AI趋势周报第55期：MIT打造人体芯片定位系统ReMix，要用AI来优化定位能力

重点新闻(0824～0830)

  ReMix nbsp;    芯片定位 nbsp; 

MIT要用算法让人体芯片定位更精准

MIT电脑科学与人工智能实验室（CSAIL），近日正在开发一套以无线电讯号来侦测体内芯片的定位系统ReMix。这套系统可寻找植入体内的微芯片，并加以定位。为了测试ReMix，研究团队先在动物组织中植入一个小标记芯片，而为了追踪它的动向，研究人员使用一种能反射患者体内无线电信号的无线设备，再根据该讯号，用特殊的算法来定位标记。研究人员表示，ReMix的定位精准度已达1.4公分，但他们认为AI定位精准度要在毫米范围，才能应用于临床，也因此正不断评估、改善现有算法。如果ReMix准确性提升，将能辅助癌症治疗的质子疗法，透过精确定位癌细胞位置，来减少大量辐射的影响。（详全文）

Adobe    AI  

Adobe计划以AI预测寄送推销邮件的最佳时间

Adobe日前宣布，旗下研究院正在测试一项新功能，也就是用AI来预测寄送推销邮件的最佳时间。Adobe利用AI平台Sensai，来分析客户过往打开邮件的时间，预测何时寄送推销邮件效果最好，甚至根据不同客户的习惯，来客制发送邮件的时间。此外，Adobe的邮件管理软件Campaign最近也释出一些运用AI的新功能，如邮件标题推荐，当使用者选定邮件类型后，系统会推荐邮件标题关键字，也会对此评等（不佳、佳、非常好），另外也会就客户开信阅读的可能性，来显示百分比分数。（详全文）

  工研院   AIdea   

工研院启用AIdea共创平台，来加速台湾产业AI化

工研院日前正式启用AIdea共创平台，结合了议题库、数据库和人才库，要来加强产业AI化发展。AIdea由工研院巨资中心和产经中心共同研发，主要功能有3个：第一、评估议题，可协助企业制定AI发展主题，评估AI技术应用是否有效，并分析企业所拥有的资料质量；第二、资料处理，包括将企业资料去识别化、修正错误和资料标记等；第三、开放平台，使用者除了能浏览各种AI议题，还能下载资料、与其他会员在讨论区交流。（详全文）

  台湾大车队   载客热点 

台湾大车队要用AI预测载客热点

台湾大车队大数据发展事业处协理蔡家昌最近表示，正利用AI来预测载客热点。他们将14年来的上亿笔历史载客资料，结合外部资料（如天气、捷运和特殊节日或活动资讯），来进行统计分析、建立AI模型，成为一个载客推荐系统（称为载客雷达），目标是要能即时显示大区域的载客需求热度和小范围的载客热点，以及更详细的热门上车点，进而有效媒合司机与乘客，来增加载客率并减少等待时间。（详全文）

北医     共病预测  

哪些疾病常伴随发生？北医要用AI追踪国人共病趋势

台北医学大学医学科技学院博士杨轩佳近日公开了北医进行中的AI专案，透过分析全民健保研究数据库中、国人近三年的疾病就诊资料（近7,800万笔），来预测40岁至49岁女性的共病案例数。此处共病指的是，同一病患在一年中同时发生过的疾病，比如同时罹患了高血压和糖尿病。北医将分析过的资料结果转为点状地图，每一点代表一个疾病，点与点越靠近，疾病同时出现的概率就越高，北医希望透过这样的预测，来追踪疾病，以提高预防效果。（详全文）

  Indeed.com    AI  

需AI技能的职缺数，近三年暴增99.8％

国际求职大网Indeed.com做了份AI职缺的研究，分析了自2015年6月到今年6月的资料，发现列有AI或机器学习的职缺数，在这三年间增加了99.8％，而针对AI和机器学习的搜寻量也增加了182％。而在2017年6月至2018年6月间的十大AI职位列表中，有7个职位的平均薪资超过10万美元。其中最高的是分析主管，年薪高达14万美元，其次是首席科学家（13万8千美元），再来则是机器学习工程师和电脑视觉工程师（两者均为13万4千美元）。（详全文）

Talla    Chatbot  

Talla释出智慧知识库第二版，让FAQ聊天机器人更聪明

Talla推出智慧知识库第二版，让使用者以一种知识块的方式来组织讯息。知识块指的是一问一答的讯息结构，而一整页讯息中可以包含多个知识块。作为内容训练的一部分，Talla会评估讯息的可用性，并在创建内容时提出建议，引导知识创建人编辑能以聊天的方式轻松获取的讯息。为确保知识库能维持讯息一致不重复，Talla内建内容检测机制，在编辑过程会自动检测资料，当知识库存在类似内容，会即时通知知识创建人，避免执行重复的工作。（详全文）

脸书     AI   

脸书与纽约大学医学院合作，以AI让MRI扫描速度快10倍

脸书AI研究中心（FAIR）和纽约大学医学院放射系日前宣布合作，将共同研究如何以AI让MRI扫描速度加快10倍。比起传统医疗造影，MRI扫描可让医疗人员更容易观察体内的软组织，但这种医疗检测十分耗时，短则15分钟、长则超过1小时。而脸书和纽约大学的fastMRI研究计划，将重点放在改变MRI机器运作方式，利用机器学习以全新方式重建医疗影像，不是要用AI来做资料探勘，而是用于医疗视觉化应用。研究成果将开源，脸书会分享研究中所用的相关AI模型、基准点及评估值，纽约医学院则会公开影像资料集。（详全文）

法扶      资源配置  

法扶用AI做分会健检，针对中低收老人来优化资源配置

法律扶助基金会副首席执行官林聪贤，日前分享法扶如何以AI和大数据分析，来优化法扶资源配置。他表示，法扶联合SAS首先分析全国22个分会、从2015年至2017年的接案资料，再与外部政府资料如中低收入户人口和乡镇区人口等交叉对比，分析各分会在各地区的案件覆盖率、人口和案件属性，找寻被忽略但需要法扶资源的人群。结果显示，法扶只扶助了全国2％的中低收入户，而双北地区中低收入户密度最高、但法扶据点多集中于都市，与该区需求人口分布不一致，因此需优化资源配置。而法扶参考分析结果，派出服务行动车道需求较高的区域，进行宣导、咨询和收案等，另外也将开发法扶App以及共享日历，让有需求的民众更容易获得法扶资源。（详全文）

图片来源／MIT、工研院、北医、Adobe、摄影：王若朴

 AI趋势近期新闻 

1. 微软Bing Spotlight新功能，让用户了解热门新闻的来龙去脉

2. Amazon第二间无人商店在西雅图开幕！接下来瞄准芝加哥和旧金山

3. Google释出用来训练增强式学习模型的开源框架

4. Gartner发表新兴技术报告，指5大科技让人与机器的界线更模糊

资料来源：iThome整理，2018年8月