AI趨勢周報第188期：Google新技術憑一張RGB照片就產出栩栩如生的3D人像

重點新聞(0415～0421)

Google     3D重建     RGB照片  

Google新技術憑一張RGB照片就產出栩栩如生的3D人像

Google發表3D穿衣人像重建模型Phorhum，只憑一張單眼RGB人物照片，就能重建出栩栩如生的3D穿衣人像，甚至還能做各式各樣的動作，未來可用於線上購物如服裝試穿等。團隊解釋，Phorhum是套端到端、可訓練的深度學習模型，採用了像素對齊方法，來預估詳細的3D幾何圖形和無陰影的表面與場景光照。此外，Phorhum也採用補丁渲染損失方法，可針對人體可見部位進行顏色重建，並對不可見部位進行詳細且合理的顏色預估。

經測試，Google指出，Phorhum突破了過往3D人體重建研究的幾何、光照等限制，可在3D重建中忠實呈現照片人物的大部分細節，適用於各種體形、膚色和服裝。（詳全文）

  AWS      無伺服器     SageMaker  

AWS無伺服器機器學習推論服務SageMaker正式發布了

AWS去年12月釋出無伺服器機器學習推論服務SageMaker Serverless Inference，近日終於正式發布了。這個服務主打使用者部署ML模型時，不必配置和管理基礎架構，適合用於間歇性或流量不頻繁的工作，像是Chatbot、文件分析等。

AWS指出，不同ML推論情境，對底層架構的需求也不同。比如，廣告投放、詐欺偵測、個人化產品推薦等ML應用，就適合毫秒級反應時間的API線上推論。而大型ML模型，如電腦視覺應用，就需要優化的基礎架構，來在幾分鐘內執行大量的工作負載推論。至於Chatbot服務、文件資料分析等這類使用量間歇性的工作，就需要能根據推論請求量來自動擴展運算資源的線上推論服務，這種服務能在閒置時自動關閉運算資源，替使用者省下運算成本。

在操作上，使用者可用SageMaker內建演算法和支援ML框架的容器，來部署模型到無伺服器推論端點，或是自帶容器。如果推論需求量變得穩定、可預期，使用者可輕鬆從無伺服器服務轉為SageMaker即時推論服務，不需變更容器映像檔。使用無伺服器服務，使用者也能享有SageMaker功能，像是內建指標，如調用計數、故障、延遲、錯誤等。自SageMaker無伺服器服務預覽以來，AWS還新添了SageMaker Python SDK和模型庫，這次GA也有新調整，將每個端點的同時調用最大值設為200，比預覽版的50還要高，可用來處理高負載工作。（詳全文）

  孔祥重     AI模組     區塊鏈  

孔祥重揭露分散式AI新趨勢，預言AI模組未來能用區塊鏈交易

長年鑽研AI的中研院院士暨哈佛大學電腦科學與電子工程教授孔祥重日前出席Galaxy Summit 2022指出，AI將繼續朝分散式方向發展，目前除了分散式聯合學習（Federated learning）方法，和分散式的GPU算力網路來協助訓練超大AI模型外，他與哈佛實驗室團隊也提出不少創新嘗試，比如利用Early Exit方法，讓AI預測時，不必每層類神經網路都得運算，來降低延遲，又或是將AI模型模組化，來提高重複使用率。

甚至，他認為，AI模型中的模組，未來也會放置於區塊鏈上來交易。這就好比，數位內容以NFT形式在區塊鏈上販售。「讓AI模組在區塊鏈上進行商業交易，現在說來雖然有點遠，但遲早會走到這一步，」孔祥重說。（詳全文）

