AI趨勢周報第74期：中正大學聯手嘉基，用AI揪出大腸瘜肉！

重點新聞(0125～0131)

嘉基    大腸癌     AI醫療  

中正大學聯手嘉基，用AI揪出大腸瘜肉

中正大學聯合嘉義基督教醫院，打造一套醫學影像AI系統，可即時分析醫生大腸鏡檢查畫面，自動在電腦螢幕上框出瘜肉位置、辨識贅生性瘜肉機率，準確率高達95％。近年來，大腸癌一直是國人10大癌症之首，雖然照大腸鏡是預防方式之一，但得仰賴醫生長年肉眼辨識經驗，還會受到如腸道內水、泡沫等雜訊干擾，難免產生誤判。

有鑑於此，中正大學資工系副教授劉偉名與研究生蕭瑋廷，聯手嘉基肝膽腸胃科醫生張力仁，用AI替醫生找出可疑的大腸瘜肉。首先由嘉基提供大腸鏡影片和臨床資料，再由醫師幫忙標記影像瘜肉位置，並交由劉偉名和學生來訓練演算法。目前，大腸瘜肉測試準確率達95％，嘉基發言窗口表示，今年將規畫臨床應用事宜。（詳全文）

  MIT     人臉辨識    AI偏見  

MIT正開發新人臉辨識演算法，要解決AI偏見問題

MIT電腦科學與人工智慧實驗室（CSAIL）近日提出一篇研究論文，要以新演算法來解決人臉辨識的種族偏見問題。進一步來說，研究人員採用變分自編碼器（Variational Autoencoder，VAE），來檢視人臉辨識模型的訓練資料，在確定這些資料的特徵之後，會重新採樣，平均挑選每種膚色、性別的人種，讓訓練資料更加平衡。經MIT研究人員測試，在不影響準確率的情形下，這個方法能降低60％的「分類偏見」。不過，研究人員也表示，要實際採用這套演算法，還有一段距離。（詳全文）

  北卡羅來納大學    義肢    AI  

AI調教機器義肢，讓身障者穿戴更舒適

北卡羅來納州立大學和北卡羅來納大學的研究員，最近發表一項增強式學習研究，以獎勵系統促使AI代理人完成目標，也就是調整機器義肢膝蓋的活動。具體來說，當機器義肢活動時，AI模型會考慮各種定義力與動作的參數，如機器關節的剛度、前肢的垂直運動範圍等。至於基線，則是身障者可以舒適地走路，雖然過程可能不完全平順。在測試實驗中，AI系統從義肢活動的前15-20分鐘蒐集訓練資料，再由演算法處理，並透過義肢中的感測器來學習活動模式。為安全起見，研究員對可能讓穿戴者摔跤的情況，進行系統限制。在一次測試中，他們開發的AI系統僅需10分鐘，就能幫助義肢穿戴者在平地上自然行走。（詳全文）

  英特爾    Nauta       分散運算環境  

英特爾開源釋出深度學習平臺Nauta，提供分散運算環境跑模型

英特爾最近宣布開源釋出深度學習平臺Nauta，要讓企業開發者更簡單地建立深度學習模型。該平臺提供多用戶分散式運算環境，能在英特爾處理器Xeon系統上運行深度學習模型訓練。開發人員可從命令列介面、網頁版使用者介面，或是視覺化工具TensorBoard，查看和監控模型執行的結果。另外，針對擴展性，該平臺利用容器工具Kubernetes的元件，搭配Kubeflow和Docker，來實現機器學習容器化。在匯入訓練資料部分，開發人員可利用現有資料集、線上下載資料，還能建立公開或私人的檔案夾，讓跨團隊合作更方便。（詳全文）

