AI趋势周报第130期：误差一米以下！三星AI开发室内精准Wi-Fi定位方法FiDo

重点新闻(0501～0507 )

  三星    WiFi     室内定位  

误差一米以下！三星AI开发室内精准Wi-Fi定位方法FiDo

三星AI研究院日前发表一套室内精准定位系统FiDo，利用室内Wi-Fi讯号和AI算法，来精准定位使用者的即时动态，误差可至一米以下。研究团队表示，该技术可用于智慧居家照护，比如跌倒侦测或辅助现有智慧家庭装置。

进一步来说，现有Wi-Fi定位系统可分为两种，一是根据装置讯号来定位，另一种是无装置定位，也就是根据人体移动对Wi-Fi讯号造成的干扰，来描绘出移动路径。虽然无装置定位受到青睐，但却容易发生定位不一致的问题，特别是在室内多人的情况下。

为此，团队开发一套算法来辅助FiDo，这套算法可在非监督情况下学习新输入值，为不同人产生可靠的定位资讯。在整个FiDo系统中，资料增强器会先根据收集到的Wi-Fi定位轨迹，来合成更多不同的轨迹，再由变异自动编码器来找出统计特征值。这个方法，可根据一、两位使用者产生的轨迹，再创造出一群虚拟使用者轨迹，让系统能更精准定位新进的使用者。此外，FiDo还有一个领域适应分类器，可以预测不同领域的位置，不论是经标注的使用者资料还是新进、未标注的资料，都可以预测。经测试，FiDo比现有的进阶定位系统都还要精准，召回率和精准度分别达到84.6%、85%。（详全文）

LinkedIn     面试问题     自动生成  

LinkedIn发表面试问题产生器，要助HR快速找对人

LinkedIn发表一套AI工具Job2Questions，可根据职务内容来自动产生面试问题，以进行第一波筛选。LinkedIn在一项调查中发现，企业以电话初步筛选求职者时，通常有70％会漏掉申请人与职务的基本资格。而近日受武汉肺炎（COVID-19）影响，不少企业表达愿意透过AI，来完成面试的初步筛选。

为此，LinkedIn开发这套工具，可根据职缺说明，产生高度相关的问题。进一步来说，Job2Questions会将职缺说明拆解为句子，然后转换为问题样板与可能的回答（也就是变数），比如“是否取得xx等级的学历”和“学士”。再来，系统会将这些句子归类至人资专家设计的样板，并利用连结系统来侦测回答。之后，Job2Questions还有一套网络，来进行文字的语意分析，最后再由排名模型，从中挑出最佳问题。

为验证模型，LinkedIn也进行两周实验，发现只有18.67％未正确回答AI生成问题的受试者，被HR专家评为合适人选。团队指出，该工具的最大价值，在于能找出求职者履历中未填的关键资讯。（详全文）

  三军总医院     视讯诊疗    语音转文字  

三总借助视讯导诊，还有AI语音转文字自动纪录病历

在武汉肺炎（COVID-19）期间，为避免不必要的接触，三军总医院打造视讯诊疗服务，让患者不必到医院，也能享有看诊服务。该服务不需下载App，患者透过原本的挂号系统，就能接收医院发送的视讯连结，与医生互动。在该视讯诊疗平台上，医生也可查看患者的相关检验纪录和居家监测数据。

此外，该系统结合AI语意分析，可同步将医病的主诉纪录，自动转换为文字病历，储存至看诊平台。未来，三总也计划串接影像线上说明，让患者透过影像说明更了解自己的影像检测结果。

  IT异常事件   OpenShift       IBM  

IBM推出IT异常事件检测工具，要助CIO掌控企业IT动态

IBM日前在年度大会上推出企业IT异常事件检测工具Watson AIOps，锁定基础架构层，不仅能自动即时检测IT异常事件，还可以诊断和回应，避免意外故障和业务中断。IBM指出，Watson AIOps可在混合云环境中执行，也支援新版红帽OpenShift平台，以及企业协同工作平台Slack和Box等。

