能夠支援各種應用程式開發，常見的使用案例包括從客服日誌快速總結客訴，或是協助開發人員快速編寫程式碼，使開發人員不再需要停下來搜尋範例，抑或是快速生成部落格文章等。</p> <p>由於Azure OpenAI服務的模型已經以數十億頁的公開文件訓練，企業可以透過小樣本學習，提供自家業務資料，像是期望的輸出、回應或是程式碼類型範例，進一步訓練模型，以進一步微調模型輸出。微軟提到，因為大型語言模型是利用大量網際網路資料訓練，這些資料可能包含粗俗和具刻板印象，甚至是個人資料的內容，微軟會提供額外保護措施，並避免該技術被用於有害目的，或是產生意料之外的輸出。</p> <p>微軟持續與OpenAI、用戶合作，仔細評估用例和解決潛在威脅，微軟針對Azure OpenAI服務實作自家的輸出護欄，以確保人工智慧服務能夠符合微軟負責任人工智慧原則。因此開發人員在使用Azure OpenAI服務之前，都需要申請存取權限，事先描述他們預期用例和應用程式。微軟的監控程式，會不停過濾Azure OpenAI服務可能產生的辱罵、仇恨和冒犯性內容，當官方確認用戶用例違反政策，便會採取行動避免語言模型服務遭到濫用。</p> </div></div></div>

【資安日報】2022年12月27日，逾4億筆推特用戶資料出現於駭客論壇、竊密軟體RisePro疑透過惡意軟體下載器Pr…

<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"> <p>推特於今年1月修補的漏洞，駭客在尚未修補之前運用的情況恐怕遠超過先前研究人員的發現！近日有人在駭客論壇兜售超過4億筆的推特用戶資料，與先前公布的資料不同之處在於，這次的資料量極為龐大，而且，賣家向推特喊話，要該公司把資料贖回。</p> <p>美國電信業者Comcast Xfinity的用戶帳號遭竊的情況也相當值得留意，駭客疑似發動帳號填充攻擊，然後使用特製的動態密碼（OTP）繞過工具，而能成功挾持部分用戶的帳號，之後駭客還會對其他雲端服務下手，利用相同的帳密企圖入侵。</p> <p>我們之前介紹過惡意軟體散布服務Pay-per-install，業者透過惡意軟體下載器PrivateLoader來散布客戶的惡意程式，最近有兩家資安業者發現名為RisePro的竊密軟體就以這種方式發動攻擊，且至少有2千臺電腦受害。</p> <h3><strong>【攻擊與威脅】</strong></h3> <h3><a href="https://www.bleepingcomputer.com/news/security/hacker-claims-to-be-selling-twitter-data-of-400-million-users/" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">逾4億筆推特用戶資料出現於駭客論壇</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/breached-forum-post-400m-twitter.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/breached-forum-post-400m-twitter.jpg" style="width: 300px; float: right;" /></a>駭客在去年利用推特漏洞竊取用戶個資料，影響範圍很可能再度擴大。根據資安新聞網站Bleeping Computer的報導，有人在12月23日於駭客論壇BreachForums上以2萬美元的價格，兜售4億筆推特用戶資料，並提供37個名人的資料提供買家比對（後來又再提供了1千筆資料）。</p> <p>賣家警告推特執行執行長馬斯克，若不把資料買回去的話，很可能要面臨GDPR的巨額罰款。賣家表示，假如推特沒有買走這些資料，他們將會以6萬美元的價格賣給多個買家。而對於資料來源，賣家表示就是透過今年1月推特修補的漏洞取得。</p> <p>威脅情報業者Hudson Rock指出，他們比對駭客提供的資料，研判應為真實資料，但無法確認駭客是否真的擁有如此龐大的資料庫。</p> <h3><a href="https://www.bleepingcomputer.com/news/security/comcast-xfinity-accounts-hacked-in-widespread-2fa-bypass-attacks/"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">美國電信業者Comcast Xfinity用戶遭到攻擊，駭客疑繞過雙因素驗證挾持帳號</span></strong></a></h3> <p>根據資安新聞網站Bleeping Computer的報導，約自12月19日開始，有許多美國電信業者Comcast Xfinity的用戶收到通知信，告知他們的帳號資料出現更動的情況，隨後用戶便發現無法存取並向該電信業者通報，才得知自己的帳號遭到入侵，而且，駭客在用戶資料裡新增了YOPmail的電子郵件信箱。值得留意的是，受害者幾乎都啟用了雙因素驗證，但攻擊者卻能成功入侵並竄改密碼。</p> <p>有不具名的研究人員向該新聞網站透露，此起事故很可能是帳號填充（Credential Stuffing）攻擊，一旦駭客成功存取該帳號，並收到雙因素驗證的請求，他們就會採用專屬的動態密碼（OTP）繞過工具，向Xfinity網站發出通過相關驗證的偽造訊息。有部分使用者發現，駭客在挾持他們Xfinity帳號後，便利用帳密資料嘗試存取DropBox、Evernote、Coinbase等雲端服務或加密貨幣交易所的帳號。</p> <h3><a href="https://unit42.paloaltonetworks.com/trident-ursa/"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">俄羅斯駭客企圖入侵北約國家的煉油廠</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/word-image-77.png"><img alt="" src="https://s4.itho.me/sites/default/files/images/word-image-77.png" style="width: 300px; float: right;" /></a>資安業者Palo Alto Networks揭露俄羅斯駭客組織Gamaredon（亦稱Trident Ursa）在8月底的入侵行動，駭客鎖定北大西洋公約組織（NATO）的大型煉油廠下手，所幸沒有成功。研究人員指出，這些駭客原本針對烏克蘭而來，並在釣魚郵件使用烏克蘭語，但後來他們看到該組織開始寄送英文版的釣魚郵件，原因是將攻擊範圍擴及北約國家。</p> <p>研究人員也發現兩種附件型態的釣魚郵件，一種是透過內含RAR壓縮檔的HTML附件進行，一旦收信人依照指示點選壓縮檔裡的LNK檔案，駭客就會從惡意URL下載並執行HTA檔案、VBScript指令碼，進而對受害電腦進行遠端控制；另一種則是利用看似無害的Word檔案附件，收信人開啟後該文件會從遠端下載惡意範本檔案，此範本內含惡意巨集，目的是用來執行VBScript酬載。</p> <h3><a href="https://www.bleepingcomputer.com/news/security/new-info-stealer-malware-infects-software-pirates-via-fake-cracks-sites/"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">竊密軟體RisePro疑透過惡意軟體下載器PrivateLoader散布</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/PrivateLoader %26 RisePro communication schema.png"><img alt="" src="https://s4.itho.me/sites/default/files/images/PrivateLoader%20%26%20RisePro%20communication%20schema.png" style="width: 300px; float: right;" /></a>資安業者Flashpoint、Sekoia先後針對竊密軟體RisePro揭露細節，駭客亦採用了Pay-per-install（PPI）服務下手，藉由PrivateLoader惡意軟體下載器散布，假借軟體破解與金鑰產生器的名義散布此竊密軟體。</p> <p>Flashpoint指出，他們在12月13日看到有人將此竊密軟體偷到的2千餘組機密資料，在地下市集Russian Market進行兜售，根據對該竊密軟體的分析，研究人員認為RisePro是由另一款竊密軟體Vidar發展而來。</p> <p>Sekoia則發現，RisePro與PrivateLoader的程式碼有30%相似，研判有可能是PrivateLoader的開發者打造了RisePro，或是兩個惡意軟體的開發者存在密切合作的關係。</p> <h3><a href="https://www.ithome.com.tw/news/154879"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">抖音證實員工曾存取記者個資</span></strong></a></h3> <p>根據紐約時報的報導，短影片社交平臺抖音（TikTok）的母公司字節跳動（ByteDance）於12月22日證實，母公司與美國分公司的4名員工，曾存取美國記者的個資而遭到解僱。該公司是在內部稽核的過程裡，發現有內部員工洩密，而存取BuzzFeed、金融時報的記者個資，包含了記者的IP位址與通訊記錄。</p> <p>新聞網站The Verge取得該公司內部信件，抖音法務長Erich Andersen向員工公布此事，並指出稽核與風險部門將重整；另有字節跳動執行長梁汝波，抖音執行長周受資也對此向員工發出信件說明。</p> <p> </p> <h3><strong>【漏洞與修補】</strong></h3> <h3><a href="https://thehackernews.com/2022/12/two-new-security-flaws-reported-in.html" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">內容管理平臺Ghost存在權限提升漏洞</span></strong></a></h3> <p>思科研究人員揭露內容管理平臺Ghost的漏洞，其中最嚴重的是身分驗證繞過漏洞CVE-2022-41654，該漏洞可讓不具特權身分的使用者竄改電子報設定，發出未經授權的通知，而且能影響整個網站的所有使用者，CVSS風險層級達到9.6分。研究人員提出警告，由於該內容管理平臺預設允許管理者在電子報注入JavaScript，使得攻擊者能利用上述漏洞編輯電子報，並能建立管理者帳號。</p> <p>研究人員公布的另一個漏洞是用戶枚舉漏洞CVE-2022-41697，駭客一旦利用，就有機會取得該網站所有使用者的電子郵件信箱，然後用於釣魚攻擊，CVSS風險層級為5.3分。</p> <h3> </h3> <h3><strong>【其他資安新聞】</strong></h3> <p><a href="https://www.ithome.com.tw/news/154878"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">針對劍橋分析事件的集體訴訟，Meta有意拿出7.25億美元和解</span></span></strong></a></p> <p><a href="https://www.scmp.com/news/asia/east-asia/article/3204528/north-korea-hacked-almost-900-south-korean-foreign-policy-experts-sought-ransom"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">南韓指控北韓駭客攻擊近900名外交專家</span></span></strong></a></p> <p><a href="https://www.cincinnati.com/story/news/2022/12/24/cincinnati-state-breach-exposed-social-security-numbers-other-info/69754533007/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">美國辛辛那提州社區大學傳出資料外洩，恐曝露師生社會安全碼</span></span></strong></a></p> <p><a href="https://cointelegraph.com/news/hackers-drain-8m-in-assets-from-bitkeep-wallets-in-latest-defi-exploit"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">加密貨幣錢包Bitkeep遭竊800萬美元，駭客利用DeFi漏洞得逞</span></span></strong></a></p> <p><a href="https://www.bleepingcomputer.com/news/security/leading-sports-betting-firm-betmgm-discloses-data-breach/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">體育賽事賭博網站BetMGM證實資料外洩</span></span></strong></a></p> <p><strong> </strong></p> <h3><strong>近期資安日報</strong></h3> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154895">【2022年12月26日】 容器驗證系統的弱點可被用於上傳惡意映像檔、WordPress禮物卡外掛程式重大漏洞出現攻擊行動</a></strong></strong></strong></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154861">【2022年12月23日】 提升為RCE的CVE-2022-37958被研究人員視為另一EternalBlue；LastPass客戶資料庫備份遭存取</a></strong></strong></strong></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154833">【2022年12月22日】 資安研究人員提出硬體斷點規避EDR監控新技術；用ChatGPT與Codex降低攻擊門檻情況受關注</a></strong></strong></strong></p> </div></div></div>

