AI趋势周报第160期：没Cookie怎么精准行销？Google用联合学习试水温

重点新闻(0305～0311)

  Cookie     资料隐私     联合学习  

没Cookie怎么精准行销？Google用联合学习替代追踪方案

Google大动作宣布，要在本月释出的Chrome中公开测试同类分群联合学习（FLoC）算法，来提供新的行销追踪机制，而且今年第二季，就要在Google Ads和广告主一起测试FLoC。

当隐私成为显学，主流浏览器如Firefox、Safari和Chrome等都已经或准备封锁第三方Cookie。为让广告主在尽量不侵犯隐私的情况下推销产品，Google提出隐私沙箱专案，首先上阵的就是FLoC。FLoC是个API，可让广告主可触及“一群”拥有共同兴趣的使用者，让个别使用者隐身于群众中，且FLoC在使用者装置上执行，不会上传浏览纪录。Google测试发现，FLoC的广告转换效果，可达到Cookie的95%。

除了FLoC外，今年4月释出的Chrome 90还将整合隐私沙箱的控制功能，像是简单的开启或关闭选项，未来还会陆续新增各种隐私沙箱提案的控制能力。除了控制，隐私沙箱提案还包括诈欺侦测、量身打造的内容、第一方处理、广告测量，以及以隐私为预设来请求浏览器资讯等。（详全文）

  史丹佛大学     AI Index    Benchmarks  

史丹佛重磅发表年度AI指标报告，吁Benchmark需再造

史丹佛大学近日发布2021年指标报告AI Index，盘点AI过去一年的各种进展，涵盖7大主题，包括AI研发现状、各种AI技术发展（如NLP、电脑视觉和概念学习等）、AI经济效应、人才教育、伦理挑战、多元性、AI政策和国家策略等。

其中，报告特别强调测试基准（Benchmark）再造的急迫性，不论是AI伦理、电脑视觉、NLP等领域，都需要更多更好的基准测试。这是因为AI模型推陈出新速度越来越快，而基准测试是衡量AI能否即时部署的关键，也是开发者调整算法的参考。史丹佛大学举例，以大幅商业化的电脑视觉来说，这些模型在大型资料集基准测试上，已开始出现“平化”现象，意味着电脑视觉社群得建造更多更能鉴别模型的基准测试才行。

NLP亦是如此。报告指出，NLP技术发展迅速，让此类AI系统开始产生有意义的影响，比如Google和微软正式在自家搜索引擎部署BERT，而超大型NLP模型也不断产生。这些发展渐渐超越基准测试的脚步，甚至一些模型在高公信力的基准测试SuperGLUE上，已超越人类等级，因此需要设计新的、有挑战性的基准测试才能鉴别。（详全文）

  台北市交通局     影像辨识    感应性号志  

北市交通局靠AI辨识人车自动调整灯号，今年要扩大于忠孝东路12处路口部署

台北市交通局日前揭露扩大影像辨识应用，来自动调整交通号志，今年要从忠孝东路5段423巷等12处路口着手。北市交通局指出，前年开始，团队已于文林北路75巷与94巷（支道）部署影像辨识系统，来侦测行人和车辆状况，要是支道无人，就自动延长文林北路（干道）绿灯时间，来避免离峰时刻空等红灯；要是侦测支道行人较多，系统会自动延长行人号志。

这个作法就是感应性号志，北市交通局去年实施下来，发现前年夜间干道空等率下降了35％，去年则下降32％，干道绿灯时间增加了29%，今年将扩大办理。

不只如此，北市交通局前年也同时推动动态号志应用。有别于感应性号志，动态号志是指，结合影像辨识和当下车流的变化，来即时调整号志灯。前年，北市交通局先于内科、南软9处主要路口设置动态号志系统，收集了57组车辆侦测器的即时流量，每5分钟就最佳化号志时制；而2020年则扩大到基隆路、信义路和光复南路等10处路口，收集12组流量侦测器、4组智慧影像摄影机的即时流量和停等车队长度资料，来即时调整路口号志时制。北市交通局表示，基隆路口北上在上班时段，最多可减少7、8分钟旅行时间。他们计划在2022年完成建置55处动态号志、38处感应性号志。（详全文）

  物件侦测   Detectron2Go       模型训练  

脸书开源物件侦测外挂D2Go，让你一支手机搞定模型训练和部署

脸书最近释出一项新工具Detectron2Go（简称D2Go），让物件侦测模型可在硬件资源有限的行动装置上，进行训练和部署。脸书指出，物件侦测AI有两大关键，一是准确率，二是延迟，而延迟是最大的挑战。因为，这些部署在服务器或云端的模型，必须先收集资料再上传至云端，来进行推论，因此造成延迟。

为解决这个问题，脸书开发D2Go，让模型直接在装置上训练、部署，不仅降低延迟，也减少隐私疑虑。进一步来说，D2Go以Detectron2为基础，也就是一款脸书2019年发布的PyTorch函式库，可让开发者直接将客制模组套入任何物件侦测系统。而D2Go是其中一个外挂模组，可让开发者在行动装置或硬件上，用来训练、部署脸书优化过的FBNet模型。脸书表示，D2Go具开源软件互通性，开发者可用PyTorch Lightning作为训练框架，或社群既有工具来开发。

他们也强调，经测试，以D2Go开发的装置模型不只降低延迟，准确率也与用服务器来训练的大型模型差不多。脸书内部也早已广泛使用D2Go，其中一例就是将平面照片转为3D照片的功能。（详全文）

  微软     边缘运算 nbsp;   Azure Percept  

微软边缘AI运算平台Azure Percept进入公开预览阶段

微软在年度开发者大会Ignite上宣布，边缘AI运算平台Azure Percept正式进入公开预览阶段。Azure Percept 由两大元件组成，也就是Azure Percept Studio和Azure Percept DK开发套件。前者为一平台服务，无缝整合各种Azure服务，来简化边缘装置的供应、管理与机器学习部署。Azure Percept DK则是基本硬件装置，包含可信赖平台模组（TPM）和Azure Percept Vision视觉模组，用户也可额外添购Audio声音模组。

在预览阶段，微软将开放用户免费试用Azure Percept平台，亦打算于包括台湾在内的十多个国家提供Azure Percept DK与Azure Percept Audio声音模组，但目前仅供美国用户预购。（详全文）

Amazon    Alexa技能     Alexa 自然语言处理  

开发Alexa技能更简单，Amazon正式发布开发工具Conversations

为大幅简化Alexa技能开发工作，Alexa Skills Kit对话管理器Alexa Conversations终于释出正式版，首先推出美国英语版，之后会扩展到更多语言。

该工具可简化原本开发Alexa技能的难度，比如将原本需撰写5,500行程式码的语音应用程序，减低到1,700行，或是减少Alexa互动次数，将原本需要互动40次才能完成的任务，缩短至10多次。

此外，正式版本还加入许多功能更新，像是提供对话复制、支援新命令列界面以及更新设计指南，让开发者更容易在Alexa上开发语音应用。（详全文）

图片来源／脸书、台北市交通局、微软

 AI趋势近期新闻 

1. D2iQ推出企业级端到端机器学习平台Kaptain

2. 台湾港务公司智慧港口再开放，将引进AI来调度港务作业

3. 美国-发布AI战略报告NSCAI

资料来源：iThome整理，2021年3月