AI趋势周报第109期：清大研发新型态仿神经芯片，在内存内嵌运算能力省百倍功耗

重点新闻(1108～1114)

边缘运算    仿神经芯片    影像辨识 

边缘AI关键！清大研发新型态仿神经芯片，在内存内嵌运算能力来省百倍功耗

清大电机系教授郑桂忠揭露自家团队研发的仿神经（Neuromorphic）芯片设计，锁定如无人机影像辨识等边缘AI应用，自行设计了感测器内嵌处理（Processing-In-Sensor）和内存内嵌运算（Computing-In-Memory）两项关键技术，可大幅降低数百倍的芯片功耗，来支援无人机等边缘AI的高速影像辨识需求。

郑桂忠解释，一般无人机影像辨识时，得将拍到的大量影像，回传到笔电或后端系统，来进行AI运算，但要传输所有影像相当耗电，导致无人机飞行时间有限。有鉴于此，清大团队设计了可以在镜头内进行AI运算的超低功耗芯片，能直接在镜头内进行卷积处理、提取特征，或像是比对前后两帧画面的差异，对差异进行影像处理等，如此可大幅减少回传的资料量来省电。

清大团队还仿神经架构，设计了新型态的内存，直接在内存中嵌入了算子件，来进行资料运算，不需将资料送出到CPU上运算，目前可支援到卷积神经网络的计算。实验结果显示，与传统运算资源相比，这个新架构可减少数百倍的功耗。清大团队将这两项技术整合在自家研发的仿神经芯片上，未来要推广到无人机等边缘AI装置。（详全文）

  阳明大学     降噪   听损 

阳明大学用AI降低电子助听器环境噪音，给听障同胞更干净的语音

阳明大学团队历时3年研发一款环境降噪App，利用AI来降低电子助听器接收的环境噪音，让听障同胞更容易听清楚语音对话。历年研究显示，在安静环境中，听障同胞使用电子耳助听器辅助，语音理解力可达80％，但在噪音环境却只剩下50％，甚至更低。

有鉴于此，阳明大学团队决定开发降低环境噪音的AI模型和App。首先，团队录制了上百种噪音，比如工地、街道、菜市场、车辆引擎声等，再在每种噪音环境中混入200句语音对话，来训练AI模型辨识语音环境。学会分辨噪音类型后，再用AI进行噪音消音，保留人类语音，回传至电子耳中。实际运作上，手机App与电子耳连线，利用手机收音，经AI模型辨识噪音、降噪后，再将音讯传送至电子耳。实验显示，经降噪的语音环境可提高听障同胞的语音理解能力，最高提升40％。（详全文）

  影像辨识    精准农业     清大  

11公顷火龙果园靠AIoT和无人机来照顾，清大揭精准农业关键技术

清大电机资讯学院院长黄能富日前公开介绍自家团队研发的精准农业平台LPWAN，整合了IoT环境感测器、无线传输技术NB-IoT/LoRa、无人机、AI影像辨识和区块链等技术，透过数据来精准种植、施肥、收成，甚至辅助包装出货的分类作业。

全台最大的单一火龙果园屏东帝王果园，就导入这款平台来管理庞大的园地，来进行疏花、授粉、施肥和采果作业。感测器部分，可量测土壤温湿度、导电度，以及空气温湿度、光照度，由太阳能板供电，再由长距离、低功耗的网络传输技术LoRa或NB-IoT来传送资料至后台系统。在AI运用上，可分为果实数量预测和成熟度预测，清大团队先利用无人机空拍火龙果花朵影像，再切割至一张图约10朵花的大小，来标记花朵，然后用1,000多张影像来训练机器学习模型，用来辨识、统计花朵数量，预测果实数量。在分装阶段，清大收集了4,000张成熟火龙果影像，根据火龙果的鳞片颜色比例来标注成熟度，来训练模型、进行水果分类。（详全文）

