AI趨勢周報第69期：微軟在AI種小黃瓜競賽中拿下冠軍，勝過騰訊、英特爾

重點新聞(1214～1220)

  微軟     AI種小黃瓜    智慧農業  

微軟在AI種小黃瓜競賽中拿下冠軍，勝過騰訊、英特爾

微軟日前於一場AI種小黃瓜的自動溫室競賽（Autonomous Greenhouse Challenge）中，擊敗騰訊和英特爾，拿下冠軍。這場競賽由荷蘭Wageningen University舉辦，目的是要參賽團隊透過AI演算法和感測器等設備，從遠端控制溫室、種植小黃瓜，評分則以淨利高低、AI的使用（演算法是否創新、是否需要搭配額外感測器、是否能大規模應用），以及永續性（比如用水量和產生的二氧化碳等）為標準。參賽隊伍有5組，包括由微軟與幾位荷蘭和丹麥學生組成的Sonoma團隊、由騰訊帶領的iGrow、由英特爾和墨西哥學生組成的Deep Green等，此外，賽中還安排一組人類對照組。

這場比賽從今年8月開始，為期4個月，參賽者透過RGB攝影機、熱成像攝影機和重量感測器等，透過遠端設計的AI演算法來控制溫室溫度、灌溉等。最後，Sonoma以每平方公尺產出50多公斤小黃瓜，拿下冠軍。（詳全文）

法扶     AI     律師辦案  

法律扶助案件多忙能預估！法扶建立ML模型預測接案律師活動頻率，要來優化派工效率

近來法扶接收的申請案件不斷增加，去年准予扶助的案件就有6萬件，平均每天要派件300件。為了提高派案效率，法扶藉助數據分析大廠SAS，開發出一個用來預測申請案件所需律師活動頻率的預測模型，可衡量一個案件的律師工作量，準確率達80％。為訓練該模型，法扶和SAS爬梳過往21萬筆申請人的案由概述，以及申請人屬性、案件屬性、人口資料和律師辦案活動頻率（也就是開庭次數、律師面談次數和撰寫書狀份數等），以自然語言處理（NLP）技術，來辨識詞彙、檢測同異詞和分類等，分析出相關性和差異性後，再透過機器學習模型，來預測律師辦案的活動頻率，進而改善法扶的派案決策。未來，法扶還希望與東吳大學AI應用中心聯手，以該模型為基礎，來開發線上法律診斷機制平臺，讓有法扶需求的民眾，能先了解程序及可能的花費時間。（詳全文）

  玉山銀    交大    AI金融科技  

玉山銀聯手交大，打造AI金融科技研發中心聚焦4大金融應用

玉山銀行與交通大學聯手，在校園內設立玉山AI暨金融科技研發中心，由交大7位資工系和資財系的教授，帶領學校11組團隊，與玉山研發團隊一同研究AI金融科技議題，包括行銷、風險、財富、證券等領域。進一步來說，這些教授的研究領域，涵蓋信用卡盜刷及辨識、信用卡異常交易偵測及房貸信用評估技術、深度強化學習於金融交易決策和精準行銷的應用、智慧型店頭市場交易與理財機器人等。該研發中心的合作計畫為期2年，由玉山每年挹注1,000多萬元資金。（詳全文）

  Jigsaw    自然語言處理       語言偵測  

Alphabet子公司將擴大侮辱性言論偵測的語種，從西班牙文開始

Alphabet旗下孵化器子公司Jigsaw最近宣布，要擴大AI侮辱性言論偵測系統的語種，先從西班牙文開始。去年時，Google的Counter Abuse Technology小組就與Jigsaw共同開發一款Perspective API，可讓媒體平臺用來偵測侮辱性的英文言論。而先後採用的媒體，則有紐約時報、英國衛報、經濟學人和維基百科等。Jigsaw現在與一家西班牙報紙El País合作，以Perspective來分析西班牙文評論，改善其網站上的對話。Jigsaw進一步提到，在接下來的幾個月裡，將開放西班牙文版的Perspective機器學習模型，給開發人員使用和實驗，而明年則是要擴增更多語種。（詳全文）

