AI趋势周报第76期：成大开发水源有害藻类预警系统，下一步要引进机器学习检测

重点新闻(0215～0221)

成大    水源监测    机器学习  

成大开发水源有害藻类预警系统，下一步要引进机器学习检测

成大开发出一套水源有害藻类预警与处理系统，已在全台29座水库实测，希望可用来提高饮用水安全。成大水工试验所所长林财富指出，水中蓝绿菌会产生臭味与毒素，更可能导致肝肝癌、肝硬化。而传统透过显微镜人工计算蓝绿菌的数量，1个小时才能判断1个菌种样品，而林财富团队采用分子生物分析方法，可直接于水库现场进行DNA定量计数，3小时就能完成32至96个样品，速度至少提高10倍。这项专案在科技部支持下完成技术开发，而过去5年内，研究团队已于全台29座水库，进行500多次测试，近来也与国外展开11项专案合作，比如协助菲律宾进行第一次大规模贝湖水源调查。

林财富表示，经过定量分析，能更精准掌握产毒藻类数量，更能精准判断处理方式和施药剂量，提高水库、水厂处理效率。他也说道，随着资料不断累积，未来将引进机器学习，来检测有害藻类。（详全文）

  高雄大学     深度学习   机器手臂  

高雄大学打造出可声控的AI机器手臂

高雄大学电机系教授吴志宏与研究生日前发表AI机器手臂，以深度学习框架，开发出能辨识不同物体的系统，并结合到机器手臂，使机器手臂只要在视线范围内，就能辨识、夹取特定物体，有别于传统机器手臂的定位夹取。为打造影像辨识系统，团队先拍摄多张检测物体的照片，建立出标准影像数据库，再从中萃取特征，辅以多种像素计算模型，取最高者为通用计算模型，来训练机器手臂夹取物体，以在短时间内辨识物体，侦测物体位置、角度和深度。

吴志宏表示，这套机器手臂已能分辨和夹取不同类型的螺丝与螺帽、蔬菜作物、仿生胶带等，也已导入声控功能来下指令。不过他表示，机器手臂还能更进步，透过回馈的资料来改善稳定性和辨识准确度。（详全文）

 

  IBM     Project Debater     辩论  

IBM AI公开挑战世界辩论冠军，虽败犹荣

IBM AI辩论系统日前公开挑战前世界辩论大赛冠军Harish Natarajan，进行临场抽题的实战辩论比赛。IBM这套系统名为Project Debater，是IBM费时6年打造的AI系统，利用报章杂志、维基百科和学术论文等训练而成，而IBM Watson则是这次Project Debater说话语音的关键。这次大赛以是否补助托儿所为题，双方在赛前15分钟才知道题目，辩论时间为6分钟，胜负则有赖观众投票。

Project Debater从道德角度出发，表示补贴托儿所不单是财政问题，而是必须的道德与政治手段，来保护社会上最脆弱的成员。它也引用了研究和历史数据，指出投资学龄前教育能带来更成功的生活，更好的收入以及降低犯罪率。虽然最后败给人类对手，但Project Debater仍展现良好的自然语言处理能力，更有58％观众认为AI辩论系统的论述，加深了他们的知识，只有20％认为人类对手有做到这点。（详全文）

  Uber    AI工具箱       深度学习  

Uber开源AI工具箱，免写程式就能训练和测试深度学习模型

Uber AI实验室开源释出训练和测试深度学习模型的AI工具箱Ludwig，该工具箱建立于深度学习框架TensorFlow上，标榜不需要写程式就能完成模型的训练和测试工作，还具备通用性、灵活性和扩展性。在通用性的部分，Ludwig允许开发者使用CSV的表格文件和资料序列格式YAML配置文件，来训练深度学习模型，将编码时间从数小时缩短至数分钟，若有超过一个输出目标变数，Ludwig会执行多任务学习。此外，Uber为多种模型架构参数建立预设值，同时也能个别设定模型配置文件的功能。Ludwig目前于GitHub平台以Apache License 2.0授权释出。（详全文）

  机器学习   资料集     分析验证挑战  

科学家警告：机器学习所发现的资料可能不可靠

美国贝勒医学院与莱斯大学的科学家，在美国科学促进会（AAAS）年度会议上发表了一份研究报告，指出AI太急于应用在生物医药研究上某些领域，所带来的不准确结果，可能导致科学危机。BBC引述莱斯大学电脑科学副教授Genevera Allen的看法，愈来愈多科学研究采用机器学习软件来分析资料，但相关软件所找到的模式只存在于资料集中，而非真实世界；而且这些研究成果，通常要等到另一个采用相关且更大的资料集的分析结果出炉后，才发现两者结果不一致，进而意识到机器学习的问题。（详全文）

IBM Watson    心血管疾病     算法  

IBM Watson与学界合作发展心血管疾病算法

IBM Watson Health部门宣布将与MIT、哈佛大学合组的博德研究所（Broad Institute）合作，结合基因、临床资料及AI技术，开发预测心血管疾病的算法。这项三年合作研究结合人体生物数据库、基因资讯及电子病历，强化多基因评分（Polygenic Scoring）的预测能力，辨识罕见基因会在何时结合临床、病理及环境因素形成致病风险。而本研究汇整的个人长时间及临床资料、病历、DNA定序和基因因子资料，将有助于这些模型的发展，最终可协助医疗人员辨识及量化出病患罹患心血管疾病的风险。（详全文）

脸书    ELF OpenGo     开源  

脸书开源经2千万场自我对战训练的ELF OpenGo模型

脸书去年开源了能完败职业围棋高手的人工智能ELF OpenGo，现在更进一步开源经两千万次自我对战的模型与资料集等相关研究成果。这次开源的ELF OpenGo是目前最新模型和最佳程式码版本，包括2千万次自我对战的模型以及1,500个中介模型资料。此外，也包括了300多年的8.7万场专业围棋历史对战资料集，收集了1700年到2018年的围棋赛局。脸书系统透过机器人和人类之间的棋步预测，来评估这些历史赛局棋步的水准，并同时释出工具，让使用者能深入每一场围棋对战的细节。该互动工具提供视觉化功能，方便使用者能更轻易地检视历史资料存档。（详全文）

AWS     Alexa技能      Skill Blueprints  

AWS新增多项Alexa技能模板，还能让用户推出自创应用

AWS近日针对部落客、企业和创作者更新Skill Blueprints，让用户创建的Alexa技能，可以在任何搭载Alexa的装置中执行，而且不会限制用户创建的技能数量。其实，Skill Blueprints是AWS去年为美国用户推出的服务，提供多种模版，让用户不需要撰写程式，就能直接部署到绑定该账户的Echo装置中。

这次Skill Blueprints的更新，让使用者能更简单打造并发布Alexa技能，来接触更多客户。比如AWS针对用WordPress且安装Amazon AI插件的部落客推出了Blog模板，WordPress的Amazon AI插件能透过AWS文字转语音技术和翻译工具，将部落格中的贴文自动转换为语音，部落客就能为贴文打造语音动态。（详全文）

图片来源／王若朴、高雄大学、Visually Attractive for IBM、脸书

 AI趋势近期新闻 

1. 为确保AI安全性，OpenAI呼吁ML专家要与社会科学家一同合作

2. Zoho发表智慧助理Zia，为其办公室套装加入AI辅助功能

3. Mozilla将与游戏业者共同开发基于AI的除错工具

资料来源：iThome整理，2019年2月