  卡內基美隆大學   停車位預測   深度學習 

找不到停車位？AI用深度學習幫你即時預測車位狀況

Google雲端與GO-JEK合作，推出開源特徵商店Feast，供開發團隊管理、儲存和探索機器學習專案相關的特徵，目的是要透過可擴展且統一的特徵儲存平臺，讓機器學習開發團隊可以定義和發布特徵，進而促進組織內特徵探索和重複使用。Feast也整合了開源機器學習平臺Kubeflow，能滿足機器學習生命周期中，對特徵儲存的需求。Feast可在Kubeflow上部署，也可與其他Kubeflow元件協作。此外，Feast也提供了Python SDK，可用於Jupyter Notebooksc和Kubeflow Pipelines。最近卡內基美隆大學土木環境工程學系的研究團隊，在論文平臺Arxiv發布了即時預測停車位的AI研究，研究團隊整合多種即時和歷史的交通相關數據，利用卷積神經網路建立停車位預測模型，包含停車的時間、交通狀況、道路的特徵、天氣等資料，，預測短期停車位的使用狀況。有別於過去收集停車感測器數據的方法，研究團隊在加入其他參考數據之前，先利用停車計費機的交易資料，來預測停車空位，由於95%的路邊收費停車位都是透過計費機管理，這樣的方法也比依賴感測器數據的方法，更為通用。（詳全文）

Numpy    Scipy     機器學習  

GitHub: Numpy和Scipy是機器學習專案中最受歡迎的函式庫

GitHub最近於自家部落格中，公布去年度機器學習和資料科學專案相關的報告，其中，平臺上機器學習專案最熱門的語言，前3名分別是Python、C++和JavaScript，而最受歡迎的函式庫為Numpy，有7成以上的機器學習專案都使用了Numpy函式庫，而Scipy函式庫則是占了近5成。Numpy函式庫具備平行處理能力，支援多維度陣列和矩陣的數學運算，在機器學習專案中，能夠處理龐大的資料量，因此以超過7成的機器學習專案占有率，成為最受歡迎的ML函式庫，另外，負責運算的Scipy、管理資料集Pandas和提供視覺化的Matplotlib函式庫，在ML專案中，都有超過4成的占有率。（詳全文）

Uber    人臉辨識    乘車安全  

Uber以人臉辨識把關駕駛身份、一鍵報警等功能強化乘車安全

Uber近日在臺宣布強化乘車安全功能，結合人臉辨識技術確認司機身份，還提供110緊急援助功能，讓乘客發生緊急事件時可以一鍵報警。為避免駕駛者身份冒用，Uber採用微軟人臉辨識技術，在駕駛版App中加入人臉辨識功能，駕駛上線或途中，會不定時要求駕駛回傳自拍照片，以確認駕駛身份和帳號相符，一旦發現回傳照片和帳號身份不符，會立即限制使用平臺接案。雖然Uber採用微軟人臉辨識技術，但司機的臉部資料則存於Uber內部。（詳全文）

AWS     Neo-AI      機器學習  

AWS發表Neo-AI開源專案，可訓練跨平臺的機器學習模型

AWS發表新開源專案Neo-AI，該專案源自於Amazon SageMaker機器學習服務中的ML模型自動優化功能「Amazon SageMaker Neo」，來幫助開發者打造可支援各種硬體平臺的機器學習模型。AWS表示，透過Neo-AI，部署機器學習模型到不同平臺將不再費力，藉由自動最佳化TensorFlow、MXNet、PyTorch與XGBoost等模型，在不喪失精確性的情況下，讓其執行速度達到原始模型的兩倍；此外，它還能將模型轉換為高效通用格式，以解決軟體相容性問題。

Neo-AI也允許複雜的模型在資源有限的裝置上執行，目前支援英特爾、Nvidia和Arm平臺，未來將支援Xilinx、Cadence及Qualcomm。AWS已藉GitHub釋出Neo-AI專案，將採Apache軟體授權。（詳全文）

圖片來源／中正大學、MIT、GitHub、Helen Huang

 AI趨勢近期新聞 

1. 語言如何形成？臉書和Google用深度強化學習研究自然語言現象

2. Google發布問答語料庫Natural Questions，匯集30萬條問題與人工註釋答案

3. 整合Arm處理器與SSD，NGD運算型儲存系統加速大數據應用

4. 中正大學攜2家印度大學，建立海外AI科研中心

資料來源：iThome整理，2019年1月