MAKER EVEN

近年來，曾一度風靡美國的STEAM教育成為時下大熱，在教育領域的出鏡率居高不下，許多學校、教育機構甚至企業都紛紛加入了這股熱潮。如果你還不知道STEAM，那可真落伍啦! STEAM教育，你真的瞭解嗎? STEAM是一種教育理念，有別於傳統的單學科、重書本知識的教育方式。STEAM是一種重實踐的超學科教育概念。 STEAM教育理念最早是美國政府提出的教育倡議，為加強美國K12關於科學、技術、工程、藝術以及數學的教育。STEAM是這五個學科的英語單詞縮寫：Science(科學)、Technology(技術)、Engineering(工程)、 Arts(藝術)、 Maths(數學)。 如果你以為STEAM這幾個字母的疊加等於這幾門學科的“大雜燴”，那可就大錯特錯啦! 具體來說，STEAM教育不僅僅是提倡學習這五個學科知識，更是提倡注重學習與現實世界的聯繫和一種新的教學方式。它能夠讓學生們自己動手完成他們感興趣的、並且和他們生活相關的專案，在過程中學習各種學科以及跨學科的知識。STEAM教育理念強調的是多學科、跨領域知識的學習與應用，并且賦予了比傳統教育理念更強大的實踐能力要求。 Google在2017年推出了 AIY Projects，將 Raspberry Pi 與配件、軟體和必備的紙板搭配使用，巧妙的將 AI 與 DIY 玩法結合，讓使用者能夠製作出專屬的 Google Assistant 智能音響，近期 Google 又為 AIY 推出視覺和語音套件的改進版本，讓使用者能夠更簡單上手。 “Google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 STEAM 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。” 據瞭解，新的視覺套件和語音套件已經在香港率先開售，價格分別是港幣706和港幣392。感興趣的家長們，可以關注Google AIY系列開發套件的香港線上商城——引力互聯GravitylinkStore。 AIY可以作為很不錯的教具，啟發學生們的動手、動腦、創造能力。家長和老師們，需要注意引導學生跨學科知識的學習與運用。結合實際問題，培養學生對新知識、新方法的學習能力；培養學生在解決問題過程中的系統性思維，引導他...

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...

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...

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。...

在缺口屏、滑蓋手機和三相機等等功能之間，2018年是智能手機非常有趣的一年。 然而，人工智慧開發可以說是今年最重要的趨勢之一，因為Arm，華為和聯發科提供了這些產品。 這種趨勢不會在2019年放松，因為Arm的機器學習小組的總經理杰姆戴維斯認為，明年你會看到更多的智能手機。 “在2019年，你會看到幾乎所有的一級玩家都使用神經網絡處理器，”戴維斯在公司的TechCon活動中告訴Android Authority。 有傳言稱高通和三星都計劃在其旗艦芯片組中增加專用的AI芯片。 戴維斯認為，2020年我們會看到神經網絡能力出現“嚴重上升”，因為制造商已經開始掌握這項技術。 機器學習也將用于加強2019年的安全性，Arm VP和客戶業務總經理Nandan Nayampally告訴記者。 “我確實認為不斷增長的趨勢是'你如何在一切事物中使用學習？'，安全性是強有力的 - 特別是在我們擁有的那一年之后，”Nayampally說。 我們可以在千元機中看到AI芯片嗎？ 聯發科Helio P60邁出了一大步，為中檔芯片組增加了專用的AI芯片，但不要指望它能夠如此迅速地擊中低端芯片。 “我認為在用例變得更清晰之前，預算電話可能不會包含專用硬件。 通常意味著他們將不得不開始設計并且如果他們明年在手機上看到它們就已經將它們合并，“Nayampally說。 然而，根據戴維斯的說法，機器學習并不需要像大多數新技術和開發技術一樣將其用于低端硬件。 “絕對與一般歷史相悖，我們看到中檔想要很快采用[AI芯片]，甚至是入門級別。 所以它不會是五年，甚至可能只有一年。“ 功能手機怎么樣？ Arm代表還認為，“完全有可能”我們最終可以在功能手機上看到機器學習硬件。“這不會是令人尖叫的AI技術。 這將是'好吧，這是最好，最便宜的方式，“戴維斯解釋說。 希望在千元智能手機和功能手機上使用AI功能的最大原因之一是離線推斷。 在不連接到云的情況下執行機器學習任務將節省數據成本（并保留一定程度的隱私）。 對于新興市場的用戶而言，這可能是一個非常方便的解決方案，其中數據費用非常昂貴，而普通用戶無論如何都要購買千元智能手機。 數據訪問不是一些新興市場的唯一障礙，因為一些市場也受到電力供應問題的困擾。幸運的是，AI芯片能夠在很小程...

在2018年期間，我們目睹了基于機器學習和人工智慧的平臺，工具和應用程序的急劇增長。 這些技術不僅影響了軟件和互聯網行業，還影響了其他垂直行業，如醫療保健，法律，制造業，汽車和農業。 我們將繼續看到2019年及以后的ML和AI相關技術的進步。 亞馬遜，蘋果，Facebook，谷歌，IBM和微軟等公司正在投資研發人工智慧，這將有助于生態系統將人工智慧拉近消費者。 以下是2019年需要注意的5種AI趨勢： 1）啟用AI芯片的興起 與其他軟件不同，AI嚴重依賴專用處理器來補充CPU。 即使是最快和最先進的CPU也可能無法提高AI模型的培訓速度。 在推理時，該模型需要額外的硬件來執行復雜的數學計算，以加速對象檢測和面部識別等任務。 2019年，英特爾，NVIDIA，AMD，ARM和高通等芯片制造商將推出專用芯片，加速AI應用的執行。 這些芯片將針對與計算機視覺，自然語言處理和語音識別相關的特定用例和場景進行優化。 來自醫療保健和汽車行業的下一代應用將依賴這些芯片為最終用戶提供智能。 2019年也將是亞馬遜，微軟，谷歌和Facebook等超大規模基礎設施公司將增加基于現場可編程門陣列（FPGA）和專用集成電路（ASIC）的定制芯片投資的一年。 這些芯片將針對基于AI和高性能計算（HPC）運行現代工作負載進行大量優化。 其中一些芯片還將協助下一代數據庫加速查詢處理和預測分析。 2）邊緣的物聯網和人工智慧的融合 在2019年，AI在邊緣計算層遇到物聯網。 在公共云中訓練的大多數模型將部署在邊緣。 工業物聯網是人工智慧的最佳用例，可以執行異常檢測，根本原因分析和設備的預測性維護。 基于深度神經網絡的高級ML模型將進行優化以在邊緣運行。 他們將能夠處理視頻幀，語音合成，時間序列數據和由攝像機，麥克風和其他傳感器等設備生成的非結構化數據。 物聯網將成為企業中人工智慧的最大驅動力。 Edge器件將配備基于FPGA和ASIC的特殊AI芯片。 2016年，谷歌推出了Tensor Processing Units，或稱TPU，它們更為人所知的一點是 - 專為Google的TensorFlow框架設計的芯片。 今年，這家技術巨頭現在推出了Edge TPU，這是一種小型人工智慧加速器，可在物聯網（IoT）設備中實現機器學習工作。 Edge TPU旨在執行機器學習算法訓練的任務...