AI趨勢雙週報第3期：廣告預測分析不再只用單一機器學習法，能靠整體學習來增加準確性

重點新聞(0304~0317)

廣告預測分析不再只用單一機器學習法，能靠整體學習來增加準確性

美國洛杉磯廣告預測分析公司Conversion Logic打破以往只用一種機器學習法的分析方式，在自家的XC Logic分析平臺上導入整體學習法（Ensemble Learning）。 Conversion Logic認為，相較於過去的經驗，單一的機器學習演算法不適用於每個企業的資料集，導致結果不準確或是效率較低。

不像是一般的決策樹或是機器學習，只輸出一個最好的預測，整體學習整合多種機器學習演算法，建立一組預測，並產生一組權重，再依據預測與權重產生投票結果，Conversion Logic的整體學習流程包含了4個階段：資料收集與分割、訓練、驗證、產生結果。Conversion Logic採用自家的演算法，從不同的網頁，收集消費者購買商品前的行為數據，再將資料集分割為80%的訓練集和20%的驗證集，最後透過整體學習法從多種機器學習得到最佳的預測結果，並且每周定期監控企業整體學習的模型，確保正確率與效能的表現。

Google旗下DeepMind跨足醫療產業，用類區塊鏈技術記錄病人資料

Google 旗下人工智慧公司 DeepMind Health宣布把類似區塊鏈的技術應用到病人的醫療資料上，期望降低人工手動記錄的時間成本，不一樣的是，每筆資料會像樹狀連結，而不是鏈狀，當資料傳送時，會自動加密產生每一筆記錄，不管是醫院、病人，每次只要修改或是存取時，都會留下紀錄。

早在去年11月，DeepMind就已經與英國國民保健署簽了5年的合約，國民保健署下 3 家位於倫敦的大醫院，包含Royal Free、Barnet和Chase Farm，將與 DeepMind 分享 160 萬名病患的醫療資訊。另外DeepMind也預計會推出App Streams，依據病人的醫療紀錄，讓醫護人員隨時可以了解病患資訊與狀況。

影片搜尋將更便利，Google雲端影音AI能自動找出影片內的物件

近日，Google公開了雲端影音智慧API（Cloud Video Intelligence API）測試版，透過深度學習平臺TensorFlow，用大量YouTube影片訓練，打造影音搜尋的功能，可以自動分析影片並且標註影片中的物件，使用者輸入想要搜尋的名詞，就可以得到相關的影片，甚至能自動標記出出現在影片中的哪一段和影像的位置。例如搜尋老虎，就可以找出有老虎影像的影片，預計可供大型媒體或消費性廠商來分類和管理大量影音資料。不過，這項影音自動辨識技術並非首例，IBM在去年也有釋出類似的服務。

 DoNotPay律師機器人躍上臉書Messenger，新增難民庇護服務

史丹佛大學學生Joshua Browder所開發的DoNotPay律師聊天機器人，近日登上了臉書的Messenger平臺，原本只有協助民眾處理交通罰單的上訴，現在還提供難民庇護服務，協助難民在美國、加拿大與英國尋求庇護。透過詢問各種問題，判斷難民的需求後，再評估難民是否符合國際法令的庇護資格，最後自動幫使用者填寫美國、加拿大與英國的庇護申請表格。Browder也表示，這些資料只會在他的伺服器上保留10分鐘，之後就會移除。

其實，除了交通罰單和難民庇護，Browder還測試了其他的DoNotPay功能，像是航班或火車延誤的賠償、支付保險，以及協助安置無家可歸的人等。

 IBM在臺力推企業Chatbot技術，華生Conversation API開始支援中文

臺灣IBM近日首度對臺灣開發者正式介紹Watson Conversation服務的中文支援功能，可用來分析中文對話，甚至能打造出全中文的聊天機器人Chatbot。開發者可以在IBM雲端平臺Bluemix上，呼叫各項Watson認知運算服務，來打造自家應用，而Watson開發者雲也成了IBM後續釋出AI技術相關API或SDK的匯集地，例如雲端自然語言分析服務Alchemy，或去年7月正式釋出的Conversation對話式服務等，都屬於Watson開發者雲端套件的功能。

Conversation服務主要是用來打造Chatbot的後端引擎，對蒐集到的對話內容進行語意分析，再產生對應的對話內容，可用來作為其他IM平臺的後端引擎，例如用LINE Chatbot作為與使用者對話的前端，但後端語意分析則由Conversation接手和提供回應內容。另一個特色是，IBM提供了一套建立後端語意分析詞彙的輸入介面，企業不需要撰寫程式碼也能設計出Chatbot。

從百萬像素中找出異常細胞，Google要用深度學習協助醫生診斷乳癌 

Google在最新發表的論文中，利用深度學習的技術設計演算法，人工智慧可以在乳房攝影的影像中自動診斷出乳癌，提供醫生診斷乳癌的參考。乳房攝影的影像中有超過百萬的像素，醫生在放大40倍的顯微鏡下，變成十億以上的像素，每位病患也不只拍攝一張，醫生觀察每一個像素，從影像中找到異常的組織，是臨床醫生日常工作十分耗時的項目之一，而且往往醫生的時間是有限的，透過深度學習的技術，機器的診斷正確率甚至比臨床醫生還高，不過，Google的研究人員也強調，這項技術不足以代替醫生診斷，因為機器沒有醫生的經驗和知識，這項應用是為了協助醫生，而非取代醫生。

AI趨勢近期新聞

※Google神經機器翻譯(GNMT)技術也能支援印地語、俄語和越南語

※瞄準臺灣科技教育市場，遠寬引進深圳新創的兒童積木機器人

※臉書公佈最新一代AI伺服器Big Basin

※IBM與Salesforce結盟，聯手推AI解決方案

※全臺第一個金融聊天機器人！玉山銀搶先用Chatbot提供3大金融業務諮詢

資料來源：iThome整理，2017年3月