AI趋势周报第69期：微软在AI种小黄瓜竞赛中拿下冠军，胜过腾讯、英特尔

重点新闻(1214～1220)

  微软     AI种小黄瓜    智慧农业  

微软在AI种小黄瓜竞赛中拿下冠军，胜过腾讯、英特尔

微软日前于一场AI种小黄瓜的自动温室竞赛（Autonomous Greenhouse Challenge）中，击败腾讯和英特尔，拿下冠军。这场竞赛由荷兰Wageningen University举办，目的是要参赛团队透过AI算法和感测器等设备，从远端控制温室、种植小黄瓜，评分则以净利高低、AI的使用（算法是否创新、是否需要搭配额外感测器、是否能大规模应用），以及永续性（比如用水量和产生的二氧化碳等）为标准。参赛队伍有5组，包括由微软与几位荷兰和丹麦学生组成的Sonoma团队、由腾讯带领的iGrow、由英特尔和墨西哥学生组成的Deep Green等，此外，赛中还安排一组人类对照组。

这场比赛从今年8月开始，为期4个月，参赛者透过RGB摄影机、热成像摄影机和重量感测器等，透过远端设计的AI算法来控制温室温度、灌溉等。最后，Sonoma以每平方米产出50多公斤小黄瓜，拿下冠军。（详全文）

法扶     AI     律师办案  

法律扶助案件多忙能预估！法扶建立ML模型预测接案律师活动频率，要来优化派工效率

近来法扶接收的申请案件不断增加，去年准予扶助的案件就有6万件，平均每天要派件300件。为了提高派案效率，法扶借助数据分析大厂SAS，开发出一个用来预测申请案件所需律师活动频率的预测模型，可衡量一个案件的律师工作量，准确率达80％。为训练该模型，法扶和SAS爬梳过往21万笔申请人的案由概述，以及申请人属性、案件属性、人口资料和律师办案活动频率（也就是开庭次数、律师面谈次数和撰写书状份数等），以自然语言处理（NLP）技术，来辨识词汇、检测同异词和分类等，分析出相关性和差异性后，再透过机器学习模型，来预测律师办案的活动频率，进而改善法扶的派案决策。未来，法扶还希望与东吴大学AI应用中心联手，以该模型为基础，来开发线上法律诊断机制平台，让有法扶需求的民众，能先了解程序及可能的花费时间。（详全文）

  玉山银    交大    AI金融科技  

玉山银联手交大，打造AI金融科技研发中心聚焦4大金融应用

玉山银行与交通大学联手，在校园内设立玉山AI暨金融科技研发中心，由交大7位资工系和资财系的教授，带领学校11组团队，与玉山研发团队一同研究AI金融科技议题，包括行销、风险、财富、证券等领域。进一步来说，这些教授的研究领域，涵盖信用卡盗刷及辨识、信用卡异常交易侦测及房贷信用评估技术、深度强化学习于金融交易决策和精准行销的应用、智能店头市场交易与理财机器人等。该研发中心的合作计划为期2年，由玉山每年挹注1,000多万元资金。（详全文）

  Jigsaw    自然语言处理       语言侦测  

Alphabet子公司将扩大侮辱性言论侦测的语种，从西班牙文开始

Alphabet旗下孵化器子公司Jigsaw最近宣布，要扩大AI侮辱性言论侦测系统的语种，先从西班牙文开始。去年时，Google的Counter Abuse Technology小组就与Jigsaw共同开发一款Perspective API，可让媒体平台用来侦测侮辱性的英文言论。而先后采用的媒体，则有纽约时报、英国卫报、经济学人和维基百科等。Jigsaw现在与一家西班牙报纸El País合作，以Perspective来分析西班牙文评论，改善其网站上的对话。Jigsaw进一步提到，在接下来的几个月里，将开放西班牙文版的Perspective机器学习模型，给开发人员使用和实验，而明年则是要扩增更多语种。（详全文）