Slack首席执行官暨联合创始人Stewart Butterfield就举例，Slack结合Watson AIOps后，可促进IT维运人员协同合作，直接对异常事件提出解决办法。另一方面，IBM这套工具也能与传统IT监控解决方案商整合，比如Mattermost、ServiceNow。（详全文）

 

 

  R    导入字串    程式语言  

R 4.0.0来了！导入字串将不再预设为类别变数

资料科学热门语言R推出最新版本4.0.0，除了修复不少臭虫，还有许多重大更新，甚至可能影响R计算结果，因此在执行旧版本撰写的脚本时，还需先验证，也要重新安装套件。

新版最重要的更新，就是导入的字串资料，不再被预设转换成类别变数（Factor）。旧版stringsAsFactors的选项会预设为True，因此导入的字串资料会被转换成Factor物件，但在新版中，stringsAsFactors的预设则是FALSE。其他更新，还包括新增用来指定原始字符字串的新语法，比如类似C++的表示法r"(...)"；此外，新版强化了参照计数系统，R能尽量收回内存，减少R整体内存使用量。（详全文）

Cloud 脸书    聊天机器人    Blender  

脸书开源94亿个参数的强大聊天机器人Blender

脸书AI团队日前开源一款聊天机器人Blender，号称是全球最大的开放领域聊天机器人，不仅采用94亿个参数，还能在14轮的自然对话中，发挥个性、知识与同情。团队指出，这是全球第一个，可学习融入不同对话技巧的聊天机器人。

经人类评鉴，Blender在交流的能力上凌驾既有最大系统Meena，也更人性化。虽然如此，脸书也坦承现在的版本，仍与人类级的对话有所差距，比如出现矛盾、重复等问题，未来将透过调整架构、损失函数，来改善对话品质。此外，开发者也可透过脸书的对话研究平台ParlAI取得Blender，来微调或执行各种评估。（详全文）

Google   表格资料    自然语言 

表格查询更简单！Google开源可以自然语言查询表格的新方法TAPAS

Google利用自家自然语言处理技术BERT，开发出可处理表格资料结构、回答表格内容查询的新方法TAPAS。TAPAS不只能处理单一表格类型，还能应用到广泛领域的表格。

Google指出，许多资讯以表格的形式储存，但要以自然语言查询，须先把自然语言问题转换成SQL查询，这种方法有许多限制，如只能处理特定表格，难以扩展。因此，Google着手处理查询问题的方法，利用BERT开发出可将问题和表格内容逐行编码的模型。为进行预训练，团队从英文维基百科中，撷取了620万个表格文字配对，让模型学习恢复表格或是文字中，遭移除的单字。之后，团队利用弱监督方法微调。经测试发现，TAPAS在SQA资料集中的表现，比高阶模型（SOTA）高了12.1分。（详全文）

TensorFlow     机器学习     Runtime  

TensorFlow推出新Runtime，要来支援运算需求

Google推出TensorFlow RunTime（TFRT），能大幅提升推理速度、简化TensorFlow堆叠。虽然TFRT还在初期阶段，但已整合至TensorFlow专案中，开发者可选择启用，未来则会成为预设Runtime。

Google指出，TensorFlow五年前出现时，是要简化在不同装置上，建置和部署机器学习模型的过程。但目前，机器学习生态系已大有不同，计算需求大幅增加。这次推出的TFRT，具备可扩展性和模组化特性，其平均GPU预测时间比旧式Runtime快上28％，能改善机器学习应用的效能，或是让硬件制造商以模组形式，将TensorFlow整合进边缘装置和资料中心。（详全文）

图片来源／Samsung AI、LinkedIn、三军总医院、IBM、Google、TensorFlow

 AI趋势近期新闻 

1. OpenAI发布可自创歌曲的机器学习框架Jukebox

2. Google推出用于可方便探索武汉肺炎科学文献的工具

资料来源：iThome整理，2020年5月