【資安日報】2022年12月26日，容器驗證系統的弱點可被用於上傳惡意映像檔、WordPress禮物卡外掛程式重大漏洞…

<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"> <p>駭客入侵Kubernetes環境的管道，很可能藉由Docker映像檔來傳送惡意程式，但有專門把關這種映像檔的資安系統出現漏洞，一旦駭客加以利用，就能使得相關驗證流程形同虛設。研究人員提出警告，這樣的漏洞有可能會出現其他同類型的資安系統。</p> <p>又有針對WordPress外掛程式的攻擊行動了！在聖誕節前夕，駭客鎖定讓電商平臺WooCommerce支援禮物卡的外掛程式下手，針對近期被修補的一項漏洞而來，此漏洞在研究人員公布相關細節後就被積極利用，使得資安業者呼籲網站管理者應儘速安裝新版外掛程式。</p> <p>Linux核心的漏洞也相當值得留意，漏洞懸賞計畫Zero Day Initiative公布他們在7月向Linux基金會通報的漏洞，這些漏洞都與SMB元件ksmbd有關，其中最嚴重者CVSS分數達到了10分。</p> <h3><strong>【攻擊與威脅】</strong></h3> <h3><a href="https://www.wordfence.com/blog/2022/12/psa-yith-woocommerce-gift-cards-premium-plugin-exploited-in-the-wild/" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">WordPress禮物卡外掛程式存在重大漏洞，5萬網站曝險，且已有攻擊行動</span></strong></a></h3> <p>資安業者Wordfence針對WordPress外掛程式漏洞CVE-2022-45359提出警告，此漏洞存在於名為YITH WooCommerce Gift Cards Premium的外掛程式，為上傳任意檔案漏洞，攻擊者一旦運用，就能在不需身分驗證的情況下上傳可執行檔案，進而置入後門程式，或是遠端執行任意程式碼（RCE），甚至有可能接管整個網站，CVSS風險層級達到9.8分。</p> <p>此漏洞影響3.19.0版以下的外掛程式，開發商YITH已發布修補版本。Wordfence表示，他們偵測到超過100個IP位址的攻擊行動，但大部分的攻擊來自其中2個IP位址。發動攻擊次數最多的來源，總共對10,936個網站發出19,604次攻擊。</p> <h3><a href="https://www.prodaft.com/resource/detail/fin7-unveiled-deep-dive-notorious-cybercrime-gang"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">Exchange遭到駭客組織FIN7鎖定，透過自動化攻擊套件入侵</span></strong></a></h3> <p>資安業者Prodaft針對駭客組織FIN7近期的攻擊行動提出警告，該組織自2021年6月開始，利用名為Checkmarks的自動攻擊系統，掃描目標組織的Exchange漏洞，如CVE-2021-34473、CVE-2021-34523、CVE-2021-31207，來入侵受害組織，然後濫用PowerShell來植入Web Shell，研究人員分析此攻擊平臺，發現還有SQL注入的攻擊模組，以及掃描注入漏洞的工具SQLMap。</p> <p>在成功入侵之後，Checkmarks會自動執行偵察工作，例如收集Exchange伺服器資料，以及從AD收集使用者名單。接下來，駭客會透過Checkmarks進行「協作」，討論目標組織是否值得投入資源攻擊。研究人員指出，此攻擊系統已被用於滲透8,147家企業，約有六分之一位於美國。</p> <h3><a href="https://www.securonix.com/blog/new-steppykavach-attack-campaign/"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">研究人員揭露鎖定印度政府的攻擊行動Steppy#Kavach，濫用JavaScript於受害電腦植入後門程式</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/steppy-kavach-figure-01.png"><img alt="" src="https://s4.itho.me/sites/default/files/images/steppy-kavach-figure-01.png" style="width: 300px; float: right;" /></a>資安業者Securonix發現名為Steppy#Kavach的攻擊行動，出手的駭客攻擊技巧與手法，與另一個組織APT36（亦稱SideCopy、TransparentTribe、Earth Karkaddan）雷同。攻擊者透過釣魚郵件，並引誘收信人點選附件裡的捷徑檔案（LNK），一旦執行，此檔案將會觸發mshta.exe，進而執行帶有惡意酬載的HTA檔案，下載JavaScript指令碼於受害電腦執行，最終植入RAT木馬程式。研究人員根據駭客鎖定的身分驗證系統Kavach，研判這波攻擊是針對印度政府而來。</p> <h3><a href="https://www.trendmicro.com/en_us/research/22/l/icedid-botnet-distributors-abuse-google-ppc-to-distribute-malware.html"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">Google廣告遭到濫用，駭客藉此散布惡意軟體IcedID</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/figure2-icedid-botnet-actors-abuse-google-ppc-to-distribute-malware.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/figure2-icedid-botnet-actors-abuse-google-ppc-to-distribute-malware.jpg" style="width: 300px; float: right;" /></a>資安業者趨勢科技揭露本月殭屍網路病毒IcedID的攻擊行動，駭客藉由Google的點擊付費廣告（Pay Per Click），假冒Adobe、Fortinet、美國大型銀行Chase Bank等知名品牌的名義提供應用程式，進而引誘使用者到惡意網站下載安裝程式，一旦使用者照做，電腦就會被植入IcedID，以便駭客進一步執行後續攻擊行動。</p> <p>研究人員指出，駭客為了繞過資安系統的偵測，設法讓IcedID與程式庫sqlite3.dll具備極為相似的特徵，企圖突破白名單系統，以及機器學習分析引擎。</p> <p> </p> <p> </p> <h3><strong>【漏洞與修補】</strong></h3> <h3><a href="https://www.armosec.io/blog/cve-2022-47633-kyvernos-container-image-signature-verification/" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">容器驗證系統Kyverno的弱點恐遭利用，駭客可藉此上傳惡意映像檔到K8s</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/Kyverno_CVE_diagram_2.png"><img alt="" src="https://s4.itho.me/sites/default/files/images/Kyverno_CVE_diagram_2.png" style="width: 300px; float: right;" /></a>資安業者Armo揭露Kubernetes政策管理引擎Kyverno的高風險漏洞CVE-2022-47633，此漏洞可讓攻擊者用來上傳沒有簽章、未經過驗證的容器映像檔，進而在K8s環境植入挖礦軟體、蠕蟲程式、竊密程式、漏洞利用工具包等惡意軟體。</p> <p>研究人員指出，這項漏洞起因是Kyverno的驗證過程裡會下載兩次映像檔，但只在其中一次過程中驗證簽章，攻擊者可先經由社交工程，引誘管理者從惡意儲存庫拉取容器映像檔，當映像檔第一次匯入時，惡意儲存庫會提供Kyverno具有簽章的良性映像檔，但在第二次匯入的過程裡，則會提供惡意映像檔來發動攻擊。此漏洞影響Kyverno 1.8.3版，開發者於1.8.5版修補上述漏洞。</p> <h3><a href="https://www.ithome.com.tw/news/154880" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">Linux核心的SMB元件ksmbd存在記憶體釋放後濫用漏洞</span></strong></a></h3> <p>趨勢科技旗下的漏洞懸賞機構Zero Day Initiative（ZDI）於12月22日，揭露5個SMB元件ksmbd漏洞，其中最嚴重的是<a href="https://www.zerodayinitiative.com/advisories/ZDI-22-1690/">CVE-2022-47939（ZDI-CAN-17816）</a>，此為記憶體使用後釋放漏洞（UAF），發生在fs/ksmbd/smb2pdu.c元件處理SMB2_TREE_DISCONNECT指令的過程，未能在執行指令運作前驗證物件是否真的存在，攻擊者可在未經身分驗證的情況下在Linux核心執行任意程式碼，CVSS風險層級達到10分，影響執行5.15分支的Linux核心、啟用ksmbd元件的電腦。Linux基金會獲報後已於8月推出5.15.61版修補。</p> <h3> </h3> <h3><strong>【其他資安新聞】</strong></h3> <p><a href="https://www.bleepingcomputer.com/news/security/massive-twitter-data-leak-investigated-by-eu-privacy-watchdog/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">歐盟著手調查推特大規模資料外洩事故</span></span></strong></a></p> <p><a href="https://www.sentinelone.com/labs/custom-branded-ransomware-the-vice-society-group-and-the-threat-of-outsourced-development/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">勒索軟體Vice Society利用更為複雜的演算法加密電腦檔案</span></span></strong></a></p> <p><a href="https://www.bleepingcomputer.com/news/security/comcast-xfinity-accounts-hacked-in-widespread-2fa-bypass-attacks/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">美國電信業者Comcast Xfinity用戶遭到攻擊，駭客疑繞過雙因素驗證挾持帳號</span></span></strong></a></p> <p><a href="https://spaceraccoon.dev/analyzing-clipboardevent-listeners-stored-xss/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">Zoom白板應用程式存在漏洞，恐被用於跨網站指令碼攻擊</span></span></strong></a></p> <p><a href="https://www.bleepingcomputer.com/news/security/corsair-keyboard-bug-makes-it-type-on-its-own-no-malware-involved/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">海盜船鍵盤韌體存在臭蟲，輸入的資料竟於數天後才出現，用戶懷疑遭到側錄</span></span></strong></a></p> <p><strong> </strong></p> <h3><strong>近期資安日報</strong></h3> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154861">【2022年12月23日】 提升為RCE的CVE-2022-37958被研究人員視為另一EternalBlue；LastPass客戶資料庫備份遭存取</a></strong></strong></strong></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154833">【2022年12月22日】 資安研究人員提出硬體斷點規避EDR監控新技術；用ChatGPT與Codex降低攻擊門檻情況受關注</a></strong></strong></strong></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154819">【2022年12月21日】 駭客利用新手法OWASSRF入侵Exchange、烏克蘭軍事情報系統遭駭客鎖定</a></strong></strong></strong></p> </div></div></div>

【資安週報】2022年12月19日到12月23日

<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"> <p>在本周資安新聞中，就是微軟最近將9月修補的漏洞CVE-2022-37958，調整為RCE漏洞，由於該漏洞涉及SPENGO NEGOEX防護，SMB與RDP等都受影響，因此受到廣泛關注。其他重大的漏洞消息，包括Samba在15日修補多項高風險漏洞，以及思科在12月中旬更新多則資安通告，當中指出多年前修補的漏洞在今年3月被用於攻擊行動。</p> <p>勒索軟體Play針對ProxyNotShell漏洞繞過的攻擊手法，持續成為焦點，資安業者發現有新手法OWASSRF攻擊Exchange伺服器。在攻擊新趨勢方面，以殭屍網路病毒而言，本周有MCCrash與Zerobot的攻擊動向受關注；在新興技術研究方面，有研究人員提出規避EDR監控的新硬體斷點技術，以及展示熱門自然語言對話語言模型ChatGPT與Codex可能被攻擊者應用的情境。</p> <p>在這一週資安消息當中，有幾則都是受到比較多討論的，像是：烏克蘭軍事情報系統Delta遭到竊密軟體攻擊、FBI威脅情資交換平臺InfraGard遭駭；還有雲端身分安全業者Okta說明原始碼遭竊，以及密碼安全服務業者LastPass客戶資料庫備份遭複製的事件。</p> <p>另外，國際間又有BEC詐騙案的警告，但這次並非變更匯款帳號騙取金錢，而是騙取貨品。這類案情雖不多見，但早年其實發生過，例如，五年前國內刑事警察局國際刑警科對於<a href="https://www.ithome.com.tw/news/116960"><span style="color: rgb(0, 0, 128);">BEC詐騙</span></a>就看到這樣的狀況，並指出手法萬變不離其宗，最終目的都是騙取金錢或貨品。</p> <p>至於安全防護的焦點上，GitHub將推出一項Secret scanning功能最受關注，可協助因應因開發人員不慎將帳密、金鑰或憑證嵌入程式碼的問題。</p> <p> </p> <h3><a href="https://www.ithome.com.tw/news/154780"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">【12月19日】連網裝置成MCCrash殭屍網路病毒入侵的目標、駭客鎖定食品業者發動BEC攻擊</span></strong></a></h3> <p>殭屍網路病毒用來散播的管道出現變化！研究人員揭露殭屍網路病毒MCCrash近期的攻擊行動，比較特別的是，駭客先是針對Windows電腦而來，一旦成功入侵之後便會掃描網路上的Linux物聯網裝置，進行橫向感染。</p> <p>商業郵件詐騙（BEC）也出現新的攻擊手法！美國FBI、FDA聯手提出警告，駭客看上近期食品不斷漲價的現象，先假冒知名食品業者的高階主管向下游廠商訂貨，然後再把這些食品拿去轉賣。<span style="color:#000080;">(編按：其實我國刑事警察局國際刑警科在</span><a href="https://www.ithome.com.tw/news/116960"><span style="color:#000080;">2017年說明BEC詐騙時，就已經提到詐騙方的最終目的都是騙取金錢或貨品</span></a><span style="color:#000080;">，不論是在最後階段冒名發信要求買方變更匯款帳戶，或是冒名發信要求賣方改變送貨時間或地點，只是後者相對較少）</span></p> <p>有研究人員發現Akamai的應用程式防火牆（WAF）能被繞過，其原理是針對其中含有漏洞的Spring Boot元件發動攻擊。對此Akamai表示已經修補，管理者應儘量使用最新版本。</p> <h3><a href="https://www.ithome.com.tw/news/154799"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">【12月20日】FBI威脅情資交換平臺用戶個資驚傳流入暗網、4至5年前修補的思科產品漏洞出現攻擊行動</span></strong></a></h3> <p>在今日的資安新聞裡，有不少與資料外洩相關，其中最引起注目的應該就屬美國聯邦調查局（FBI）的威脅情資交換平臺InfraGard遭駭的事故，此平臺提供美國企業與該單位公私合作的管道，但這起事故也讓研究人員發現，該平臺仍在使用不甚安全的簡訊驗證碼執行進階身分驗證， 而使得駭客有機可乘，取得該平臺的會員帳號，以便進行後續的竊密行動。</p> <p>許多駭客會利用零時差漏洞來發動攻擊，但已修補多年的漏洞仍有可能成為被利用的對象。思科近期更新了近30則資安通告，原因是他們獲報這些漏洞出現被利用的情況，這些公告大多是2017年、2018年發出。</p> <p>Samba最近修補的漏洞也相當值得留意，若不安裝新版軟體，攻擊者就有可能利用相關漏洞來控制受害電腦。</p> <h3><a href="https://www.ithome.com.tw/news/154819"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">【12月21日】駭客利用新手法OWASSRF入侵Exchange、烏克蘭軍事情報系統遭駭客鎖定</span></strong></a></h3> <p>針對資安業者在9月底揭露ProxyNotShell漏洞，微軟雖然提供了修補程式與緩解措施，但現在傳出這些做法已被駭客繞過！資安業者CrowdStrike發現駭客運用了名為OWASSRF的手法來攻擊Exchange，並指出有別於原本駭客濫用自動探索（Autodiscover）來觸發ProxyNotShell，這次濫用的是該系統的網頁版郵件管理介面OWA來達成目的。</p> <p>駭客利用竊密程式來偷取各式資料的情況可說是相當氾濫，而這樣的工具也可能被用於攻擊軍事系統──烏克蘭電腦緊急應變小組（CERT-UA）揭露針對軍事情報系統而來的竊密軟體攻擊，駭客佯稱更新電腦憑證的名義來下手，企圖盜取軍人電腦裡的相關帳密資料。</p> <p>現今熱門的AI機器人ChatGPT能力強大，但很有可能成為駭客濫用的目標！有研究人員進行實際驗證，利用該機器人打造釣魚郵件及惡意附件，藉此警告這樣的工具有可能遭到濫用。</p> <p><strong style="font-size: 22px;"><a href="https://www.ithome.com.tw/news/154833"><strong><span style="color: rgb(0, 0, 0);">【12月22日】資安研究人員提出硬體斷點規避EDR監控新技術；用ChatGPT與Codex降低攻擊門檻情況受關注</span></strong></a></strong></p> <p>近期關於EDR產品安全性的研究不少，前陣子有資安研究人員揭露數款防毒軟體與EDR系統的零時差漏洞，今日有研究人員提出新的硬體斷點規避EDR監控的技術，希望外界與業者能夠更關注這類潛在攻擊方法。</p> <p>近來自然語言對話語言模型ChatGPT成為各界熱門話題，不過，新技術可以幫助防禦者，但同時也會幫助攻擊者，資安研究人員以實際情境來舉例，技能差的攻擊者也能利用ChatGPT與Codex，這也導致攻擊技術門檻可能降低的情況。</p> <p>身分安全業者Okta在20日說明原始程式碼儲存庫被入侵並被複製的情況，而在此之前，該公司在今年3月與9月，也都遭遇重大資安事件。另外，CISA發布6項ICS安全公告。</p> <p><strong style="font-size: 22px;"><strong><a href="https://www.ithome.com.tw/news/154861"><strong><span style="color: rgb(0, 0, 0);">【12月23日】提升為RCE的CVE-2022-37958被研究人員視為另一EternalBlue；LastPass客戶資料庫備份遭存取</span></strong></a></strong></strong></p> <p>微軟在9月修補的漏洞CVE-2022-37958，最近受到很大的關注，因為他們後續將這個涉及SPENGO NEGOEX防護的弱點類型，調整為RCE漏洞，CVSS評分也提升至8.1分，由於SMB與RDP都使用NEGOEX安全機制，可能影響的層面相當廣，甚至有研究人員將此漏洞與EternalBlue漏洞相提並論。</p> <p>今日密碼管理業者相關的資安新聞有兩起，首先是LastPass在22日發布資安事件公告，說明客戶資料庫的備份被入侵者複製，另一起是瑞士資安研究人員揭露密碼管理產品Passwordstate的漏洞通報細節。</p> <p>網路犯罪者為了散布惡意網站，利用搜尋引擎透過購買關鍵字廣告，假冒品牌業者的情形，<a href="http://www.ithome.com.tw/news/154701#家樂福">最近在臺灣受到民眾與媒體的注意</a>，特別的是，美國FBI現在也針對此一情況示警，突顯駭客不斷改變其策略，頻頻躲過搜尋服務業者對於網路詐騙廣告的偵測。</p> <p> </p> </div></div></div>

