AI趨勢周報第178期：OCR新突破！微軟用Transformer訓練出高階OCR工具，手寫、影印辨識都行

重點新聞(1001～1007)

微軟     OCR     Transformer  

OCR新突破！微軟用Transformer訓練出高階OCR工具，手寫、影印辨識都行

OCR應用場景十分廣泛，舉凡銀行票據手寫辨識、街景招牌辨識、發票辨識等等，都少不了它。微軟AI研究院最近揭露一款OCR工具TrOCR，以擅長處理序列任務的Transformer架構為基礎，完全不需卷積網路（CNN）作為骨幹，就能執行影像辨識和文字生成，手寫辨識和影印辨識都能者達到高階等級的辨識效果。

進一步來說，OCR文字辨識是文檔數位化的關鍵，目前常見的方式是用一套CNN進行影像辨識，再用遞歸網路RNN進行字符等級的文字生成。雖然近期有些用Transformer打造的OCR成果，但仍需要CNN作為骨幹。

為突破這個困難，微軟用Transformer架構打造TrOCR，其中包括用來辨識影像的ViT（Vision Transformer）和用於自然語言處理的BERT預訓練模型。在執行ORC辨識時，TrOCR會調整輸入的文字影像為384x384像素的尺寸，再將影像拆解為16x16像素的小區塊，以供ViT影像辨識使用。再來，團隊在編碼器和解碼器使用標準的Transformer架構，來進行文字生成。微軟表示，TrOCR不需任何複雜的前處理或後處理步驟，就能在手寫和影印辨識達到高階表現，使用者也不要任何外部語言模型，就能達到良好的辨識效果。（詳全文）

  資料科學      JupyterLab    桌面版  

資料科學工具JupyterLab有桌面應用程式版了！

Jupyter發布一套跨平臺獨立的桌面應用程式JupyterLab，內建Python環境和常用Python函式庫，方便開發者用於科學運算和資料科學工作流程中。

JupyterLab應用程式以開源框架Electron為基礎，在嵌入式瀏覽器中執行JupyterLab前端，而JupyterLab後端和Python函式庫，則透過conda Python環境提供，環境中的函式庫則有numpy、scipy、pandas、ipywidgets和matplotlib等熱門科學運算函式庫。可直接從GitHub頁面下載安裝程式，目前能支援Debian、Fedora等Linux發布版本、macOS和Windows作業系統。（詳全文）

  DeepMind     臨近降水預報     氣象局  

1小時後降雨下雪都能預測！DeepMind發表降水臨近預報AI模型

DeepMind和英國氣象局合作，發表最新的AI氣象預報研究，可用來預測未來1到2小時的降雨和下雪等降水現象，提供臨近預報。臨近預報對水資源管理、農業、航空和戶外活動等產業非常重要，天氣感測裝置的進步，能蒐集到更多高解析度的雷達資料，搭配機器學習來利用高品質資料，有機會解決關鍵領域難題。

DeepMind利用生成建模（Generative Modelling）方法，能根據過去的雷達資料，對未來的雷達資料進行詳細且合理的預測。他們能以此準確捕捉大規模事件，還能生成系集預報（Ensemble Predictions），進而探索降雨的不確定性。這項研究使用了來自英國和美國的雷達資料，並且經英國氣象局的50位氣象專家進行評估，與目前被廣泛使用的臨近預報方法相比，在89％的案例中DeepMind的新方法表現較佳。（詳全文）

  國泰金控    AutoML       Tumblebug  

國泰金控打造AutoML工具，下一步要發展GraphML

國泰金控日前在技術年會上揭露一款AI資料分析專用工具Tumblebug，能根據使用者需求，自動從資料庫海中撈出所需資料，補足AutoML最後一哩路。國泰金控的AI資料分析流程可分為四大步驟，包括問題定義、取得相關資料、特徵工程，以及模型選擇和訓練。這四步驟非常耗時，於是，國泰金控自行開發一款AutoML套件AutoMLab，來自動處理第三、四步驟。

