科技應用 微軟 人工智慧 微軟更新Azure Machine Learning平台服務 加強深度學習、感知應用技術 推動更多元人工智慧發展 微軟認為未來在人工智慧技術應用將使現有運算模式變得更好，同時也能讓電腦系統與人類之間有更好互動模式，甚至可以協助讓人類工作流程變得更加順暢，並且增加更多執行便利性，但絕非透過人工智慧技術取代人類核心地位。 在這次Ignite 2018活動裡，微軟強調將進一步投入人工智慧應用，希望除了藉此協助企業能以更高效率完成工作事項，同時也期望能以人工智慧改善人類生活，因此深度學習與機器學習等人工智慧技術發展，對於目前的微軟而言將會是重點投資項目。 除了開放企業端能以客製化方式打造專屬Cortana技能，藉此對應企業更複雜使用需求，同時也能因此讓Cortana累積學習更多使用經驗，微軟在此次Ignite 2 Mash Yang 26 天前
產業消息 Google tpu TensorFlow Google 將 TPU 加速器濃縮到邊際運算領域，推出 AIY Edge TPU 與開發板 Google 為了其 TensorFlow 機器學習框架，開發了專為其提升效率的 ASIC 晶片" TPU "，做為在進行 TensorFlow 等機器學習行為提供更有效率的運算，而 Google 也為了將 TPU 技術帶到邊際運算，在 Google Cloud Next 大會宣布兩款針對邊際運算的產物，為 AIY Edge TPU 以及基於這款晶片的兩款開發工具，將 Google 的 TPU 技術帶到邊際運算領域。 當然針對邊際運算不可能實現與 Google Cloud 資料中心同級的運算規模， AIY Edge TPU 是為了執行 TensorFlow Lite 的加速 Chevelle.fu 2 個月前
人物專訪 COMPUTEX台北國際電腦展 ARM 深度學習 deep learning Project Trillium Computex 2018 ： Arm 談 Project Trillium 與 ML 加速器：秉持提供各項應用最適宜的核心的理念 Arm 在這波機器學習熱潮中，也宣布將針對機器學習推出 Project Trillium 機器學習運算平台與相關的 IP ，稍早 Arm 副總裁、院士暨多媒體處理器事業部總經理 Jem Davies 也就 Arm 在機器學習的布局與想法進行分享；對於 Arm 而言，異構運算以及提供各類應用最合適的核心架構，至今仍是 Arm 的重要理念，而原本在智慧裝置中的機器學習應用，原本可藉由 CPU 、 GPU 搭配 DSP 的異構運算達成，但隨著在行動裝置上影像、語意等應用日趨複雜，以及物聯網裝置也將由 IoT 進化到 AIoT ，機器學習不光只是在智慧裝置上有所需要，也將在物聯網領域遍地開花。 為了讓 Chevelle.fu 4 個月前
產業消息 COMPUTEX台北國際電腦展 nvidia 機器人 機器視覺 nvidia jetson Computex 2018 ： NVIDIA Max-Q 筆電數量成長，全球首發嵌入式機器人開發平台 NVIDIA ISAAC 。 由於適逢台灣 GTC 甫舉辦完畢，加上目前也還未達消費級產品發表時程， NVIDIA 今年在 Computex 主要還是以回顧去年度與客戶合作的成果，以及今年在人工智慧的進展，在觀望新世代 GeForce 的消費者也先別急，執行長黃仁勳已經暗示新一代 GeForce GPU 將有好消息。 在消費性產品部分， NVIDIA 在去年發表了 Max-Q 超薄高性能筆電設計，去年共有八款筆電採用此項規格，而今年 Computex 也陸續增加到 28 款產品，另外今年也將陸續有多款支援 G-Sync 的 4K HDR 顯示器問世。 而在人工智慧部分，就將今年 GTC 的重點產品 DGX-2 超級電腦，以 Chevelle.fu 4 個月前
產業消息 COMPUTEX台北國際電腦展 machine learning 智慧手機 IOT 機器視覺 Computex 2018 ： Arm Nandan 認為行動裝置端的機器學習已是現在進行式 雖然現在機器學習是運算產業相當熱門的議題，現在不少廠商也提出邊際運算的概念，在行動裝置端提供機器學習的能力，不過仍有不少聲浪質疑行動裝置端的深度學習只是個假議題，而在今天稍早 Arm Computex 的活動上， Arm 副總裁 Nandan Nayampally 也被問到這點。 Mr. Nayampally 表示，在提及裝置端的機器學習時，要先釐清機器學習分為兩個部分，包括學習與推理兩部分，而現行較複雜的學習部分多為在雲端執行，但一旦模型培訓完成，即可移植到裝置端使用，而目前在行動裝置上，包括消費者的使用行為的能源管理、相機的應用等，都可活用深度學習的部分，且不少旗艦與主流裝置已經陸續具備這 Chevelle.fu 4 個月前
