AI趨勢周報第192期：物件偵測模型YOLOv6新版現身，再次打破速度和準確度天花板

重點新聞(0624～0630)

各大科技巨頭近日紛紛釋出新模型，比如美團發表新一代物件偵測模型YOLOv6，速度和準確度勝過以往YOLO系列模型，而Meta開源660億參數大型語言模型OPT-66B，同時還釋出完整的部署日誌，堪稱AI圈內第一人。另一方面，俄羅斯最大網路公司Yandex首次開源千億參數語言模型，Google則趁勝發表另一款文生圖模型Parti。除了AI模型，最近也出現重量級AI程式撰寫工具如GitHub的Copilot，AWS也不甘示弱釋出CodeWhisper預覽版。為促進AI民主化，中研院院士孔祥重日前呼籲各界應著重訓練資料、硬體加速和建立產業專屬AI軟體平臺。

YOLOv6     物件偵測     美團 

物件偵測模型YOLOv6新版現身，再次打破速度和準確度天花板

YOLO系列的最新物件偵測模型YOLOv6問世了，最先釋出的nano版在COCO資料集測試中，拿下35.0%平均精度均值（mAP），用T4顯卡的推論速度可達每秒1,242幀（Fps），s版則是43.1%mAP、每秒520幀，表現比前幾代YOLO系列模型都要好。

YOLOv6由中國購物平臺美團視覺智能研發部開發，改善了模型的訓練策略和網路結構，比如，在Backbone和Neck部分，團隊以RepVGG為基礎，設計了可重參數化、更高效的骨幹網路EfficientRep和Rep-PAN Neck，在Head部分，則設計了更簡潔有效的Efficient Decoupled Head，可一面維持精確度、一面降低一般解耦頭的額外時間成本。在訓練策略上，團隊則採用Anchor-free無錨方法，並以SimOTA標籤分配策略和SIoU邊界框迴歸損失，來強化偵測精確度。

在部署方面，YOLOv6支援GPU（TensorRT）、CPU（OPENVINO）、ARM（MNN、TNN、NCNN）等不同平臺的部署，簡化一般部署時的配置工作。他們也預告，接下來將開源YOLOv6 m/l/x等大小的模型和量化工具。（詳全文）

  Meta      語言模型     Transformer  

Meta開源660億參數的超大型語言模型，打破先例附上所有部署日誌

Meta最近開源具660億參數的大型自然語言預訓練模型OPT-66B，以及所有OPT-125M到OPT-66B等8種系列基準模型的部署日誌，打破先例成為AI圈內首家發布模型、論文和完整註釋的科技巨頭。

進一步來說，Meta在5月發表了與GPT-3相當的大型Transformer模型OPT-175B，參數量為1,750億，但非常省能源，只產生七分之一訓練GPT-3所需的碳足跡。OPT-175B雖只支援非商業性授權，但在發表的同時，Meta也在最近補上125M、350M、1.3B、2.7B、6.7B、13B、30B和66B版本的模型部署參數，並在推特上說明。（詳全文）

  AI民主化     產業專屬平臺     訓練資料  

孔祥重：AI民主化首重訓練資料、運算系統和產業AI平臺

孔祥重日前在陳昇瑋紀念講座中指出，為了讓更多人使用AI，臺灣產業可從3大層面著手，包括納入更多元的新訓練資料、建造有效率的AI運算系統，以及發展產業專屬AI軟體平臺。

他解釋，資料驅動的AI系統先天有些限制，像是資料偏移和偏差，但納入更多新訓練資料、採用如自監督學習等方法，可打破限制、擴大AI使用範圍。再來，透過更多通用AI加速器和晶片的發展，可讓AI運算系統更有效率，降低資料在晶片間移動的成本。最後，他鼓勵各產業發展專屬的共享AI軟體平臺，比如由製造業龍頭建造一個AI軟體開發維護平臺，來讓中小型製造業管理資料、維護模型，而臺灣人工智慧學校，則可扮演專案協調和案例教學的角色，來讓更多企業使用模型。（詳全文）

  Parti    Google       圖生文  

才剛發表Imagen逼真文生圖模型，Google再推新模型Parti

Google前陣子才發表令人驚艷、表現優於OpenAI DALL-E 2的文生圖模型Imagen，最近又發布一款新版進階模型Parti，可根據文字產生天馬行空但逼真的圖片，但模型未開源。

