AI趋势周报第100期：健保署自建NLP模型，10小时审查完14万份CT报告

重点新闻(0830～0905)

健保署     NLP     医疗大数据  

健保申报审查AI化，健保署用NLP判读14万份CT检查报告只要10小时

为因应大量的医疗申报资料，中央健康保险署自行开发一套自然语言处理（NLP）模型，来自动判读医院申报的放射影像检查报告，以加速健保医疗费用审查作业。

健保署指出，自健保开办以来，至今年7月已累积了24.7亿笔检验检查报告，每年须仰赖3,500位专家来审察260万件专业医疗案件，其中以电脑断层（CT）的检验费用最高，而头部又是CT检查最常执行的部位。为加强审查效率，健保署自5月中开始打造头部CT检查报告NLP模型，以2018年第二季共1,000笔头部CT检查报告为训练资料，请来5位专家标注病灶和报告分类。模型至8月初完成，与专家相比，NLP机器学习模型判读的结果准确率达99％。此外，在时间成本上，这套模型分析14万笔资料仅需10小时，但专家则需13个月。未来，健保署也将开发胸、腹部等影像检查报告的NLP模型。（详全文）

光学类神经网络    UCLA     影像辨识  

光学类神经网络不只快如光速，UCLA还大幅提高辨识准确度

近日，加州大学洛杉矶分校（UCLA）改善自家研发的光学类神经网络（Optical Neural Network）设计，大幅提高影像辨识的准确度。光学类神经网络是UCLA去年发表的实体类神经网络，由数个3D打印的8平方公分晶圆组成，靠晶圆上数万个凸起的像素、光检测器和光学绕射机制来辨识物体，不仅处理讯息的速度等同光速，也不需要大功率来进行运算。

在这次的研究中，UCLA团队在光学类神经网络中新添了第二组光检测器，来增加两组光检测器的讯号差异，进而提高物体辨识准确率。团队后来用CIFAR-10影像资料集来测试，发现改善的光学类神经网络辨识手写数字、服装样式、各种车辆与动物的准确率，分别为98.6％、91.1％和51.4％。（详全文）

  玉山金控     AI专案    风险预测  

玉山金控近百项金融AI专案新进展，靠ML评估顾客3年倒账风险比人还准

玉山金控科技长陈昇玮近日揭露玉山金AI应用新进展，目前有近百项AI专案正在进行，而已上线的应用范围涵盖银行风险控管、金融商品推销、投顾服务，以及内部流程自动化，不只精准度高于传统人工作业，也节省不少人力成本。

在银行风险控管方面，当银行面对法人和个人申请新金融业务时，必须考量客户的倒账风险。过去，玉山银行皆以人工方式查阅申请户资料，再用统计模型来推估未来1至3年内的偿还风险，人工推估准确度约为8成。后来导入机器学习技术，来查阅、分析申请户相关历史资料，再来自动评估申请户未来1至3年的偿还风险，准确度高达95%。”（详全文）

  影像辨识    85度C    自助结账  

美国85度C新导入面包自助结账机，就靠国产面包辨识AI引擎

今年8月，美国85度C面包店正式推出面包自助结账KIOSK系统，顾客只要将选好的面包托盘放在摄影镜头下，系统就能自动辨识所有面包的品项和数量，让顾客自己刷卡结账。这个用来辨识出各种面包影像的关键技术来自台湾新创创意引晴（Viscovery）。

为训练这套系统，创意引晴团队利用5至10张影像来训练每种面包品项，涵盖各种颜色、形状等特征，来提高模型辨识率。此外，他们也研发了可模拟不同情境的影像生成技术，来增加差异化影像资料量。训练好的模型，可部署到云端或在企业内部机房，店家至少要有一支1080P高分辨率的数位摄影机，并整合辨识引擎API到店家POS机来结账。每次结账时，图片会上传到云端辨识引擎，再将自动辨识好的品项与数量资料回传到POS机。最近，台湾也有大型连锁零售商要导入这套系统，推出同样能自动辨识面包的结账服务。（详全文）