專家觀點 AI 機器人 人工智慧 當人工智慧已經逐漸無所不在 身為人類將會遇到什麼問題呢？ 作者：vMaker 很神奇的20年前人工智慧、機器學習等發展就已經開始了，但近年隨著雲端運算以及儲存大量資料，以及計算晶片有突破性的發展，讓人工智慧又二次飛躍。而且這次，我們真正覺得人工智慧離我們不遠了。 「不會累的機器人，你拿什麼贏他？」密西根州立大學教授 Arend Hintze 曾表示，作為一名人工智慧研究人員，經常會遇到人們害怕人工智慧可能帶來的問題。那麼，究竟人工智慧的出現會帶來什麼樣的問題呢？一起來聽聽專家怎麼說吧！ 圖：pixabay 人有錯手，人所建造的人工智慧永遠有無法預期性的風險？ 1968年上映的電影《2001太空漫遊》，其中的人工智慧超級電腦 HAL 9000 即為一個 vMaker台灣自造者 4 個月前
科技應用 Google 網路開發年會 Google Photos ai人工智慧 Google I/O 2018： Google Photos 將導入基於 AI 的智慧相片處理功能，甚至把黑白老照片變彩色 Google Photos 在陸續加入許多基於 AI 的技術後，現在已經不僅只是網路相簿，能夠自動幫使用者以照片特徵進行分類，也能協助使用者將照片變得更動人，而在 IO 大會， Google 宣布 Google Photo 將在未來一兩個月的新版本加入更多基於 AI 的自動後製建議功能，檢視照片時只要輕輕一點，就能進行諸如對比調整、人像照片的背景黑白化，或是拍攝文件時自動進行梯形校正並建議儲存成 PDF 檔案等，其中最驚豔的是將加入黑白照片彩色化的功能，這項技術將有助於使老照片變得更鮮明。 此項技術也是透過學習相同照片的黑白與彩色版本作為基礎建構模型，並利用分析黑白照片中的特徵進行上色，雖然顏 Chevelle.fu 5 個月前
產業消息 Google 網路開發年會 tpu TensorFlow 深度學習 deep learning Google Cloud Google I/O 2018： Google 宣布第三世代深度學習加速器 TPU 3.0 ，達 100PFLOPS 且須動用水冷 Google 在今年 IO 大會的主軸繼續圍繞在 AI 應用層面，然而作為 AI 背後仍需要深度學習的伺服器作為基礎，先前 Google 已經針對其語法 TensorFlow 推出專屬加速架構 TPU ，而今年 IO 宣布最新的版本 TPU 3.0 ，性能宣稱達 100PFLOPS ，為 TPU 2.0 的八倍，但也因為倍增的性能， TPU 3.0 已經無法以風冷抑制發熱，需動用水冷作為冷卻機制。 目前 Google 並未針對 TPU 3.0 做更進一步說明，不過截至 TPU 2.0 ， TPU 仍須搭配 CPU 與 GPU 混合使用，同時以現階段深度學習框架而言， TPU 扮演的是針對 Te Chevelle.fu 5 個月前
科技應用 深度學習 ai人工智慧 Google 利用深度學習，實現如人類般在嘈雜環境中將自己想聽的人的音軌獨立出來 人類是一種相當特殊的生物，獨特的感官能夠針對環境做出相當多精密的調適，包括視覺的白平衡，以及在嘈雜環境中的指向性收音能力；能夠在混亂嘈雜環境中聆聽到眼前人物的聲音的能力有個專有名詞，稱為雞尾酒會效應，這項能力對人類來說是稀鬆平常，不過對機器來說卻相當困難，然而 Google 的研究員藉由深度學習所開發的 Looking to Listen ，成功的將複雜環境中視線指定人物的說話聲隔離出來。 對機器來說，要能夠將同一個人的說話聲給獨立分離出來並不難，要把背景噪音消除也不是難事，不過一般的音軌分析技術僅能將人聲音軌分離，但這項技術則是透過分析影片中的人物與音軌，將影片中人物的聲音與人物進行對照，並 Chevelle.fu 6 個月前
科技應用 拉麵 Google Cloud 拉麵達人都不見得能分辨！科學家利用 Google AutoML Vision 辨別出 41 家拉麵分店的拉麵 日本飲食文化當中，拉麵肯定是相當重要的平民美食，隨著時間的發展與演進，亦有許多不同的分支與獨具特色的拉麵，其中會放置大量豆芽菜、湯頭濃郁與超大份量的"二郎系"可說是相當有名的拉麵類別，雖然二郎系的拉麵有著共通的，每一家二郎系拉麵也多少會有些許的差異，即便是連鎖店也會產生差異。 而日本科學家 Kenji Doi 透過 Google 的 AutoML Vision 作為基礎開發出辨識系統，將東京 41 家連鎖的"拉麵二郎"的 48,000 張照片進行模型培訓，大概花了一天的時間進行進階自動訓練，最後讓系統分辨各家二郎拉麵分店的拉麵，而準確率居然高達 94.5 Chevelle.fu 6 個月前