【資安日報】2022年12月23日，提升為RCE的CVE-2022-37958被研究人員視為另一EternalBlue…

<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"> <p>微軟在9月修補的漏洞CVE-2022-37958，最近受到很大的關注，因為他們後續將這個涉及SPENGO NEGOEX防護的弱點類型，調整為RCE漏洞，CVSS評分也提升至8.1分，由於SMB與RDP都使用NEGOEX安全機制，可能影響的層面相當廣，甚至有研究人員將此漏洞與EternalBlue漏洞相提並論。</p> <p>今日密碼管理業者相關的資安新聞有兩起，首先是LastPass在22日發布資安事件公告，說明客戶資料庫的備份被入侵者複製，另一起是瑞士資安研究人員揭露密碼管理產品Passwordstate的漏洞通報細節。</p> <p>網路犯罪者為了散布惡意網站，利用搜尋引擎透過購買關鍵字廣告，假冒品牌業者的情形，<a href="http://www.ithome.com.tw/news/154701#家樂福">最近在臺灣受到民眾與媒體的注意</a>，特別的是，美國FBI現在也針對此一情況示警，突顯駭客不斷改變其策略，頻頻躲過搜尋服務業者對於網路詐騙廣告的偵測。</p> <p> </p> <h3><strong>【攻擊與威脅】</strong></h3> <h3><a href="https://securityaffairs.co/wordpress/139709/hacking/microsoft-revised-cve-2022-37958-rate.html" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">針對9月修補的CVE-2022-37958漏洞，微軟提高其風險評分</span></strong></a></h3> <p><a href="https://twitter.com/chompie1337?ref_src=twsrc^tfw|twcamp^tweetembed|twterm^1602757336908660736|twgr^fbea76759c5cf9e769b64a847c83159d468e5a1b|twcon^s1_&amp;ref_url=https%3A%2F%2Fsecurityaffairs.co%2Fwordpress%2F139709%2Fhacking%2Fmicrosoft-revised-cve-2022-37958-rate.html"><img alt="" src="/sites/default/files/images/CVE-2022-37958%20RCE_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90chompie1337's%20Twitter.jpg" style="width: 280px; float: right;" /></a></p> <p>微軟在12月中調整了CVE-2022-37958的漏洞分類，從資訊洩漏漏洞改為RCE漏洞，CVSSv3評分也從7.5提升為8.1，這是微軟在9月修補、存在於SPENGO NEGOEX的漏洞。</p> <p>值得關注的是，最近有多位資安研究人員對此漏洞發表看法，強調應正視其嚴重性。由於SMB與RDP都使用NEGOEX安全機制進行身分驗證，因此將更廣泛影響Windows系統，尤其是暴露於網際網路的服務，身處內部網路環境的這類系統也不能輕忽，而根據資安新聞網站Security Affair的報導，指出IBM Security X-Force研究人員也已證明這是個RCE漏洞，會影響多種協定，並表示將在明年第二季才會公布完整技術細節。目前微軟9月釋出的修補仍是有效，還沒修補的企業需儘速因應。</p> <h3><a href="https://www.microsoft.com/en-us/security/blog/2022/12/21/microsoft-research-uncovers-new-zerobot-capabilities/" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">新興Zerobot殭屍網路威脅擴大，新鎖定7個重大漏洞</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/zerobot_圖片來源微軟.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/zerobot_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E5%BE%AE%E8%BB%9F.jpg" style="width: 280px; float: right;" /></a></p> <p>微軟在12月21日揭露Zerobot新能力，該殭屍網路病毒今年11月中旬冒出，月初Fortinet曾揭露Zerobot鎖定21個漏洞入侵。微軟指出，該惡意程式使用常見8個使用者帳號與130個密碼的組合，並透過連接埠23與2323，來嘗試獲取設備存取權，並增加7個鎖定目標，例如：Zivif網路攝影機（CVE-2017-17105）、Grandstream視訊設備（CVE-2019-10655），Sophos SG UTM設備（CVE-2020-25223），以及Apache（CVE-2021-42013）與Apache Spark（CVE-2022-33891）等，同時，Zerobot 1.1版還具有額外的DDoS攻擊功能。</p> <h3><a href="https://www.ic3.gov/Media/Y2022/PSA221221" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">FBI警告網路犯罪者正利用搜尋引擎廣告、假冒品牌業者，引誘民眾上當</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/FBI Alert_Search Engine Advertisement Defraud_圖片來源擷取自FBI.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/FBI%20Alert_Search%20Engine%20Advertisement%20Defraud_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E6%93%B7%E5%8F%96%E8%87%AAFBI.jpg" style="width: 280px; float: right;" /></a></p> <p>美國FBI在12月21日發出一則警告，指出網路犯罪分子利用搜尋引擎，投放冒充品牌名義的詐騙廣告，使用戶被引導至惡意網站的威脅狀況，需要特別注意。</p> <p>FBI表示，這些惡意網站將讓用戶遭受勒索軟體、帳密與金融資訊被竊等危害，因此，他們對企業提出3項建議，分別是可利用網域名稱保護服務、向用戶介紹詐騙網站與識別正確URL的重要性，以及告訴用戶哪裡可以找到合法下載管道，同時，FBI也對個人提供預防建議，包括：點擊廣告需檢查URL以確保是真正的網站（注意拼寫錯誤與錯放等混淆手法），直接在瀏覽器網址列輸入網址，以及安裝廣告攔截程式等。</p> <h3><a href="https://www.justice.gov/usao-sdny/pr/two-men-arrested-conspiring-russian-nationals-hack-taxi-dispatch-system-jfk-airport" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">美國司法部起訴書透露紐約JFK機場計程車調度系統遭駭事件，網路犯罪者藉改變排班順序牟利</span></strong></a></h3> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/Hack%20The%20Taxi%20Dispatch%20System%20At%20JFK%20Airport_%E8%A7%A3%E5%8F%96%E8%87%AA%E7%BE%8E%E5%9C%8B%E5%8F%B8%E6%B3%95%E9%83%A8.jpg" style="width: 280px; float: right;" /></p> <p><a href="https://www.ithome.com.tw/news/154833#JFK">昨日</a>美國多家媒體報導紐約JFK機場計程車調度系統遭俄駭客操控，兩名涉嫌的美國公民被捕。根據美國司法部此案的起訴書顯示，這項行動發生至少在2019年9月到2021年9月間，入侵者嘗試了各種方式，包括：賄絡某人將惡意USB插入調度系統電腦，透過Wi-Fi存取調度系統，以及竊取連接調度系統的電腦設備，在成功入侵後，這些犯罪者藉由改變計程車司機排班順序，並以口耳相傳方式讓司機們得到消息，聲稱只需支付10美元給該集團即可優先排班，藉此牟利。</p> <h3><a href="https://blog.lastpass.com/2022/12/notice-of-recent-security-incident/"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">LastPass發布安全事件公告，客戶加密密碼資料庫備份遭存取</span></strong></a></h3> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/LastPass%E8%B3%87%E5%AE%89%E4%BA%8B%E4%BB%B6%E5%85%AC%E5%91%8A_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E6%93%B7%E5%8F%96%E8%87%AALastPass.jpg" style="width: 280px; float: right;" /></p> <p>密碼管理服務業者LastPass在12月22日發布資安公告，提及8月底坦承遭遇資安事故，初步調查後發現未經授權的第三方存取其開發環境與雲端服務，導致部分程式碼被盜，原本他們認為不會影響用戶資料，如今又有了新的進展。</p> <p>入侵者先是透過雲端環境複製了客戶資料庫的備份，當中包含未加密的資料（如URL網址），以及完全加密的資料（如使用者帳號與密碼）。不過，該公司再次強調他們採用的零知識（Zero Knowledge）安全架構，需從每個使用者主密碼產生的唯一金鑰來解密，也就是除了用戶自己，無人能存取密碼庫的資料。</p> <p>即便無資料外洩狀況，但該公司還是提醒用戶當心網路釣魚，不要將主密碼用於其他網路服務。</p> <h3> </h3> <h3><strong>【漏洞與修補】</strong></h3> <h3><a href="https://www.modzero.com/static/MZ-22-03_Passwordstate_Security_Disclosure_Report-v1.0.pdf"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">Passwordstate密碼管理方案修補多個嚴重漏洞</span></strong></a></h3> <p>Passwordstate是澳洲資安業者Click Studio的密碼管理產品，在12月19日，瑞士資安業者Modzero研究人員揭露裡面有多個漏洞。他們指出，當中的CVE-2022-3875最嚴重，是存在於API的身分驗證繞過漏洞。Click Studio收到通報後，已於<a href="http://www.clickstudios.com.au/passwordstate-changelog.aspx">11月初釋出Passwordstate 9.6 - Build 9653版本</a>，修補這批漏洞，並呼籲用戶盡速更新。</p> <p> </p> <h3><strong>【資安防禦措施】</strong></h3> <h3><a href="https://www.darkreading.com/risk/biden-signs-post-quantum-cybersecurity-guidelines-into-law"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">美國白宮簽署量子運算網路安全準備法案（H.R. 7535），以實踐後量子密碼學過渡計畫</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/H_R_ 7535 White house_圖片來源擷取自白宮.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/H_R_%207535%20White%20house_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E6%93%B7%E5%8F%96%E8%87%AA%E7%99%BD%E5%AE%AE.jpg" style="width: 280px; float: right;" /></a></p> <p>美國總統拜登於12月21日<a href="https://www.whitehouse.gov/briefing-room/legislation/2022/12/21/press-release-bills-signed-h-r-310-h-r-2220-h-r-2930-h-r-3462-h-r-7535-s-314-s-4834/">簽署量子運算網路安全準備法案（Quantum Computing Cybersecurity Preparedness Act；H.R. 7535）</a>，根據這項法案規定，美國行政管理和預算局（OMB）需在NIST發布新指南後的1年內，進行PQC的轉換，另一方面，此法案頒布後的1年內，OMB需向國會提出報告，說明因應戰略、資金，以及與各機構組織的協調工作。</p> <h3><a href="https://www.interieur.gouv.fr/actualites/communiques/de-nouveaux-engagements-pour-renforcer-cybersecurite-des-etablissements-de"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">法國醫療業今年下半遭遇兩次重大資安事件，該國政府祭出強化安全新承諾</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/法國政府針對該國醫療機構祭出強化安全新承諾_圖片來源擷取自法國內政部.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/%E6%B3%95%E5%9C%8B%E6%94%BF%E5%BA%9C%E9%87%9D%E5%B0%8D%E8%A9%B2%E5%9C%8B%E9%86%AB%E7%99%82%E6%A9%9F%E6%A7%8B%E7%A5%AD%E5%87%BA%E5%BC%B7%E5%8C%96%E5%AE%89%E5%85%A8%E6%96%B0%E6%89%BF%E8%AB%BE_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E6%93%B7%E5%8F%96%E8%87%AA%E6%B3%95%E5%9C%8B%E5%85%A7%E6%94%BF%E9%83%A8.jpg" style="width: 280px; float: right;" /></a></p> <p>法國政府在12月21日宣布將加強該國醫療機構網路安全，該國醫療院所今年8月與12月初遭遇兩次重大事件，均造成病患手術取消或轉院情況，對此，該國內政、醫療與電信主管機關召開會議，宣布將啟動大型網路安全事件準備計畫，首先在2023年5月前，要讓所有重要醫療機構完成新的資安演練，在第一季之內，也將為各機構提供資安事件應變、影響評估的指引。同時，他們也持續強調國家公共機構遭勒索攻擊不付贖金的一貫立場。</p> <p> </p> <h3><strong>【其他資安新聞】</strong></h3> <p><a href="https://www.ithome.com.tw/news/154758"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">2022年臺灣APT攻擊研究大公開，TeamT5觀察到APT攻擊行動109起，受駭單位有26個</span></span></strong></a></p> <p><a href="https://www.ithome.com.tw/news/154735"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">Google在臺闡述其零信任防禦原則，聚焦以身分作為存取控制的安全邊界</span></span></strong></a></p> <p><a href="https://www.itworldcanada.com/article/breaking-news-toronto-childrens-hospital-confirms-it-was-hit-by-ransomware/519357"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">多倫多兒童醫院遭勒索軟體攻擊</span></span></strong></a></p> <p><a href="https://www.mandiant.com/resources/blog/information-operations-2022-midterm-elections"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">Mandiant揭露針對2022年美國中期選舉的影響行動</span></span></strong></a></p> <p><a href="https://thehackernews.com/2022/12/two-new-security-flaws-reported-in.html"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">思科揭露Ghost CMS存在兩個漏洞</span></span></strong></a></p> <p><a href="https://www.securityweek.com/over-50-new-cve-numbering-authorities-announced-2022?&amp;web_view=true"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">2022年MITRE CNA成員增加超過50個</span></span></strong></a></p> <p> </p> <h3><strong>近期資安日報</strong></h3> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154833">【2022年12月22日】 資安研究人員提出硬體斷點規避EDR監控新技術；用ChatGPT與Codex降低攻擊門檻情況受關注</a></strong></strong></strong></p> <p><a href="https://www.ithome.com.tw/news/154819"><strong>【2022年12月21日】 駭客利用新手法OWASSRF入侵Exchange、烏克蘭軍事情報系統遭駭客鎖定</strong></a></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154799">【2022年12月20日】 FBI威脅情資交換平臺用戶個資驚傳流入暗網、4至5年前修補的思科產品漏洞出現攻擊行動</a></strong></strong></strong></p> </div></div></div>