雖然DALLE-E 2、Imagen和Parti都以Transformer架構為基礎，但有別於前兩者採用擴散模型、可將隨機的點樣式轉換為影像，Parti使用自迴歸模型，先將一組圖片轉換為一系列代碼條目，再將輸入的字句，轉換為這些代碼條目，並產生一張圖片。Google發表的Parti有幾種版本，包括3.5億參數、7.5億參數、30億和200億參數的版本，目前仍在優化模型的不足，像是特徵混合、錯誤的物件計數等。（詳全文）

  GitHub     Copilot     程式撰寫  

GitHub正式推出AI寫程式幫手Copilot，月租10美元、學生免費

GitHub正式上線AI程式自動撰服務GitHub Copilot，每月訂閱費用為10美元，年費則是100美元，學生與熱門開源專案的維護者可免費使用。GitHub Copilot是GitHub與OpenAI共同開發的服務，底層技術為OpenAI打造的AI系統Codex。該系統以Transformer為基礎，以大量程式碼和自然語言訓練而成，可同時理解程式和人類語言，並根據工程師撰寫的程式碼，提出整行程式或整個函式的撰寫建議。

在經歷過一整年共120萬名開發者的預覽後，GitHub Copilot現可整合到Neovim、JetBrains IDEs、Visual Studio與Visual Studio Code 等開發環境。（詳全文）

  Yandex     Transformer     GPT-3  

Yandex開源1千億參數語言模型

俄羅斯最大網路公司Yandex日前開源1,000億個參數的YaLM 100B語言模型。為訓練模型，Yandex先從網路、書籍和眾多來源收集英文及俄文等17TB的資料，花了65天的時間，利用800張A100顯卡的叢集上，來訓練YaLM 100B。特別的是，YaLM也實際應用在Alice數位語音助理和搜尋引擎上，超過1年多了。

Yandex表示，大型語言模型近年來已是NLP的進展關鍵，但大型模型的訓練耗時耗力也耗大量資金，如數百萬美元，導致只有科技巨頭才能發展這種先進技術，若要這個領域快速進展，就必須允許全球研究人員、開發者來使用這些解決方案，這也是Yandex決定開源的原因，並分享訓練經驗。（詳全文）

  AWS     寫程式     CodeWhisper  

不只GitHub有，AWS也預覽程式撰寫AI小幫手

不只GitHub上線AI程式撰寫工具Copilot，AWS最近也預覽一項ML程式撰寫輔助服務Amazon CodeWhisper，可支援多種IDE和Python、Java、JavaScript等程式語言，可幫助學生、開發新手或資深開發人員加速開發、提高生產力。

進一步來說，AWS用開源儲存庫、自有儲存庫、API文件和論壇上數十億行程式碼來訓練CodeWhisper，可根據使用者原始碼中的游標位置、游標前的程式碼、註解及同一專案中其他檔案的程式碼，來提供建議。開發者可直接套用或客製化加工。AWS透露，預覽版的CodeWhisper支援Visual Studio、IntelliJ IDEA、PyCharm、WebStorm、AWS Cloud9，以及Python、Java、JavaScript，之後會新添AWS Lambda Console。（詳全文）

  微軟     負責任AI     臉部辨識  

微軟公布負責任AI指導準則，將限制部分臉部辨識能力

微軟近日更新負責任AI的指導準則，6月起就會限制部分AI臉部辨識。微軟更新的準則，是2019年公布的6項AI開發及應用準則，包括公平、可靠性、隱私及安全性、包容性、透明性及權責等。最近，微軟根據新研究結果加以改良，將新版負責任AI容納三點。

首先是語音轉錄，該技術對少數族群的辨識錯誤率偏高，微軟將擴大訓練樣本多元性。再來是AI聲音模擬和臉部辨識服務，微軟Azure AI的神經網路語音服務可用AI模擬出原人物相仿的聲音，但可能被用作Deepfake影片，AI臉部辨識亦是如此，微軟將納入多層控管框架，限制可使用的客戶、明確定義使用情境。最後則是限制Azure Face臉部辨識服務，微軟將拿掉這項服務推論情緒狀態，以及辨識性別、年齡、微笑、臉部毛髮、頭髮及化妝的能力。（詳全文）

圖片來源／美團、孔祥重、Google、GitHub、AWS

  AI近期新聞 

1. AWS機器學習基準值服務SageMaker Ground Truth也支援合成資料了

2. Amazon展示首款全自動化行動機器人Proteus

資料來源：iThome整理，2022年6月