MAKER EVEN

根據美國商務部的數據，STEM職業的增長率為17％，而其他職業的增長率為9.8％。 即使在非STEM職業中，STEM學位持有者的收入也更高。 科學，技術，工程和數學工作者在美國經濟的持續增長和穩定中發揮著關鍵作用，是幫助美國贏得未來的關鍵組成部分。 STEM教育創造了批判性思考者，提高了科學素養，并使下一代創新者成為可能。 創新帶來了維持經濟發展的新產品和新工藝。 這種創新和科學素養取決于STEM領域的扎實知識基礎。 很明顯，未來的大多數工作都需要對數學和科學有基本的了解。 盡管有這些令人信服的事實，但美國學生的平均數學和科學成績落后于其他發展中國家。 什么是STEM？ STEM代表科學，技術，工程和數學。 STEM非常重要，因為它遍及我們生活的方方面面。科學在我們周圍的世界無處不在。技術不斷擴展到我們生活的方方面面。工程是道路和橋梁的基本設計，但也應對了改變全球天氣和環境友好變化的挑戰。數學存在于我們生活中的每一個職業，每一項活動中。通過讓學生接觸STEM并讓他們有機會探索與STEM相關的概念，他們將培養對它的熱情，并希望在STEM領域找到一份工作。基于STEM的課程具有幫助學生學習的現實生活情境。像“兒童工程”這樣的課程整合了多個課程，為觀看概念與生活的關系提供了機會，從而有希望激發對未來STEM領域職業生涯的熱情。 STEM活動為學生提供實踐和思想上課。讓數學和科學既有趣又有趣，有助于學生做更多的事情而不僅僅是學習。 為何選擇STEM？ “在21世紀，隨著我們面臨全球化和知識經濟的利益和挑戰，科技創新變得越來越重要。為了在這個新的信息化和高科技社會中取得成功，學生需要將他們在STEM中的能力發展到遠遠超出過去認為可接受的水平。“ 誰受益于STEM？ STEM教育有助于彌合有時在數學和科學領域發現的種族和性別差距。已經制定了一些舉措，以增加婦女和少數群體在STEM相關領域的作用。 STEM教育打破了傳統的性別角色。為了在全球經濟中競爭，STEM教育和職業必須成為國家的優先事項。每個決策都使用STEM的一個方面來理解其含義。 總之，STEM教育對于幫助美國保持世界領先地位至關重要。如果STEM教育沒有得到改善，美國將繼續在數學和科學成績的世界排名中下降，并且將無法維持其全球地位。學校的STEM教育對于激發學生在STEM職業生涯中的興趣...

AI無疑是如今最火的領域。2017年，Google正式發布其新的開源計劃--AIY Projects(AIY計劃)，目標是讓每個 Maker(創客) 都能 DIY 自己的 AI 人工智慧產品，讓更多人能學習、探索并體驗人工智慧。其中，Voice Kit 是語音識別開發工具，它允許用戶使用 Google Assistant??SDK 將Raspberry Pi轉變為語音控制助手。Vision Kit 是圖像識別開發工具，由TensorFlow 機器學習型號提供支持，支持離線識別。近日有消息稱：AIY 系列套件已經在港率先開售。 小身材，大作為，讓人工智慧為人人可用 1、AIY Voice Kit 語音套件 AIY Voice Kit 作為一款語音工具，可以連接云服務，如 Google Assistant SDK 或者 Cloud Speech API 均可，也可以使用自身系統，其自身采用的系統很簡單，為全球流行的樹莓派(Raspberry Pi)。用戶可在此基礎上創建虛擬語音助手、為自己的項目添加語音交互功能。Voice Kit 的組成，主要有聲音捕捉、回放附件，非常易用的連接器、子板、揚聲器、微伺服系統等等。 Voice Kit的主要功能及作用： ·可取代物理鍵和顯示屏; ·可取代智能手機APP以控制連接的設備; ·可以為助理機器人增加語音識別的功能。 2、AIY Vision Kit 視覺套件 AIY Vision Kit 的主要組件是 Raspberry Pi 的 Vision Bonnet 配件板。這個組件的低功耗視覺處理單元能在設備上運行神經網絡模型。附帶的軟件運行三個基于TensorFlow的神經網絡。 其中一個基于MobileNets 平臺，能夠識別超過千種日常物品。第二個可以在圖像中發現面部和表情。最后一個是專門用于辨別貓，狗和人的神經網絡。 Google 還為 AIY Vision Kit 創建了工具，允許用戶使用 TensorFlow 訓練新模型。該套件支持 Python API 以進行基本更改，例如更改按鈕 LED 的顏色，調整揚聲器音量等。 北美一上架就售空！Google AIY到底有多神奇?！ AIY Voice Kit 套件可借助 Google Assistant SDK 和 ...

