AI趨勢周報第221期：超過1千萬個3D物件的大型資料集來了

重點新聞(0707～0713)

3D物件     資料集     Objaverse-XL  

超過1千萬個3D物件的大型預訓練資料集來了

最近，來自艾倫AI研究院、Stability AI、加州理工學院、AI研究組織LAION和華盛頓大學的研究員共同建置一套3D物件預訓練資料集Objaverse-XL，內含超過1千多萬個3D物件，是以網路爬蟲方式收集而成。與現有3D物件資料集Objaverse 1.0和ShapeNet相比，Objaverse-XL不僅資料品質更高，數量還多上好幾倍。

AI的進展有賴於資料量，比如GPT-2就利用300億個Token訓練而成，而ImageNet則有100萬張圖像，催生了不少電腦視覺模型。雖然文字和圖像的公開資料集有大幅增長，3D物件卻有進步空間，這也是團隊建置Objaverse-XL的原因。這個資料集包含多種來源的3D物件，類型有手工設計的物件、攝影量測掃描的地標和日常物件，以及專業掃描的歷史文物和古董。

團隊稱，該資料集規模龐大且多樣性高，為3D電腦視覺帶來許多新可能。比如，他們用Objaverse-XL訓練出一款3D物件生成模型Zero123-XL，具備良好的零樣本泛化能力，能根據多種輸入（如卡通、照片級物件和草圖等）產出新穎的合成視圖，另一款模型PixelNeRF亦是。這個大規模3D物件資料集有許多潛在應用，像是電腦視覺、圖（Graph）、AR和生成式AI。（詳全文）

  Stable Diffusion     偏差     種族  

Stable Diffusion帶來穩定的偏差？

彭博社近日發表研究專題，指出文字生成圖像模型Stable Diffusion放大了種族和性別偏差，比如在生成有聲望的職業人臉圖像時，女性比例偏低，且在生成低薪工人和罪犯圖像時，又以有色人種為主。

進一步來說，Stable Diffusion是用50億個文字-圖像組訓練而成，彭博社記者對該模型下指令，要求模型為14個職業，各自生成300張人臉圖像，其中7個職業是刻板印象中的高薪工作（如醫師、律師、工程師），另外7個是低薪工作（如速食店員工、清潔員等），此外，團隊還要求Stable Diffusion生成3種類型的人臉圖像，包括囚犯、毒犯、恐怖份子。

他們先是將生成的圖像膚色平均化，再根據皮膚科醫師使用的標準，將膚色分為6類，其中3類代表淺膚色、3類代表深膚色。同時，他們也將性別分為男性、女性和不清楚。於是，團隊將生成數據與美國勞工統計局資料相比，發現模型在低薪的4個職業中（洗碗工、收銀員、管家和社會工作者），產出的女性高於政府統計數據；此外，模型產出圖像中，只有3%是女性法官、7%是女性醫師，而美國全國女性法官和女性醫師的比例分別為34%和39%，有明顯的性別偏差，另在膚色方面亦是。以往，這類偏差研究都還是學術性的，但隨著生成式AI不斷嵌入各種軟體和工具，這種偏差很可能會顯現在遊戲、行銷文案和執法檔案中。（詳全文）

  銀行業    AI     摩根大通  

盤點全球23家銀行AI成熟度，摩根大通遙遙領先

市調機構Evident Insights日前發表一份調查報告Evident AI Index，盤點北美和歐洲23家大型銀行的AI運用狀況，根據人才（40%）、創新（30%）、領導力（15%）和透明度（15%）等4個類別來評分，其中第一名的摩根大通拿下62.6分（滿分100），再來是41.4分的加拿大皇家銀行和39分的花旗銀行。

就評分方式來說，在人才部分，Evident Insights根據12萬名銀行職員的LinkedIn檔案來量化每家銀行的AI人才庫，只要職員擁有39種相關職位的1種，就會納入計算，如資料科學家、量化分析師、AI PM等。此外，團隊也調查這些職員的經歷，來評估人才的廣度和深度，並根據銀行的新聞稿、求職說明，來評估求才策略。就創新來說，市調團隊則統計每家銀行產出的AI相關論文和專利，以及對AI公司的投資、學術合作關係，還有對開源專案的貢獻。