【資安日報】2022年12月22日

<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"> <p>近期關於EDR產品安全性的研究不少，前陣子有資安研究人員揭露數款防毒軟體與EDR系統的零時差漏洞，今日有研究人員提出新的硬體斷點規避EDR監控的技術，希望外界與業者能夠更關注這類潛在攻擊方法。</p> <p>近來自然語言對話語言模型ChatGPT成為各界熱門話題，不過，新技術可以幫助防禦者，但同時也會幫助攻擊者，資安研究人員以實際情境來舉例，技能差的攻擊者也能利用ChatGPT與Codex，這也導致攻擊技術門檻可能降低的情況。</p> <p>身分安全業者Okta在20日說明原始程式碼儲存庫被入侵並被複製的情況，而在此之前，該公司在今年3月與9月，也都遭遇重大資安事件。</p> <p> </p> <h3><strong>【攻擊與威脅】</strong></h3> <h3><a href="https://cymulate.com/blog/blindside-a-new-technique-for-edr-evasion-with-hardware-breakpoints" style="font-size: 13px;"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">研究人員發現使用硬體斷點來規避EDR的新技術，許多業者系統可被Blindside技術繞過</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/Blindside_圖片來源Cymulate.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/Blindside_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90Cymulate.jpg" style="width: 280px; float: right;" /></a></p> <p>以色列資安業者Cymulate研究人員在12月19日發布一項研究，指出利用硬體斷點來規避EDR監控，他們最近發現新的利用方式，稱為Blindside技術，其不同之處在於，增加了使用特定的除錯斷點，可強制程序在沒有Hooks情況下啟動，並以影片展示繞過方式。</p> <p>研究人員解釋，許多EDR解決方案在追蹤惡意活動與行為時，完全或嚴重依賴hooks來檢測，而他們在實際研究發現，Blindside手法可繞過多數EDR/XDR系統。他們並認為，下一代EDR平臺可能會擺脫對hooks的依賴。</p> <p><span style="color:#696969;">〔編按：Cymulate指出硬體斷點（Hardware breakpoints）包含8個除錯暫存器（debug registers），從DR0到DR7，這些暫存器在x86與x64上的長度分別為32位元與64位元，這些除錯暫存器控制並允許監控程序除錯的運作。〕</span></p> <h3><a href="https://research.checkpoint.com/2022/opwnai-ai-that-can-save-the-day-or-hack-it-away/"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">不只ChatGPT有遭濫用風險，Check Point揭露結合Codex可導致攻擊門檻降低的情境</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/Codex_圖片來源Check Point.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/Codex_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90Check%20Point.jpg" style="width: 280px; float: right;" /></a></p> <p>昨日Check Point研究人員公布一項威脅研究，可利用ChatGPT撰寫網路釣魚電子郵件，並產生基本的惡意VBA程式碼，不僅如此，攻擊者還可以利用Codex產生reverse Shall，而且若要檢查服務的可利用性，可再繼續利用Codex產生SQL注入弱點檢查的指令，產生連接埠掃描的腳本、沙箱偵測的腳本，以及查詢將Phthon轉換為執行檔等。</p> <p>研究人員認為，這樣的實驗也顯示新興技術影響之下，不只是帶來好處，也降低了攻擊者在網路釣魚與惡意軟體開發上的門檻，尤其是對於程度較低的攻擊者。</p> <h3><a href="https://sec.okta.com/articles/2022/12/okta-code-repositories"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">Okta說明程式原始碼遭竊，今年第三起資安事故</span></strong></a></h3> <p><a href="https://s4.itho.me/sites/default/files/images/Okta code Repositories_圖片來源Okta.jpg"><img alt="" src="https://s4.itho.me/sites/default/files/images/Okta%20code%20Repositories_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90Okta.jpg" style="width: 280px; float: right;" /></a></p> <p>身分安全業者Okta在12月20日，發布有關程式碼儲存庫被駭的後續調查結果。該公司表示，他們是在12月初接獲GitHub通知Okta儲存庫有異常存取狀況，在調查結果中，顯示該存取複製了Okta程式碼儲存庫，也就是說Okta原始程式碼被竊。另外，他們也特別說明，Okta服務與客戶資料並未受到未經授權的存取，同時強調，Okta並不依賴其原始程式碼的機密性，來確保其服務的安全性。</p> <h3><a href="https://blog.group-ib.com/godfather-trojan"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">金融木馬「教父」近一年鎖定400家銀行與加密貨幣交易所用戶</span></strong></a></h3> <p>Group-IB研究人員在21日新揭露Android金融木馬「Godfather」的攻擊活動，從去年6月至今年10月，Group-IB偵測到該銀行木馬主要針對400多家國際金融公司，其中半數是銀行（215家），加密貨幣錢包（94個）與交易所（110個）也是目標，若以國別來看，當中美國公司有49家、土耳其31家，西班牙30家。</p> <p>特別的是，根據Group-IB的分析，這支金融木馬的運行架構，是透過放置在Google Play上的誘餌應用程式來散布，而且，它會檢查手機系統語言，如果是俄羅斯、白俄羅斯等，木馬程式將會關閉。另也指出其前身是Anubis金融木馬。</p> <h3><a href="https://www.theguardian.com/media/2022/dec/21/guardian-hit-by-serious-it-incident-believed-to-be-ransomware-attack"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">英國衛報疑遭勒索軟體攻擊</span></strong></a></h3> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%A1%9B%E5%A0%B1%E9%87%8D%E5%A4%A7IT%E4%BA%8B%E4%BB%B6%E7%96%91%E5%8B%92%E7%B4%A2%E8%BB%9F%E9%AB%94%E6%94%BB%E6%93%8A%EF%BC%BF%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E6%93%B7%E5%8F%96%E8%87%AA%E8%A1%9B%E5%A0%B1.jpg" style="width: 280px; float: right;" /></p> <p>英國衛報在21日表示他們疑似受到勒索軟體攻擊，公司網路與IT系統受到影響，員工在周二深夜被告知將居家上班。衛報執行官Anna Bateson與主編Katharine Viner表示，這次事件應是遭到勒索軟體。目前，該媒體的線上新聞發布並不受影響，同時也表示他們應會在週四恢復實體的印刷出版。</p> <h3><a href="https://securityaffairs.co/wordpress/139870/hacking/thyssenkrupp-targeted-cyberattack.html"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">德國鋼鐵工業ThyssenKrupp AG遭網路攻擊</span></strong></a></h3> <p>德國鋼鐵巨擘蒂森克虜伯（ThyssenKrupp AG）宣布，該公司總部與材料服務部門遭到網路攻擊，懷疑是有組織犯罪的攻擊者所為，目前尚未揭露這次攻擊事件的類型。根據SecurityWeek的報導，該公司發言人在電子郵件聲明中表示，內部IT安全團隊在早期階段發現該事件，目前沒有發現資料被盜或竄改的跡象。</p> <h3><a href="https://query.prod.cms.rt.microsoft.com/cms/api/am/binary/RE5daTD"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">微軟Cyber Signals報告指出，需留意關鍵基礎架構風險上升的現況</span></strong></a></h3> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/Cyber%20Singal%203_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90%E5%BE%AE%E8%BB%9F.jpg" style="width: 240px; float: right;" /></p> <p>微軟在12月中旬發布第三期Cyber Signals報告，這次聚焦關鍵基礎設施風險，當中強調幾個重點，包括在2020到2022年間，以熱門供應商生產的工業控制設備而言，高風險漏洞的揭露較過往增加了78%；在其客戶OT網路中，微軟發現常見工業控制器未修補高風險漏洞的比例高達75％；關於2022年各國IoT感染惡意軟體的狀況，以中國38%最高，美國19%次之，臺灣5%排第五。另也提醒老舊Boa開源小型網頁伺服器至今仍有百萬臺曝險的問題。</p> <h3><a href="https://www.cna.com.tw/news/ahel/202212220117.aspx"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">當心即時通訊聊天截圖洩露OTP驗證碼，台灣大哥大表示接獲客戶通報有此狀況</span></strong></a></h3> <p>這兩年<a href="https://www.ithome.com.tw/news/142711">國內民眾被騙取網路服務用戶OTP驗證碼</a>的情形大增，以近期為例，<a href="https://www.facebook.com/JesseTang11/posts/666230091541689">唐綺陽因友人帳號被盜而受騙，OTP碼被騙走導致Line帳號被盜</a>，最近，更常冒出假藉截圖的手法。在12月22日，台灣大哥大對截圖騙取OTP的狀況示警，說明接獲客戶反映，有詐騙集團透過通訊軟體要求民眾提供聊天室截圖，趁機騙取在民眾手機上跳出、帶有OTP驗證碼的訊息內容。事實上，上月底<a href="https://news.ltn.com.tw/news/society/breakingnews/4134542">保三總隊也有這方面示警</a>，指出有人透過Telegramg通訊軟體騙取OTP碼的方式，是用各種藉口要民眾截圖給對方，或是互傳截圖等名義，趁機騙取OTP碼通知的畫面。</p> <p> </p> <h3><strong>【漏洞與修補】</strong></h3> <h3><a href="https://www.cisa.gov/uscert/ncas/current-activity/2022/12/20/cisa-releases-six-industrial-control-systems-advisories"><strong style="font-size: 22px;"><span style="color: rgb(0, 0, 0);">美國CISA發布6項ICS安全公告，5項屬於高風險漏洞</span></strong></a></h3> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/2022-12-22_172926_%E5%9C%96%E7%89%87%E4%BE%86%E6%BA%90CISA.jpg" style="width: 280px; float: right;" /></p> <p>CISA在12月20日針對多家業者工業控制系統（ICS）發布安全通告，包括：台達自動化的4G路由器DX-3021，存在屬於命令注入弱點的CVE-2022-4616漏洞，Fuji Electrice的Tellus Lite V-Simulator軟體，存在CVE-2022-3087與CVE-2022-3085的漏洞，Prosys OPC的UA Simulation Server存在CVE-2022-2967漏洞，以及Rockwell Automation的GuardLogix產品存在CVE-2022-3157漏洞，以及MicroLogix產品存在CVE-2022-46670 、CVE-2022-3166漏洞，另外還有ARC Informatique的PcVue產品的一項中風險漏洞。CISA提醒，這些業者近期已經釋出新版修補這些漏洞，用戶應盡速安裝更新與緩解。</p> <h3> </h3> <h3><strong>【其他資安新聞】</strong></h3> <p><a href="https://www.ithome.com.tw/news/154800"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">集保公開「營運持續管理」落實與精進的經驗，強調外部支援單位磨合</span></span></strong></a></p> <p><a href="https://learn.microsoft.com/en-us/windows/release-health/windows-message-center#2988"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">微軟12月安全性更新造成Hyper-V VM啟動失敗，緊急釋出例外更新修復</span></span></strong></a></p> <p><a href="https://www.trendmicro.com/vinfo/us/security/research-and-analysis/predictions/2023"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">趨勢科技在12月中旬發布2023資安預測報告</span></span></strong></a></p> <p><a href="https://www.ice.gov/news/releases/hsi-federal-partners-issue-national-public-safety-alert-sextortion-schemes"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">針對兒童、青少年網路性勒索威脅，美政府發布國家公共安全警報</span></span></strong></a></p> <p><a href="https://www.bleepingcomputer.com/news/security/russians-hacked-jfk-airport-s-taxi-dispatch-system-for-profit/"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">紐約JFK機場計程車排班系統遭俄駭客操控，兩涉嫌美國公民被捕</span></span></strong></a></p> <p><a href="https://www.ithome.com.tw/news/154807"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">macOS出現可讓駭客躲過安全檢查的阿奇里斯漏洞</span></span></strong></a></p> <p><a href="https://www.ithome.com.tw/news/154779"><strong><span style="font-size: 20px;"><span style="color: rgb(0, 0, 0);">GitHub釋出免費憑證掃描工具、新增5類用戶強制啟用2FA</span></span></strong></a></p> <p> </p> <h3><strong>近期資安日報</strong></h3> <p><a href="https://www.ithome.com.tw/news/154819"><strong><strong><strong>【2022年12月21日】 駭客利用新手法OWASSRF入侵Exchange、烏克蘭軍事情報系統遭駭客鎖定</strong></strong></strong></a></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154799">【2022年12月20日】 FBI威脅情資交換平臺用戶個資驚傳流入暗網、4至5年前修補的思科產品漏洞出現攻擊行動</a></strong></strong></strong></p> <p><strong><strong><strong><a href="https://www.ithome.com.tw/news/154780">【2022年12月19日】 連網裝置成MCCrash殭屍網路病毒入侵的目標、駭客鎖定食品業者發動BEC攻擊</a></strong></strong></strong></p> </div></div></div>

GitHub將實驗Hey, GitHub！用聲音就能寫程式

<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"> <p><a href="https://www.ithome.com.tw/news/151548" target="_blank">GitHub在今年6月正式發表</a>請AI幫忙寫程式的GitHub Copilot服務，<a href="https://www.ithome.com.tw/news/154076" target="_blank">就算正面臨集體訴訟</a>，GitHub仍持續擴張GitHub Copilot能力，<a href="https://github.blog/2022-11-09-everything-new-from-github-universe-2022/" target="_blank">在周三（11/9）宣布</a>將針對企業推出大量授權服務，並開始實驗能以聲音與GitHub Copilot互動的Hey, GitHub！功能。</p> <p>GitHub Copilot的底層技術為OpenAI所打造的OpenAI Codex人工智慧系統，以公開的大量程式碼及自然語言來訓練OpenAI Codex，以讓該系統能夠同時理解程式及人類的語言，並根據工程師所撰寫的程式碼，提出程式的整行或整個函式的撰寫建議。</p> <p>GitHub表示，利用GitHub Copilot將可提高開發者55%的生產力，很快企業就能購買依照所需員工人數的GitHub Copilot授權，除了提高生產力之外，還能協助開發者專注於商業邏輯而非樣板，進而發現更新穎的想法。</p> <p>另一個正要展開實驗的新功能則是Hey, GitHub！，它將讓開發者能夠用語音與GitHub Copilot互動，除了可減少用到鍵盤的需求之外，還能協助那些用手打字有困難的開發者更方便寫程式，惟初期僅支援英文及Visual Studio程式碼。</p> <p>藉由Hey, GitHub！，開發者能夠以自然語言撰寫或編輯程式碼，或是以語音引導它跳至特定行數、方法或下一個區塊，使用各種Visual Studio命令，也能要求GitHub Copilot解釋某一段程式碼的用意。</p> <p>目前Hey, GitHub！<a href="https://githubnext.com/projects/hey-github" target="_blank">仍處於需要提出試用申請的預覽階段</a>。</p> </div></div></div>