不只如此，他們還打造一款基於Spark分散式運算平臺的特徵搜尋套件Tumblebug，能根據預測目標，來從國泰金控海量資料表中撈出關鍵資訊，自動匯集成一張資料表，供使用者後續建模分析使用，不再受限於特定領域知識，也能快速驗證專案。如此，國泰金控就成功自動化執行第二步驟了。

目前，國泰金控資料科學團隊正打造圖學資料庫，要將客戶金流網絡、關係網絡轉換為圖學資料，儲存至圖學資料庫中。未來還要打造AutoGraph工具，自動化執行圖學模型的建置與訓練，方便分析師善用圖學技術解決更複雜的金融問題。（詳全文）

  機器學習函式庫     關鍵字參數     Scikit-learn 1.0  

14年終於發布正式版，機器學習函式庫Scikit-learn 1.0問世，新添關鍵字參數不必再記複雜的位置了

Python開發者慣用的ML函式庫Scikit-learn終於發布1.0版本，也代表更適合用於正式上線環境。這個在2007年誕生於Google夏日程式碼競賽的SicPy工具箱，後來廣受資料科學家們愛用，現在終於推出了第一個正式版本，更新重點聚焦穩定性，來應付更多複雜的使用場景，最大功能更新則是關鍵字參數。

因為，scikit-learn API提供了許多需要輸入大量參數的函式，但過多參數常造成混淆。為提高程式碼的可讀性，現在用戶需要提供大多數參數的名稱，作為關鍵字參數，而非原本以位置作為識別方法的位置參數。另一方面，官方也在SGDOneClassSVM中加入了隨機梯度下降方法，實作出One-Class SVM線上線性版。（詳全文）

  IBM     Linux基金會     AI儲存庫專案  

IBM聯手Linux基金會啟動AI儲存庫專案MLX，要解決模型資料交換挑戰

IBM與Linux基金會旗下AI暨資料（LFAI and Data）基金會合作，啟動機器學習交換專案（MLX），要打造一個資料和AI資產目錄的執行引擎，來支援AI生命周期中資料跨組織共享和交換的問題。

進一步來說，打造AI系統需要大量資料處理，開發者也會與不同團隊互動，比如建立資料集、特徵、模型等，而這些工作需要可追溯性、治理、風險管理和元資料收集等支援。

MLX就是要解決這些問題。它要打造一個中央儲存庫，儲存所有資產類型，以便跨組織共享和重複使用這些資產。MLX儲存庫能執行檢查、授權和追蹤資料集，也允許用戶上傳、註冊、執行和部署AI工作管線、模型、資料集和筆記本。MLX在OpenShift和Kubernetes上執行，工作管線引擎則以Kubeflow Pipelines on Tekton為基礎，並提供一系列免費開源的深度學習模型。（詳全文）

  台電     戶外巡檢機器人     工研院  

台電高壓變電所巡檢改靠國產機器人，自動避障即時回傳巡檢結果

工研院聯手台電、臺灣智能機器人公司發表一款國產戶外巡檢機器人，外觀像是瓦力的四輪移動式小車，已實際運用在台電變電所場域，接下來要累積機器人實務經驗，擴大應用到國營、民營企業變電站。

經濟部工業局組長林華宇表示，過去巡檢機器人多屬非自主性機器人，巡檢時需要人員用遙控器操作，並人工記錄相關資訊，但這次研發的機器人導入AI導航模組，可高度自動化、降低出錯率。

這款戶外巡檢機器人進駐台灣電力公司萬華二次變電所，依照中央控制室排定的巡檢時程，來檢查電容器、主變壓器等設備。機器人能在既定路線上進行巡檢，透過AI自動導航定位導航和避障，斜坡、碎石路或5公分高低差路面都可行走，可一邊行走一邊回傳巡檢影像到中控室，讓台電人員了解即時狀況，視需要派遣人員前往維護，提升工作效率。（詳全文）

圖片來源／微軟、JupyterLab、DeepMind、國泰金控、Scikit-learn、Linux、工研院

 AI趨勢近期新聞 

1. OpenAI新ML模型可摘要任意長度的書籍

2. 美國FDA核准一套能偵測前列腺癌的醫療AI軟體Paige Prostat

3. 臉書發布強化學習環境函式庫CompilerGym

資料來源：iThome整理，2021年10月