AI趨勢周報第88期

重點新聞(0607～0613)

AOI     機器學習    智慧製造  

友達打造Smart AOI平臺，用AI提升瑕疵檢測辨識率

高科技製造業近來開始在品管流程上大力引進AI，如英業達、緯創、友達都開始AI加值AOI自動光學檢測。友達光電近日就揭露如何用AI加值自動光學檢測（Automated Optical Inspection，AOI）的作法。

在液晶面板的生產流程中，從原料、製程到成品的螢幕、外觀都需要用到AOI設備來檢測，但因傳統AOI檢測作業上，為了讓不讓瑕疵物件被放過，通常會嚴格設定條件，除了漏檢（Leakage）問題，也常常導致許多誤殺（overkill）的情形，因此，還是必須要設有複檢人員再次檢測，這也是許多製造業廠商想導入AI來提升檢測效率的原因。

為了增加檢驗效率，友達開發了一個Smart AOI平臺，利用來自工廠內超過400臺AOI設備上蒐集的3,000多萬筆影像資料進行機器學習，再將訓練好的模型部署到AOI機臺中，輔助機臺提升判斷精準度。而導AI後的挑戰，則是需要透過不斷更新資料、演算法的開發、硬體算力的提升，才能在多變的生產環境中持續且有效的解決問題。

  AWS     DeepRacer    強化學習  

AWS自動駕駛賽車競賽首次來臺舉辦預賽，冠軍將參加賭城決賽

AWS去年發起了機器學習自動駕駛賽車聯盟競賽（AWS DeepRacer League），讓開發者可以利用AWS的DeepRacer自駕小車，來測試自動駕駛AI模型的能力，6月中也首度在臺北舉辦地區賽。賽前，AWS先打造了虛擬賽車場，讓開發者可以先在線上訓練增強學習（Reinforcement Learning）模型，並將模型上傳參加聯賽。臺灣也有參賽者Taiwan-Taipei-CKSun在倫敦巡迴虛擬聯賽中上榜，名列全球排名第四。無論是每月冠軍或是任何AWS高峰會舉辦的現場賽車競賽冠軍，都能參加12月在拉斯維加斯舉行的AWS DeepRacer冠軍盃。（詳全文）

  InfuseAI    PrimeHub    GCP  

國產AI新創推出的AI部署軟體，新增GCP雲端AI環境代管功能

國產AI新創軟體公司InfuseAI去年6月推出了一站式AI部署平臺軟體PrimeHub，最近更新增GCP雲端代管版本，讓租用雲端資源的企業也能在公有雲上部署專用的AI環境。

PrimeHub平臺利用Kubernetes容器技術，來快速建立多種AI執行環境，不僅可支援TensorFlow、PyTorch、Caffe等主流深度學習框架，也提供企業級帳號和資源控管機制，例如單一帳號登入多種AI環境的SSO、容量和運算資源的群組管理機制，內部稽核工具等。目前，已有台灣人工智慧學校、中研院、玉山銀行等採用。（詳全文）

  Google    R語言       AI Platform 

Google的AI平臺筆記本開始支援R語言

Google在今年Next大會中發布了一系列支援機器學習生命周期各階段的工具，其中包括了AI平臺筆記本，這是一個代管服務，供使用者以最新的資料科學與機器學習開發框架，創建JupyterLab執行個體服務，現在Google宣布在AI平臺筆記本支援R語言。

用戶可以在Google的AI平臺點選筆記本選項，並且在創建新的執行個體時選擇R 3.5.3，就能在AI平臺筆記本中使用R語言，並預安裝JupyterLab、IRkernel、xgboost、ggplot2、caret、rpy2以及其他熱門的R函式庫，而且AI平臺筆記本也與Google的其他服務包括BigQuery、Cloud Dataproc以及Cloud Dataflow整合，讓用戶可以直接操作資料，進行擷取、預處理、探索以及模型訓練與部署等各種工作。（詳全文）

