Nvidia在自家技術年會GTC上發布50多個新版AI工具,像是對話式AI框架Jarvis等。

圖片來源: 

Nvidia官網截圖

重點新聞(0423~0429)

  Nvidia     AI開發框架     對話式AI  

一口氣發布50多個新版AI工具,盤點那些Nvidia在技術年會上推出的新工具

Nvidia在日前落幕的全球技術年會GTC上,一口氣發布50多個AI新工具SDK和學習教材,範圍涵蓋高效能運算(HPC)、電腦視覺、資料科學、推薦系統、對話式AI等,以及新的Nvidia深度學習研究院線上課程。

就SDK來說,Nvidia這次新推出的是TAO,是一款能簡化、加速企業級AI模型開發的圖形使用者介面(GUI)工具。企業可透過遷移學習或聯合學習,來將預訓練模型微調成特定領域的模型,將原本需要幾個月的大規模訓練過程縮短為數小時。

其他新發布的SDK(有些是版本更新)還包括對話式AI框架Jarvis、即時視訊開發工具Maxine、推薦系統開發工具Merlin、AI即時串流分析工具DeepStream、模型加速推論框架TensorRT,以及用來強化光影追蹤和畫面渲染的遊戲開發AI工具RTX。

在課程方面,Nvidia也新增兩大類內容,一類是給自學者自修的線上課程,範圍涵蓋深度學習導論、資料科學工作流程加速等,另一類是Nvidia即將開設的全日制實體與虛擬工作坊,內容有加速資料工程流程、打造對話式AI應用程式。(詳全文)

  CNN     影像辨識    Swin Transformer  

再見了CNN?微軟開源影像辨識預訓練模型,多項電腦視覺任務完勝CNN

微軟上個月發表一套影像辨識預訓練模型Swin Transformer,是一個通用的電腦視覺骨幹,不只拿下多項電腦視覺任務榜首,最近也在GitHub開源。

Transformer是近年興起的類神經網路架構,有著無方向分析的優點,因此特別適合序列性任務,比如自然語言處理(NLP),Google在2018年提出的NLP預訓練模型BERT,就是一個劃時代的代表。

近來,不少開發者開始將Transformer運用於電腦視覺領域,像是OpenAI年初發表的DALL·E,可透過文字來產生圖片,又或是去年底Google發表的ViT(Vision Transformer),可達到如CNN般準確的影像分類水準,又能大幅降低運算成本。

在這個基礎上,微軟同樣以Transformer架構開發出影像辨識預訓練模型Swin Transformer,與ViT不同的是,它以CNN常見的分層方法來辨識圖片,也就是從一小塊Patch開始辨識,然後將附近的Patch聯合起來,輸入到更深的Transformer層中。特別的是,它透過變換視窗(Shift windows)的方法,來限制對非重疊視窗的自我注意力運算,從而降低運算資源的耗費。經測試,Swin Transformer在COCO minival和COCO tes-dev資料集基準測試上,都達到SOTA表現。(詳全文)

  歐盟    AI立法框架     生物辨識  

歐盟公布AI立法框架,生物辨識幾乎不准用

歐盟日前公布首套AI立法框架以及與會員國的協調計畫,明確定義AI風險,並將禁止或嚴格限制高風險的AI應用,其中,所有的遠端生物辨識系統都被歐盟列為高風險,只能在特定情況下使用。

框架中的AI風險可分為4種,包括不可接受的風險、高風險、有限風險,以及最小風險。其中,任何明顯威脅人身安全或生活權利的AI系統,將會絕對禁止,比如以語音來鼓勵未成年人進行危險行為的玩具,或是政府用來進行社會評分的系統。

至於只要是應用在重要架構的AI系統都被視為高風險,像是重大基礎設施、教育/職業訓練、產品的安全元件、招募/員工管理系統、必要的私人與公共服務、執法、移民/庇護/邊境管制管理,以及司法與民主程序等。(詳全文)

