AI趨勢周報第85期：科技部推動時間銀行！用Chatbot和區塊鏈打造臺灣時間互助App

重點新聞(0510～0516)

  科技部    時間銀行    Chatbot  

科技部也要推動時間銀行，用Chatbot和區塊鏈打造臺灣時間互助App

科技部日前宣布啟動臺灣時間互助App計畫，以時間銀行概念為基礎，來推動以服務時數換取新服務的互助模式。該計畫由臺灣大學建築與城鄉研究所教授張聖琳領導，團隊先是取得國外時間互助App授權，再以AI和區塊鏈技術，來研發屬於國人的時間互助App。其中，團隊以區塊鏈技術打造時間交換系統，清楚記錄使用者服務時間，接著用來建置服務的徽章成就系統和履歷系統。而AI則用來發展聊天機器人「AI里長伯」，以自然語言介面來抽取使用者輸入的關鍵字，經計算後來媒合服務供需、推薦合適的服務項目。

該計畫目前有2個關鍵實驗場域，包括桃園至善高中與臺灣文學館志工體系。此外，這款App也提供跨域交換，團隊未來也將研擬於多個館舍間建立志工跨館舍計時平臺，提供更簡便的計時方式，同時創造更多的服務時間需求。這項計畫為期3年，未來將開源釋出App。（詳全文）

IBM     認知製造     智慧製造  

推動製造業數位轉型！IBM推出最新認知製造實踐藍圖

臺灣IBM推出最新認知製造實踐藍圖，包括了自行設計的認知製造框架、3點行動建議，以及新融入的資安藍圖。認知製造框架採用一站式多種技術諮詢的IBM Garage開發方式，輔以設計思維（Design Thinking）和敏捷開發方法，將認知製造分為3大應用層面，包括智慧產品、智慧營運和智慧工廠，IBM針對這3層面提供不同解決方案，比如認知型採購、認知供應鏈、認知設備管理等近30種解決方案。

IBM也提出了3點認知製造建議：Movement、Veracity和Partnership（簡稱MVP），分別指現在就應採用認知系統、確保資料來源與真實性、與懂科技和產業的對象結盟。此外，IBM也在認知製造實踐藍圖中，新增資安藍圖，針對製造業IT和OT設備進行資安評估、資安事件與威脅管理，並即時依風險程度重新排序資安作業。（詳全文）

  Nike    鞋款推薦       電腦視覺  

Nike發表可以丈量足部尺寸並推薦鞋款的Nike Fit功能

知名運動鞋品牌Nike日前發表Nike Fit功能，結合電腦視覺和機器學習技術，可透過手機鏡頭來掃描、判斷使用者腳掌大小，進而推薦合適的鞋款。

Nike Fit功能內嵌於Nike App中，當使用者瀏覽鞋款、選擇尺寸時，Nike Fit就能透過手機鏡頭掃描使用者雙腳，收集足部13個數據點，在幾秒鐘內描繪出足部型態，並根據這些資料，來推薦最適合使用者的鞋款。這些資料，也會儲存於NikePlus會員檔案中，方便未來在線上或實體店購物時使用。此外，這個功能還有客人模式，能讓使用者掃描親友的雙腳，比如建議父母該買哪種鞋給小朋友。Nike表示，初期將會利用Nike Fit所蒐集的資料來改善鞋子的設計，但最終目標是提供使用者量身訂做的個人化鞋款。（詳全文）

  微軟     解釋性   lnterpretML  

打造透明AI！微軟開源解釋機器學習的工具lnterpretML

微軟研究院開源一套軟體工具包lnterpretML，讓開發者可以嘗試多種方法，來解釋機器學習模型和系統。lnterpretML包含了不同演算法，比如Explainable Boosting Machine，透過如Bagging和Boosting分類方法的機器學習技術，來改進傳統的廣義加成（Generalized Additive）模型，使準確度和隨機森林一樣準。此外，lnterpretML也支援LIME、SHAP、決策樹和線性模型等方法，讓使用者更容易比較不同方法，從中選出最適合解釋的模型。InterpretML測試版已開源於GitHub。（詳全文）

  TensorFlow    電腦視覺    函式庫 

TensorFlow釋出能倒推3D場景參數的電腦視覺深度學習函式庫

TensorFlow釋出可微分圖形（Differentiable Graphics）層TensorFlow Graphics，也就是一套能協助訓練電腦視覺模型的函式庫。官方提到，由於要用來訓練3D視覺任務模型的標籤資料取得不易，而TensorFlow Graphics能自動推測3D場景參數，加速電腦視覺深度學習應用建置。