Google 在美國時間 3 月 6 日公布推出名為 Coral (beta) 的平台，讓大家可以建構具備本地 AI 的物聯網終端裝置，並同時發表了五款硬裝置。 所謂「本地 AI （ local AI ）」或稱為「 On-device AI 」，是指不經過雲端，而是在本地端裝置（邊緣裝置）上進行 AI 處理， Coral 平台就提供了完整的本地 AI 工具，讓開發人將意念從原型化為產品。它包括硬件元件、軟件工具和內容，讓開發人創建、訓練和執行本地邊緣裝置神經網絡。Coral 平台還同時支援 Google 今日推出正式版的人工智能框架 TensorFlow Lite 。 備有 Edge TPU 機械學習加速的 Coral Dev Board Google 同時公布了五款 Corel 平台裝置，分別是單板電腦「 Coral Dev Board 」、支援 Raspberry Pi 或 Debian Linux 電腦的 USB 加速器、對應 Dev Board 的 500 萬像素鏡頭模組、 Dev Board 的系統模組（ SoM ），和輕易將機械學習加速器 Edge TPU 與現有電腦系統整合的 PCI-E 加速器。 支援 Raspberry Pi 或 Debian Linux 電腦的 USB 加速器，同樣內裝 Edge TPU 。 裝有 Edge TPU 的系統模組 其中， Coral Dev Board 就像一塊專為本地 AI 優化的 Raspberry Pi ，附有一片可置換、備有 Edge TPU 機械學習加速器的 SoM 系統模組，它使用名為 Mendel Linux 的 OS ，支援 TensorFlow Lite 框架。編程語言方面，現在只支援 Python ，但將來就會加入 C++ 支援。售價為 $149.99 美元（約為港幣 $1,177 ）。 Edge TPU 模組規格 底板規格 日前， Gravitylink 商城宣布成為 Google AIY 系列產品的香港獨家授權經銷商，在他們網站也見到有關 Edge TPU 產品即將上市的宣傳，相信不久香港也能買到 Coral 平台產品吧？ 日前宣布成為 Google AIY 系列產品的香港...

消息說Google AIY系列開發套件已經登陸香港了！動手創作你的人工智慧，預售開啟： https://store.gravitylink.com   歡迎關注Google AIY系列開發套件香港線上商城——引力互聯Gravitylink Store。 人工智慧允許電腦執行日益複雜的任務，如理解語音或識別圖像中的內容。內置於硬體中的人工智慧讓您可以構建感覺更加個性化的設備，可以接受訓練以解決個人問題，並做出人們還沒有想到的事情。構建基於AI的東西過去需要昂貴的硬體和先進的電腦科學學位，但通過Google AIY Projects，學生和創客可以開始構建，玩和學習人工智慧。   Google AIY Vision Kit（又稱為視覺套件），可以處理圖像識別和電腦視覺, 支持離線識別上千種常見物體（動物、植物）以及人臉、面部表情等。比如自帶的Joy Detector，就能使用機器學習來檢測人臉表情，比如微笑、皺眉等等。皺眉時按鈕會變藍色，微笑則變黃色。若人臉的表情很誇張，設備會發出聲音。假如相機看到多張人臉，它將評估每張人臉並計算每張人臉的喜悅分值。 （注意：嘗試將相機拿到指向的人臉至少一臂開外的距離。如果拍攝對象太近，相機有時會出現問題。在嘗試這個Demo時，請謹記此點。） 簡單來說，這個工具其實是一套紙板拼裝起來的東西，可以自己動手搭建一個類似智慧相機的“紙相機”。 拼裝過程很簡單，根據說明就可以自己在家完成。即使是八九歲的小孩子，也能完成這個工程（超簡單的啦）。 對maker來說，還可以將自己的創意想法加在上面，那就需要動點腦袋。不過即使不會任何編碼，也能組裝一個智能相機。