GitHub Copilot被告了

<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"> <p>美國律師事務所Joseph Saveri上周代表眾多的開發者，<a href="https://www.prnewswire.com/news-releases/joseph-saveri-law-firm-and-matthew-butterick-file-class-action-lawsuit-against-github-microsoft-and-openai-over-violations-of-open-source-licenses-arising-from-github-copilot-an-ai-based-product-301668255.html" target="_blank">對微軟、GitHub與OpenAI提出集體訴訟</a>，宣稱它們在2021年6月<a href="https://www.ithome.com.tw/news/145340" target="_blank">發表的GitHub Copilot</a>服務違反了《數位千禧年著作權法》（Digital Millennium Copyright Act，DMCA）、《不公平競爭法》（Unfair Competition Act），以及GitHub隱私聲明與服務條款，並向這些業者求償90億美元。</p> <p>GitHub Copilot為GitHub與OpenAI共同開發的服務，底層技術為OpenAI所打造的OpenAI Codex人工智慧系統，以公開的大量程式碼及自然語言來訓練OpenAI Codex，以讓該系統夠同時理解程式及人類的語言，並根據工程師所撰寫的程式碼，提出程式的整行或整個函式的撰寫建議。</p> <p><a href="https://www.ithome.com.tw/news/151548" target="_blank">GitHub Copilot在今年6月正式上線</a>，由AI充當開發者的結對工程師，月租費為10美元，但沒多久就惹來開發者的抗議，<a href="https://www.ithome.com.tw/news/151797" target="_blank">軟體自由保護組織Software Freedom Conservancy（SFC）在7月批評</a>，GitHub Copilot把開源社群的資產轉成獲利工具，甚至可能涉及授權軟體的侵占，<a href="https://www.ithome.com.tw/news/153682" target="_blank">10月則有一名開發者Tim Davis秀出證據</a>，指出GitHub Copilot使用了他應受版權保護的程式碼，當時一名律師Matthew Butterick及所屬的律師事務所Joseph Saveri，也已開始調查此一事件，並在上周正式提告。</p> <p>有鑑於GitHub是微軟的子公司，再加上微軟對OpenAI有10億美元的投資，為OpenAI的大股東，且GitHub Copilot是在微軟的Azure平臺上運作，使得微軟理所當然地也被列為被告之一。</p> <p><a href="https://www.documentcloud.org/documents/23264658-github-complaint" target="_blank">根據《BleepingComputer》所公布的訴狀</a>，GitHub Copilot忽略、違反或移除了至少數十萬軟體開發者所提供的授權，以前所未見的規模進行盜版；它在未遵守授權條款與商用法令的狀況下，從原告的大量材料中輸出文字。</p> <p>此外，被告在所產出的程式碼中剝奪了程式碼的歸屬、版權聲明與授權，既違反授權，也違反了原告的權利，業者把已被匿名的程式碼提供給Copilot用戶，彷彿它們是由Copilot所建立的；然而，在Azure上運作的Copilot，其實也只是簡單地複製那些可被追蹤至開源授權或開源儲存庫中的程式碼。</p> <p>總之，開發者質疑的是GitHub Copilot與OpenAI Codex以大量的公開程式碼來訓練AI模型，這些程式碼或許是開源的，卻是需要特定授權的，或至少是有歸屬的，但GitHub Copilot不僅未取得授權，還抹去這些程式碼的歸屬，當作是自己的資源而向其它開發者提供付費服務。</p> <p>原告認為，GitHub Copilot並不屬於合理使用，反而是不公平與不正當的，它的最終目的是把大量的開源碼資源關進由GitHub控制的付費牆內。</p> <p>Joseph Saveri以每次違規的最低法定損失為2,500美元來計算，向被告們求償90億美元。</p> </div></div></div>

GitHub Copilot建議結果包含受保護程式碼，訓練資料來源合法性爭議再起

<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"> <p><a href="https://twitter.com/DocSparse/status/1581463450269515777">德州農工大學電腦科學教授Tim Davis在推特上發文</a>，提到GitHub Copilot在他禁用公開程式碼設定下，寫出一大區塊他應受版權保護的程式碼，使用的過程沒有標註歸屬（Attribution），也沒有LGPL授權，他貼出自己與GitHub Copilot在稀疏矩陣轉置、稀疏矩陣加法的程式碼，認為兩者幾乎一模一樣，GitHub Copilo還有其他稀疏矩陣的程式碼，也同樣與Tim Davis的程式碼有高度雷同。</p> <p>其他開發者按照Tim Davis的設定，重現了這段有爭議的程式碼，System76技術總監轉推了<a href="https://twitter.com/jeremy_soller/status/1581638803697332226">Tim Davis的推文</a>，評論這個事件是GitHub Copilot非法洗程式碼的例子，這串推文引來了<a href="https://twitter.com/alexgraveley/status/1581762356207841281">GitHub Copilot創造者Alex Graveley回推</a>，他認為Tim Davis所編寫的程式碼和GitHub Copilot產生的程式碼不同，雖然很像但是不同，並提到如果有人可以發明一種演算法，自動辨識程式碼是由其中一方衍生出來的，那就可以申請專利了。</p> <p>Alex Graveley在自己的推特時間軸發文，<a href="https://twitter.com/alexgraveley/status/1581694645418926080">寫道</a>GitHub Copilot累積到現在，被指控的問題共有9個，包括剽竊程式碼、在程式碼中引入漏洞，甚至讓人變笨。Alex Graveley嘲諷這些指控，認為是來自恐懼新技術保守人士的莫須有指控。</p> <p>另一篇在<a href="https://news.ycombinator.com/item?id=33240341">HackerNews</a>引起熱議的文章<a href="https://githubcopilotinvestigation.com/">〈Maybe you don't mind if GitHub Copi­lot used your open-source code with­out ask­ing.But how will you feel if Copi­lot erases your open-source com­mu­nity?〉</a>是一位名叫Matthew Butterick的律師，要帶頭對GitHub Copilot發起訴訟。</p> <p>Matthew Butterick及其事務所，正在調查GitHub Copilot違反對開源作者和終端用戶法律義務的潛在訴訟案，文中提到，絕大多數的開源軟體都是根據授權發布，這些授權授予用戶部分權利，但同時使用者必須負起某些義務，像是保留精確的程式碼歸屬，這些授權將會是軟體開發者能夠宣稱合法擁有該程式碼的依據。</p> <p>Matthew Butterick表示，既然微軟和OpenAI都坦承Copilot和Codex，皆使用GitHub公共儲存庫的開源軟體訓練，那就必須遵守授權的義務，或是以授權例外在版權法下合理使用這些程式碼。如果微軟和OpenAI都是根據各自的開源授權使用程式碼儲存庫，則必須發布大量的程式碼歸屬，但Copilot並沒有提供明顯的歸屬。</p> <p>因此微軟和OpenAI勢必需要宣稱GitHub Copilot為合理使用這些程式碼，GitHub執行長Nat Friedman也在Copilot技術預覽階段，稱Copilot在公共資料上訓練機器學習系統是合理使用。不過這個論點軟體自由保護協會（Soft­ware Free­dom Con­ser­vancy）並不買單，而且微軟和OpenAI也沒有提供GitHub合理使用這些程式碼的法律地位。</p> <p>這件事情很重要的原因，Matthew Butterick認為，Copilot切斷開源軟體作者與開發者中間的法律關係，也就是微軟建立起了新的圍牆，使開發者無法探索開源傳統開源社群，開源作者被隱藏在Copilot的大型程式碼庫中，進而嚴重傷害開源社群發展，因此在損害變得難以彌補之前，他必須測試Copi­lot的合法性，所以才發起訴訟。</p> <p>他也強調，他並非反對人工智慧輔助工具，但微軟可以選擇對開源社群更為友善的路徑，像是號召自願者，或是徵求有償貢獻訓練語料庫。</p> </div></div></div>

AI趨勢周報第192期：物件偵測模型YOLOv6新版現身，再次打破速度和準確度天花板

<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"> <p><span style="color: rgb(0, 0, 255);">重點新聞(0624～0630)</span></p> <p>各大科技巨頭近日紛紛釋出新模型，比如美團發表新一代物件偵測模型YOLOv6，速度和準確度勝過以往YOLO系列模型，而Meta開源660億參數大型語言模型OPT-66B，同時還釋出完整的部署日誌，堪稱AI圈內第一人。另一方面，俄羅斯最大網路公司Yandex首次開源千億參數語言模型，Google則趁勝發表另一款文生圖模型Parti。除了AI模型，最近也出現重量級AI程式撰寫工具如GitHub的Copilot，AWS也不甘示弱釋出CodeWhisper預覽版。為促進AI民主化，中研院院士孔祥重日前呼籲各界應著重訓練資料、硬體加速和建立產業專屬AI軟體平臺。</p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">YOLOv6  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  物件偵測  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  美團 </span></strong></span></p> <p><span style="font-size: 22px;"><strong>物件偵測模型YOLOv6新版現身，再次打破速度和準確度天花板</strong></span></p> <p>YOLO系列的最新物件偵測模型YOLOv6問世了，最先<a href="https://github.com/meituan/YOLOv6">釋出的nano</a>版在COCO資料集測試中，拿下35.0%平均精度均值（mAP），用T4顯卡的推論速度可達每秒1,242幀（Fps），s版則是43.1%mAP、每秒520幀，表現比前幾代YOLO系列模型都要好。</p> <p>YOLOv6由中國購物平臺美團視覺智能研發部開發，改善了模型的訓練策略和網路結構，比如，在Backbone和Neck部分，團隊以RepVGG為基礎，設計了可重參數化、更高效的骨幹網路EfficientRep和Rep-PAN Neck，在Head部分，則設計了更簡潔有效的Efficient Decoupled Head，可一面維持精確度、一面降低一般解耦頭的額外時間成本。在訓練策略上，團隊則採用Anchor-free無錨方法，並以SimOTA標籤分配策略和SIoU邊界框迴歸損失，來強化偵測精確度。</p> <p>在部署方面，YOLOv6支援GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平臺的部署，簡化一般部署時的配置工作。他們也預告，接下來將開源YOLOv6 m/l/x等大小的模型和量化工具。<a href="https://tech.meituan.com/2022/06/23/yolov6-a-fast-and-accurate-target-detection-framework-is-opening-source.html">（詳全文）</a></p> <p><img alt="" src="https://github.com/meituan/YOLOv6/blob/main/assets/picture.png?raw=true" /></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  Meta  </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>Meta開源660億參數的超大型語言模型，打破先例附上所有部署日誌</strong></span></p> <p>Meta最近開源具660億參數的大型自然語言預訓練模型OPT-66B，以及所有OPT-125M到OPT-66B等8種系列基準模型的部署日誌，打破先例成為AI圈內首家發布模型、論文和完整註釋的科技巨頭。</p> <p>進一步來說，Meta在5月發表了與GPT-3相當的大型Transformer模型OPT-175B，參數量為1,750億，但非常省能源，只產生七分之一訓練GPT-3所需的碳足跡。OPT-175B雖只支援非商業性授權，但在發表的同時，Meta也在最近補上125M、350M、1.3B、2.7B、6.7B、13B、30B和66B版本的模型部署參數，並在推特上說明。<a href="https://twitter.com/MetaAI/status/1539702714141011969?cn=ZmxleGlibGVfcmVjcw%3D%3D&amp;refsrc=email">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AI民主化  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  產業專屬平臺  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  訓練資料  </span></strong></span></p> <p><span style="font-size:22px;"><strong>孔祥重：AI民主化首重訓練資料、運算系統和產業AI平臺</strong></span></p> <p>孔祥重日前在陳昇瑋紀念講座中指出，為了讓更多人使用AI，臺灣產業可從3大層面著手，包括納入更多元的新訓練資料、建造有效率的AI運算系統，以及發展產業專屬AI軟體平臺。</p> <p>他解釋，資料驅動的AI系統先天有些限制，像是資料偏移和偏差，但納入更多新訓練資料、採用如自監督學習等方法，可打破限制、擴大AI使用範圍。再來，透過更多通用AI加速器和晶片的發展，可讓AI運算系統更有效率，降低資料在晶片間移動的成本。最後，他鼓勵各產業發展專屬的共享AI軟體平臺，比如由製造業龍頭建造一個AI軟體開發維護平臺，來讓中小型製造業管理資料、維護模型，而臺灣人工智慧學校，則可扮演專案協調和案例教學的角色，來讓更多企業使用模型。<a href="https://www.facebook.com/events/549878499943725/?acontext=%7B%22ref%22%3A%2252%22%2C%22action_history%22%3A%22[%7B%5C%22surface%5C%22%3A%5C%22share_link%5C%22%2C%5C%22mechanism%5C%22%3A%5C%22share_link%5C%22%2C%5C%22extra_data%5C%22%3A%7B%5C%22invite_link_id%5C%22%3A433551968553783%7D%7D]%22%7D">（詳全文）</a></p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202022-06-30%20130819.png" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Parti </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Google    </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  圖生文  </span></strong></span></p> <p><span style="font-size:22px;"><strong>才剛發表Imagen逼真文生圖模型，Google再推新模型Parti</strong></span></p> <p>Google前陣子才發表令人驚艷、表現優於OpenAI DALL-E 2的文生圖模型Imagen，最近又發布一款新版進階模型Parti，可根據文字產生天馬行空但逼真的圖片，但模型未開源。</p> <p>雖然DALLE-E 2、Imagen和Parti都以Transformer架構為基礎，但有別於前兩者採用擴散模型、可將隨機的點樣式轉換為影像，Parti使用自迴歸模型，先將一組圖片轉換為一系列代碼條目，再將輸入的字句，轉換為這些代碼條目，並產生一張圖片。Google發表的Parti有幾種版本，包括3.5億參數、7.5億參數、30億和200億參數的版本，目前仍在優化模型的不足，像是特徵混合、錯誤的物件計數等。<a href="https://parti.research.google/">（詳全文）</a></p> <p><img alt="" src="https://parti.research.google/assets/parti_overview.jpg" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  GitHub  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Copilot  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  程式撰寫  </span></strong></span></p> <p><span style="font-size:22px;"><strong>GitHub正式推出AI寫程式幫手Copilot，月租10美元、學生免費</strong></span></p> <p>GitHub正式上線AI程式自動撰服務GitHub Copilot，每月訂閱費用為10美元，年費則是100美元，學生與熱門開源專案的維護者可免費使用。GitHub Copilot是GitHub與OpenAI共同開發的服務，底層技術為OpenAI打造的AI系統Codex。該系統以Transformer為基礎，以大量程式碼和自然語言訓練而成，可同時理解程式和人類語言，並根據工程師撰寫的程式碼，提出整行程式或整個函式的撰寫建議。</p> <p>在經歷過一整年共120萬名開發者的預覽後，GitHub Copilot現可整合到Neovim、JetBrains IDEs、Visual Studio與Visual Studio Code 等開發環境。<a href="https://github.com/features/copilot">（詳全文）</a></p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202022-06-30%20131536.png" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Yandex  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Transformer  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  GPT-3  </span></strong></span></p> <p><span style="font-size:22px;"><strong>Yandex開源1千億參數語言模型</strong></span></p> <p>俄羅斯最大網路公司Yandex日前<a href="https://github.com/yandex/YaLM-100B">開源</a>1,000億個參數的YaLM 100B語言模型。為訓練模型，Yandex先從網路、書籍和眾多來源收集英文及俄文等17TB的資料，花了65天的時間，利用800張A100顯卡的叢集上，來訓練YaLM 100B。特別的是，YaLM也實際應用在Alice數位語音助理和搜尋引擎上，超過1年多了。</p> <p>Yandex表示，大型語言模型近年來已是NLP的進展關鍵，但大型模型的訓練耗時耗力也耗大量資金，如數百萬美元，導致只有科技巨頭才能發展這種先進技術，若要這個領域快速進展，就必須允許全球研究人員、開發者來使用這些解決方案，這也是Yandex決定開源的原因，並分享訓練經驗。<a href="https://medium.com/yandex/yandex-publishes-yalm-100b-its-the-largest-gpt-like-neural-network-in-open-source-d1df53d0e9a6">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AWS  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  寫程式  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  CodeWhisper  </span></strong></span></p> <p><span style="font-size:22px;"><strong>不只GitHub有，AWS也預覽程式撰寫AI小幫手</strong></span></p> <p>不只GitHub上線AI程式撰寫工具Copilot，AWS最近也預覽一項ML程式撰寫輔助服務Amazon CodeWhisper，可支援多種IDE和Python、Java、JavaScript等程式語言，可幫助學生、開發新手或資深開發人員加速開發、提高生產力。</p> <p>進一步來說，AWS用開源儲存庫、自有儲存庫、API文件和論壇上數十億行程式碼來訓練CodeWhisper，可根據使用者原始碼中的游標位置、游標前的程式碼、註解及同一專案中其他檔案的程式碼，來提供建議。開發者可直接套用或客製化加工。AWS透露，預覽版的CodeWhisper支援Visual Studio、IntelliJ IDEA、PyCharm、WebStorm、AWS Cloud9，以及Python、Java、JavaScript，之後會新添AWS Lambda Console。<a href="https://aws.amazon.com/blogs/aws/now-in-preview-amazon-codewhisperer-ml-powered-coding-companion/">（詳全文）</a></p> <p><img alt="" src="https://d2908q01vomqb2.cloudfront.net/da4b9237bacccdf19c0760cab7aec4a8359010b0/2022/06/14/co_s3_a_1.png" style="width: 511px; height: 209px;" /></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;">  負責任AI  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  臉部辨識  </span></strong></span></p> <p><span style="font-size:22px;"><strong>微軟公布負責任AI指導準則，將限制部分臉部辨識能力</strong></span></p> <p>微軟近日更新負責任AI的指導準則，6月起就會限制部分AI臉部辨識。微軟更新的準則，是2019年公布的6項AI開發及應用準則，包括公平、可靠性、隱私及安全性、包容性、透明性及權責等。最近，微軟根據新研究結果加以改良，將新版負責任AI容納三點。</p> <p>首先是語音轉錄，該技術對少數族群的辨識錯誤率偏高，微軟將擴大訓練樣本多元性。再來是AI聲音模擬和臉部辨識服務，微軟Azure AI的神經網路語音服務可用AI模擬出原人物相仿的聲音，但可能被用作Deepfake影片，AI臉部辨識亦是如此，微軟將納入多層控管框架，限制可使用的客戶、明確定義使用情境。最後則是限制Azure Face臉部辨識服務，微軟將拿掉這項服務推論情緒狀態，以及辨識性別、年齡、微笑、臉部毛髮、頭髮及化妝的能力。<a href="https://blogs.microsoft.com/on-the-issues/2022/06/21/microsofts-framework-for-building-ai-systems-responsibly/">（詳全文）</a></p> <p>圖片來源／美團、孔祥重、Google、GitHub、AWS</p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AI近期新聞 </span></strong></span></p> <p><strong>1. AWS機器學習基準值服務SageMaker Ground Truth也支援合成資料了</strong></p> <p><strong>2. Amazon展示首款全自動化行動機器人Proteus</strong></p> <p>資料來源：iThome整理，2022年6月</p> </div></div></div>