進一步來說，TensorFlow Graphics可用來訓練神經網路預測物體旋轉或是平移等移動轉換，這樣的功能適合與環境互動的機器人，可讓機器人精確計算物體與機械手臂的相對位置，抓住正在移動的物體。TensorFlow Graphics還能用來預測物體材質，讓神經網路學習材質與光的互動，將其應用在擴增實境中，比如在實際環境中擺放虛擬傢俱。在幾何應用上，TensorFlow Graphics提供3D卷積和池化功能，讓神經網路對模型網格進行語義分類。另外，TensorFlow Graphics還提供了TensorBoard外掛程式，讓開發者能以互動的方式查看3D模型進行視覺除錯。（詳全文）

微軟   機器學習    ML.NET  

微軟終於釋出ML.NET 1.0，能根據輸入資料自動選擇最合適的ML演算法

微軟日前釋出跨平臺機器學習框架ML.NET 1.0，新增3項預覽功能，包括自動機器學習AutoML、模型建置器（Model Builder）以及ML.NET命令列工具。其中，AutoML功能可自動選擇最合適的機器學習演算法，並支援回歸類任務（如價格預測）和分類任務（如情感分析、文件分析、垃圾郵件偵測）。

模型建置器則是一個簡易的使用者介面工具，讓開發者可藉AutoML為輸入資料建置最佳的機器學習模型，並產生模型訓練與部署的程式碼，讓開發者可以快速為應用程式，增添機器學習功能。另一個ML.NET 1.0的新功能，則是命令列工具，可快速迭代開發者提供的資料集，並根據任務性質（即分類或回歸）來產生最佳的機器學習模型，或是產生訓練與應用模型的程式碼。此外，ML.NET命令列工具支援跨平臺。（詳全文）

長庚   衛教機器人    風險評估 

長庚推出衛教機器人Dolly，疑難解惑、風險評估全都包

長庚醫療體系近日推出衛教機器人Dolly，具AI語音雙向對話功能和糖尿病黃斑部病變衛教資料庫，除了可對病人進行初步語音衛教宣導外，也能透過醫院診間觸控電子看板或手機，讓Dolly同步連結林口長庚的「眼科醫病共享決策平臺」與病歷系統。林口長庚紀念醫院眼科視網膜科主任黃奕修提到，這套資料庫是以5至10年、數以百計的病人治療回饋彙整而成，而資料庫中的問題，是依病患使用經驗而設計，因此更能貼近糖尿病黃斑部病變患者的生活。

除此之外，Dolly還具風險評估系統，可檢測高風險患者，功能包括糖尿病黃斑部病變（DME）高風險計算及視網膜影像AI輔助系統，幫助醫師確認高風險患者，轉診至林口長庚進行後續治療。目前，長庚這款衛教機器人已上線3個月，已服務數百位患者。（詳全文）

微軟     Azure      UI  

微軟為Azure自動化機器學習服務釋出無程式碼網頁UI

微軟釋出自動化機器學習網頁使用者介面預覽版，使用者不必撰寫任何程式碼，就能訓練機器學習模型。進一步來說，使用者只要導入資料、在網頁介面點擊幾下，系統就會自動嘗試不同的演算法和超參數組合，來產生最合適的模型。當模型訓練完成後，使用者可以將該模型作為網頁服務，部署到Azure機器學習服務，對新資料進行預測。

在自動訓練模型的過程中，使用者仍可參與控制。該服務提供的進階設定，能讓開發者自行定義訓練細節，比如設定訓練退出條件或交叉驗證方法等。自動化機器學習也提供了狀態儀表板，讓使用者按名稱、日期和狀態查看實驗。另外，網頁介面也提供協作功能，只要設定好存取控制，就能讓使用者諮詢他人，或共享工作成果。（詳全文）

圖片來源／科技部、IBM、TensorFlow、Nike、微軟

 AI趨勢近期新聞 

1. 搶攻AI與大數據分析商機，賽靈思推出三款FPGA加速卡

2. 微軟更新Azure SQL資料倉儲，現能根據工作重要性決定執行順序

3. AWS跨語言遷移學習新進展，透過英語模型訓練AI日語能力

4. Unity 2019.2測試版改善行動裝置支援，以提升App圖形效能

資料來源：iThome整理，2019年5月