AI無疑是如今最火的領域。2017年，Google正式發布其新的開源計劃--AIY Projects(AIY計劃)，目標是讓每個Maker(創客)都能DIY自己的AI人工智能產品，讓更多人能學習、探索並體驗人工智能。其中，Voice Kit是AIY的語音識別項目，它允許用戶使用Google智能助理SDK將Raspberry Pi轉變為語音控制助手。Vision Kit是AIY項目打造的圖像識別設備，該套件由Google的TensorFlow機器學習型號提供支持，支持離線識別。就在近日有消息爆料：AIY系列套件就要在中國香港地區率先開售，人工智慧新壹輪風潮即將襲來。 　　 小身材，大作為 　　讓人工智慧為人人可用 　　 1、AIY Voice Kit 　　Voice Kit作為壹款語音工具，可以連接雲服務，如 Google 的 Assistant SDK 或者 Cloud Speech API 均可，也可以使用自身系統，其自身采用的系統很簡單，為全球流行的樹莓派(Raspberry Pi)。 　　用戶可在此基礎上創建虛擬語音助手、為自己的項目添加語音交互功能。Voice Kit 的組成，主要有聲音捕捉、回放附件，非常易用的連接器、子板、揚聲器、微伺服系統等等。 　　Voice Kit的主要功能及作用： 　　·可取代物理鍵和顯示屏; 　　·可取代智能手機APP以控制連接的設備; 　　·可以為助理機器人增加語音識別的功能。 　　當時，在全球開售的幾小時內，Voice Kit就被搶光--這對谷歌而言是壹個很強烈的信號。AI社區對DIY人工智能開發套件的需求存在，並且特別強烈。 　　 2、AIY Vision Kit 　　推出 Voice Kit 後不久，Google 又發布了該項目下的第二個產品--Vision Kit。AIY Vision Kit的主要組件是 Raspberry Pi 的 Vision Bonnet 配件板。這個組件的低功耗視覺處理單元能在設備上運行神經網絡模型。 附帶的軟件運行三個基於TensorFlow的神經網絡。 其中壹個基於谷歌的MobileNets平臺，能夠識別超過千種日常物品。 第二個可以在圖像中識別面部和表情。 最後壹個是專門用於識別貓，狗和人的神經網絡。Google還為AIY...

在現今，商業或社交網站都存在著大量的“深度學習”算法。在過去的十年中，這些強大的人工智慧（AI）工具已經越來越成功地應用于圖像分析，語音識別，翻譯和許多其他任務。實際上，這些算法的計算和功率要求構成了現在數據中心的主要需求，而且仍在增長。 研發設計人員經常將大部分高度并行計算卸載到商業硬件上，尤其是最初為快速圖像渲染而開發的圖形處理單元（GPU）。這些芯片特別適合于計算密集型“訓練”階段，該階段使用許多經過驗證的示例來調整系統參數。 “推理”階段，其中部署深度學習來處理新穎的輸入，需要更大的存儲器訪問和快速響應，但是歷史上也已經用GPU實現。 然而，為了應對快速增長的需求，公司正在競相開發更直接賦予深度學習能力的硬件，最迫切需要進行推理以及培訓。大多數工作都集中在“加速器”上，這些加速器與GPU一樣，在通用處理器的松散方向下快速執行其專門任務，盡管也正在探索完整的專用系統。本文所聯系的大多數公司都沒有回應或拒絕在這個快速發展和競爭激烈的領域討論他們的計劃。 深度神經網絡 自20世紀80年代以來使用的神經網絡受到人腦大腦簡化模型的啟發。 深度學習技術使神經網絡具有更高級別的復雜性，通過計算能力的大幅增加以及在特定域中訓練系統所需的大型驗證示例數據庫的可用性，其成功實現了它們。 “深層”神經網絡將神經元排列成層（多達數十層），逐步“推斷”輸入數據的更抽象表示，最終導致其結果; 例如，翻譯的文本，或識別圖像是否包含行人。 當網絡最終用于推理時，權重通常在系統暴露于新輸入時保持固定。 層中的每個神經元執行獨立計算（將其每個輸入乘以相關權重，添加乘積，并進行非線性計算以確定輸出）。 伊利諾伊大學厄巴納 - 香檳分校的計算機科學家克里斯托弗弗萊徹表示，大部分計算都可以作為矩陣乘法，這可以讓許多步驟同時完成，并且“看起來像我們一直在解決的問題 在很長一段時間內在GPU和高性能計算上。“ 定制化硬件 在推理過程中，與離線培訓不同，無論是在自動駕駛汽車還是在Web應用程序中，快速響應都至關重要。 “延遲是云提供商最重要的事情，”弗萊徹指出。相比之下，他說，傳統的“GPU是專為那些不關心延遲的人而設計的，但是有很多工作，只要他們獲得全部吞吐量，一切都會好起來的。” 認識到響應時間的重要性以及預測神經網絡應用不斷增加的功率需求，云計算巨頭谷歌...