請AI幫忙寫程式的GitHub Copilot正式上線，月租費10美元

<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"> <p><a href="https://github.blog/2022-06-21-github-copilot-is-generally-available-to-all-developers/" target="_blank">GitHub在21日正式推出</a>自去年6月<a href="https://www.ithome.com.tw/news/145340" target="_blank">開始預覽</a>、由AI充當開發者結對工程師的GitHub Copilot服務，每月的訂閱費用為10美元，年費則是100美元，而學生與熱門開源專案的維護者則可免費使用。</p> <p class="rtecenter"><img alt="" src="https://docs.github.com/assets/cb-35566/images/help/copilot/install-copilot-extension-visual-studio-code.png" style="width: 500px;" /></p> <p><span style="font-size:14px;"><span style="color:#696969;">圖片來源／GitHub</span></span></p> <p>GitHub Copilot是GitHub與OpenAI共同開發的服務，底層技術為OpenAI所打造的OpenAI Codex人工智慧系統，以公開的大量程式碼及自然語言來訓練OpenAI Codex，以讓該系統夠同時理解程式及人類的語言，並根據工程師所撰寫的程式碼，提出程式的整行或整個函式的撰寫建議。</p> <p>在經歷過一整年及120萬名開發者的預覽之後，現在的GitHub Copilot可整合到Neovim、JetBrains IDEs、Visual Studio與Visual Studio Code 等開發環境，它不僅能提供下一行的程式撰寫建議，也能推薦完整的方法、範例程式碼、整個單元測試，或是複雜的演算法。</p> <p>在開發者啟用GitHub Copilot的檔案中，若是採用諸如Python等熱門的程式語言，那麼有接近40%的程式碼都是來自GitHub Copilot。</p> <p>GitHub表示，他們相信由AI來協助撰寫程式碼將能改變軟體開發的性質，提供開發者一個可更快及更容易撰寫程式碼的工具，並專注在其它更重要的事。</p> <p>即使在正式版上線後，GitHub還是提供60天的GitHub Copilot免費試用期，之後可以每月10美元或每年100美元的價格訂閱，且若是通過身分認證的學生或是熱門開源專案的維護者，存取GitHub Copilot訂閱頁面時，亦會收到免費的訂閱通知。</p> </div></div></div>

AI趨勢周報第187期：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Codex

<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&amp;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>

語言模型GPT-3現新增文字編輯和插入功能

<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"> <p>OpenAI發布新的GPT-3和Codex語言模型，可以在現有文字中<a href="https://openai.com/blog/gpt-3-edit-insert/">編輯或是插入</a>內容，而非僅是補完現有文字。官方提到，這些新功能讓OpenAI API有能力修改現有內容，像是重寫一段文字或是重構程式碼，Codex插入功能已經在GitHub Copilot中進行測試，獲得良好的初期成果。</p> <p>Codex是衍生自GPT-3的模型，可以理解和產生程式碼，該模型使用的訓練資料，包括自然語言和來自GitHub的數十億行公開程式碼，最擅長Python，但也精通JavaScript、Go、Perl、PHP和Ruby等十多種語言。</p> <p>原本GPT-3和Codex的功能，是根據先前出現的文字，在現有內容的末端添加文字，但是官方表示，無論是文字還是程式碼寫作，都不僅僅是附加內容，而是一個迭代的過程，現有的文字需要被修改。而GPT-3和Codex現在則已經具有編輯和修改當前內容，或是在現有內容中添加文字的能力。</p> <p>新的插入功能會在現有內容段落中間，添加與上下文相關的文字，使得模型可以提高應用程式的文字完成品質，像是編寫長文、在段落間轉換，遵循大綱或是引導模型結尾等任務。過去的GPT-3，要在段落一和段落二插入文字，在沒有考慮之後的段落，模型會生成與段落二完全無關的文字，而在新的插入功能，模型便能夠生成將兩段落連結在一起的文字。</p> <p>官方提到，插入對編寫程式碼工作是最有用的功能，Codex是開發團隊最初要在模型中，添加插入功能的動機，因為在軟體開發過程，開發人員通常會把程式碼添加到現有的檔案中間，而現在Codex就能夠根據上下既存的程式碼，加入新的程式碼，在完成缺失函式的同時，又能連接到已經編寫的程式碼。</p> <p>Codex插入功能目前已經GitHub Copilot中測試，並且取得良好的初期結果，其他使用者也可以在測試版API中，用到最新的插入功能。</p> <p>另外，文字與程式碼編輯也是一個必要的文字編修功能，OpenAI也在測試API中，發布了編輯新端點，供用戶透過指令，更改現有文字，而不是只是補完文字。用戶可以提供提示，以指導模型修改現有文字的方向，像是更改文字的語氣和結構，或是進行針對性的更改。</p> <p>用戶也可以不提供指示，讓模型自由發揮，而此時編輯功能的行為，會類似完成功能，官方表示，編輯功能特別適用於撰寫程式碼，可用於重構、添加文件，更改編寫風格，甚至是在程式語言間進行翻譯。</p> </div></div></div>

OpenAI擴大開放以GPT-3為基礎的語言生成API

<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"> <p><a href="https://openai.com/blog/api-no-waitlist/">OpenAI現在要擴大對外開放基於語言模型GPT-3的語言生成API</a>，用戶申請之後，已經不需要漫長等待即可使用。在去年6月的時候，OpenAI正式釋出語言生成API，由於當初考量強大的GPT-3會被濫用，因此僅有限制地開放用戶申請付費使用。</p> <p>語言模型GPT-3是由OpenAI所開發，運用深度學習技術，分類或是生成人類可以理解的自然語言，可良好地處理一些常見的自然語言任務。GPT-3比GPT-2強大許多，擁有1,750億個參數，是前一代的100倍，由於其受到完整的預訓練，因此用戶僅需要輸入少量的文字範例，GPT-3即可產生高品質的結果。</p> <p>OpenAI在2020年的時候，以GPT-3為基礎推出語言生成付費服務，以API的形式對外釋出，企業可以在產品中整合該API，開發出創新語言應用。但因為GPT-3模型太過強大，外界一直存在GPT-3可能遭到濫用的疑慮，像是垃圾郵件、造假甚至用於操控輿論等目的，因此OpenAI在API推出的初期，僅供有限的用戶申請使用，並且承諾會投入避免GPT-3被濫用的研究。</p> <p>而現在OpenAI完成對該語言生成API的更新，包括背後被稱為Instruct Series的GPT-3模型，現在能夠更好地遵循用戶的指令，同時還提供開發人員免費的內容過濾器，來降低服務遭到濫用的可能性，同時OpenAI現在也能夠在用戶應用程式上線前，對其進行審查，以監控濫用的情況，並且支援開發者了解該技術帶來的影響。</p> <p>官方提到，透過開放API來存取模型，使得更多開發人員能夠以創新的方法，將人工智慧應用在大量應用程式和開放問題上。由於OpenAI想要確保用戶，能夠以更負責任的方式使用API，OpenAI提供工具讓開發者能夠依循最佳實踐，讓應用程式更快地投入生產，並且隨著API服務的發展，OpenAI持續簡化開發人員流程，強化保護措施，並且進一步改進使用指南。</p> <p>OpenAI不只明訂禁止使用API的方式，像是禁止用來生成仇恨言論，在新的指南中，官方也明確地闡述API能夠生成的內容，而為了使得開發人員可以確保應用程式能夠符合預期使用，且避免潛在的濫用，以完全遵守OpenAI規定，OpenAI釋出免費內容過濾器供用戶使用，OpenAI現在正針對特定內容類別測試這個新的過濾器。</p> <p>OpenAI還提到，他們禁止在GPT-3上使用像是成人等部分類型的內容，原因是他們現在還無法可靠地從這些內容中，辨識出有害的部分，因此當這些內容過濾器足夠強大，系統經過改進後，他們會考慮對部分類別，在可接受的範圍開放使用。</p> <p>另外，OpenAI也更新了Playground，讓用戶可以更簡單地設計模型雛形，其具有完整的範例庫，能夠幫助用戶更快入門，而且還加上OpenAI新研發，可以將自然語言轉為程式碼的人工智慧系統Codex，也就是說，用戶可以使用簡單的口語指令，來編寫程式操作API。</p> </div></div></div>