  智慧导眼   影像辨识       盲胞  

南台科大用AI作为盲胞的双眼，辅助安全过马路

南台科大师生自行开发一套智慧导眼，要来辅助盲人安全行走。智慧导眼主要由三个硬件设备组成，包括智慧眼镜与耳机、手杖和腰挂式装置。智慧眼镜配有红外线感测器，可侦测障碍物、发送讯号到手杖，手杖便会震动提醒盲胞；此外，智慧眼镜还配有一个小型镜头，可透过内建于装置的AI模型来辨识斑马线，如果盲胞走偏了，耳机就会提醒往左或往右。

这套AI模型由南台师生自行开发，团队利用TensorFlow和2,000张斑马线影像来打造这套系统，包括白天、晚上和雨天，辨识准确度分别高达97％、95％等，而为了加速AI模型在装置上运行的时间，团队也自行开发一款技术来让模型更轻量。而耳机部分也配合眼镜感测器，透过相同通讯协定来接收红绿灯号志讯号和秒数，来告诉盲胞。此外，搭配智慧导眼App，要是盲胞不小心跌倒，系统会将盲胞所在的GPS位置和紧急讯息发送给家属。这套解决方案也已与盲胞测试。（详全文）

  国研院    联发科     终端AI  

国研院半导体中心联手联发科，要培养终端AI人才

国研院半导体中心近日携手联发科，一起为大学种子师资规划终端AI（Edge AI）课程，这项课程也已于新竹和台南开办，吸引了全台10多所大专院校和技职体系共80多位教师。

为加速实作体验，联发科也捐赠了30套终端AI开发平台软硬件NeuroPilot。该平台利用单芯片整合高效能的AI处理器APU，结合一系列AI开发工具，让开发者可快速将云端AI部署到终端AI平台上，不需透过网络即可完成，避免资安隐忧。（详全文）

DeepMind   增强式学习     OpenSpiel  

DeepMind释出游戏增强式学习框架OpenSpiel

DeepMind研究团队近日在GitHub上释出应用于游戏的增强式学习框架OpenSpiel，包含增强式学习的环境和算法，可用于游戏中的通用增强式学习、搜寻和规划，并提供分析学习动态的工具，以及常用的评估指标。

进一步来说，OpenSpiel内建20多种不同类型的游戏，这些游戏涵盖了单一或多个代理人，游戏形式则有零和、合作、一般和对局（General-Sum）等。这些游戏以C++撰写，并以Python打包。OpenSpiel的算法则是以C++或Python实作，由于这2种语言的API几乎相同，可方便开发者在2者间切换。此外，DeepMind也正开发PyTorch和JAX的支援，另由于OpenSpiel函式库的一个子集被移植到Swift上，开发者也能在MacOS装置上进行研究。（详全文）

Zalando     StyleGAN      时装  

德国独角兽新创发表一套GAN模型，可自动生成不同造型和姿势的时装模特儿

德国一家时装科技新创Zalando利用对抗生成网络（GAN）来产生高清的时装模特儿影像，随时可“换上”不同风格的服饰并摆出不同姿势。团队首先以Nvidia去年推出的StyleGAN为基础，采用无条件StyleGAN和条件式StyleGAN等两款模型，同时建立一个拥有38万张影像、分辨率为1024×768像素的资料集，每张影像都有一个模特儿、衣服和配件加起来最多6件，另外还有一个深度姿势估计器，会撷取模特儿身体的16个关键点。团队利用这些资料和4个Nvidia V100 GPU来训练模型，以4周时间训练完后，无条件StyleGAN可产生逼真的模特儿影像，未来还计划结合Deepfake AI技术，来将消费者的面貌整合到虚拟模特儿上，进一步提供个性化虚拟时尚购物体验。（详全文）

摄影／王若朴   图片来源／UCLA、联发科、Viscovery

 AI趋势近期新闻 

1. 台湾人工智能学校携手台大医院、三军总医院、林口长庚，开办北部智慧医疗专班

2. Nvidia和VMware合作要将AI工作负载带上AWS

3. Google智慧门铃Nest Hello的订阅服务，开始提供包里侦测功能

资料来源：iThome整理，2019年9月