雖然時髦，無處不在的商業流行語是加密貨幣和區塊鏈，但被稱為第四次工業革命的真正強大因素是人工智慧。 無論是被譽為提高商業效率的靈丹妙藥還是人們對人類消亡的恐懼，人工智慧都在我們身上，并將以我們只能開始想象的方式影響整個企業和社會。 系好安全帶。 這是競技場中的一些影響者所說的2019年。 首先，Linux基金會研究主任Ibrahim Haddad表示，有兩個關鍵領域需要關注。 “2019年將成為開源AI的一年，”Haddad預測道。 “我們已經看到公司開始開源他們的內部人工智慧項目和堆棧，我希望在未來一年內看到這種加速。” 他表示，此舉的原因在于它可以增加創新，加快產品上市速度并降低成本。 “構建平臺的成本很高，組織正在意識到模型，培訓數據和應用程序的真正價值。我們將看到圍繞一系列關鍵項目的協調，為AI，機器創建一個全面的開源堆棧 學習和深度學習。“ 此外，Haddad表示基金會正在看到有關數據許可和人工智慧的更多標準化。 “我們希望以策劃和創建更多開源數據的目標出現新的努力，”Haddad說，這一發展將開啟有關隱私的關鍵問題的討論。 需要開發工具和策略來保護隱私并“匿名”發現的數據。 “但與此同時，仍然有必要找到跟蹤數據來源和消除偏見的方法，以便尋找這一領域的活動溫床，”Haddad指出。 毫無疑問，中國在人工智慧方面已經取得了巨大進步。 “如果我們坐在自動駕駛汽車中，我們必須確保我們信任駕駛汽車的人工智慧系統。當人工智慧應用即將成熟時，人工智慧的信任變得越來越緊迫。同樣認證管理人們的人工頭像將是他們愿意與他們建立交易之前與其他人工智慧化身表現出信任的關鍵。“ “我們相信，世界上每個人都將很快擁有一個PAI，一個智能的化身，看起來，說話，行為與人類對應，并通過互動自我發展。” “最近幾年，人工智慧模型在新聞翻譯中突破了理解和生成語言的界限，”Tetreault解釋道。 他預計自然語言處理（NLP）/通信里程碑將在2019年迅速加速。 說到人臉檢測，谷歌曾經在2017年發布了一款AI硬件紙盒套件，也是旗下AI開源項目(AIY Projects)的作品。Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，并顯示出情緒，比如微笑、皺眉、憤怒、開心等等。 “我希望我...