  联发科   AI手机芯片    AI引擎 

联发科最新AI手机芯片，采8核架构、搭载最新AI引擎

IC设计大厂联发科技近日发布最新的Helio P90系统单芯片，采用8核架构，并搭载AI引擎APU 2.0，相比过去的Helio P70和Helio P60，处理速度提升4倍，运算效能高达 1127 GMACs（2.25TOPs）。Helio P90搭载的APU 2.0处理器采用融合AI（fusion AI）架构，透过多核多执行绪，能让手机装置在极低耗电的情况下，执行复杂的AI任务，像是人体姿态辨识、姿态追踪和人体运动分析，尤其能够针对图像进行优化。联发科技提到，搭载Helio P90的产品预计将于明年第一季在全球上市。（详全文）

AWS    自然语言模型    语音辨识  

AWS用新方法改良自然语言模型，让Alexa语音辨识错误率降低15％

AWS最近透过新方法来改良自然语言模型，使Alexa的语音辨识错误率降低15％。 一般来说，自然语言研究人员会用有限状态转换器（FSTs），用节点或是圆圈与线来描绘语法关系的网络，AWS则是用这些计算出来的概率来建立语言模型。

首先，AWS建立的算法会先辨识FSTs编译过文字内容的每个字串，再分析每个字串在网络图中的路径，利用概率和这些路径来计算特定字串的频率。为整合到现有模型中，AWS用机器学习系统挑选出两个模型中最佳化的结果，最后，AWS利用3种不同的自然语言理解功能来评估模型，包括查询股票价格、查询食谱和烹饪指示、预定机票，结果显示，预定机票的能力提升了15%。（详全文）

Google    糖尿病     视网膜病变 

Google改善糖尿病视网膜病变模型，扩大实验场域提升临床可用性

Google最近改善自行研发的糖尿病视网膜病变模型，使其表现更好。Google用2项方法来让模型更准确，第一个是将过去分成2类的分类模式，改成5个分数等级的分类系统，让资料的分类更具有区别性，第二个方法则是将模型整合视网膜专家最终的辨识结果，Google研究团队让专家小组达成共识，再将最终的辨识结果纳入模型中。此外，Google还将模型带到泰国公共卫生部医疗服务部附属的泰国医院Rajavithi，透过临床测试来验证模型的准确度，希望透过AI模型改善当地的医疗服务。Google期望透过广泛的合作模式，来验证糖尿病视网膜病变模型，运用新技术来改善世界健康状况。（详全文）

机器学习技术评比    MLPerf      量测基准  

机器学习技术大评比第一次结果出炉，MLPerf新测试标准让各家自己秀强项

机器学习基准测试套件MLPerf推出7个月后，根据第一轮由Nvidia、谷歌和英特尔提交的资料，发布首次结果。MLPerf测量了主要机器学习硬件平台的速度，包括Google的TPU、英特尔CPU和Nvidia GPU，同时结果也提供了诸如TensorFlow、PyTorch和MXNet等机器学习软件框架速度的了解。

Nvidia在部落格发布了自家测试结果，包括单节点测试以及规模测试。Google同样也在部落格发布了MLPerf测试结果，并宣称其平台最容易进行机器学习训练的扩展，并且以芯片相比，其TPU拥有19％的效能优势。（详全文）

Uber      Horovod     深度学习基金会  

Uber贡献其分散式训练框架Horovod给LF深度学习基金会

Uber宣布将其为TensorFlow、Keras和PyTorch开发的分散式训练框架Horovod开源专案，贡献给深度学习基金会。深度学习基金会则是在Linux基金会旗下，负责进行人工智能、机器学习和深度学习领域创新。

Uber去年时以Apache 2.0授权许可开源发布Horovod。Horovod能让人工智能开发者轻松的使用TensorFlow、Keras和PyTorch机器学习框架，训练分散式深度学习模型。不少云端服务都已经整合了Horovod，包括AWS深度学习服务AMI、Azure资料科学虚拟机器、Databricks Runtime、GCP深度学习虚拟机器、IBM FfDL、IBM Watson Studio和NVIDIA GPU Cloud等。（详全文）

图片来源／王若朴、玉山银、Google

 AI趋势近期新闻 

1. 吴恩达发布AI转型攻略，教企业5步骤成为AI公司

2. Amazon Alexa强化保全功能，控制防盗系统现在可以用说的

3. 泰勒丝演唱会用人脸辨识纠出跟踪狂

资料来源：iThome整理，2018年12月