MAKER EVEN

AI無疑是如今最火的領域!在Google I/O 2018大會上，Google為全世界詮釋了什麼叫做AI產品。尤其是現場演示中，Google Assistant打電話到各種消費場所進行預約，與工作人員進行多輪對話，和我們以往看到的語音助手不同，Assistant的聊天過程完全不尬，讓人難辨真假，甚至還有點萌。   當然，除了AI對話以外，Google I/O 2018大會上Google還拿出了更多已經落地或者計畫要推出的產品，每一種都同樣驚豔。其中。Google的開源計畫--AIY Projects(AIY計畫)受到了在場開發者的關注，其目標是讓每個Maker(創客)都能DIY自己的 AI 人工智慧產品，讓更多人能學習、探索並體驗人工智慧。 Voice Kit使用Google智能助理為您的Raspberry Pi添加語音控制，而Vision Kit則打開圖像識別並向創客們引入了神經網路。它可以檢測千中常見物體，但也可以對您的臉部表情進行檢測，並顯示出您的情緒，比如憤怒、開心等等。 Google的AIY套件對那些想要探索電腦視覺等人工智慧概念的創客群體，做了很多幫助。舊版本的套件，用戶需要自己提供Raspberry Pi和其他必需零部件，所以對新手來說，比較的麻煩。從現在開始，AIY套件將變得更加容易，更適合初學者、學生等等群體：Google發佈了更新的AIY Vision和AIY Voice套件，其中包括您開始使用所需的所有組件內容。 與此同時，Google承諾在您準備DIY時提供更多幫助。一個配套的Android應用程式(AIY app)有助於設置您的AIY套件，並且AIY網站本身已經針對年輕創作者更清晰的指示進行了操作改進。同時Google的AIY網站將更新技術文檔，幫助創客一起創作。   據報道，Google AIY系列開發套件已經抵港銷售了，價格分別是港幣706和港幣392。感興趣的開發者們，可以關注Google AIY系列開發套件的香港線上商城——引力互聯GravitylinkStore:  https://store.gravitylink.com 。

Google在2017年啟動了AIY專案，並推出兩款DIY套件，目的是讓創客們能夠在自己的專案中融入AI。Google注意到，兩款AIY套件的需求持續增長，特別是STEM受眾的需求強勁，家長和教師們都認為這些產品是課堂教學的絕佳輔助工具。 Google也正在採取許多努力讓機器學習能夠更為"平易近人"。 AIY Projects主管Billy Rutledge表示，他們希望幫助教育工作者將AIY加入到STEM的課程計畫中，並透過新版AIY套件的協助，幫助學生應對更多未來挑戰。 同樣的，在我國，人工智慧發展方面人才缺口巨大，而且國內中小學校的STEM科學教育課程也亟待加強。因此，"人工智慧+教育"這一概念，也快速火遍了中小學STEM課堂。 “人工智慧教育需要從青少年階段抓起，要積極培養學生們的科技創新興趣。” 去年夏天，我們的AIY小組就走進了中國·安徽--合肥八中的學子課堂，和小學霸們一起，瞭解Google AIY和學習人工智慧。 AIY Voice Kit是一款人工智慧語音套件產品。用戶可通過AIY Voice Kit，借助Google Assistant SDK和Cloud Speech API，創建虛擬語音助手，為自己的專案添加語音交互功能，比如控制電燈開啟關閉、電器開關等等。 AIY Vision Kit則是一套簡單的電腦視覺系統，可運行多種基於TensorFlow的神經網路模型應用。通過VisionKit，用戶可以將圖像識別和電腦視覺功能添加到基於樹莓派Raspberry Pi Zero WH的專案中，能識別上千種常見對象和麵部表情。比如自帶的JoyDetector，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。 值得注意的是，新版的AIY Vision Kit和Voice Kit，包含了樹莓派Raspberry Pi Zero WH板和預先配置的SD卡，而Vision Kit也引入了樹莓派RaspberryPi Camerav2，為用戶省去了額外購買的過程。 據報導，Google AIY系列開發套件已經抵港銷售了，價格...