如今圍繞人工智慧的大肆宣傳，很難知道事情的實際位置。 幸運的是，AI研究人員今天發布的一份報告，整理了一系列有助于捕捉AI熱潮狀態的數據。 1、人工智慧以令人眼花繚亂的速度商業化 涌入AI創業公司的資金數額非常可觀。 AI啟動的數量（頂部）顯示在左側，與右側的啟動總數相比較。 人工智慧投資（如下）顯示在左側，與右側的總投資進行比較。 這說明了在不同行業中使用機器學習的巨大機會，也說明了被炒作和過熱的市場。 2、AI發展的重點是中國和美國，還有歐洲 中國人工智慧不斷增強以及與美國的競爭越來越激烈。 數據顯示，歐洲也是人工智慧活動的重要中心。 但似乎有三個主要的權力中心正在興起。 3、AI領域的男性人數仍遠遠多于女性 許多研究人員指出，人工智慧研究中女性和種族少數群體的數量不足。 新報告提供了一些數據來支持這一點，顯示人工智慧相關工作申請人中的女性人數短缺（上圖）和人工智慧教學中的人口比例（下圖）。 4、現有AI技術正在快速提高 該報告包括若干技術進步的衡量標準，包括圖像中物體識別的準確性，根據人類平均表現（上圖）測量，以及新聞文章機器翻譯的準確性，使用人類評委指定的分數（下圖）進行測量。 這并不意味著該領域越來越接近開發人類級人工智慧，但它們顯示了近年來關鍵技術的磨練方式。 比如計算機視覺功能的發展用例，谷歌曾經在2017年發布了一款AI硬件紙盒套件（也是旗下AI開源項目(AIY Projects)的作品）。其中，Vision Kit 就是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，并顯示出情緒，比如微笑、皺眉、憤怒、開心等等。 5、人工智成為一個戰略政策問題 美國國會（上圖）和英國議會（下圖）中的人工智慧和機器學習的提及在過去幾年中爆炸式增長。 這反映出人們越來越意識到該技術的經濟和戰略重要性。

人工智慧（AI）無處不在，受到大量投資，大量創業公司，所有成熟技術供應商以及大大小小的企業的影響，他們正在嘗試為自己的底線做些什么。 “有些AI應用程序不會辜負炒作，這沒關系。 人們一直計劃擁有自動駕駛汽車。 有些人仍擔心人工智慧接管可能距離僅僅20年，但事實是我們離真正的自動駕駛汽車還有很長的路要走。 至于人工智慧的收購，這只會在可預見的未來存在于科幻電影中。 我的預測是，我們對人工智慧及其能力現實的期望將在中間的某個地方遇到。 未來5年看起來會像現在一樣，但我們的日常工作將以微妙而重要的方式變得越來越有效。 AI機器人將更好地回答問題和審查客戶服務案例，智能助理將更有能力完成任務，自動駕駛汽車功能將繼續改進，但他們不會接管道路“-首席科學家 Richard Socher “人工智慧產品的采用將在2019年繼續擴展到從制造到教育，零售等不同的垂直領域。例如，在醫療保健領域，人工智慧增強型應用程序能夠減少緊急等候時間，甚至可以免費使用 醫生通過使用AI檢測和診斷腫瘤的時間。 隨著新的進步和應用程序進入各種垂直領域，隨著技術成本的降低以及組織和業務成果的改善，預計會加速采用。 在聯想，我們已經在供應鏈和零件規劃流程中使用人工智慧，這樣我們就可以為渴望通過人工智慧轉變業務的客戶提供更好的一流體驗“-聯想公司總裁兼首席運營官，Gianfranco Lanci “除了目前在移動應用和其他醫療保健IT平臺上可用的預先存在的聊天機器人之外，患者還會發現自己通過各種全渠道用戶界面進行交談。 像Alexa和Google Home這樣的對話體驗的消費者框架可能會增加HIPAA隱私支持，為機器人打開了大門，以便在患者訪問之間的時間間隔內保持對話。 在護理環境中，醫院病床旁的護士呼叫按鈕，收集健康歷史記錄的表格以及笨重的調度應用程序將演變為以客戶為中心的機器人醫療助理“-Deloitte ConvergeHEALTH首席技術官，Dan Housman “2019將看到鐘擺轉向關注邊緣執行分析。 組織將通過處理和分析邊緣數據而不是將其移回核心，存儲和應用傳統分析來節省時間和金錢。 用例包括異常檢測（欺詐），模式識別（預測故障/維護）和持久流。 自動駕駛汽車，石油和天然氣平臺，醫療設備都是這一趨勢的早期例子，我們將在2019年看到擴展。這一趨勢的成本驅動因素是帶...