重點新聞(1019～1025)
同步翻譯 STACL
百度發表中譯英同步翻譯系統STACL
（點擊看示範影片）
百度日前宣布開發出STACL系統，是第一款具預測功能和延遲時間可控的同步機器翻譯系統。百度指出，STACL象徵自然語言處理的重大突破，克服了源語和譯入語的語序問題，以及在現實世界中同步翻譯產生的時間差。一般來說，同步翻譯指的是，當講者開始說話後幾秒，譯者就開始翻譯。為克服翻譯時間差，百度使用wait-k模型，透過機器學習來預測譯入語接下來會出現的詞彙，讓STACL系統將翻譯延遲的時間減少為一秒不到。
此外，STACL系統還可以讓使用者設定延遲時間，比如延遲時間為一個單字或五個單字。百度指出，對中英翻譯來說，延遲時間稍長，翻譯的準確度也越高，因為系統所獲得的語境越完善、預測能力更好。不過，百度表示該系統仍在研究中，有其侷限性，也不打算用來取代人工翻譯。（詳全文）
勞斯萊斯 無人航運
勞斯萊斯與英特爾合作，以AI來開發無人航運系統
勞斯萊斯日前宣布與英特爾聯手，要共同開發精密複雜的智慧航運系統，旨在讓商業航運更安全。這套系統將配備資料中心，透過AI和複雜的邊緣運算技術，讓系統可獨立管理船隻導航、障礙物偵測，以及與不同單位溝通。勞斯萊斯提到，英特爾能提供開發智慧航運系統所需的技術支援，比如可用FPGA技術來實現船隻導航和障礙物偵測，或用Xeon Scalable處理器設計高效能運算系統，以便訓練機器學習模型、來支援全無人航運。（詳全文）
Earth Lens AI
微軟Earth Lens用AI來識別衛星圖片中的物體
微軟車庫（Microsoft Garage）創意工廠的一群實習生，日前開發出一款名為Earth Lens的iPad專用App，藉助微軟AI工具和Xamarin軟體開發平臺，來自動識別、追蹤和分析衛星圖片中的物體，並進行分類和標記。開發Earth Lens的實習生表示，這款App可用於農、林、漁業等應用場景，比如觀察自然災害的影響、救災和環境保護。Earth Lens的專案管理實習生Michelle Chen指出，他們使用了微軟AI for Earth團隊訓練好的機器學習模型，讓Earth Lens自動偵測衛星圖片中的物體，除了能分類、統計數量，還會自動標記物體。微軟日前也將Earth Lens程式碼於GitHub開源。（詳全文）
機器學習 圖片標註
Google以機器學習加快電腦視覺的圖片標註速度達3倍
.png)
Google在ACM多媒體會議2018上，發表一種以機器學習驅動的圖片標註介面，讓使用者能快速標註圖片中的物體輪廓並標籤，整體標記速度快上三倍。傳統的標記方法為使用者以標記工具，手動圈出圖片中物體的邊界，Google表示，目前要用COCO對Stuff資料集，來標記一類圖片需要19分鐘，太過耗時。因此Google探索了全新的訓練資料標記方法-流體標註（Fluid Annotation），以機器學習幫使用者快速找出圖片物體輪廓，並加上標籤。
流體標註能產生一個短清單，點擊就能快速為物體上標籤，而使用者也可以增加範圍標記，來覆蓋沒被偵測出來的物體。另外，流體標註也能刪除既有的物體標記或變更物體深度順序。（詳全文）
DeepMind TRFL
DeepMind開源自家強化學習代理程式的元件TRFL
Alphabet旗下AI子公司DeepMind日前開源釋出可撰寫TensorFlow強化學習代理程式的函式庫TRFL。DeepMind指出，TRFL集結了該公司內部開發代理程式如DQN、DDPG及Importance Weighted Actor Learner Architecture所有的重要演算法元件。TRFL函式庫包括實作傳統RL演算及更先進技術的函式，像是loss函式及其他運算都有實作於純Tensorflow 之中。針對value-based及policy-base的強化學習，TRFL也都提供了相應的工具。TRFL目前已可自GitHub下載。（詳全文）
