AI趋势周报第153期：面对大肠癌心慌慌？北荣用AI打造专属客制化疗法

重点新闻(1225～0101)

台北荣总    大肠癌    飞利浦  

面对大肠癌心慌慌？北荣用AI打造专属客制化疗法

台北荣总联手飞利浦，以累积数十年的癌症登记数据库大肠癌资料，来训练一套AI系统，透过与历史资料的相似度分析，来提供病人预后预测以及治疗历程建议，有助于医病沟通、共同制定最佳治疗决策。目前系统原始模型的相似度分析准确率为82%，双方期望将准确率提高至90%。

根据卫福部2020年癌症登记报告，大肠癌发生率为全台第一，每35分钟就有一人罹患。而大肠癌不同期数有不同的治疗方法，比如第一、二期以手术为主，第三期则需加以化疗，第四期则包括手术，加以化疗、标靶和免疫治疗等方法辅助。为根据每位病患的病征找出最佳治疗方法，台北荣总利用患者基本资料、病史、肿瘤大小与期别、手术方式与癌细胞组织化验结果等资料，建立多套演算模型，可针对罹癌病患病程中的不同时间点来计算，并提供分析结果给医生和患者，做为治疗决策参考。

目前，这套系统已能预测大肠直肠癌第一至三期开刀术后的副作用程度，以及后续化疗的必要性，甚至还能评估不同治疗方法的存活率。（详全文）

AI偏见     行销领域     孙民  

AI偏见人人喊打？孙民：在特定行销领域反而有其好处

刚结束的2020年，AI偏见人人喊打的声浪依旧高昂。继前年ImageNet大幅修改有争议的标签后，MIT撤回8千万张Tiny Image数据库中涉及种族歧视的影像，来降低偏见，Amazon、IBM和微软皆因担心通用样本代表性不足、造成种族歧视和技术滥用，选择退出人脸辨识领域，而把奥巴马变成白人的脸部重建模型StyleGAN算法PULSE，再次点出AI偏见议题，也引爆Facebook首席科学家Yann LeCun和前Google AI伦理专家Timnit Gebru的激烈辩论，各自认为偏见来自资料或AI模型本身。

上述多是偏见在AI通用性上的争议，不过，Appier首席科学家的孙民最近在媒体投书指出，AI偏见在行销领域并非全然的坏事。他说明，AI偏见来自训练模型的资料，而非模型本身。因为，AI是以各种机制取得的资料训练而成，这些资料包括输入资料、特征以及标签，来引导AI决策规则。也因此，模型会对某些资料产生较好的结果，却对其他类型的资料产出不良结果。

然而，对行销领域来说，透过偏见数据来训练AI模型，“会比完全中立来得更好。”他解释，对行销人员来说，如要服务特定客群，以该客群的资料来训练模型反而更有利，甚至能降低初期部署的成本。比如，一家针对18至25岁年轻女性销售时尚产品的公司，在使用AI推荐引擎时，能利用原本的偏见数据（编按:偏重搜集年轻女性，而非搜集所有人的初始资料集），来提供目标客群购买建议。而顾客做出更多决策时，模型也能从中学习、做出更精准的推荐。他认为，当模型与训练资料具有相同偏见时，这些偏见就能在模型部署初期发挥良好的成效。因为要搜集到公平无偏见的资料旷日费时，他反而认为：“利用这样的数据偏见，可以降低 AI 部署的初期成本，因为搜集无偏见数据的成本相对较高。”

但他也呼吁，AI偏见仍有可能带来严重的后果。比如，以特定年龄群的数据来训练模型，初期效果可能不错，但一阵子后，销量可能不见起色。这时，可透过改变资料搜集方式和A/B测试，来观察模型表现，并了解模型评估特定特征或特征组合的原理。（详全文）

 图机器学习    Graph    AutoGL  

AutoML还不够，北京清华开源AutoGL来自动执行图学机器学习任务

北京清华大学日前在GitHub上开源一套用于图学（Graph）运算的AutoML工具：AutoGL，能自动执行图学资料相关的机器学习任务，特别是图学学习（Graph Learning）中最常见的节点分类（Node Classification）和图学分类（Graph Classification）任务。

图学是用来描述事物间关系的结构，由节点和边组成。而图学机器学习可解决许多复杂的研究领域，像是蛋白质建模、新药开发、社群媒体分析、假新闻、金融风控等。但图学机器学习非常复杂，难以大规模扩展应用，且图学资料的结构、内容和任务也可能相差甚远，很难自动进行机器学习模型运算。

不过，北京清华尝试用AutoML的思维来设计AutoGL工具，以解决这个问题。只要上传训练用的资料集，可以使用包含大规模图特征学习工具包CogDL和图神经网络库PyTorch Geometric（PyG）中的资料集模组。这些资料会进入AutoGL Solver，此时会透过4个模组来自动训练，包括是特征工程（Feature Engineering）、图学习模型训练（Graph Learning Model）、超参数优化（HPO）以及模型自动整合（Auto Ensemble）。目前支援Python 3.6.0版本和PyTorch 1.5.1或以上。（详全文）

