AI趋势周报第87期：苹果发表Core ML 3，可在装置上执行机器学习运算

重点新闻(0531～0606)

苹果    Core ML 3    机器学习 

苹果发表Core ML 3，可在装置上执行机器学习运算

苹果于今年度WWDC大会上发表最新版iOS机器学习框架Core ML 3，不仅支援更多种即时机器学习模型的加速，也支援超过100层的类神经网络模型，更可以于装置上执行机器学习运算。Core ML是苹果2年前推出的机器学习框架，iOS开发者可借此打造智能手机App。苹果指出，这次发表的第3版，可让手机App使用先进的模型，来呈现更好的视觉理解、自然语言和语音体验。更重要的是，开发者能透过“模型个人化”功能，在装置上更新机器学习模型。

同时，苹果也推出Create ML，这是一款新的机器学习模型开发、训练、部署App，使用者不需具备任何机器学习技能、也不需要写任何程式，就能透过这款App来开发ML模型。此外，Create ML可以同时利用不同资料集来训练多种模型。（详全文）

  苹果    SwiftUI    开发框架 

苹果推出SwiftUI开发框架和ARKit 3，提供新一代开发体验

苹果于今年WWDC大会上推出SwiftUI开发框架，是一款直觉式UI框架，使用了简单易懂的宣告式程式码，可让开发者打造复杂的UI应用程序。苹果表示，SwiftUI提供许多自动化功能，包括版面配置、黑暗模式、可用性、由右至左的语言支援等。此外，借由SwiftUI API，开发者可在苹果的各种平台上建置App，像是iOS iPadOS、macOS、watchOS和tvOS等平台。

而ARKit 3是一套AR应用程序开发工具，透过动作捕捉（Motion Caputre）功能，开发者可将人物的动作整合至自己的App中；人物遮挡（People Occlusion）功能则能更自然地将AR场景至于人物身前或背后。此外，ARKit 3还可让前镜头追踪最多3个脸部，也支援多人协作开发。（详全文）

  Google     深度学习    影像深度 

Google以深度学习重建动态人物影片的深度资讯

Google发表了最新的电脑视觉研究，能透过深度学习来预测影片中人物与场景的深度资讯。Google表示，该研究是第一个能处理摄影机和物体同时移动的影片。研究员使用了2千支YouTube影片，皆为以手持摄影机拍摄人类各种静止姿势的影片，并以监督式学习来训练模型，让模型学习人类静止的自然姿势。由于整个场景都是静止的，只有摄影机在移动，因此Google可取得整个场景精确的深度资讯。

接着，Google将影片画面中的人物遮罩、RGB图像、省略人物影像的初始影片等三者，作为深度学习神经网络的输入值，来产生深度图（Depth Map），进一步预测人体型态和姿势。该成果除了可处理相机与人物随意运动的影片，找出人物和场景的深度值，也可为影片加入3D感知特效，也能进一步重置为立体的影片，或是做出摇摆摄影机的功能。（详全文）

  AWS    文件内容萃取     Textract  

AWS正式推出自动萃取文件内容服务Textract

AWS推出自动萃取文件内容服务Textract，利用机器学习技术和光学字元辨识（OCR）技术，能自动萃取表格和表单等文件中的文字与数据，比如名称、税单上的身份证字号或是库存报告中的产品SKU，这个过程不需要人工审核，也不需要制定特定的资料格式。

进一步来说，Textract服务以API方式提供，使企业不需要具ML技术背景，就能使用。Textract API支援多种图像格式，比如扫描档、PDF、照片，企业还可以在数据库和分析服务中使用该API，包含AWS的Elasticsearch服务、DynamoDB、Athena，还有其他机器学习服务，像是理解服务Comprehend、医疗资讯理解服务Comprehend Medical、翻译服务Translate、ML自动建置和部署工具SageMaker。Textract服务目前在美国东部和西部地区、欧洲已推出，预计近期扩展到其他地区。（详全文）