機場安檢 人臉辨識
美TSA揭露，未來全美機場都會導入人臉辨識
美國國土安全部旗下的運輸安全管理局（TSA）先前公布了「飛安及乘客經驗的生物辨識藍圖」，計畫在未來幾年透過人臉辨識等生物辨識做法，來完成乘客的身分驗證，對象包括國際旅客和美國境內旅客，並打算開發生物辨識解決方案的基礎設施。TSA計畫先與美國海關及邊境保衛局（CBP）進行國際旅客的生物辨識，再利用由TSA Pre會員所提供的生物辨識技術改善旅遊經驗，將生物辨識擴大到境內旅客，並打造一個支援生物辨識的基礎設施。不過，TSA並未揭露此一藍圖的時程表。（詳全文）
UberEats AI推薦
UberEats App靠AI推薦餐廳和菜單內容，也優化外送服務
UberEats資料科學主管Chen Peng日前在公開場合揭露，該公司仰賴排名演算法來制定UberEats App的顯示內容，比如餐廳和菜單等。他進一步指出，機器學習是UberEats營運的核心，因為該技術的應用不但能預測哪些餐廳可以為UberEats平臺增值，還能預測哪些餐點可能會大受歡迎，並從平臺上800多家餐廳中的廣告中脫穎而出。在外送方面，機器學習則用來優化外送獎勵、分配訂單，以及動態調整外送價格。除了將AI用在營運上，UberEats也用於內部開發。UberEats內部有個名為Michelangelo的機器學習平臺，供自家工程師開發AI模型。Chen Peng指出，該平臺讓培訓、測試和部署機器學習模型更容易。（詳全文）
甲骨文 AI助理
甲骨文宣布推出企業版AI助理，可支援多種應用程式
甲骨文在今年度的OpenWorld大會上，宣布推出企業版AI助理Oracle Digital Assistant，並稱其為新一代企業聊天機器人。與一般只為單一目標而建的聊天機器人不同，甲骨文AI助理可訓練來支援多種應用程式，比如ERP、CRM、HR等。另外，甲骨文AI助理還內建分析儀表板，讓使用者即時了解聊天機器人的性能，從而優化。該助理也可在多種平臺上使用，包括臉書、Slack、微信、Amazon Echo、Google Home和蘋果HomePod等，使用者也可以透過語音介面與AI助理交談。（詳全文）
Google 深度學習
Google以深度學習協助檢測胸腺癌轉移，判斷時間少一半
Google提出了一套基於LYNA（LYmph Node Assistant）的診斷方法，透過LYNA演算法，病理學家能更容易檢測胸腺癌細胞在淋巴結上的微轉移，不只讓幻燈片檢驗時間減半，還讓錯誤率下降兩倍。Google今年發表兩篇論文，其中一篇論文找來病理學家進行模擬診斷，實驗在有LYNA和沒有LYNA幫助下，檢查轉移性乳腺癌淋巴結的工作。結果顯示，在LYNA的協助下，病理學家更容易辨識微轉移，且每張幻燈片的檢驗時間從2分鐘縮短至1分鐘，微轉移判斷出錯率降低2倍。這代表LYNA技術能減輕重複識別工作的負擔，但Google提到，要實際應用還有一段很長的路要走。（詳全文）
圖片來源／Google
AI趨勢近期新聞
1. Nvidia攜手Scripps轉譯醫學研究院，要用AI來分析醫療感測資料
2. 交大聯手高雄長庚，著墨AI醫療研究
3. Google釋出低延遲音訊C++函式庫Oboe，讓聲音不再延遲
4. 芝加哥考慮讓企業用人臉辨識技術來維安，EFF出聲反對
資料來源：iThome整理，2018年10月
熱門新聞
2024-11-18
2024-11-12
2024-11-19
2024-11-15
2024-11-15