  聯發科   AI手機晶片    AI引擎 

聯發科最新AI手機晶片，採8核架構、搭載最新AI引擎

IC設計大廠聯發科技近日發布最新的Helio P90系統單晶片，採用8核架構，並搭載AI引擎APU 2.0，相比過去的Helio P70和Helio P60，處理速度提升4倍，運算效能高達 1127 GMACs（2.25TOPs）。Helio P90搭載的APU 2.0處理器採用融合AI（fusion AI）架構，透過多核多執行緒，能讓手機裝置在極低耗電的情況下，執行複雜的AI任務，像是人體姿態辨識、姿態追蹤和人體運動分析，尤其能夠針對圖像進行優化。聯發科技提到，搭載Helio P90的產品預計將於明年第一季在全球上市。（詳全文）

AWS    自然語言模型    語音辨識  

AWS用新方法改良自然語言模型，讓Alexa語音辨識錯誤率降低15％

AWS最近透過新方法來改良自然語言模型，使Alexa的語音辨識錯誤率降低15％。 一般來說，自然語言研究人員會用有限狀態轉換器（FSTs），用節點或是圓圈與線來描繪語法關係的網路，AWS則是用這些計算出來的概率來建立語言模型。

首先，AWS建立的演算法會先辨識FSTs編譯過文字內容的每個字串，再分析每個字串在網路圖中的路徑，利用機率和這些路徑來計算特定字串的頻率。為整合到現有模型中，AWS用機器學習系統挑選出兩個模型中最佳化的結果，最後，AWS利用3種不同的自然語言理解功能來評估模型，包括查詢股票價格、查詢食譜和烹飪指示、預定機票，結果顯示，預定機票的能力提升了15%。（詳全文）

Google    糖尿病     視網膜病變 

Google改善糖尿病視網膜病變模型，擴大實驗場域提升臨床可用性

Google最近改善自行研發的糖尿病視網膜病變模型，使其表現更好。Google用2項方法來讓模型更準確，第一個是將過去分成2類的分類模式，改成5個分數等級的分類系統，讓資料的分類更具有區別性，第二個方法則是將模型整合視網膜專家最終的辨識結果，Google研究團隊讓專家小組達成共識，再將最終的辨識結果納入模型中。此外，Google還將模型帶到泰國公共衛生部醫療服務部附屬的泰國醫院Rajavithi，透過臨床測試來驗證模型的準確度，希望透過AI模型改善當地的醫療服務。Google期望透過廣泛的合作模式，來驗證糖尿病視網膜病變模型，運用新技術來改善世界健康狀況。（詳全文）

機器學習技術評比    MLPerf      量測基準  

機器學習技術大評比第一次結果出爐，MLPerf新測試標準讓各家自己秀強項

機器學習基準測試套件MLPerf推出7個月後，根據第一輪由Nvidia、谷歌和英特爾提交的資料，發布首次結果。MLPerf測量了主要機器學習硬體平臺的速度，包括Google的TPU、英特爾CPU和Nvidia GPU，同時結果也提供了諸如TensorFlow、PyTorch和MXNet等機器學習軟體框架速度的了解。

Nvidia在部落格發布了自家測試結果，包括單節點測試以及規模測試。Google同樣也在部落格發布了MLPerf測試結果，並宣稱其平臺最容易進行機器學習訓練的擴展，並且以晶片相比，其TPU擁有19％的效能優勢。（詳全文）

Uber      Horovod     深度學習基金會  

Uber貢獻其分散式訓練框架Horovod給LF深度學習基金會

Uber宣布將其為TensorFlow、Keras和PyTorch開發的分散式訓練框架Horovod開源專案，貢獻給深度學習基金會。深度學習基金會則是在Linux基金會旗下，負責進行人工智慧、機器學習和深度學習領域創新。

Uber去年時以Apache 2.0授權許可開源發布Horovod。Horovod能讓人工智慧開發者輕鬆的使用TensorFlow、Keras和PyTorch機器學習框架，訓練分散式深度學習模型。不少雲端服務都已經整合了Horovod，包括AWS深度學習服務AMI、Azure資料科學虛擬機器、Databricks Runtime、GCP深度學習虛擬機器、IBM FfDL、IBM Watson Studio和NVIDIA GPU Cloud等。（詳全文）

圖片來源／王若樸、玉山銀、Google

 AI趨勢近期新聞 

1. 吳恩達發布AI轉型攻略，教企業5步驟成為AI公司

2. Amazon Alexa強化保全功能，控制防盜系統現在可以用說的

3. 泰勒絲演唱會用人臉辨識糾出跟蹤狂

資料來源：iThome整理，2018年12月