  大阪大学   自然语言处理    牙齿矫正 

大阪大学发表自然语言处理AI，来编写病人牙齿矫正建议

大阪大学研究员日前发表一项研究，以自然语言处理（NLP）技术设计一套可以设计牙齿矫正建议的AI系统。研究员指出，牙科医生通常花太多时间在书写牙齿治疗报告工作上，而大阪大学希望藉AI来改善这个问题，首先从牙尺矫正开始。

为了训练AI，研究员首先建立含有990个牙齿治疗文件的资料集，根据每种牙齿矫正条件和问题，分为423类，并将文件中所有句子分割为单字，来作为训练用的语料库。而训练好的AI系统，可从患者的就医纪录中萃取X光影像、牙齿3D模型以及诊断结果（按优先级排列），并重新组织医疗纪录中的每个条件，再交叉比对系统内建的400多种标签。之后，系统会针对每个问题产生相关句子，以及优先治疗的建议。（详全文）

三总   医疗AI     物联网 

三总成立人工智能暨物联网发展中心，瞄准精准医疗

为转型为AI医院，三军总医院（简称三总）近日成立人工智能暨物联网发展中心，要利用物联网装置和资讯部门的AI技术，来发展各种医疗影像AI和医疗病历判读系统。

目前，三总已自行研发出一套心电图AI判读系统，其中的AI模型是以院内数万张心电图来训练而成，准确率达9成以上，可从患者心电图波形来判别是否患有特定疾病。此外，三总也进行其他医疗影像AI研究，比如胸部X光AI判读、眼底镜AI判读等。三总AI中心的另一个目标，则是要建置医疗病历判读AI，透过自然语言处理技术，来协助判读如出院病历摘要等文件。三总也表示，未来计划于2021年成立国军影像及分析中心，来整合全国军医院医疗影像，发展更多医疗AI应用。（详全文）

DeepMind    强化学习    策略游戏 

不同AI代理人也能互相合作！DeepMind成功训练一支AI玩家队伍来玩夺旗策略游戏，表现与人相当

DeepMind最近发表强化学习应用新进展，训练出一支能互相合作的AI玩家队伍，能在复杂多人连线3D游戏《雷神之锤III竞技场》中的夺旗竞赛场景与人类玩家对战，表现还不相上下。

进一步来说，DeepMind首先利用45万回合的夺旗场景来训练一群AI玩家，虽然AI玩家一开始只是随机行动，但经过一次次尝试后，AI玩家学会互相合作、找出最佳策略，DeepMind研究员Wojciech Czarnecki甚至表示，这些AI玩家能适应拥有任意技能的队友。而DeepMind所采用的强化学习，让每个AI玩家都会学习自己的内部奖励讯号，使AI产生各自的内部目标，此外，DeepMind也将AI玩家执行游戏的时间区段，分为快、慢两种，来改善AI使用内存和产生一致行动序列的能力，最终能组队与人类玩家对战。这项研究，显示了多代理人（multi-agent）训练在AI领域开发上的潜力。（详全文）

Google地图    ML      餐点 

Google地图融入ML，使用者要找热门餐点更容易

Google日前在地图服务中，新增了热门餐点的资讯，提供用户点餐时的参考。该热门餐点的功能利用了机器学习技术，将地图服务中用户提供的餐点名称，与相关的图片和评论配对，找出该餐厅最受欢迎的餐点。

用户查询一家餐厅后，在餐厅的总览页面就能浏览热门的菜单，点击查看“更多”之后，还能针对每个推荐的餐点查看图片和评论，若评论不是用预设的语言书写，Google地图也能翻译评论，若用户想为下一个来餐厅的人提供意见，只要拍下餐点照片，并写上餐点名称，就能够让其他用户更了解该餐厅的餐点资讯。该功能目前已推出Android版本，iOS版本将于未来数个月推出。（详全文）

图片来源／苹果、Google、AWS、DeepMind

 AI趋势近期新闻 

1. Google用新方法缩放网络模型，提高准确率却不会牺牲效能

2. WWDC：具备暗黑模式的iOS 13预览版出炉，加强相机、照片与地图程式功能

3. Nvidia计划于Clara AI平台推出医疗AI模型市集

资料来源：iThome整理，2019年6月