彰基医院：彰基联手HTC DeepQ推AI+区块链客服兰医师，精简看诊流程

重点新闻(0118～0125)

彰基 DeepQ AI区块链客服

彰基联手HTC DeepQ推AI+区块链客服兰医师，精简看诊流程

彰化基督教医院联手宏达电旗下健康医疗事业部DeepQ，共同推出结合AI和区块链技术的LINE Chatbot兰医师，适用于彰基全台10个院区。兰医生的区块链技术，采用DeepQ、台大和美国史丹佛大学共同研发的多层次医疗区块链技术，让病患医疗资料可跨院区流通，又同时保护病患隐私，比如转诊时，特定授权人能决定是否要将病患资料提供给外院区或门诊。此外，透过这项技术，1秒内可交换数千笔资料，能将医疗照护延伸到院外照护。

在AI方面，兰医师具有科别导诊、看诊前问题笔记、诊后个人卫教功能，让民众不必打电话或到院询问，就能挂号到正确的科别；在看诊前，兰医师会系统性询问民众相关问题，协助民众纪录，并在入诊前将资讯传给门诊医生参考；看诊后，兰医师还会立即发送个人化的卫教与用药资讯。（详全文）

Google AI 社会影响力

Google举办AI社会影响力大赛，鼓励各方用AI来解决社会、人道和环境问题

Google日前发起2019年AI社会影响力大赛（AI Impact Challenge），征求世界各地的非营利组织、公立慈善会和有慈善目的的营利企业，来提出各种能解决社会、人道和环境问题的AI专案计划。评选标准有5项，包括影响力、可行性、AI的使用、可扩展性，以及合规性。获选的专案队伍将获得Google AI专家的指导，以及Google.org 2,500万美元资金中的资助，还有Google Cloud的顾问服务。此外，入选队伍还能加入Google创业加速器Launchpad Accelerator，也能得到Google与非营利资料科学组织DataKind提供的特别支援。（详全文）

光阳 工研院 AI

工研院助光阳用AI把关电动车电力，让消费者安心骑乘不怕没电

光阳与工研院日前签署合作，获得工研院的电源管理专利加持，用AI来提高预测电池剩余电量的精准度，让消费者骑电动车不再怕半路没电。这项技术，会依据电池使用当下的电压、温度及电流等测量数据，还有使用者的用车习惯，动态调整剩余电力所能骑剩的里程数，将误差降到5%以内，让消费者能够放心骑乘电动车。

以剩余25公里为例，前面20公里是依电池目前使用状况、车辆行驶速度计算出的预测里程数，而后面5公里为限速里程，以避免电动机车半途没电。但如果车辆开始加速或是上坡，系统会重新计算，缩短剩余里程数。（详全文）

脸书 LASER NLU

加速部署NLU模型，脸书开源释出跨语言句子向量计算工具LASER

为加速自然语言处理模型应用于多种不同的语言，脸书开源释出跨语言句子向量计算工具LASER（Language-Agnostic SEntence Representations），该工具支援超过90种语言，让自然语言处理模型可以简单地转换到另一个语言上，包含那些训练资料较少的语言，像是卡拜尔语、维吾尔族语，甚至连方言也包含在内。LASER工具会将每个句子不同语言的资料，一并汇入高维度的空间中，目的就是让相同意思的句子能够在同一个邻近区域，输出的资料可视为一个在语义向量空间中通用的语言，而且脸书研究团队发现，在向量空间中的距离，与句子的语义相近程度有强烈的相互关联。

也就是说，LASER将所有语言嵌入到一个共同向量空间，而非每个语言有独立的模型。脸书表示，LASER是第一个可以在一个模型中，处理多种语言的函式库，该研究成果能够协助脸书开发自然语言处理相关的功能。（详全文）

Google Feast 机器学习特征

Google释出开源机器学习特征商店Feast，让多个团队能共享模型特征

Google云端与GO-JEK合作，推出开源特征商店Feast，供开发团队管理、储存和探索机器学习专案相关的特征，目的是要透过可扩展且统一的特征储存平台，让机器学习开发团队可以定义和发布特征，进而促进组织内特征探索和重复使用。Feast也整合了开源机器学习平台Kubeflow，能满足机器学习生命周期中，对特征储存的需求。Feast可在Kubeflow上部署，也可与其他Kubeflow元件协作。此外，Feast也提供了Python SDK，可用于Jupyter Notebooksc和Kubeflow Pipelines。（详全文）

Google TensorFlow 2.0 建模简化

TensorFlow 2.0标准化模型交换格式强化部署能力

由Google大脑开发而后开源的深度学习函式库TensorFlow，官方释出更多TensorFlow 2.0的消息，主要更新的大方向是要简化建模的程序，并强化了平台部署以及实验功能。新功能包括tf.keras、预设启用的Eager Execution以及部署函式库等；此外，为提供专业使用者使用扩充进行实验，TensorFlow 2.0还加入了Ragged Tensors、TensorFlow Probability和Tensor2Tensor等。官方提到，结合Eager Execution、分散策略API以及AutoGraph，TensorFlow 2.0成为一个可高度自订，并且可扩展的平台。官方预计今年年初释出公开预览版。（详全文）

AWS Alexa 神经网络

AWS用新方法压缩神经网络，让Alexa处理复杂任务也能毫秒内回复

AmazonAlexa AI团队近日在美国AI协会举办的第33届研讨会中，发表了一篇关于压缩神经网络的论文，目的是要让Alexa能在更短时间内，处理复杂的任务。该团队透过压缩词向量表的新方法，也就是奇异值分解（singular-value decomposition），在较高维度的空间产生较低维度的投影，将神经网络缩小90%，同时模型的准确度只减少不到1%，在相同的压缩率之下，过去研究最佳的结果是准确度约下降3.5%。Amazon研究团队这次的实验，让Alexa在处理复杂的任务时，也能在毫秒内给予正确的回应，并让Alexa能够持续扩展新技能。（详全文）

Google WaveNet 文字转语音

Google结合TTS和语音生成技术，为年度热搜议题打造测验游戏

Google今年推出首款测验游戏Game of the Year，该游戏结合了Google Cloud多项技术，包含文字转语音(TTS)、语音生成技术WaveNet，在游戏中以语音和玩家互动，玩家还能自行调整游戏中主持人的说话速度和音调。Google表示，利用TTS可大幅减少未来的开发工作，游戏也能替换或增加不同的问题和答案，也能翻译成不同种语言，不需要在更新游戏问题时，重新录制音档。

游戏的原型采用了多种WaveNet的声音，能读出奇怪的字，或不容易发音的品牌名称，此外，Google也用了语音合成标记语言（Speech Synthesis Markup Language），借由调整转折、重音、停顿点等语音参数，来量身定制WaveNet语音，让语音听起来更自然。（详全文）

图片来源／HTC、Google、苏文彬

AI趋势近期新闻

1. 聚焦ML、自动化、机器人和太空科学，AWS将举行新AI大会re:MARS

2. adGeek要用AI助攻，打开东南亚数位行销市场

3. Gartner：全球有37%的企业已经或准备导入AI

资料来源：iThome整理，2019年1月