OpenAI開放可將自然語言轉為程式碼的AI系統Codex

<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"> <p>OpenAI改進Codex釋出新版本，<a href="https://openai.com/blog/openai-codex/">OpenAI Codex</a>是一個能夠將自然語言轉換成為程式碼的人工智慧系統，也就是說，Codex能夠讓開發者用簡單的口語指令來編寫程式，現在OpenAI將Codex的API以私人Beta測試的形式對外釋出。</p> <p>Codex是GitHub Copilot服務所使用的模型，而Copilot是GitHub在一個月前和OpenAI合作，所推出的人工智慧程式碼編寫工具，能夠提供開發者整行甚至是整個函式的程式碼編寫建議，相當於提供用戶一個結對工程師（Pair Programmer）。Codex精通十幾種程式語言，而現在使用者可以將簡單的自然語言指令，轉換成為程式碼，也就是提供實現以自然語言介面開發應用程式的方法。</p> <p>OpenAI Codex是從模型GPT-3衍生改進而來，訓練資料包含自然語言，以及數十億行開源程式碼，包括公開的GitHub儲存庫中的程式碼，OpenAI Codex最擅長的語言是Python，但也精通JavaScript、Go、Perl、PHP、Ruby、Swift和TypeScript，甚至連殼層十幾種語言都難不倒他，而且由於Codex擁有14KB的Python程式碼記憶體，比起GPT-3只有4KB，在執行任何工作時，Codex都能考慮GPT-3模型3倍以上的上下文資訊做決定。</p> <p>GPT-3的能力主要是依據自然語言生成自然語言，而這代表GPT-3的影響力，來自於其閱讀人類的作品，而OpenAI Codex具有GPT-3大部分的自然語言理解能力，但是其輸出是程式碼，因此使用者可以用英文，對任何軟體API發出命令，Codex的價值在於，能夠讓電腦理解人類的意圖，進而讓所有人都使用電腦完成更多的工作。</p> <p>Codex是一個通用程式開發模型，因此可以應用在任何程式開發任務上，官方提到，當開發者明確知道要建構什麼樣的程式，則撰寫程式的工作會被分類為，將問題分解成更簡單的問題，或是將簡單的問題，對應到已經存在的程式碼，像是函式庫、API和函式，接下來也是最無聊的實際程式碼編寫階段，而這正是OpenAI Codex最擅長的部分。</p> <p>OpenAI已經將Codex用於轉譯、解釋和重構程式碼，而這些僅是Codex能力的冰山一角，OpenAI規畫要擴大規模，並且免費提供OpenAI Codex，而現在則是先提供私人測試版，官方提到，他們會繼續檢視安全性問題，並且了解該技術對於世界的影響。</p> </div></div></div>

AI趨勢周報第173期：Python之父：Python 4.0可能不會問世

<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(0709～0715)</span></h3> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">Python  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  Python 4.0  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  Guido van Rossum  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>Python之父：Python 4.0可能不會問世</strong></span></p> <p>Python之父Guido van Rossum日前在微軟一場採訪中表示，Python 4可能永遠不會出現，因為他和核心開發團隊對Python 4.0毫無興趣。「Python大概會編號到3.33版而已，」Guido van Rossum說。但他不排除發布4.0的可能性，前提是C語言有重大的兼容性改變。</p> <p>Python是近年快速竄紅的程式語言，在熱門程式語言榜上名列前茅，也是AI時代的新寵兒。去年4月，Python官方發布Python 2的最後一版：Python 2.7.18，當時Guido van Rossum就表示，Python 3與Python 2不相容，因此用Python 2建立的相依性軟體函式庫，沒辦法升級到Python 3.0。但這只是Python 2過渡到Python 3的問題之一，Guido van Rossum表示，他與核心開發團隊都記得從2.0到3.0的慘痛經驗，「我們以為搬遷過程很簡單，以為自己是Python界的愛因斯坦，在睡夢中就能將Python 2的程式碼自動搬遷到Python 3.0。」殊不知，這個搬遷過程持續好幾年，他後來還稱這是一個錯誤。</p> <p>也因此，他坦言，在開發團隊內提到Python 4.0時，大家只當笑話聽。因為他們還記得從Python 2.0過渡到3.0的教訓，因此認真談論Python 4.0，就是個禁忌。目前，團隊的首要任務是將Python的速度提高，他們也制定了嚴謹的年度發布計畫，比如今年10月要發布Python 3.10，之後將發布3.11、3.12，並提高每個版本的速度。Guido van Rossum計畫將3.11的CPython速度加倍提升。</p> <p>不過，他也暗示，Python 4.0還是有可能出現。前提是，C語言要有重大的兼容性改變，比如在不改變語言的情況下，無法與C擴充元件相容，或是能夠擺脫全域解鎖器（GIL），屆時，團隊就得開發Python 4.0。<a href="https://www.youtube.com/watch?v=aYbNh3NS7jA&amp;ab_channel=MicrosoftReactor">（詳全文）</a></p> <p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  OpenAI  </span></strong></span> <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);">  程式碼生成  </span></strong></span></p> <p><span style="font-size: 22px;"><strong>OpenAI用GitHub海量程式碼微調GPT-3，打造Python程式碼自動生成器</strong></span></p> <p>OpenAI在去年6月發布自然語言生成（NLG）預訓練模型GPT-3，引起機器學習社群關注，成為指標性模型。今年，OpenAI進一步用GitHub的海量程式碼來微調GPT-3，打造成一套Python程式碼自動生成器Codex，可根據以自然語言書寫的文件字串（Docstrings）來自動產生函數，並自動透過單元測試來評估函數正確性。</p> <p>進一步來說，團隊用GitHub上的5千4百萬個公開軟體庫程式碼來訓練模型，包括179GB的獨立Python文件。首先，團隊定義了pass@k指標，每個問題會產生k個程式碼範例，只要程式碼通過單元測試，就會認為已解決問題。而已解決的問題總數，也會回傳到系統。接著，團隊打造一個HumanEval手寫問題資料集，來評估模型的語言理解、推理和簡單的數學能力。</p> <p>最後，團隊建立一個沙盒環境，來安全地執行模型產生的程式碼，並比對單元測試。後來，OpenAI進一步用Codex生成的訓練問題來微調Codex，打造一系列監督式的Codex模型，並稱之為Codex-S。他們發現，Codex-S比Codex表現要好，且總體而言，GPT-3 Codex可強大地根據文件字串產生相應的Python函數。<a href="https://arxiv.org/pdf/2107.03374.pdf">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  GitHub  </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);">  Copilot  </span></strong></span></p> <p><span style="font-size:22px;"><strong>GitHub聯手OpenAI打造程式碼整行自動完成的AI工具</strong></span></p> <p>GitHub與OpenAI共同開發一套AI工具Copilot，可讓使用者在Visual Studio Code編輯器使用，來自動完成整行的程式碼。該工具目前為預覽版，GitHub CEO Nat Friedman表示，Copilot搭配Python、JavaScript、TypeScript、Ruby和Go等程式語言時的表現最好。</p> <p>他解釋，Copilot就像工程師的好幫手，可根據上下文來建議整行完整的程式碼，或是完整的函數。這個工具也能幫使用者快速找出解決問題的替代方案，也能幫忙撰寫測試或探索新的API，縮短開發時間。特別的是，這個工具會根據使用者寫程式的風格，來自動調整寫法。</p> <p>GitHub表示，這款工具由OpenAI的GPT-3 Codex程式碼生成器驅動，這個生成器是用GitHub上公開的程式碼庫訓練而成，因此能理解使用者如何使用程式碼。<a href="https://github.blog/2021-06-29-introducing-github-copilot-ai-pair-programmer/">（詳全文）</a></p> <p><img alt="" src="https://github.blog/wp-content/uploads/2021/06/GitHub-Copilot_blog-header.png?w=2400" /></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  InfuseAI </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  PrimeHub    </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  MLOps  </span></strong></span></p> <p><span style="font-size:22px;"><strong>臺MLOps新創InfuseAI推出PrimeHub Apps擴充功能</strong></span></p> <p>國產MLOps平臺InfuseAI在產品平臺PrimeHub中，推出整合外掛應用程式的功能，包括幾項ML常用的開發工具，使用者可直接在平臺中點選使用影像標註、模型管理、資料視覺化等工具。同時，InfuseAI也準備推出現為Beta版的企業自行串接App的功能，要讓企業不只能點選平臺現有的外掛工具，更能自行串接所需的App、外掛到平臺中。</p> <p>InfuseAI的主要產品PrimeHub是一項PaaS服務，專門用於AI開發和管理，要降低AI開發的環境配置和管理成本，讓企業快速建立起資料來源、運算資源、或帳號權限的管理機制。InfuseAI近日推出的整合外掛應用程式功能，涵蓋開源影像標註工具Label Studio、開源模型版本控管工具MLFlow、可快速製作ML前端應用程式的開源框架Streamlit、瀏覽器執行程式的IDE Code Server、軟體開發平臺GitLab，以及詠鋐智能開發的商業軟體Tukey等。企業在平臺上按需付費後，就能在平臺中直接開啟所需的AI開發工具。<a href="[https://www.ithome.com.tw/news/145615](https://www.ithome.com.tw/news/145615)">（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;">  Android  </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);">  機器學習  </span></strong></span></p> <p><span style="font-size:22px;"><strong>Google推出Android ML平臺，機器學習App免內建runtime能更瘦身一點了</strong></span></p> <p>為方便讓開發者在Android應用程式中加入機器學習功能，Google打造了Android機器學習平臺，不只提供最新的推理元件更新，也對所有裝置最佳化推理效能，開發者可跨Android版本使用一致的機器學習推理API。</p> <p>Google指出，Android機器學習平臺是要解決應用程式容量限制和技術複雜性，它可以更新、完全整合機器學習推論堆疊，並提供開發者Android裝置端最新的推理二元檔案，來降低APK檔案的大小。平臺也會提供跨Android版本的一致性API，並透過Google Play服務提供定期更新。</p> <p>此外，這個Android機器學習平臺會內建到Google Play Services中，因此任何Android裝置端都會支援，開發人員就不需自行在App中加入Runtime，能減少App的大小。最後，Google將於今年底前推出自動加速功能，供開發者考量效能、準確性和穩定性。<a href="https://android-developers.googleblog.com/2021/07/announcing-androids-updateable-fully.html">（詳全文）</a></p> <p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  AWS  </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">  Azure  </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>500大超級電腦AWS、Azure雲端上百大</strong></span></p> <p>2021年上半的[全球500大超級電腦名單近日公布，最快超級電腦仍由日本的理化學研究所（RIKEN）和富士通共同合作打造的超級電腦Fugaku拿下，是第一個運算速度達Exascale等級超級電腦，也是第二名美國橡樹嶺國家實驗室的IBM Summit的3倍。</p> <p>特別的是，Microsoft Azure和AWS EC2 Cloud執行個體進入百大排行，Microsoft Azure在美東、美國中南部、西歐及美西的雲端區域Pioneer-EUS、Pioneer-SCUS2、Pioneer-WEU、Pioneer-WUS2分拿下第26到29名，而Amazon EC2 Instance Cluster也來到第40名。另一方面，臺灣今年只有臺灣杉3（Taiwania 3）進前500大，居227名。<a href="https://www.top500.org/lists/top500/2021/06/">（詳全文）</a></p> <p>圖片來源／GitHub</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.臉書步行機器人全靠學習即時適應真實世界路況，該技術能降低機器人生產成本</strong></p> <p><strong>2. 紐約市生物辨識隱私法生效了</strong></p> <p><strong>3. IBM開源機器學習應用程式框架CodeFlare，大幅簡化混合雲AI部署工作</strong></p> <p>資料來源：iThome整理，2021年7月</p> </div></div></div>

GitHub與OpenAI攜手發表GitHub Copilot，用AI當你的Pair Programmer

<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"> <p>GitHub與OpenAI合作共同發表了<a href="https://copilot.github.com/" target="_blank">GitHub Copilot</a>的技術預覽版，它採用OpenAI開發的新OpenAI Codex人工智慧系統，可根據工程師所撰寫的程式碼，提出程式的整行或整個函式的撰寫建議，等於是讓AI充當你的結對工程師（Pair Programmer ）。</p> <p>OpenAI是以公開的大量程式碼及自然語言來訓練OpenAI Codex，以讓OpenAI Codex能夠同時理解程式及人類的語言。OpenAI Codex現為Visual Studio Code的擴充工具，可將工程師的註解與程式碼傳送到GitHub Copilot 服務時，再利用OpenAI Codex來建議個別的行列與整個函式，</p> <p>根據GitHub的說明，OpenAI Codex不只是個自動完成工具，當工程師寫下描述程式邏輯的註釋時，它就能建議完整的程式碼，另也可自動填入重複的程式碼，或替使用者選擇測試套件，在嘗試新語言或框架時，OpenAI Codex也將是個很好的幫手。</p> <p>GitHub執行長Nat Friedman表示，GitHub Copilot會在工程師輸入程式碼時，持續調整與適應，讓工程師不必費力地在網路上搜尋，就能快速找到解決問題的其它途徑、撰寫測試或探索各種新的APIs。</p> <p class="rtecenter"><img alt="" src="https://s4.itho.me/sites/default/files/images/0630-GitHub%20Copilot-600.jpg" style="width: 550px;" /></p> <p><span style="color:#696969;">圖片來源_GitHub</span></p> <p>值得注意的是，GitHub Copilot並未實際測試它所建議的程式碼，因此並不保證能夠編譯或執行，也只能容納有限的脈絡，它目前表現最好的地方在於將程式碼切割為各種小函式，替函式參數設計有意義的名稱，撰寫文件字符使用慣例（DocStrings）與註釋，以及協助工程師瀏覽不熟悉的函式庫與框架。</p> <p>此外，雖然GitHub Copilot可支援眾多的框架及程式語言，但現有的預覽版在Python、JavaScript、TypeScript、Ruby及Go上表現最佳。</p> <p>GitHub以一組Python函式來測試GitHub Copilot，清空函式內容並要求GitHub Copilot輸入，第一次的正確率為43%，10次後則達到57%</p> </div></div></div>

