AI趋势周报第84期：不怕吃错药！阳明大学开发手机药物辨识App

重点新闻(0510～0516)

阳明大学     药物辨识     AIGIA  

不怕吃错药！阳明大学开发出准确率9成5的手机药物辨识App

阳明大学医学系副教授暨台北荣总家医科医师陈育群历经3年努力，自行开发一套手机药物影像辨识App“AIGIA爱家小药师”，只要透过智能手机和拍摄装置MedBox，拍摄药物后，App就会透过云端运算，来比对数据库中的药物外型，并显示药物特征、成分、适应症、用法，以及特殊警语等。

陈育群表示，健保给付药物多达1万8千多种，药丸尺寸、颜色相似，再加上台湾社会高龄化，长者一天平均要吃7.3颗药，容易发生混淆、误食的情况。为解决这个问题，陈育群利用手机作为辨识平台，并研发MedBox，来解决拍摄时的闪光和色偏问题，提高辨识准确率。目前App可辨识的药物多达400种，准确率达95％，并提供多语服务，包括英语、印尼语、越南语和马来语。（详全文）

乐天银行   资安     行销 

日本乐天银行来台分AI资安和AI行销实例

乐天国际商业银行预定总经理佐伯和彦日前来台分享，乐天银行如何运用AI与大数据分析，成为日本客户满意度最高、资讯最安全的纯网银。他指出，乐天银行将AI应用于防范金融犯罪和市场行销两大层面。在防范金融犯罪上，乐天引进AI来侦测异常网络行为，首先汇整大量顾客行动、犯罪行为资料，甚至是网络交易进行的时刻、授权装置位置等资讯，来训练AI模型，能透过不同条件组合来追踪异常的账户活动。

在市场行销上，乐天靠AI投放个人化广告。当顾客申请开户并消费时，乐天就能取得用户基本资料与消费纪录，借由这份真实资料创造一个该用户的数位分身。透过顾客基本资料和数位分身的推测资讯，乐天就能找到特定服务的潜在客户，再以个人化推播提高成交量。佐伯和彦指出，这个做法让乐天广告点击量增加了778.3%，内容播放数也增加356.2%，两者均有显著成长。（详全文）

  Google     Andriod Q   字幕生成  

Google推出Android Q测试版，内建机器学习可即时产生字幕、智慧回复

Google在今年I/O大会上，宣布推出第10版操作系统Android Q，其中2种功能运用了内建机器学习技术，包括Live Caption（即时字幕）、Smart Reply（智慧回复）。首先，Live Caption可替Android手机上的多种档案产生即时字幕，比如歌曲、录音音频、电话通话、视讯通话和播客等，方便聋哑人士理解讯息。Google指出，使用者不须另外下载App，即可使用Live Caption功能，而且该功能可离线执行，不只字幕产生没有时间差，使用者也不必担心资料会回传至Google。

Smart Reply功能内建于Android的通知系统，同样采用机器学习技术，可让所有通讯App在通知中显示建议回复。此外，Smart Reply还可预测使用者要执行的后续动作，比如使用者收到朋友传送的地址，只要轻触该地址，就能开启Google地图查看位置。（详全文）

  MIT     神经网络    缩小  

MIT找出能使神经网络体积缩小的80/20分析法

麻省理工学院电脑科学暨AI实验室（CSAIL）最近发表一篇缩小神经网络的论文，能在不改变准确率的情况下，找出与最终结果预测相关的子网络，该子网络相比原本的神经网络小10倍，有时甚至能比原本的网络更快预测。

MIT团队首先从训练的神经网络中，将最低权重的连结修剪掉，并训练经修剪的神经网络、重设权重。团队就这样不断修剪连结，也从中发现，在不影响模型表现的情况下，可以修剪多少连结。团队也针对许多不同的网络，重复这个过程上万次，来找出与最终结果预测相关的子网络。下一步，MIT团队要探索为什么特定子网络对学习特别在行，并开发出找出这些子网络的有效方法。（详全文）

  脸书    ML       调校工具 

脸书开源机器学习超参数调校工具Ax与BoTorch

脸书在年度F8大会开源了多项工具，其中包括Ax和BoTorch两个工具，让开发者不需大量资料，也能建置AI应用。进一步来说，Ax是一个通用平台，可用来理解、管理、部署和自动执行适应性实验（Adaptive Experimentation）；而BoTorch则是建立于开源深度学习框架PyTorch的函式库，能用于贝式最佳化，以API方式提供Ax最佳化算法，让开发人员简单地调整AI参数。

脸书指出，要调校出最佳机器学习参数相当费时，特别是在复杂空间中。因此，他们开发了Ax和BoTorch两种工具来解决这个问题，并大量部署于自家服务。脸书表示，这两项工具可降低用户进入适应性实验的门槛，Ax让开发者以低资源方式，探索参数配置；BoTorch则使用PyTorch功能，像是自动微分、大规模平行化运算和深度学习，来强化贝式最佳化研究。（详全文）

Object2Vec    SageMaker     负采样  

AWS SageMaker平台为Object2Vec算法，新增支援自动负采样和加速训练的新功能

AWS最近在ML自动建置和部署工具SageMaker平台中，为神经嵌入算法Object2Vec新增了4个新功能，包括负采样（Negative Sampling）、稀疏资料梯度更新、权重共享，以及比较器运算子订制，来解决企业痛点。

过去，若应用案例只有positive标记的资料，企业需要手动进行负采样，来进行资料预处理，但Object2Vec算法新的负采样功能，在训练过程中，会将不易察觉和标记的资料自动标记为negative。而稀疏资料梯度功能，则是可以在不损失效能的情况下，加速单一GPU的训练工作。另外，Object2Vec新增的权重共享超参数，能让原有的两个编译器共享token嵌入层。有别于过去比较器的固定运算子，现在AWS让企业可自订运算子，能根据应用的最佳表现来优化算法。（详全文）

  Word    自然语言处理     文句润饰  

微软Word要用AI来帮忙改文章

微软日前在Build大会上，宣布今年秋天将于Word线上版（Word Online）将加入一项AI工具：Ideas in Word，来帮使用者写出好文章。Ideas in Word利用机器学习及Microsoft Graph的AI技术，来协助使用者润饰文章。首先，根据Graph的AI能力，Ideas in Word可协助基本的文法、拼字校正或正确用词，以及提供建议，比如加标题、常用的缩写名词、估计文章阅读所需时间、列出要点等。这套工具，已用于微软PowerPoint和Excel中。

此外，Ideas in Word还运用深度学习技术，来提供写作建议。这项技术可理解特定字词所在的句子上下文，并提供最常见的同义字，以强化文章可读性。微软Office部门今年也已运用机器学习技术来强化同义字的优先排序，试用者对Word建议的同义字接受度还提高了一倍。（详全文）

图片来源／阳明大学、Google、MIT、AWS

 AI趋势近期新闻 

1. 美国能源部斥资打造第二款Exascale等级的超级电脑

2. Google释出超过500万张图片的地标辨识新资料集

3. IBM与纽约大学合作用深度学习及早诊断青光眼

4. 脸书更新PyTorch，新版本支援评估和检查模型的可视化工具

资料来源：iThome整理，2019年5月