  Google    TensorFlow.Text    NLP  

Google發布TensorFlow.Text函式庫，來優化語意分析模型的表現

Google在GitHub上介紹了專門處理語言模型的TensorFlow.Text函式庫，幫助模型先分割語句，再分析其中文字、數字、標點符號等文本內容，包括空白鍵、國際通用字元集（Unicode）組成的文句、單字片段的序列（如英文的字首字尾）等，而這些片段的文字（wordpieces）常被用在處理語言的模型中，如Google開源釋出的自然語言處理模型BERT。此函式庫自今年三月發表以來，已經被下載超過4100萬次。（詳全文）

Facebook    PyTorch Hub     機器學習 

方便重製AI研究，臉書發布內建18種預先訓練模型工具

臉書發布協助重現機器學習研究的工具PyTorch Hub，目前為測試版，透過簡單的API和工作流程提供開發者基本的模組，來重現機器學習相關的研究。PyTorch Hub提供多種預先訓練好的模型，專為加速重現研究設計，也提供影像分類、語意分割、生成、翻譯等18種模型，包括Google自然語言處理模型BERT、CNN熱門模型AlexNet，以及Nvidia的語音生成模型WaveGlow。此外，PyTorch Hub也支援Google Colab開發環境和Papers With Code。（詳全文）

Speech2Face   深度學習    CVPR  

聽聲音就能重建說話者的臉，麻省理工發表深度學習新應用模型Speech2Face

麻省理工學院AI實驗室研究團隊最近在IEEE國際計算機視覺辨識協會CVPR上發表一篇新論文，發表了一個新的聽聲辨臉成果。研究團隊利用網路或Youtube中公開的教育類影音資料，擷取超過百萬筆人聲片段與對應的人臉來訓練一個深度學習模型Speech2Face，進而從聲音歸納出說話者的生理特徵，包括年齡、性別、種族等，並以此重建人臉圖像。

然而，研究者提到，目前該研究仍有其侷限，例如無法還原出說話者的身份，因為Speech2Face只能建立出平均人臉特徵而非精準的個人樣貌，也因訓練的人臉資料不夠多元、可能造成偏誤（bias），以及訓練資料並無涵蓋所有語言，可能造成無法辨識的問題等。（詳全文）

LandingAI    智慧製造      GAN  

LandingAI在臺發布智慧製造新解決方案，可用AI辨識作業員行為來偵錯

由吳恩達創立的AI新創LandingAI，在臺發布智慧製造缺陷檢測（Defect Detection）解決方案，可以用攝影機即時擷取生產線上作業員的行為，來判斷組裝過程中的行為是否正確，也能進一步得知每個作業員在各工序花費的時間、以及與前10%表現者平均效率的差距。

LandingAI副總裁王冬岩指出，他們有一個專利技術Smart Data，可用於輔助訓練缺陷檢測模型，利用生成式對抗網路（GAN），只需不到10張瑕疵影像就可以產出大量仿製的訓練用資料，可解決製造業資料不足的問題。除此之外，LandingAI也提供了一個Live Defect框架來供企業更有效的定義資料缺陷，王冬岩表示：「客觀基於事實來定義缺陷，是整個流程最重要的事。」（詳全文）

紡織所    Netflix      演算法  

借鏡Netflix影片演算法，臺灣紡織所開始用消費者訂單資料來預測熱門商品

紡織綜合所（TTRI）近期也開始運用Netflix的個人化推薦演算法，來設計一個成衣業可用的熱門商品預測模型。以顧客購衣的歷史紀錄為數據建立AI模型，透過找出不同消費者間的相同喜好，能在消費者訂單資料不多的情況下，預測受歡迎的商品。儘管該服務尚未有成功導入的案例，紡織所產品部副主任施陽平表示，臺灣的紡織業也開始重視消費端數據，來為傳統產業加值。

圖片來源／AWS　攝影／翁芊儒

 AI趨勢近期新聞 

1. 微軟為Power平臺加入AI建置工具，讓用戶以少量程式碼就能在企業App加入AI功能

資料來源：iThome整理，2019年6月