AI趨勢周報第42期：臉書開發音樂翻譯機，把口哨變成古典樂

重點新聞(0525～0531)

 臉書     音樂翻譯機   

臉書研究員開發音樂翻譯機，把口哨變成古典樂

來自臉書人工智慧研究院（FAIR）的研究員，日前開發一款可以翻譯音樂的AI系統，能接收多種音檔輸入，像是簡單的口哨或由多重樂器演奏的交響樂，並輸出為不同形式的音樂。比如，使用者輸入一首經典流行歌「Always on My Mind」，系統就會輸出以莫札特風格詮釋的演奏版。此外，這套系統能針對一首歌，一次輸出六種不同風格的版本。臉書表示，這是第一個利用AI來自動轉換不同樂器、曲調和風格，並創造高傳真音樂的系統。而這套系統的自動編碼器，可在不需監督的情況下，轉換不熟悉的音樂。這一點，也點出了未來AI能靠簡單曲調、來創造完整樂曲的潛能。（詳全文）

 三星   AI研究院 

三星在英、加、俄成立AI研究院

三星日前宣布，在英國劍橋、加拿大多倫多和俄羅斯莫斯科等地設立AI研究院，來強化該公司的AI能力，開發更多以用戶為中心的AI服務。位於劍橋的三星AI中心將由微軟劍橋實驗室前總監Andrew Blake領導，研究重心是情緒識別。而多倫多三星AI研究中心則將由三星美國研究院（SRA）的資深副總裁Larry Heck領導，研究重心將聚焦核心AI技術，並與加拿大多間大學合作。位於俄羅斯莫斯科的第三間三星AI中心，則計畫由Dmitry Vetrov和Victor Lempitsky兩位教授領導，將聚焦AI演算法的研究。此外，三星計畫在未來2年內，將全球AI進階研究員的總人數擴編至1,000人。（詳全文）

  FDA   AI判讀   

美國FDA核准OsteoDetect，AI系統可用來判讀手腕X光片

美國食品和藥物管理局（FDA），日前核准一套X光判讀軟體OsteoDetect的使用，這套軟體可以協助醫生，診斷成人手腕是否骨折。Imagen Technologies公司開發了OsteoDetect，它利用AI演算法，來分析患者手腕的平面X光片，判斷是否有橈骨遠端骨折。如果有，系統會自動在X光片的骨折處標記，讓醫護人員更快知道病患狀況。此外，這家公司也提交1,000份該軟體判讀、標記過的X光片影像，用來與三位骨科醫師的判讀結果對照，以進行評估。FDA表示，這套軟體旨在協助醫療院所和醫護人員診斷，而非取代專業醫師。（詳全文）

  生物驗證  步伐辨識 

新AI步伐辨識系統現身，可望用於機場安檢

曼徹斯特大學和馬德里大學的研究員，日前開發出一套AI生物驗證系統，可根據走路習慣和步伐來辨識個人，而驗證的方式，則是讓人在地板上的壓力墊行走，並分析3D足跡和時間數據，來驗證身分。研究團隊團隊使用地面感測器和高像素相機，蒐集了127人、2萬個步伐訊號，建立了號稱史上最大的步伐資料庫，並命名為SfootBD。研究人員只用此步伐資料集所建立的預測模型，幾乎能100％辨識出受試者，錯誤率只有0.7％。曼徹斯特大學電氣與電子工程學院研究員Omar Costilla Reyes表示，這套系統未來可用於機場安檢。（詳全文）

南加大    言論分析  

分析1800萬則Twitter推文，南加大新演算法能預測暴力衝突

在美國國防部的資助下，南加大研究人員近日開發一套演算法，分析社交平臺Twitter上的道德化推文，來預測抗議事件是否會轉變成暴力衝突。研究人員假設，當人們把一項議題道德化（moralized）時，也就是認為某件事情應該是對或錯時，就容易發生暴力衝突。為了驗證，研究員分析了2015年巴爾的摩暴動期間的1,800萬則Twitter推文，檢測道德化言論和逮捕率的關係，發現Twitter上出現的道德化推文數量和幾個小時後的每小時逮捕次數呈現正相關，而且當抗議者和警察發生肢體衝突時的幾天，道德化推文的數量翻了一倍。 （詳全文）