IT人才月報第14期：歷經一年來工作場景大轉換，全球辦公有哪些新趨勢？微軟最新一份報告告訴你

<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"> <p><span style="color: rgb(0, 0, 255);">重點新聞(0305~0408)</span></p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 微軟 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 遠距工作 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 未來辦公新趨勢 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;"><strong>微軟：受疫情衝擊逾一年，全球有7大辦公新趨勢值得關注</strong></span></strong></p> <p>微軟三月底發布2021年的全球工作趨勢指數報告（Work Trend Index），揭露企業工作模式受到疫情衝擊帶來的改變，比如今年二月與去年同期相比，全球花在會議上的時間增加一倍，二月的單月電子郵件發送總量也比去年同期增加400億次，Linkedin的遠距工作職缺更在疫情期間增加了五倍以上。</p> <p>這份報告也以今年一月調查的數據，來支持新辦公模式帶來的七大趨勢。第一，是彈性工作模式將持續，比如有高達73%的企業員工希望能持續保有彈性遠距工作的選擇。第二，雖然有6成企業領導者認為自己處於成長狀態（Thriving），但在員工的調查結果中，卻有6成員工認為自己處於掙扎狀態（Struggling），微軟建議，領導者必須設法透過面對面問候之外的其他方法，來激勵員工士氣、或給予關心，來縮小其中的落差；第三，是企業得注意，高生產力的背後其實是過度疲累的員工，因為無論是Teams視訊會議、聊天（Chats）數量、電子郵件發送量，以及Office文件的使用人數，相較去年同期都大幅提升。</p> <p>第四，Z世代相較於其他世代，認為在當前的工作型態中，較難與他人產生連結，比如較難在團隊中提出新點子（14%）、在視訊會議中發言（16%）、對工作有投入感或興奮感（16%）等。第五，微軟分析Teams與Outlook的數據，指出在遠距工作興起後，員工與緊密工作網絡的互動增加了，但與較疏遠工作網絡的互動卻減少了，這使得各個團隊在工作網絡中更加孤立，可能危及創新的可能性（如下圖所示）；第六，員工處於自在的工作環境讓他們更願意展現自我，能進一步增加生產力與幸福感；第七，在混合式工作型態的世界中，人才更加多元，包括女性、不具學士學位者、Z世代，都更願意申請遠距工作職位。</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E5%BF%AB%E7%85%A7%202021-04-12%20%E4%B8%8A%E5%8D%8811_10_17.png" style="width: 681px;" /></p> <p>臺灣微軟也在4月初揭露這份報告所搜集臺灣上千位受訪者的分析結果，這些受訪者來自於微軟與Linkedin的用戶。微軟Microsoft 365事業部營運暨行銷事業群副總經理朱以方表示，臺灣是全球極少數沒有強迫遠距辦公的地區，但將臺灣與全球的調查結果相比較，出乎意料並無顯著的差距。比如，這份報告指出，66%的臺灣員工希望能繼續保有彈性遠距工作的選項，全球數據為73%；52%臺灣企業主管傾向重新設計辦公室以進行混合式工作，全球則為66%。（<a href="https://www.microsoft.com/en-us/worklab/work-trend-index/hybrid-work" target="_blank">詳全文</a>）</p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 後疫時代 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 重啟辦公室 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 科技巨頭 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">Amazon、微軟、Google相繼重啟辦公室，更預計夏天後大規模回歸集中辦公型態</span></strong></p> <p>有賴於疫苗的現身，原先因COVID-19而關閉辦公室長達一年的美國科技業者，將逐漸重啟辦公室，讓員工回歸辦公室的工作環境。比如<a href="https://www.ithome.com.tw/news/143637">微軟</a>就在三月宣布，將在3月29日部分重啟華盛頓州雷得蒙（Redmond）市的總部及鄰近園區等工作場所，更預計在今年9月7日，將進入完全開放（full opening）的階段，不過，微軟也允許各地分公司主管依區域的健康和安全條件，將開放日進一步延後。</p> <p>繼微軟之後，Google在4月開放員工自願性地回到辦公室上班，預計在今年9月1日讓員工彈性回到辦公室，只要求一周至少要有3天進辦公室工作，若員工在9月1日之後還想遠距上班，也能提出正式的申請，最長可以申請12個月的在家上班。Amazon則說，其實公司的辦公室一直都是開放的，每天通常都有10%的員工在辦公室上班，估計今年夏天會有更多員工返回辦公室工作，Amazon甚至開宗明義地表示，將重返以辦公室為中心的文化，並相信這才是讓員工更有效創新、協作與學習的方法。（<a href="https://www.ithome.com.tw/news/143624">詳全文</a>）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/0402-amazon_office.png" style="width: 700px;" /></p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> Linkedin </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> HR </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 必備能力 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">Linkedin高層建議，人資需要精進三個能力來為公司找出優秀人才</span></strong></p> <p>帶領Linkedin全球350個團隊在15個國家或地區進行招聘的Linkedin全球人才招募副總裁Brendan Browne，近期在一篇Linkedin的部落格中，分享進入Linkedin 10年來的人才招聘經驗。</p> <p>Brendan Browne建議，負責招募工作的人資，需要精進三個關鍵技能。第一，招聘者需要具備使用資料與工具的能力，才能基於這些分析結果，向主管清楚地表達他們的觀點。第二，在人才招聘過程中，要學會像市場行銷者一樣思考、為員工創造獨特的體驗。第三，擁有說故事的能力，才能代表企業去吸引求職者的目光，「如何接近傑出人才的最佳方法是，一開始就要描繪生動的情境，並刻畫試圖達到的目標，為企業創造驚豔的故事。」</p> <p>未來的招聘情境，Brendan Browne認為最讓他感到興奮的，掌握了更多數據與技術後可以更精準的擬定招聘策略，比如找出下一個有人才潛力的地理區域在哪裡？是否需要採取全遠端的招聘模式？而且，企業採取了遠距優先或是混合式辦公的工作模式後，人才就不需要搬遷到物價高昂的都會區，可以在任何地方完成工作，因此帶來了更多的人才多樣性。（<a href="https://business.linkedin.com/talent-solutions/blog/talent-on-tap/2021/brendan-browne-final-episode-talent-on-tap">詳全文</a>）</p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 東南亞 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 技術人才 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 薪資翻倍 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">東南亞技術人才薪酬5年內翻倍，但受限人才不足，新創招聘成挑戰</span></strong></p> <p>5年前就開始發布東南亞技術人才薪酬報告的東南亞創投公司Monk's Hill Ventures，與擁有每月400萬用戶的新加坡人力招聘平臺Glints，近期發布了一項報告，透過Glints數據庫中的1,000多種數據類別以及175位技術或非技術員工的訪談，聚焦分析新加坡、印尼和越南三個東南亞新創成長最快的市場。</p> <p>研究發現，越來越多東南亞新創公司逐漸發展成熟，但與此同時，美國和中國的大型科技公司也正在擴大建立東南亞地區的業務，包括TikTok、騰訊、阿里巴巴和Zoom，這意味著，東南亞地區的薪酬待遇正在提高，接受Monk's Hill Ventures和Glints採訪的大多數受訪者更表示，自2016年以來，基本薪資至少成長了一倍。但大企業進駐後，新創因無法提供與大企業相同等級的薪酬，面臨人才招聘的挑戰。</p> <p>其他調查結果，則包括技術人才仍是被迫切需要的角色，而且，從事產品、資料科學家、工程人員等技術人員的薪水，比起如市場行銷、執行、銷售、財會人員等非技術人員的薪水高出54%，若再進一步細分，產品與資料科學家的角色又是工程人員薪水的1～2倍，這反映了工程人員的技能已經越來越普遍，但是前兩個職位的人才仍然難以取得。（<a href="https://global-uploads.webflow.com/5efd4790a2e6ceefb66b5357/6061fe0056ecbf64ec2d9d67_The%20Southeast%20Asia%20Tech%20Talent%20Compensation%20Report_MHV-Glints.pdf">詳全文</a>）</p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 英國政府 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 技術人才招募 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 解決社會問題 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">英國政府列出重大公共議題當挑戰，要招募科技領袖加入政府數位部門來解題</span></strong></p> <p>為了吸引高階技術人才為政府單位工作，英國今年三月正式啟動技術人才招募計畫，要招募數位及科技背景的領導者，加入英國政府數位服務部門（Government Digital Service，GDS），目標錄取10人，透過為期一年的時間，來解決政府單位重要公共議題的挑戰。這些任務包括運用深度強化學習的技術，支持國防部的軍事行動的安排；為教育部發想潛在的數位教育解決方案；運用資料設計高影響力的解決方案以對抗COVID-19，來協助健康與社會關懷部門；為外交相關部門釋放數據的能量，來處理人道主義的危機；為司法部門設計數位解決方案，來更好的管理社區中的罪犯。這項計畫希望能吸引擅長最新科技，同時對運用技術來解決社會問題感興趣的技術專家。（<a class="notion-link-token notion-enable-hover" data-reactroot="" data-token-index="1" href="https://no10innovationfellows.campaign.gov.uk/#the_fellowship" rel="noopener noreferrer" style="cursor: pointer; color: inherit; overflow-wrap: break-word; text-decoration: inherit;" target="_blank"><span style="border-bottom:0.05em solid;border-color:rgba(55,53,47,0.4);opacity:0.7">詳全文</span></a>）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E5%BF%AB%E7%85%A7%202021-04-11%20%E4%B8%8A%E5%8D%888_53_55.png" style="width: 700px;" /></p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 美國50州 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> IT職缺增加 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 技術人才供不應求 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">CompTIA：從美國IT職缺發現，美國50個州對技術人才的需求持續提升</span></strong></p> <p>美國計算機行業協會CompTIA近期分析發現，美國的IT人才職缺連續第4個月提升，需求更遍布50個州與哥倫比亞特區，總需求量在今年三月已經來到30萬7千多個，顯示美國對於技術人才的需求持續增加。這項統計數據指出，對IT人才需求最大的行業為科學和技術服務，需求5萬多個職缺，依序遞減則是金融與保險、製造業、資訊業與零售業。所有IT職缺中，大約有3成的職缺是針對新興技術，比如AI職缺就達到1萬5千個。（<a class="notion-link-token notion-enable-hover" data-reactroot="" data-token-index="1" href="https://www.comptia.org/newsroom/press-releases/2021/04/02/monthly-employer-job-posting-data-shows-demand-for-tech-talent-spanning-all-50-states-comptia-analysis-finds" rel="noopener noreferrer" style="cursor:pointer;color:inherit;word-wrap:break-word;text-decoration:inherit" target="_blank"><span style="border-bottom:0.05em solid;border-color:rgba(55,53,47,0.4);opacity:0.7">詳全文</span></a>）</p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 微軟 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 基礎技術證照 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 轉職者 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">針對初入技術行業或準備轉職者，微軟推三張AI與雲端技術的基礎證照</span></strong></p> <p>針對初入技術行業或準備轉職者，微軟推出與AI、雲端相關的三張專業基礎證照，分別是AI-900、AZ-900與DP-900。AI-900為Azure人工智慧基礎證照，考證者需了解Azure中AI解決方案相關的核心基本概念，包括Azure機器學習（ML）基本原理與電腦視覺、自然語言處理（NLP）、對話式AI的基礎知識與應用；AZ-900為Azure雲端服務基礎證照，考證者需了解雲端服務基本概念、Azure核心服務與管理工具，以及基礎架構服務（IaaS）、平臺服務（PaaS）和軟體服務（SaaS），還有關於安全、隱私、合規性和信任等資訊。</p> <p>DP-900為Azure數據與資料科學基礎證照，考證者需了解包括雲端資料庫概念的核心基礎知識，以及如何運用Azure雲端數據服務，來處理關聯和非關聯式數據。前兩者適合不具AI或雲端專業背景者考取，後者則適合已經開始運用雲端者來考取。針對這三種證照，微軟也提供免費線上課程與12月底前限時15美金的考照機會。（<a href="https://news.microsoft.com/zh-tw/azure-online-course-certification/">詳全文</a>）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E5%BF%AB%E7%85%A7%202021-04-11%20%E4%B8%8A%E5%8D%888_51_20.png" style="width: 700px;" /></p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 潛力工作地點 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 遠距工作 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 虛擬空間 </span></strong></span></strong></p> <p><strong><span style="font-size: 22px;">全球財富200強IT顧問揭露未來21個潛力工作地點，更列入虛擬工作場所、遠距工作場景概念</span></strong></p> <p>COVID-19流行期間，許多工作趨勢報告被相繼提出，大多都在探討疫情對工作型態帶來的轉變。不過，名列全球財富200強的一家美國IT技術與顧問供應商Cognizant，三月中發布的報告則從未來工作地點的角度來分析，報告中提出了21個未來興起大量工作機會的地點。有趣的是，並非所有地點都是物理性可以抵達的範圍，更包含如虛擬空間（Virtual Space）、從第三方位置遠距工作（Remotopia）、超越國界或地區的互相合作方式（Nova Hanseatica）等未來式辦公場所。</p> <p>Cognizant指出，虛擬空間則是指用AR/VR/XR與AI等技術，創造出類似真實世界的虛擬情境來進行工作，Remotopia意指可以從任何地方進行遠距工作，Nova Hanseatica則是指各國或各地共同集結資源、相互合作所產生的新經濟區概念，這三個工作場景都因為疫情而加速發生</p> <p>報告中列出實體可以抵達的工作地點，則是納入了三項核心指標與八項周邊指標來進行評選，核心指標包括地方政府狀態、大學教育品質、獲得創投等條件。這些實體地點比如以色列高度集中高科技產業的矽溪（Silicon Wadi）、非洲肯亞首都Nairobi、美國喬治亞州的亞特蘭大，其他如亞洲的越南峴港、中國深圳、南韓松島等地也都是下一個具發展潛力的工作地點。（<a href="https://www.cognizant.com/whitepapers/21-places-of-the-future-where-is-the-future-of-work-codex5484.pdf">詳全文</a>）</p> <p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E5%BF%AB%E7%85%A7%202021-04-11%20%E4%B8%8A%E5%8D%888_48_46.png" style="width: 700px;" /></p> <p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 更多IT人才動態 </span></strong></span></strong></p> <p><strong>1.疫情過後：Google今年要在美國投資70億美元，新增1萬名員工（<a href="https://www.ithome.com.tw/news/143341" target="_blank">詳全文</a>）</strong></p> <p><strong>2.中科23家廠商聯合徵才，釋出超過1,400個工作機會（<a href="https://www.ctsp.gov.tw/chinese/01-News/01-online_view.aspx?v=1&amp;fr=1000&amp;no=1001&amp;sn=10628" target="_blank">詳全文</a>）</strong></p> <p>責任編輯／翁芊儒</p> <p>圖片來源／Amazon、英國政府、微軟、Cognizant</p> <p>資料來源：iThome整理，2021年4月</p> </div></div></div>

OpenAI更新Codex Cloud，雲端開發環境可重複套用並供團隊共享

OpenAI將Codex Cloud開發環境改為可發布並重複使用，個別任務也能保存虛擬機器狀態，ChatGPT Enterprise還進一步支援團隊共享環境設定

• #AI
• #Cloud
• #Dev

Android Studio開放BYOA，Codex等代理可透過ACP串接IDE

Android Studio增加BYOA支援，透過ACP可串接Codex、Claude Agent等第三方程式開發代理，代理能直接使用建置診斷、SDK與模擬器工具，開發者也能依需求切換不同服務

• #AI
• #Dev