科技部
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
熱門新聞
2024-10-05
2024-10-07
2024-10-07
2024-10-05
2024-10-07
2024-10-07
2024-10-07