AI趋势双周报第15期：TensorFlow发布1.3版，新增多项内建分类器最新消息

图片来源:

GitHub

重点新闻(0819~0901)

深度学习框架　版本更新

TensorFlow发布1.3版，新增多项内建分类器

Google近日又推出TensorFlow 1.3版，新增了多个内建分类器，包含DNNClassifier、DNNRegressor、LinearClassifier、LinearRegressor、DNNLinearCombinedClassifier、DNNLinearCombinedRegressor，另外，内建的封装档都改为用深度神经网络函式库cuDNN 6 ，预计在1.4版更新到cuDNN 7。

TensorFlow从今年正式进入1.0后，改版速度相当快，距离上次更新1.2版才过了不到3个月的时间。Google自2015年底开源释出自家开发的深度学习框架TensorFlow后，不到半年的时间，TensorFlow就已经成为GiHub上最受欢迎的机器学习专案，目前贡献者将近千人。Google以Apache 2.0授权模式开放TensorFlow函式库、相关开发工具、说明文件、范例等资源，并邀请开发人员透过TensorFlow.org参与计划。

神经网络算法　深度学习工具

Sony也加入AI大战！释出免费深度学习分析软件，免写程式用鼠标拖曳就能完成建模

Sony继今年6月开源释出神经网络函式库之后，近日免费推出Windows版神经网络开发工具（Neural Network Console），让使用者提高开发深度学习应用的效率。

Sony认为，这是一套适合入门深度学习技术的工具，Sony提供了大量的示范专案，让使用者可以更快上手深度学习技术，影像、信号和其他可以用向量表示的资料格式，都能够成为训练样本，建构神经网络的算法，只需要用鼠标拖曳欲选择的函式，就能完成一层层的神经网络算法，设计算法的过程更容易，还可以透过拖曳和复制贴上的简易方式，快速设计出大量的神经网络算法。

设计完神经网络之后，这个工具也提供自建神经网络函式库，让使用者可以缩短训练的过程，最后，评估神经网络的效能，也提供使用者查看每次训练过程的历史纪录，为了优化神经网络算法，这套神经网络开发工具还可以自动帮使用者挑选出轻量级、高效能的神经网络架构。不过，目前这套工具只有Windows版本，尚未公开Mac OS和Linux版本的发布时间。

图片来源：Sony

语音辨识技术　深度学习框架

微软语音辨识技术再突破！辨识能力超越专业听打记录员

微软语音和对话研究团队近日宣布，该语音辨识技术的错误率已经降至5.1%，正式超越专业的听打记录人员。微软在去年10月宣布，运用业界常用的电话录音测试集Switchboard，微软语音辨识技术错误率为5.9%，与去年发布的正确率相比，微软用一系列的工具来改善类神经网络声学和语言模型，来改善此系统的错误率，像是，增加了一项结合卷积式网络和双向的长短期记忆算法的CNN-BLSTM，双向的长短期记忆算法是一种时间递归神经网络（RNN），来改善声学模型。

此外，微软还透过声音的辨识单元Senone、Frame，以及单词，结合多个声学模型的预测，作为语音辨识的方法，并利用过去历史对话纪录，增强语音辨识的语言模型，来预测对话接下来会讲的字词，借此让模型能有效地判断对话的主题和内容。这项语音辨识使用了微软自家的深度学习框架CNTK 2.1版，并利用微软Azure云端服务，特别是Azure GPU，大幅地提升训练模型的效率，也能快速地测试新设计的算法。

图片来源：微软

对话机器人　税务咨询

中区国税局将推出Chatbot，首波提供民众遗产税及赠与税咨询服务

中区国税局近日宣布，将在今年9月20日正式推出线上文字客服“AI小吉”，提供民众24小时的税务咨询服务。这也是台湾政府机关第一个推出的Chatbot。中区国税局表示，由于每年的5月、年初和年底，都会有大量的民众，打电话询问综合所得税、遗产税及赠与税等问题，为了分散咨询工作，确保民众都可以获得资讯，中区国税局推出线上文字客服“AI小吉”，让民众享有24小时的咨询服务。

中区国税局服务科陈敏慧表示，第一阶段先从较多民众询问，且税目较小的项目开始提供咨询服务，像是遗产税和赠与税，且因为税法规定较少，在设计的Chatbot的流程较为简单，之后还会陆陆续续提供更多税务的咨询服务。其中，建置的Chatbot的过程中，陈敏慧表示，最困难的是要模拟民众可能询问问题的方式，因为税务机关会以标准的方式表达，但是民众会以自己的语言来表达问题，这是目前Chatbot还需要经过与民众互动，慢慢学习的部分。

图片来源：中区国税局

迪士尼　语意理解

迪士尼教AI评断短篇故事的品质，还能预测故事的热门程度

迪士尼旗下的Disney Research研究实验室近日教AI学会评断短篇故事的品质，与美国麻州大学波事顿分校合作，共同开发AI神经网络系统，来分析短篇故事的品质优劣与热门程度。这套AI系统不需要像专业文学评论专家来评断文章，而是预测哪些短篇故事会广受欢迎。不过，要开发出自动评断故事品质的AI系统，Disney Research面临的最大挑战之一就是，缺乏用来训练AI系统的庞大故事数据库。

Disney Research采用在社群媒体获得读者好评的文章作为评断故事热门程度及品质的衡量指标，且从群众问答网站Quora搜集了54,484笔资料，并建立一个分类器，标注出28,320笔平均字数达369个字的资料为故事形式。Disney Research解释，选择采用Quora网站为资料来源，是因为在Quora网站上，许多答案都是故事的形式。另外，Disney Research为了要能评断和预测大量的故事品质和热门程度，开发了不同的神经网络，一个用来分析故事中不同但有关联性的段落，另一个神经网络则用来分析故事整体的意涵，而AI系统则能借此预测哪些文本能够造成读者的好评。

图片来源：迪士尼

语音辨识　Alexa

Amazon免费释出Alexa语音服务硬件开发套件

为了加速Alexa个人助理服务的普及，Amazon已多次向装置制造商释出技能及语音服务开发套件。Amazon近日再宣布提供Alexa语音服务装置开发套件（Voice Service Device SDK），让硬件制造商更容易自己的系统软件中整合Alexa语音辨识及人工智能能力。 AVS Device SDK包括C++函式库可使装置能处理音讯输入、和Amazon语音服务（AVS）建立连接，及处理Alexa所有互动。此外，它还具备技能代理程式可以结合AVS API处理语音辨识和合成等核心Alexa功能，以及串流媒体、计时与提示、通知、天气预告等数千种技能。

在此之前Amazon已经邀请了50多家商用装置厂商试用AVS Device SDK，包括法国电视机上盒厂商Technicolor及德国智慧家庭助理新创公司Senic。现在该SDK连同教学手册、文件及示范app都将在Github上免费释出给所有装置开发商。在语音助理起步较早的Amazon Alexa甚受第三方软、硬件开发商的欢迎。根据一项统计，截至6月底为止，Alexa技能光是在美国已经超过1.5万项，大幅超越Google的378项及微软的65项。