  OpenAI    文字产生模型       GPT-2  

OpenAI释出具15亿个参数的GPT-2文字产生模型

经过9个月观察，OpenAI决定释出拥有15亿个参数的GPT-2文字生成模型及其程式码和模型权重。这个GPT-2模型采用800万页的网页作为训练资料，以预测文本的下一个字为目标。由于训练资料集庞大且多样，因此模型不需要对特定任务进行训练，就能应用于多种领域，包括机器翻译、问答、阅读理解和总结段落等自然语言任务。Open AI期望GPT-2能用来开发AI写作助理或语言理解系统等应用。

不过，OpenAI也表示，自9个月前开源小型版GPT-2模型以来，他们意识到建立“负责任的AI”的重要性。这是因为，只要给GPT-2模型一段文字，模型就能产生接续段落的文字，甚至是假以乱真的假新闻。OpenAI指出，接下来他们要继续探讨如何维持负责任的AI，并参与国际AI合作组织Partnership on AI，来研究相关议题。（详全文）

  Google    无程式码工具    机器学习  

Google更新无程式码机器学习工具Teachable Machine，现可分类声音

Google近日发布新版无程式码机器学习工具Teachable Machine，可用简单的方法来训练AI模型，来辨识动作和声音等更进阶的应用。

Teachable Machine是一个网页工具，使用者就算不会写程式，依然能轻松训练机器学习模型。Teachable Machine第一代可以用来辨识摄影机镜头中的物体，这次更新的Teachable Machine第二代扩充了模型支援的资料类型，比如可从影像来辨识人的姿势，或是分类声音，并以一键操作的方式训练和调校模型，让用户能输出和部署模型到网站、应用程序甚至是实体机器上。（详全文）

NEC    虹膜侦测     影像分辨率  

NEC首度展示行进中的人眼虹膜侦测新技术，更能认得2米远的不同人眼

日本辨识科技大厂NEC日前首次展示新一代人眼虹膜辨识模型雏型，突破了过去虹膜辨识的瓶颈。这项新技术不只能在定点辨识，也能在人员行走时成功识别身份，最远还能侦测2米距离的不同人眼。

此外，NEC这项新技术还能维持一定程度的高辨识率，这是因为NEC打造了一套用来辨识虹膜的人眼追踪系统，可根据行人距离远近、头部摆动，来自动缩放镜头画面，将对焦位置调整到眼部重点区域，以放大想要对焦的主体，让人眼画面更清晰，即使人距离2米远，直径1公分的人眼虹膜，拍摄出来影像分辨率仍可达到200万画素。接着，系统会将拍摄的虹膜影像输入到自家的虹膜辨识引擎，用来分析虹膜特征，来比对已注册的虹膜，以确认其身份。（详全文）

台湾人工智能学校    产业AI化    IT建设 

台湾AI学校产业AI化大调查：仅2成企业成功拥抱AI

台湾人工智能学校日前揭露台湾产业AI化的调查报告，样本涵盖学校1,162位校友与在学学员，对自家公司AI应用现状的回复，总企业数有516家。调查截至今年10月，有效问卷为1,095份，过半来自制造业，其次40％来自服务业，其他还有学术单位、金融业、财团法人、-等。

调查结果显示，86％的AI作答者，在上过AI学校的课程后，认为企业应该开始导入AI，但以实际执行层面来看，仅有43％企业明确宣布策略，而真正成功导入的企业只有20％。台湾AI学校首席执行官陈昇玮表示，约三分之一的台湾企业CEO没有导入AI的计划，这个结果较其他国家高。而阻挡企业推动AI的主因，则是资料品质不佳与取得不易，再来则包括了自家企业领导阶层认知不足、IT建设与人才缺乏等。（详全文）

图片来源／郑桂忠、阳明大学、黄能富、OpenAI、Google

 AI趋势近期新闻 

1. 脸书以PyTorch改写物体侦测函式库释出Detectron2

2. Yahoo奇摩新一代自动化物流中心入库到出货全程靠AI优化，10分钟就可出货

3. Google释出高效能切割模型ShapeMask

4. 图数据库Neo4j推出企业级全托管数据库服务Aura

资料来源：iThome整理，2019年11月