  IBM    大型主機       量子破解  

IBM最新大型主機z16主打AI加速，號稱能抗量子破解

IBM日前發表最新大型主機z16，晶片具AI加速功能，專用於即時大量資料運算和AI分析，同時也號稱是第一個能抗量子破解的安全系統。z16搭載Telum處理器，這款晶片採7奈米製程，具225億顆電晶體，可有效支援AI推論等高運算量作業。IBM表示，它一天可處理3千億次推論呼叫，延遲性不到1毫秒。除了傳統詐欺偵測或醫療影像分析任務，Z16也可用於其他新應用，像是貸款審核、加密貨幣的清算、結算、逃稅，以及零售業防詐欺和盜竊的聯合學習等。

z16也號稱是第一臺抗量子破解的系統。因為，z16多層韌體都內建雙簽章，其安全開機功能整合傳統簽章及抗量子簽章可防量子破解攻擊，確保韌體不被注入木馬或勒索軟體等惡意程式。Z16預計5月31日正式上市。（詳全文）

  甲骨文    MySQL     HeatWave ML  

MySQL應用程式也能有ML功能！甲骨文新推HeatWave ML服務

甲骨文推出HeatWave ML服務，讓原本的雲端資料庫服務MySQL HeatWave也能支援ML功能，打破MySQL應用程式難以添加ML功能的魔咒。HeatWave ML可完全自動化ML生命周期，能將所有訓練過的模型儲存在MySQL資料庫，不必將資料或模型移轉至ML工具或服務。如此一來就降低ETL流程的複雜度和成本，並提高資料和模型的安全性。HeatWave ML包含不少功能，像是全自動化模型訓練、模型和推論可解釋性、超參數調整，以及演算法選擇和模型訓練資料抽樣等。（詳全文）

  國研院     地震預警     建物監測  

國研院打造AI震前預警、震後建物監測系統

國研院國震中心研究員林沛暘透過科技部科研創業計畫，成立一家新創，將多年研發經驗打造為AI現地型地震預警系統、結構監測自動化平臺等2大系統，前者要在第一時間通知民眾和企業，後者要在震後分析建築物結構，透過震前預警、震後監測來降低損害。

進一步來說，預警系統會先偵測較快發出的地震P波，接著預測地震震度和最大地動加速度值（PGA），算出地震大小。為打造預測系統，林沛暘用20多萬筆歷史資料和每年新增的5千筆資料，來訓練AI預警模組。完成後測試，模型可在接收3秒P波後，在0.01秒內給出預警警報，比地震早5到20秒。

這個預警系統已用於企業和海外，使用企業包括高鐵和高科技大廠，透過地震儀和AI運算主機來執行預警系統，接到預警警報時，產線機臺自動觸發相關處置，相關人員也會接收簡訊通知，這種方式讓產線恢復時間從4到8小時縮短為15至30分鐘。這套AI預警系統，一套可服務半徑15公里的區域，學校、住家、辦公大樓等區域安裝警報接收機即可，就能使用震前聲光警示、瓦斯、電梯控制。在海外，印尼雅加達就部署7套系統。另一套大樓結構監測系統，可在震後10到15分鐘內，提出建物結構安全評估報告。目前，團隊正與公部門洽談，要應用於社會住宅。（詳全文）

  HPE     國際太空站     邊緣運算  

AI系統在國際太空站實驗結果揭曉

HPE電腦登上太空站已滿1年，共完成了24項AI運算實驗。HPE去年和美國NASA合作，將自家SBC-2電腦由火箭載往國際太空站，是太空站上第一座邊緣運算AI系統。它的任務是協助太空人在登月及登陸火星等探索任務中，能獨立執行即時AI資料分析，它所完成的24項實驗，涵蓋醫療、影像處理、自然災害復原、3D列印、5G等任務，比如將原本耗時12小時的1.8GB DNA序列資料分析作業縮短為6分鐘，分析的結果還可壓縮成92KB檔案，在2秒鐘內送回地球。這座系統也能即時執行NASA噴氣推進實驗室的深度學習推論網路，由衛星拍攝的地球遙感影像，推測颶風後的洪水範圍及對都會區建築的影響。（詳全文）

圖片來源／Google、AWS、林沛暘

  AI近期新聞 

1. 鴻海導入商用雲端工具，將模型訓練時間從3小時縮短為5分鐘

2. 玉山銀行2022年夏季AI挑戰賽開跑！聚焦語音辨識後修正

3. 吳恩達預告6月將推出與史丹佛大學合作的新ML Coursera課程

資料來源：iThome整理，2022年4月