AI趋势周报第53期：MIT用AI来客制癌症药物剂量，减少不必要的副作用

重点新闻(0810～0816)

  MIT      剂量控制 

MIT用AI来客制脑癌患者所需的药物剂量

MIT研究员训练出一套增强式学习模型，可根据每位罹患胶质母细胞瘤（GBM，为脑癌一种）病人的状况，来减少药物剂量，让病人不必接受多余的毒性物质，同时也能缩小肿瘤。首先，研究人员从GBM医疗数据库中，建立50位GBM模拟病患，作为测试组。接着，研究人员要求AI开药给每位病患，包括典型药物TMZ和PVC，让病患定期服用数周或数个月。开药后，AI再利用另一个预测机制来判断该剂量是否会缩小肿瘤。如果会，AI会得到奖励，但如果开的是最大剂量，则会受到惩罚。

这套AI为每位模拟病患进行2万多次测试后，研究员另召集50名新模拟病患，来测试训练后的这套AI模型，可以给出减少药物剂量和服用频率的处方，也能减少肿瘤大小。特别的是，它考虑了每位患者的特性，比如肿瘤大小、病史和生物标记物。（详全文）

  Uber    档案切换 

报公账还是自己付？Uber AI能分辨你去玩还是出差

常用Uber的企业顾客，往往有数个账号，因此可区分为个人账号和公司账号（直接扣公司信用卡）。为简化使用者使用合适的账号来付费，Uber企业版日前推出扣款账号推荐机制，利用机器学习技术，来判断使用者这次搭车是公出还是个人休闲，然后手机App中通知使用者，是否要切换为公司账号、还是个人账号。这项AI技术，分析了Uber每年数十亿笔的乘车资料，现在能侦测使用者的旅行模式，比如使用者在平日上班时间没进公司，反而叫车要去水疗中心，Uber App就会询问使用者是否要切换为个人账号来付款。不过Uber表示，目前这项功能的准确率为80％，要达到让人满意的程度，还有很长一段路要走。（详全文）

  机器学习   空气动力测试 

车辆开发有新工具，能靠AI来加速车辆空气动力测试

两位来自Autodesk研究院和奥地利科技研究院的开发人员Nobuyuki Umetani与Bernd Bickel，日前研发一套机器学习软件，能加速车辆开发过程，缩短空气动力测试时间。通常，测试新车、火车和其他运输工具的空气动力，可能要花1小时甚至一整天。开发人员必须使用复杂的方程式对3D物体周围的气流建模，但现在新的机器学习软件，可以缩短这个过程到数秒，并能让参数即时可用，这也是机器学习首次用来即时模拟3D物体周遭的气流。（详全文）

  环境IoT    污水预警 

美国国家实验室靠机器学习和便宜感测器，自制地下水污染预警系统

来自美国劳伦斯柏克莱国家实验室和萨凡纳河国家实验室的研究员，利用平价感测器和一套机器学习系统，不只能即时监测地下水污染状况，还能作为预警系统。领导这项研究的Haruko Wainwright表示，传统监测方法要每年或每季采集水样、在实验室分析，但如果出现异常或极端事件，就可能不会注意到污染物浓度的增加。不过，她强调新方法使用代理测量来进行原位监测，因此能即时、不间断地追踪水流。而机器学习技术，能帮助团队从远程快速分析水流数据，并作为预警系统，以检测pH质和电导率是否突然改变。（详全文）

AI新创     TTA奇点亚太创业竞赛  

台AI新创WeavAir与Vibrasee，抱走2018年TTA奇点亚太创业竞赛大奖

台湾AI新创团队WeavAir和Vibrasee，经过两个月努力、从80组来自亚太各地的新创团队脱颖而出，于8/10由科技部与奇点大学举办的2018年TTA奇点亚太创业竞赛决赛中，夺下最大奖SU Ventures Incubator Program，将前往硅谷参加奇点大学为期10周的加速课程，与世界顶尖AI团队交流。 新创团队WeavAir以同名计划参加这次竞赛，以感测器阵列，来测量暖通空调（HVAC）系统性能和室内空气质量，并即时分析这些数据，用预测性算法来提高感测器准确度，以降低HVAC耗能和成本。另一组得到SU大奖的新创队伍Vibrasee，聚焦于微振动侦测器，利用莫瑞效应光学技术和深度学习影像分析，来即时检测人类手部皮肤的微振动，以判定是否为早期帕金森氏症。（详全文）

DeepMind    眼疾  

DeepMind的AI系统可辨识逾50种眼疾，诊断能力已达一流医生水准

DeepMind近日宣布，旗下DeepMind Health计划与英国摩尔菲尔兹眼科医院已完成第一阶段的研究，双方共同发展的AI系统可快速且准确判读眼疾相关的医疗影像，能辨识出逾50种可能损及视力的眼睛疾病，已达到全球一流医生的水准。 为了让医生或病患了解AI系统的判读标准，DeepMind Health建立了两个神经网络，第一个为“画分网络”，会列出观察到的眼睛组织各种状态，如出血、病变或不规则液体等，让医生能够参考或观察AI系统的决策过程。第二个则是根据前一个神经网络的所得结果，进行诊断及转介建议，并以百分比来表达信心指数，称为“分类网络”。（详全文）

IBM Watson    自然语言  

IBM Watson自然语言分类器正式上线

近日IBM宣布，自家AI平台Watson自然语言分类器正式上线，现在该工具已经内建于IBM Watson Studio，透过该开发平台可以串接起资料科学开发应用流程，加速深度学习、机器学习应用的开发。IBM表示，该分类器与Watson Studio整合后，仍保有既有API功能，开发者可以在开发平台中训练、测试此自然语言分类器。IBM进一步解释，该分类器整合自家的深度学习服务，一次最多可以汇入2万行资料，作为训练素材。而现在该分类器所支援的语言，包含英文、阿拉伯文、法文、德文、意大利文、日文、韩文、葡萄牙文，以及西班牙文。（详全文）

Amazon     Alexa   

Amazon压缩机器学习模型，要让车载系统离线也能用Alexa

Amazon使用了压缩机器学习的新技术，在维持Alexa功能不变的情况下，让内存使用率降低94％，而这将能让Alexa在离线状态下，仍可以提供部分核心功能，同时也能加速Amazon云端载入第三方Alexa技能的效率。Amazon刚释出了用于开发车内讯息娱乐系统的Alexa SDK（Alexa Auto Software Development Kit），而这个初版的SDK预设汽车系统可以存取云端系统，以取得机器学习相关功能。（详全文）

Julia      多语言特性  

程式语言Julia历经6年开发，融合多语言特性终释出1.0

Julia第一次释出时，就宣告了该程式语言宏大的目标，除了要有C的执行速度外，还要像Python一样具一般可用性，也想要如Matlab般支援线性代数算法。而官方在Julia 1.0释出文章中，自信地列出Julia数个特点，包括最佳化器的更新，可透过呼叫函数传播常量，实现更好的死码删除（Dead Code Elimination）和静态评估。而编译器也更善于避免在长效物件旁分配短效包装器（Wrapper），这让开发者可以在不损失效能的情况下，容易的使用高阶抽象。（详全文）

图片来源／Uber、Nobuyuki Umetani、萨凡纳河工作站、摄影：王若朴、IBM、Amazon

 AI趋势近期新闻 

1. IBM：恶意程式具备AI能力超狡猾，高度神隐几乎抓不到

2. AI芯片去年替英特尔赚进10亿美元

3. 台湾人工智能学校台中分校将于8月18日开学

资料来源：iThome整理，2018年8月