AI趨勢周報第161期：你的po文被擋了嗎？AI Labs新外掛工具隨插即用告訴你

重點新聞(0312～0318)

AI Labs   言論自由   社群媒體 

你的po文被擋了嗎？AI Labs新外掛工具隨插即用告訴你

臺灣人工智慧實驗室（AI Labs）近日發起葉黃素計畫（Project Lutein），要來研究、觀察社群媒體的言論審核現象。這個計畫的第一步是釋出一款Chrome瀏覽器外掛，讓使用者用來檢核自己的言論，是否正受社群媒體審核。該外掛目前已於GitHub上開源，接下來，葉黃素計畫還要開放資料、建立開源研究方法，來推動社群媒體中立性的研究。

這也不是AI Labs第一次進行媒體言論研究。他們在2017年發表記者快抄工具、建立AI記者開源研究，2018年成立AI新聞與輿論分析團隊，利用AI技術來分析媒體報導立場。隔年，他們正式打造新聞分析平臺：島民衛星，以功能強大的開源模型BERT來對抗假新聞、分析報導意圖，也聯手NCC來分析電視傳播媒體的中立性。（詳全文）

機器學習    Gartner  市場變化 

Gartner：ML平臺整合越來越多異質元件，廠商要注意管理性

Gartner近日發布2021年資料科學和機器學習（DSML）平臺的魔力象限報告，除了盤點20大DSML平臺廠商，還歸納出DSML市場趨勢，比如套裝產品元件化、大幅投入開源社群、平臺操作一致性和協作性等，供想投資ML平臺的企業參考。

首先，Gartner發現，DSML產品近年來出現元件化（Componentization）趨勢。也就是說，廠商越來越常用各種元件來打造ML產品，比如結合自己開發的元件和開源軟體（OSS），或連手其他廠商共同開發產品。

這造就了DSML平臺元件化趨勢，廠商不再以單一產品提供原生性的整合元件，而是把各式各樣的元件整合到自家ML平臺上。不過，廠商也要注意一致性問題，因為元件一多就會過於碎片化，因此須注重平臺使用性，比如內建一站式的元件管理功能，方便在平臺內存取元件。

再來，DSML廠商或多或少都擁抱開源軟體，不管是用API介接開源函式庫，還是把開源軟體內建到自家產品中。Gartner認為，用各種協作方法來支援開源平臺和框架，已成為商用產品標準。不只如此，廠商擁抱OSS不僅能跟上最新開發潮流，也能參考開源貢獻者的專家經驗。

另一個趨勢則是協作性。Gartner發現，DSML平臺越來越普及，使用者背景也越來越多元，涵蓋無開發經驗的業務單位到有經驗的IT團隊。正因如此，DSML廠商應考量如何讓各種背景的使用者，能即時透過平臺來分析資料。Gartner表示，今年入選的20大廠商皆致力改善AI模型偏見、提高透明度和AI治理力，這些特色也是他們在市場上鶴立雞群的地方。

報告也從企業角度來看DSML趨勢，Gartner指出，企業投資DSML平臺的關鍵是整合性和連結性，而且開源是標配。Gartner解釋，企業開發DSML模型時，多半採用套件工具，因為套件的擴充能力強，而且用API連結套裝模型到DSML平臺，也能讓企業客製化模型，因此成為企業投資DSML平臺的首要考量。而開源軟體（OSS）則能降低入門門檻和成本，因此也是考量重點。

不過報告也點出，對許多企業來說，將AI試驗專案大規模擴展仍是一大挑戰。根據Gartner去年企業AI大調查，只有53％的ML原型模型成功部署到產線，因此還有進步空間。Gartner也建議，企業可尋找DSML廠商，利用可用小型資料集來建模的App或平臺，來加速落地。（詳全文）

 機器學習   Unified AI Platform   Google  

Gartner：Google將在今年第一季發布Unified AI平臺

Gartner在最近釋出的2021年資料科學與機器學習（DSML）平臺魔力象限報告中指出，Google將於今年第一季發布統一的AI平臺產品（Unified AI Platform）。