自 2001 年起，《麻省理工科技評論》每年都會評選出當年的“十大突破性技術”（10 Break through Technologies），這份在全球科技領域舉足輕重的榜單曾精准預測了腦機介面、智能手錶、癌症基因療法、深度學習等諸多熱門技術的崛起。 今年也是該雜誌創刊 120 周年，《麻省理工科技評論》在幾天前發佈了 2019 年“全球十大突破性技術”，入選的10項技術包括：靈巧機器人、核能新浪潮、早產預測、腸道顯微膠囊、定制癌症疫苗、人造肉漢堡、捕獲二氧化碳、可穿戴心電儀、無下水道衛生間、可流利對話的人工智慧助手。 從榜單可以看出，今年入選的 10 項技術裏，有3項涉及到的是人工智慧和可穿戴技術。 今年《麻省理工科技評論》邀請了比爾·蓋茨作為客座評選人。比爾·蓋茨全程參與了評選工作，並為本屆榜單作序。他說道，本屆榜單的入選技術也多是以“人類福祉”為最終目標。 今天我們來重點關注下榜單裏的人工智慧技術。 01、靈巧機器人 意義：機器正在通過自我學習學會應對這個現實世界。如果機器人能學會應對混亂的現實世界，那麼它們就可以勝任更多的任務。 主要研究者：OpenAI（人工智慧非營利組織）、卡內基梅隆大學、密歇根大學、加州大學伯克利分校 成熟期：3-5 年 位於三藩市的非盈利組織 OpenAI 就推出了這樣一套 AI 系統 Dactyl，並已成功操控一個機器手讓其靈活地翻轉一塊積木。這套神經網路軟體能夠通過強化學習，讓機器人在模擬的環境中學會抓取並轉動積木後，再讓機器手進行實際操作。 現階段，我們還要取得更多的突破才能讓機器人變得更加靈活。但如果研究人員能夠很好地利用這種學習方法，未來的機器人將有望能夠學會組裝電子產品、將餐具擺入洗碗機裏、甚至是能夠將臥床的人從床上扶起。 02、可穿戴心電儀 意義：隨著監管機構的批准和相關技術的進步，人們可以輕鬆通過可穿戴設備持續監測自己的心臟健康。可檢測心電圖的智能手錶可以預警如心房顫動等潛在的危及生命的心臟疾病。 主要研究者：蘋果、AliveCor、Withings 成熟期：現在 矽谷初創公司 Alive Cor 推出了一款與蘋果手錶相容的腕帶，該腕帶可以檢測出心房顫動，這是導致血栓和中風的常見原因。去年，蘋果發佈了帶有心電圖(ECG)功能的 Apple Watch，並且該功能已經通過 FDA 認證。隨後，健康設備公司  W...

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...

