圖片來源: 

Google

重點新聞(0604~0610)

TPU v4     Google     強化學習  

TPU v4已比超級電腦快,Google如何用AI自動設計下一代TPU?

去年,由AI大神Jeff Dean領軍的Google研究團隊發表一篇論文,描述一套AI晶片設計方法,可從過去經驗中學習改進,來為未知的元件設計架構,而且不到6小時就能完成,比人類的數周還要快。今年,Google新論文揭露技術進展,同班人馬已微調這套AI,並用來設計尚未問世的TPU v5。這篇技術論文,最近還登上《自然》期刊。

Google解釋,晶片的設計有賴於晶片佈局規畫(Chip floorplanning),也就是電腦晶片的實體設計圖。儘管經過50年研究,這個工程還是無法自動化,需要工程師幾個月嘗試才行。

為解決問題,Google團隊用深度強化學習,來自動進行晶片佈局規畫,產生晶片平面圖。他們將晶片佈局規畫視為一個強化學習問題,並開發一個邊緣AI,也就是圖卷積網路架構,來學習晶片上複雜且可轉移的特徵。也因此,Google的方法可從過去經驗中學習,並能越快解決問題,意思是,AI代理比人類工程師還要有經驗,來設計晶片。

Google也用這個方法,來設計下一代AI加速晶片TPU v5。而且,AI代理可在6小時內完成設計,且所有關鍵指標如功耗、性能、晶片面積等,都能媲美人類的晶片佈局規畫,還可省下每一代數千小時的人工開發時間。

最近,Google才在自家I/O大會上揭露TPU v4。以一個具4,096個TPU v4的TPU v4 Pod來說,就能達到1 exaFLOP等級的算力,實現每秒10的18次方浮點運算。Google CEO Sundar Pichai指出,這相當於1千萬臺筆電的算力,也等於1臺超級電腦。(詳全文)

  製造業     Google雲端    COVID-19  

Google雲端調查:製造業將三分之一IT支出花在AI上

Google雲端最近公開一份全球製造業調查,發現製造業者將36%的IT支出花在AI上,更有四分之一的製造業者將一半或以上IT支出花在AI。這份調查是Google雲端委託The Harris Poll執行,在去年10月底針對全球1,154位製造業資深主管來調查,他們發現,受到COVID-19疫情影響,高達76%的製造業擁抱資料分析、AI、雲端來因應疫情危機。

Google雲端指出,製造業仰賴AI的原因,在於它簡化了部署和使用。而最常用AI來協助每日作業的製造業為汽車/OEM廠商(76%),再來是汽車供應商(68%),第三名則是重型機械業者,67%正部署AI。調查顯示,雖然義大利和德國分別有80%和79%的製造業者使用AI協助每日工作,但在美國只有64%,日本和韓國只有50%。

而使用AI的Top 3目標則是協助業務連續性(38%)、讓員工工作更有效率(38%)、總體上整體員工(34%),製造業部署AI的具體領域則有品質檢驗(39%)、供應鏈管理(36%)、風險管理(36%)、生產/生產線管理(35%),以及庫存管理(34%)。(詳全文)

 IBM     AI不確定性     UQ360  

如何量化不確定性?IBM開源專屬AI工具包來計算

IBM日前在Data & AI 2021開發者大會上宣布開源不確定性量化AI工具包(UQ360),要來算出AI沒把握的程度。進一步來說,AI不確定性可分為兩種,一是認知不確定性,也就是因訓練資料不恰當,造成模型對特定領域無知,另一種是任意不確定性,也就是從觀察中自然產生的隨機不確定性。增加訓練資料可降低認知不確定性,但卻不會改變任意不確定性。

因此,IBM開發UQ360,能根據使用者底層模型、ML任務類型、資料特性和目標等因素,以多種演算法和分類法來計算AI不確定性。使用者可從UQ360中的Python工具包選擇演算法,並選擇UQ360評估結果的呈現方式,像是文字說明或視覺化圖表等。IBM希望開源這個工具,來促進AI社群探討AI演算法決策的侷限。(詳全文)