機器學習   腦波分析  

IBM用機器學習自動分析腦波圖訊號，來輔助醫生診斷癲癇

IBM研究團隊近日發表用機器學習自動分析腦波圖（EEG）訊號的成果。IBM從去年開始與新加坡南洋理工大學合作，共同開發一套機器學習演算法，透過腦波圖的訊號來檢測腦功能，以輔助專業醫師診斷是否出現癲癇症狀等疾病。而在分析過程中，系統幾乎不需要人工挑選特徵、調整參數。目前該模型只有在已開發的國家中測試，未來將會盡快於發展中的國家測試該模型。（詳全文）

英國政府   AI抗癌  

英國政府要用AI對抗癌症，藉早期診斷降低死亡率

英國首相Theresa Mary May公開表示，英國將投資百萬英鎊開發人工智慧應用，以預測癌症及慢性病，透過大量資料分析，期望在癌症初期就發現，並通知家庭醫生進行轉診建議，以快速診斷減少死亡率。擁有1948年後所有英國國民醫療資料的英國國民健保署（NHS）也會和民間機構、慈善機構合作，利用大資料技術，來發展可快速輔助家庭醫生的演算法。不過，這項計畫需要政府與第三方共享國民隱私資料，也引起政府靠公有財獲利的爭議，受到多方團體的質疑。（詳全文）

Google     TPU   

Google雲端機器學習引擎開始支援TPU

Google近日更新公有雲平臺機器學習服務的功能，讓雲端機器學習引擎（Cloud Machine Learning Engine）也能結合TPU運算服務，加速訓練成效，目前是預覽版。雲端機器學習引擎可以提供使用者TensorFlow代管服務，利用分散式訓練、GPU加速，擴充機器學習工作負載。而開始支援TPU後，可用來加速機器學習模型的訓練成效。機器學習引擎會負責建置、管理TPU節點，Google雲端機器學習引擎工程總監Nikhil Kothari表示：「就像使用CPU、GPU一樣簡單」， TPU任務也可以結合超參數調整（Hyperparameter tuning）功能，改善模型成效。（詳全文）

微軟      遷移學習  

微軟靠遷移學習，解決對應語句訓練資料不足問題

繼微軟3月中發布AI機器中翻英程度達到人類專業水準之後，最近又持續挑戰機器翻譯的難題：方言和口語。機器翻譯通常仰賴兩種語言的平行對應語料資料庫來訓練模型，不過，由於大多數的方言和口語都沒有足夠的相對應語料當作訓練資料集，微軟便透過遷移學習將訓練資源高的語言轉移到資源低的語言上，搭配半監督式學習方法，解決了對應語句訓練資料不足的問題，成功開發出高品質的方言和口語翻譯器。（詳全文）

  基因演算法   市容預測   

西班牙研究員用基因演算法，可預測都市建築成長趨勢

來自西班牙A Coruña大學的研究員，開發一套基因演算法，以預測都市建築的變化。參與研究的建築師Ivan Pazos表示，市容變化過程就像生物有機體的成長，而基因演算法結合遺傳學基本規則和達爾文的天擇邏輯，適合預測城市的發展。研究員以東京都港區為對象，從2015年蒐集的港區建築歷史資料和其他經濟參數，建立了一系列地圖和3D模型，來預測2016年到2019年的建築數量和出現區域。該算法準確預測出2016年和2017年港區天際線的變化，現在正評估2018年和2019年的預測準確性。上圖為Ivan Pazos等人對東京港區城市發展的3D模型預測。（詳全文）

圖片來源／臉書、三星、Ivan Pazos

 AI趨勢近期新聞 

1. HTC推人工智慧平臺DeepQ AI Platform，主打一鍵式部署

2. 安聯人壽推出智能Chatbot Allie，讓保單貸款1分鐘內完成

3. 阿里巴巴達摩院，推出AI語音點餐服務

4. 聯發科攜臺大和臺大醫院，結合生物感測晶片和智慧手機，可60秒量血壓

資料來源：iThome整理，2018年5月