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。

高通公司的驍龍 855是官方近日新發布的產品，同時該公司稱將于2019年推出Android旗艦產品。 高通公司宣布其2019年的旗艦系統芯片（SoC）：驍龍 855。由于高通公司在高端SoC市場基本上沒有競爭 - 特別是在美國 - 驍龍 855將成為幾乎所有旗艦Android手機。與2018年推出的驍龍 845芯片相比，高通公司承諾將CPU速度提高45％，GPU速度提高20％，以及將迎來5G連接時代的平臺。 那么驍龍 855與其前身驍龍 845有何不同？ 首先，晶體管越來越小。 驍龍 845基于三星的10nm半導體制造工藝，但855正在轉向臺積電的7nm工藝。 較小的制造工藝帶來了更低功耗和更小芯片的優勢，7nm節點使驍龍 855與Apple相提并論，Apple今年早些時候在iPhone XS中推出了7nm A12 Bionic SoC。 驍龍 845 CPU的品牌為“Kryo 385”，擁有4個2.7Ghz Cortex A75內核和4個1.8GHz Cortex A55內核。 這兩個CPU集群將CPU分成“大”和“小”工作負載，其中四個更大，更耗電的內核處理更重的處理任務，如前臺應用程序（A75內核）和四個更慢，更低功耗的內核處理后臺任務和 空閑處理（A55核心）。 驍龍 855仍采用這種4 + 4核心布局構建，但現在其中一個大核心具有提升的時鐘速率。 所以新款驍龍 855 CPU的品牌為“Kryo 485”，并為“大”集群改為四個新的基于Cortex A76的內核，其中三個核心的時鐘頻率為2.42GHz，另一個時鐘頻率為2.84GHz。 高通將這款提升核心稱為“Prime Core”。 較小的核心集群使用與舊芯片相同的四個1.8GHz Cortex A55內核。 GPU從845的Adreno 630變為855的Adreno 640 GPU。除了承諾它將提高20％并且支持Vulkan 1.1之外，高通并未對GPU有太多了解。 該公司稱其在每瓦性能方面處于行業領先地位，并且通過其新GPU強調“持續系統性能”，因此它應該減少更少。 這應該是對游戲的改進。 高通表示，海克斯康690 DSP已經從普通的DSP轉變為更通用的處理器。 由于新的“Tensor Accelerator”用于中性網絡工作，該公司將該組件作為“AI平臺”投放。 ...

Gartner預測：2019年七大AI趨勢，百萬行業將顛覆！ 盡管科幻小說可能將人工智慧機器人描繪成壞人，但一些科技巨頭現在也將其用于安全。 微軟和優步等公司使用Knightscope K5機器人巡邏停車場和大型戶外區域來預測和預防犯罪。 機器人可以讀取車牌，報告可疑活動并收集數據以向其所有者報告。 這些人工智慧驅動的機器人只是“自主事物”的一個例子，它是2019年Gartner 7大戰略技術之一，有可能在未來五年內帶來重大中斷并帶來機遇。 趨勢1：自主事物 無論是汽車，機器人還是農業，自主事物都使用AI來執行傳統上由人類完成的任務。 智能的復雜程度各不相同，但所有自主事物都使用人工智慧與他們的環境進行更自然的交互。 自主事物有五種類型： 機器人 車輛 無人機 家電 虛擬助理 這五種類型占據四種環境：海洋，陸地，空中和數字。 它們都具有不同程度的能力，協調和智能。 例如，它們可以跨越在空中操作的無人機，人工輔助在田地中完全自主地操作的農業機器人。 這描繪了潛在應用的廣泛圖景，幾乎每個應用程序，服務和物聯網對象都將采用某種形式的AI來自動化或增強流程或人為操作。 諸如無人機群之類的協作自主事物將越來越多地推動人工智慧系統的未來發展。 趨勢2：增強式分析（大數據） 數據科學家現在擁有越來越多的數據來準備，分析和分組 - 并從中得出結論。鑒于數據量，探索所有可能性變得不可能。這意味著企業可能會錯過數據科學家無法探索的假設的關鍵見解。 增強分析代表了數據和分析能力的第三大浪潮，因為數據科學家使用自動算法來探索更多假設。數據科學和機器學習平臺已經改變了企業如何產生分析洞察力。 “到2020年，超過40％的數據科學任務將實現自動化”。 增強分析可識別隱藏的模式，同時消除個人偏見。雖然企業存在無意中將偏差插入算法的風險，但增強分析和自動化洞察最終將嵌入到企業應用程序中。 到2020年，公民數據科學家的數量將比專業數據科學家快5倍。公民數據科學家使用人工智慧驅動的增強分析工具，自動化數據科學功能，自動識別數據集，開發假設和識別數據模式。企業將把公民數據科學家視為實現和擴展數據科學能力的一種方式。 Gartner預測，到2020年，超過40％的數據科學任務將實現自動化，從而提高公民數據科學家的生產力和廣泛使用。...