  新藥開發   CPA       臉書  

臉書開源新藥開發模型CPA,數小時就能得知百種藥物測試結果

臉書聯手德國Helmholtz Zentrum München研究中心,開發一種新藥物預測模型CPA,可加速探索新藥組合來打擊複雜的疾病。CPA可預測藥物組合、劑量、服藥時機,甚至是可採取的介入措施。

CPA採用自監督學習方法,可觀察有限數量的藥物組合來治療細胞,並預測未被發現的藥物組合效果。比如,資料集中有A、B、C和A+B等多種藥物對不同類型細胞產生的影響,CPA模型能了解每種藥物對特定細胞類型的個體影響,然後重組,推斷出藥物A+C、B+C,甚至是A+B與C+D的交互作用。

藥物研究者可用CPA產生假設,來設計實驗過程,縮小數十億種的選擇範圍,以便在實驗室中實驗。這個方法,可將過去需要數年細胞實驗,才能測試100種藥物的過程縮短為數小時,而且還能選擇最佳的組合結果來驗證。研究團隊已開源這個模型,包括API和Python程式,來讓其他組織用來研究藥物使用。(詳全文)

  GAN     GANverse3D    渲染  

Nvidia用GAN打造新AI模型,可快速將平面物體轉換成3D模型

Nvidia開發了一種新的深度學習引擎GANverse3D,可將標準的2D圖像,轉換成3D物體模型,還能當作虛擬協作模擬平臺Nvidia Omniverse的擴充套件,將3D模型渲染成光影逼真的樣子。其實,在開發GANverse3D時,模型缺乏訓練資料,團隊就用生成對抗網路(GAN)當作資料產生器,來生成同一物體、但不同視角的圖片,就像是攝影師繞著車輛,從不同角度拍攝的一樣。

接著,這些多重視角圖片會加入反轉圖像(Inverse Graphics)用的渲染框架加以訓練。之後,GANverse3D只需要單張2D圖像就可快速創建出3D模型,這些模型可用於3D神經渲染器上,讓開發者控制自定義物件和變換背景。(詳全文)

 

 

臺中榮總    醫療AI     陽明交大  

臺中榮總聯手陽明交大,為醫療AI布局還要培育更多懂AI的醫師

臺中榮總日前與陽明交大簽署MOU,要一起專攻醫療AI、精準醫學、精準健康和醫療大數據應用等4大領域,要以大型整合計畫、產學合作、智慧醫療人才培訓和實習,以及共享教學研究資源等方法來實踐。

臺中榮總院長陳適安指出,臺中榮總在前院長許惠恒的帶領下,推動一部一科一室一AI專案,已有100多位職員取得AI結業證書,而他上任後,也盤點全院各醫療行政科室的AI專案、成立智慧醫療委員會,要繼續發展醫療AI應用。

交大陽明校長林奇宏也指出,陽明在高齡長照、腫瘤、腦科學、醫學工程等領域有著深厚基礎,交大則專精電子、資通訊與管理、科學與工程等領域,他也著手盤點校內智慧醫療發展,要與臺中榮總規畫客製化AI進階班教學課程,鼓勵更多醫師就讀AI碩博士班。(詳全文)

  西門子     Google雲端     工廠自動化  

西門子聯手Google雲端,要用ML讓工廠產線更自動化

西門子宣布聯手Google雲端,要用Google雲端的資料雲和機器學習等技術,來加速工廠產線流程的自動化。西門子解釋,要開發如Industrial Edge這樣的製造業產線自動化解決方案很複雜,借助Google雲端後,可將Industrial Edge的管理大規模擴展,讓更多產線作業自動化。對使用者來說,也能利用雲端ML模型來即時分析工廠產線資料,提高產品品質。(詳全文)

圖片來源/臉書、Nvidia、西門子、微軟

 AI趨勢近期新聞 

1. 西雅圖Whole Foods導入Amazon One掌紋支付

2. 嬌生靠AI加速疫苗生產效率,先建立可迭代的AI開發流程,再培養「雙語」資料科學家

資料來源:iThome整理,2021年4月

 
 
 
 


熱門新聞

Advertisement