機器學習全攻略 (67327) / 第8頁

專家觀點 AI 機器人機器學習

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

7 年前

科技應用 Google 網路開發年會機器學習 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

7 年前

產業消息 Google 網路開發年會機器學習 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

7 年前

科技應用深度學習機器學習 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

7 年前

科技應用拉麵機器學習 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% ，就連拉麵達人都不見得有這麼厲害的眼

Chevelle.fu

7 年前

產業消息 NVIDIA GTC nvidia 機器學習自動駕駛nvidia

GTC 2018 ：另一種無人駕駛， NVIDIA 藉由 Holodeck 結合遠端操作展示遙控駕駛的可能性

NVIDIA 在去年公布基於 VR 的 Holodeck 技術，除了作為產品開發的多人協作討論以外， NVIDIA 陸續展示作為與 ISSAC 機器人模擬系統互動，以及在虛擬環境當中開車的多元應用，今年在 GTC 大會 NVIDIA 更進一步將虛擬駕駛應用升級，透過搭配遠端控制技術，讓位於會場內的工作人員在 Holodeck 環境駕駛位於場外的汽車，在外人的眼中被遠端遙控的汽車就是一台無人車。這項技術展示的不僅只是遠端控制，這項技術需要利用結合位於遠端車輛的感測器、相機等進行 Mapping ，在 Holodeck 的環境當中建造與真實環境相仿的空間，雖然這樣的應用與自動駕駛的願景似乎有些相

Chevelle.fu

7 年前

產業消息 NVIDIA GTC ARM nvidia 推理嵌入式處理器機器學習加速器

GTC 2018 ： NVIDIA 與 Arm 宣布合作，將開源加速器架構 NVDLA 整合到 Project Trillium 平台

NVIDIA 在 GTC 2017 公布新一代車載與機器人嵌入式超級電腦 Xavier 細節時，也一併公布了開源機器學習推理加速器架構 NVDLA ，而在稍早的 2018 GTC 大會進一步宣布與 Arm 合作，將 NVDLA 整合到 ARM 今年二月所公布的人工智慧平台計畫 Project Trillium 當中。 NVDLA 是作為嵌入式架構當中針對機器學習的推理部分的加速器架構，旨在為主要以推理為主的嵌入式平台提供低功耗的推理部分的硬體加速， NVIDIA 在去年公布 NVDLA 時，宣布將此項架構開源，希望吸引更多想投入嵌入式人工智慧相關產品的廠商採用，並藉此擴大業界對 NVDLA 的

Chevelle.fu

7 年前

產業消息 ARM IOT 機器視覺機器學習

Arm 推出 Project Trillium 的出發點：為使互連萬物都能獨立進行機器學習

Arm 在今年二月份針對人工智慧與機器學習，宣布了名為 Project Trillium 的人工智慧解決方案，為端點人工智慧提供更完善的人工智慧技術，並使人工智慧深入各個端點；此方案包括軟體與硬體兩個層級，提供藉由 CPU + GPU + DSP 的現行異構解決方案，以及漸為潮流的專屬 AI 加速架構，讓客戶依照人工智慧運算需求選擇合宜的方案。為何讓終端裝置具備獨立的機器學習能力很重要，可從六大領域說起，包括頻寬、能源、成本、延遲、可靠性與安全性。當前許多的人工智慧應用是透過基於雲的方式進行，然而仰賴透過網路傳輸到伺服器端，對於如影像分析、安全、自動駕駛等需要大量影像傳輸的應用，就需要耗用大

Chevelle.fu

7 年前

產業消息 ARM 安全監控智慧手機機器視覺機器學習

Arm 機器學習方案 Project Trillium 先以行動裝置端的推理與機器視覺當中的物件辨識出發

在當前端末進行機器學習的大宗趨勢，行動運算裝置勢必是對機器學習需求最顯著的領域，而終端裝置端又以機器學習的推理部分最需要即時處理；另一方面，當前機器學習發展最主流的應用為機器視覺當中的物件偵測，故 Project Trillium 雖是以涵蓋所有機器學習相關領域為最終目的，但首先規劃的兩項 IP 架構則個別針對行動運算以及物件辨識。 Arm Project Trillium 首款 ML 加速器是針對行動運算領域所規劃，為機器學習當中的推理的部分進行加速，這也是多數在終端裝置當中被視為較重要的部分，畢竟學習的部分較不需要即時處理，可透過效率更高的雲端伺服器進行，然而推理講求即時性，也需要在終端進

Chevelle.fu

7 年前

產業消息深度學習機器學習深度學習機器學習

什麼是人工智慧、機器學習、深度學習？(一)

這系列 Machine Learning 教學文章，將帶您了解人工智慧、機器學習、深度學習的差異、該怎麼選擇資料訓練機器學習系統、以及機器學習系統又是如何被訓練的？人工智慧 (Artificial Intelligence) 什麼是人工智慧？人工智慧 (AI) 是能讓事物變更聰明的科技，我們可以這樣定義：「讓機器展現人類的智慧。」它是一個能讓電腦執行人類工作的廣義術語，而人工智慧的範圍眾說紛紜，隨著時間推衍產生更多的應用和變化。人工智慧在哪裡？現今所執行的系統是一種弱人工智慧的形式 – 系統可以做一件或是多件事情，而做的程度與人類相當，甚至超越人類。比如說我們透過寫程式碼來創建學習系統

GCP 專門家(LIVEhouse.in)

7 年前

相關文章