  PaddleHelix    生医算法       百度  

百度开源生医领域专用的AI运算平台PaddleHelix

百度日前在深度学习开发者大会上，宣布释出生物运算平台PaddleHelix，锁定生物医药、疫苗设计和精准医疗三大领域，开源一系列算法和模型，包括RNA二级结构预测、大规模分子预训练、药物-靶点亲和力预测以及ADMET成药性预测等。

其中，在精准医疗领域，PaddleHelix针对临床资料、蛋白组资料、基因组资料、单细胞资料等不同类型资料，提供特征学习模型、药物反应模型、疾病预后模型等，要助医疗人员更准确地分群和描绘个体，找出最适合的治疗决策。（详全文）

  MuZero     DeepMind     环境规划  

DeepMind新作MuZero，不懂游戏规则也能快速规划行动

Alphabet旗下AI子公司DeepMind近日发表新一代AI系统MuZero，能在完全不知规则的情况下，熟悉围棋、国际象棋、将棋，以及57款Atari游戏，效能大幅超越现有最佳的DQN、R2D2与Agent57系统，可望用来解决现实生活中，规则太复杂或完全不知规则的各式难题。

MuZero的特点是，只在乎影响决策环境的最重要因子，比如，棋子现在位置的价值、最佳行动的策略，以及上一个行动的成效等。深度神经网络就从中学习，来理解采取特定行动时产生的结果，并依此展开规划。经DeepMind测试，MuZero除了在效能上击败前几代AI系统，要是赋予MuZero更多的演算时间，还能大幅提高表现。研究者认为，当MuZero具备学习环境模型的能力，可用来解决机器人、工业系统或其它未知规则的混乱现实环境中，所存在的新挑战。（详全文）

  TensorFlow 2.4     分散式训练    GPU  

TensorFlow 2.4出炉，主打更多分散训练策略和NumPy支援

深度学习函式库TensorFlow释出最新版本2.4，支援新的分散式训练策略，Keras也更新了混合精度功能，加速模型训练工作。此外，TensorFlow 2.4还提供Python开发者数值运算函式库NumPy支援。

进一步来说，TensorFlow中分散式训练模组tf.distribute更新两个重要策略，让开发者可以不同方法进行分散式运算。首先是多工作节点镜像策略MultiWorkerMirroredStrategy API进入稳定阶段，而参数服务器策略ParameterServerStrategy API和自定义训练循环，则开始提供实验性支援。

在新版中，Keras混合精度已成稳定API。大多数TensorFlow模型都使用float32资料类型，但是部分像是float16低精度类型，使用较少的内存，因此在同一个模型中，同时使用32和16位元浮点数，可提升训练速度，而使用混合精度API，可让模型获得3倍效能，在TPU上效能提升60％。（详全文）

Nvidia   AWS市集    NGC AI软件 

Nvidia联手AWS，21种热门NGC AI软件可从AWS市集下载了

Nvidia联手AWS，把21种NGC云端软件资源放到AWS市集上，让用户直接下载、免费在AWS云端平台执行NGC软件和服务。Nvidia在2017年释出NGC软件资源，已有25万不重复用户，NGC目录中的AI容器、预训练模型、应用程序框架、Helm图表和其他机器学习资源，已突破100万次下载。

现在，AWS是第一个提供NGC软件资源的云端服务供应商，AWS使用者可更简单部署Nvidia GPU工作负载。在AWS市集中的NGC软件，包括21个热门的GPU加速AI软件，像是Nvidia AI、DeepStream SDK、Clara Imaging、Merlin和RAPIDS等框架与工具，可用于医疗保健、推荐系统、电脑视觉和资料科学各领域。（详全文）

贝氏加速器     IBM      AI偏差  

IBM推出贝氏最佳化加速器，让产品设计模拟速度更快

IBM发布贝氏最佳化加速器（Bayesian Optimization Accelerator），以AC922服务器为基础，提供先进的通用参数最佳化方法，能找出复杂真实世界问题的最佳解，缩短产品和设计团队的设计时间。

贝氏最佳化加速器是由IBM研究院开发的先进通用参数最佳化工具，用户只需要定义设计变数、目标和限制，最佳化引擎就能计算出最佳解。贝氏最佳化加速器是一个完整的设备，包含了硬件、软件和安装服务，用户只输入少量的起始资料，贝氏最佳化加速器就能开始平行扩展运算，大幅降低运算时间。此外，贝氏最佳化加速器能以89％的精确度，找到可追踪且可解释的最佳解决方案，且因为不需先验资料（Prior Data），也就消除了产生偏差的可能性。 （详全文）

图片来源／北京清华大学、百度、台北荣总

 AI趋势近期新闻 

1. Nvidia推出端到端机器人增强学习模拟环境Isaac Gym

2. 富士通研究人员发现AI艺术生成系统，普遍存在种族与性别偏见

3. IBM 携手新光人寿，打造AI签名辨识系统

资料来源：iThome整理，2021年1月