報告分析，Google以自家雲端的AI平臺為核心，延伸出多種元件，像是Cloud Data Fusion、Cloud AutoML、BigQuery ML、AI Platform Notebooks和熱門的開發框架TensorFlow等。報告指出，Google會在今年第一季推出統一的AI平臺，也就是一個整合性的新平臺，關鍵功能包括AutoML表格、XAI、AI平臺流程管理和其他MLOps服務。Gartner認為，這是Google解決過去問題的作法，來提高使用一致性、互通性等。（詳全文）

  RPA    Automation Anywhere       Google雲端  

Google也攻RPA！GCP要整合Automation Anywhere多種服務

Google日前宣布聯手RPA新創Automation Anywhere，把多種RPA服務整合至Google雲端平臺（GCP），要提供給全球用戶使用。而在這次協議中，Google計畫將Automation Anywhere的低/無程式碼開發平臺、AI工作流程建立器、API管理器等，整合至GCP服務中，像是Apigee、AppSheet和AI平臺。

雙方也表示，未來將共同開發產業導向的AI解決方案，鎖定金融業、供應鏈、醫療、電信、零售和公部門等。（詳全文）

  Adobe     超解析度     機器學習  

老照片也能更清晰！Adobe用AI開發超級解析度功能，低解析度照片也能逼真放大

Adobe Camera Raw團隊開發的超級解析度（Super Resolution）功能，用深度卷積神經網路，配對了數百萬張低解析度與高解析度的圖像，來教模型如何放大低解析度照片。可將1,000萬畫素的照片提高至4,000萬畫素，同時還能保有照片豐富的細節。可將15年前800萬畫素數位相機拍攝的照片，重新提高解析度，就可用作大圖輸出。這個功能先於Camera Raw 13.2推出，接下來還會加入Lightroom和Lightroom Classic。

團隊解釋，模型透過畫面情境，可分析周圍的畫素、決定中間畫素顏色，來補強原本模糊的細節。Adobe也嘗試將這個技術，應用到銳利化和降噪等領域。（詳全文）

 新材料開發     混合雲    IBM  

以混合雲優勢攻新材料開發，IBM推出分子逆向設計AI平臺

IBM新推出的Molecule Generation Experience（MolGX）AI平臺，是一個以IBM雲端為基礎的分子逆向設計平臺，可快速且多樣化自動設計出全新的分子結構。MolGX是IBM加速探索策略中的一部分，該政策目的是要使用AI、混合雲和自動化，甚至是量子運算技術，來強化科學方法，將新材料的探索速度提高10到100倍。

MolGX主要有3個特性，首先，有別於其他由資料驅動的方法，MolGX採用演算法編碼和結構產生程序，不需使用大型資料集進行預訓練，因此降低訓練成本。再來，MolGX的空間和結構生成程序，對人類化學科學家來說是完全可解釋的，因此能簡單地對分子結構進行化學分析。MolGX第3個特性，則能提供分層資料結構和清晰的使用者介面，讓用戶可以靈活且直覺地操作。（詳全文）

自監督學習   臉書    公開影片 

讓AI更像人！臉書用上傳的公開影片訓練模型

臉書日前發表Learning from Videos專案，要透過使用者上傳臉書的公開影片，來讓AI學習人們在現實生活中的聲音、文字和視覺呈現，而不是只透過資料集來學習。這個專案的首波實際應用，就是Instagram Reels推薦系統。

Instagram Reels是一個類似TikTok的短影片服務，臉書指出，熱門的影片通常具同樣的音樂及舞步風格，只是由不同人表演或創造，而自監督模型可自動學習這些主題，將它們聚集、提供給推薦系統。該系統可根據使用者最近觀看的影片來推薦其它影片，還能過濾幾近重覆的影片。特別的是，這個方法不須替每個分類任務貼標。未來，臉書還要把這種自監督學習技術，應用於正在開發的AR眼鏡上。（詳全文）

圖片來源／臺灣人工智慧實驗室、臉書、IBM、Adobe、Gartner

 AI趨勢近期新聞 

1. 科學家以眼睛的光線反射來辨識Deepfake，有效辨識率達94%

2. 臉書廣告是不是沒效繼續燒錢？新AI工具能通知你

3. 蘋果HomePod也能隔空測心律

資料來源：iThome整理，2021年3月