AI趨勢周報第84期：不怕吃錯藥！陽明大學開發手機藥物辨識App

重點新聞(0503～0509)

陽明大學     藥物辨識     AIGIA  

不怕吃錯藥！陽明大學開發出準確率9成5的手機藥物辨識App

陽明大學醫學系副教授暨臺北榮總家醫科醫師陳育群歷經3年努力，自行開發一套手機藥物影像辨識App「AIGIA愛家小藥師」，只要透過智慧型手機和拍攝裝置MedBox，拍攝藥物後，App就會透過雲端運算，來比對資料庫中的藥物外型，並顯示藥物特徵、成分、適應症、用法，以及特殊警語等。

陳育群表示，健保給付藥物多達1萬8千多種，藥丸尺寸、顏色相似，再加上臺灣社會高齡化，長者一天平均要吃7.3顆藥，容易發生混淆、誤食的情況。為解決這個問題，陳育群利用手機作為辨識平臺，並研發MedBox，來解決拍攝時的閃光和色偏問題，提高辨識準確率。目前App可辨識的藥物多達400種，準確率達95％，並提供多語服務，包括英語、印尼語、越南語和馬來語。（詳全文）

樂天銀行   資安     行銷 

日本樂天銀行來臺分AI資安和AI行銷實例

樂天國際商業銀行預定總經理佐伯和彥日前來臺分享，樂天銀行如何運用AI與大數據分析，成為日本客戶滿意度最高、資訊最安全的純網銀。他指出，樂天銀行將AI應用於防範金融犯罪和市場行銷兩大層面。在防範金融犯罪上，樂天引進AI來偵測異常網路行為，首先彙整大量顧客行動、犯罪行為資料，甚至是網路交易進行的時刻、授權裝置位置等資訊，來訓練AI模型，能透過不同條件組合來追蹤異常的帳戶活動。

在市場行銷上，樂天靠AI投放個人化廣告。當顧客申請開戶並消費時，樂天就能取得用戶基本資料與消費紀錄，藉由這份真實資料創造一個該用戶的數位分身。透過顧客基本資料和數位分身的推測資訊，樂天就能找到特定服務的潛在客戶，再以個人化推播提高成交量。佐伯和彥指出，這個做法讓樂天廣告點擊量增加了778.3%，內容播放數也增加356.2%，兩者均有顯著成長。（詳全文）

  Google     Andriod Q   字幕生成  

Google推出Android Q測試版，內建機器學習可即時產生字幕、智慧回覆

Google在今年I/O大會上，宣布推出第10版作業系統Android Q，其中2種功能運用了內建機器學習技術，包括Live Caption（即時字幕）、Smart Reply（智慧回覆）。首先，Live Caption可替Android手機上的多種檔案產生即時字幕，比如歌曲、錄音音頻、電話通話、視訊通話和播客等，方便聾啞人士理解訊息。Google指出，使用者不須另外下載App，即可使用Live Caption功能，而且該功能可離線執行，不只字幕產生沒有時間差，使用者也不必擔心資料會回傳至Google。

Smart Reply功能內建於Android的通知系統，同樣採用機器學習技術，可讓所有通訊App在通知中顯示建議回覆。此外，Smart Reply還可預測使用者要執行的後續動作，比如使用者收到朋友傳送的地址，只要輕觸該地址，就能開啟Google地圖查看位置。（詳全文）

  MIT     神經網路    縮小  

MIT找出能使神經網路體積縮小的80/20分析法

麻省理工學院電腦科學暨AI實驗室（CSAIL）最近發表一篇縮小神經網路的論文，能在不改變準確率的情況下，找出與最終結果預測相關的子網路，該子網路相比原本的神經網路小10倍，有時甚至能比原本的網路更快預測。

MIT團隊首先從訓練的神經網路中，將最低權重的連結修剪掉，並訓練經修剪的神經網路、重設權重。團隊就這樣不斷修剪連結，也從中發現，在不影響模型表現的情況下，可以修剪多少連結。團隊也針對許多不同的網路，重複這個過程上萬次，來找出與最終結果預測相關的子網路。下一步，MIT團隊要探索為什麼特定子網路對學習特別在行，並開發出找出這些子網路的有效方法。（詳全文）

  臉書    ML       調校工具 

臉書開源機器學習超參數調校工具Ax與BoTorch

臉書在年度F8大會開源了多項工具，其中包括Ax和BoTorch兩個工具，讓開發者不需大量資料，也能建置AI應用。進一步來說，Ax是一個通用平臺，可用來理解、管理、部署和自動執行適應性實驗（Adaptive Experimentation）；而BoTorch則是建立於開源深度學習框架PyTorch的函式庫，能用於貝式最佳化，以API方式提供Ax最佳化演算法，讓開發人員簡單地調整AI參數。

臉書指出，要調校出最佳機器學習參數相當費時，特別是在複雜空間中。因此，他們開發了Ax和BoTorch兩種工具來解決這個問題，並大量部署於自家服務。臉書表示，這兩項工具可降低用戶進入適應性實驗的門檻，Ax讓開發者以低資源方式，探索參數配置；BoTorch則使用PyTorch功能，像是自動微分、大規模平行化運算和深度學習，來強化貝式最佳化研究。（詳全文）

Object2Vec    SageMaker     負採樣  

AWS SageMaker平臺為Object2Vec演算法，新增支援自動負採樣和加速訓練的新功能

AWS最近在ML自動建置和部署工具SageMaker平臺中，為神經嵌入演算法Object2Vec新增了4個新功能，包括負採樣（Negative Sampling）、稀疏資料梯度更新、權重共享，以及比較器運算子訂製，來解決企業痛點。

過去，若應用案例只有positive標記的資料，企業需要手動進行負採樣，來進行資料預處理，但Object2Vec演算法新的負採樣功能，在訓練過程中，會將不易察覺和標記的資料自動標記為negative。而稀疏資料梯度功能，則是可以在不損失效能的情況下，加速單一GPU的訓練工作。另外，Object2Vec新增的權重共享超參數，能讓原有的兩個編譯器共享token嵌入層。有別於過去比較器的固定運算子，現在AWS讓企業可自訂運算子，能根據應用的最佳表現來優化演算法。（詳全文）

  Word    自然語言處理     文句潤飾  

微軟Word要用AI來幫忙改文章

微軟日前在Build大會上，宣布今年秋天將於Word線上版（Word Online）將加入一項AI工具：Ideas in Word，來幫使用者寫出好文章。Ideas in Word利用機器學習及Microsoft Graph的AI技術，來協助使用者潤飾文章。首先，根據Graph的AI能力，Ideas in Word可協助基本的文法、拼字校正或正確用詞，以及提供建議，比如加標題、常用的縮寫名詞、估計文章閱讀所需時間、列出要點等。這套工具，已用於微軟PowerPoint和Excel中。

此外，Ideas in Word還運用深度學習技術，來提供寫作建議。這項技術可理解特定字詞所在的句子上下文，並提供最常見的同義字，以強化文章可讀性。微軟Office部門今年也已運用機器學習技術來強化同義字的優先排序，試用者對Word建議的同義字接受度還提高了一倍。（詳全文）

圖片來源／陽明大學、Google、MIT、AWS

 AI趨勢近期新聞 

1. 美國能源部斥資打造第二款Exascale等級的超級電腦

2. Google釋出超過500萬張圖片的地標辨識新資料集

3. IBM與紐約大學合作用深度學習及早診斷青光眼

4. 臉書更新PyTorch，新版本支援評估和檢查模型的可視化工具

資料來源：iThome整理，2019年5月