領導力部分則核對每家銀行的新聞稿、年報和社群媒體貼文等文件，來評估銀行對AI舉措的清晰程度，而透明度則衡量銀行如何對外溝通AI倫理、風險管理等政策。總的來說，摩根大通對AI長期投資有亮點成果，對AI職員發表學術論文也持開放態度，並像科技公司一樣建立AI人才招募制度，比如專門團隊、師徒制、實習計畫和畢業生職缺等。此外，摩根大通也避免過度宣傳AI，並聘請AI倫理專家來推行AI道德管理。（詳全文）

  Google     筆記     摘要  

Google推出筆記專用AI模型，摘要、QA、新點子建議樣樣來

Google發布一個實驗性產品NotebookLM，專門用AI來協助用戶從筆記中擷取必要資訊，提供獲取摘要、回答提問和產生新想法等功能，可在Google文件中使用。但，Google目前只先向美國用戶開放NotebookLM。

NotebookLM和一般AI Chatbot的區別，在於NotebookLM資料錨定（Source-grounding）特性，用戶可限制語言模型，僅使用像是Google文件等特定資料來源，比一般AI模型仰賴大型訓練資料庫中的知識，更能專注理解、學習用戶的個人化資訊，以及特定領域專業知識，能夠更有效回答相關問題，避免產生不相關的回答。（詳全文）

  LLM     調參     模型架構  

微軟研究院用LLM打造AutoML工具，可自動調參、選最佳架構

微軟研究院日前發表一項研究成果，用上百個ML實驗結果打造出一套大型語言模型MLCopilot，能自動挑出最佳參數和架構，來加速整體模型的開發工作。MLCopilot可離線和線上使用，就離線來說，MLCopilot統一了指令意圖和模型架構等實體，再從訓練資料（即ML實驗結果）中抽取知識，形成知識庫來解決問題。就線上使用來說，MLCopilot會根據包含訓練資料範例的指令/提示，來選擇最佳解法。團隊指出，這個工具比人工選擇和演算法應用還要準確。（詳全文）

  Bard     程式碼     Google Lens  

Google Bard現在懂中文內在的40種語言，而且還會說話

日前，Google更新自家AI聊天機器人Bard，能理解的語言更多了，包括中文在內等40多種語言，還會說話。進一步來說，新支援的語言有中文、印地語（北印度方言）、德語、西語、阿拉伯語等，Google還會持續加入新語言。

其他新添的功能，還有用戶只要輸入提示、再按下聲音圖示，Bard就會讀出答案。另外，Bard第1版就能輔助用戶撰寫程式碼，但只支援將結果匯出到Google Colab，現在則能將Python程式碼匯出到Replit。此外，Bard還加入5種語氣調整設定，用戶可選擇簡單、長、短、專業或輕鬆模式等回應風格，Bard的另一個新功能是和圖片辨識功能，整合Google Lens辨識能力，用戶在Bard提示列中上傳圖片，就能查詢相關資訊、或標示物品名，甚至還能上傳如涼鞋照片，來問Bard產品名稱、提供穿搭建議，或透過Bard導購買下新鞋。不過，這2項新功能目前只支援英文，很快會加入其他語言。（詳全文）

  Med-PaLM 2     Chatbot     醫療  

Google傳已在醫院測試AI聊天機器人

據《華爾街日報》報導，Google已和多家醫院合作，測試其最新的醫療專用聊天機器人。報導指出，Google用於醫院的聊天機器人以Med-PaLM 2模型為基礎，該模型由醫院專家多次示範和醫師執照考試問答題資料訓練而成。

根據今年5月Google公布的報告，Med-PaLM 2比通用型機器人如Bard、Bing Chat和ChatGPT更能理解醫療情境，可回答醫療詢問、為醫療文件摘要或整理研究資料等任務。報導指出，該聊天機器人已在梅約醫學中心等知名醫院測試，但Google和梅約醫學中心等尚未對此回應。《華爾街日報》引用Google研究主任Greg Corrado指出，Med-PaLM 2還在開發初期，但他相信，未來在AI醫療領域上，該模型能將效益擴充10倍。（詳全文）

圖片來源／LAION、彭博社、Evident Insights、Google、微軟研究院

  AI近期新聞 

1. 馬斯克正式成立AI公司xAI

2. Google和史丹佛大學打造生成式AI代理人，來模仿人類互動

資料來源：iThome整理，2023年7月