  蘋果    聲音辨識     開發框架  

蘋果釋出具聲音辨識能力的開發框架ShazamKit,Android平臺也可用

蘋果日前在技術發表會WWDC 2021上,宣布開源聲音辨識開發框架ShazamKit,連Android開發商也可使用。這個開發框架源自蘋果2017年收購的知名音樂辨識服務商Shazam,Shazam的音樂辨識能讓使用者上傳一段音樂,透過資料庫比對後,告知使用者音樂曲名、歌手介紹等訊息。

蘋果後來將這個技術打包成ShazamKit並開源,同時釋出聲音辨識及歌曲資料庫資源。開發者可將自有App連結Shazam,來提供用戶相同的歌曲辨識比對服務,ShazamKit也允許客製化,讓開發者集結影片、podcast等聲音檔來源製作預錄聲音資料庫,為自己的App製作第二螢幕應用,像是聲音播放時可在另一臺裝置同步播放其他音源,助於遠距互動學習或線上線下整合的商務應用開發。ShazamKit整合於iOS/ipadOS 15.0、macOS 12.0、tvOS 15.0+和watchOS 8.0+中,目前為開發人員Beta版,Android App開發商也可下載ShazamKit SDK檔。(詳全文)

  臉書     多對多翻譯     資料集  

臉書新資料集可精確評估多對多翻譯模型

臉書開源FLORES-101資料集,是一套涵蓋101種語言的多對多評估資料集,可用來測試、改善多語言翻譯模型。這個資料集鎖定低資源語言,投入許多人力完成,每個文件都由專業翻譯人員翻譯,再人工編輯來驗證,另外還有人檢查拼寫、語法、標點和格式,並用商業引擎的翻譯來比較。最後還會由另一組翻譯人員來評估,找出不自然的翻譯和語法等錯誤再重新翻譯。

FLORES-101的翻譯文字以文件為單位,這種包括上下文情境,能讓翻譯效果更好,而且資料集中的翻譯文件有多個相鄰句子,也可用來評估加入上下文考量的翻譯品質。另外,FLORES-101還提供了翻譯的後設資料,包括超連結、URL、圖像和文章標題等資訊。(詳全文)

微軟    ONNX Runtime    臉書推理  

ML推理引擎ONNX Runtime 1.8支援網頁AI推理了!

微軟ML推理引擎ONNX Runtime釋出1.8版本,不只加速Android和iOS行動裝置上的模型推理和訓練速度,也推出ONNX Runtime Web來支援網頁ML推理,最後還推出加速PyTorch工作負載的官方套件。

進一步來說,在網頁上推理模型一直是熱門話題,因為網頁推理可降低Server-client溝通成本,也能保護用戶隱私、提供免安裝的跨平臺ML體驗。而1.8版的新功能ONNX Runtime Web,可讓AI開發者用CPU或GPU加速打造網頁版ML體驗。在CPU部分,這個功能將原生ONNX Runtime CPU引擎彙整至Webassembly後端,可執行任何ONNX模型和ONNX Runtime支援。GPU部分,則藉助WebGL標準來加速。

在行動裝置部分,ONNX Runtime新提供C/C++函式庫Pod預覽版,用來整合ONNX Runtime Mobile和iOS應用程式,而Andriod和iOS工具包也分別是Maven Central和CocoaPods的安裝內建工具包了(iOS仍為預覽版)。(詳全文)

圖片來源/Google、IBM、臉書

 AI趨勢近期新聞 

1.陽明交大聯手中華電信推COVID-19血氧監測雲平臺

2. 臉書新AI工具可從照片中的1個字,產生同風格文字

3. OpenAI:已改善GPT-3中的偏差和

資料來源:iThome整理,2021年6月

 


熱門新聞

Advertisement