圖片來源: 

MIT

重點新聞(0810~0816)

  MIT      劑量控制 

MIT用AI來客製腦癌患者所需的藥物劑量

MIT研究員訓練出一套增強式學習模型,可根據每位罹患膠質母細胞瘤(GBM,為腦癌一種)病人的狀況,來減少藥物劑量,讓病人不必接受多餘的毒性物質,同時也能縮小腫瘤。首先,研究人員從GBM醫療資料庫中,建立50位GBM模擬病患,作為測試組。接著,研究人員要求AI開藥給每位病患,包括典型藥物TMZ和PVC,讓病患定期服用數周或數個月。開藥後,AI再利用另一個預測機制來判斷該劑量是否會縮小腫瘤。如果會,AI會得到獎勵,但如果開的是最大劑量,則會受到懲罰。

這套AI為每位模擬病患進行2萬多次測試後,研究員另召集50名新模擬病患,來測試訓練後的這套AI模型,可以給出減少藥物劑量和服用頻率的處方,也能減少腫瘤大小。特別的是,它考慮了每位患者的特性,比如腫瘤大小、病史和生物標記物。(詳全文)

  Uber    檔案切換 

報公帳還是自己付?Uber AI能分辨你去玩還是出差

常用Uber的企業顧客,往往有數個帳號,因此可區分為個人帳號和公司帳號(直接扣公司信用卡)。為簡化使用者使用合適的帳號來付費,Uber企業版日前推出扣款帳號推薦機制,利用機器學習技術,來判斷使用者這次搭車是公出還是個人休閒,然後手機App中通知使用者,是否要切換為公司帳號、還是個人帳號。這項AI技術,分析了Uber每年數十億筆的乘車資料,現在能偵測使用者的旅行模式,比如使用者在平日上班時間沒進公司,反而叫車要去水療中心,Uber App就會詢問使用者是否要切換為個人帳號來付款。不過Uber表示,目前這項功能的準確率為80%,要達到讓人滿意的程度,還有很長一段路要走。(詳全文)

  機器學習   空氣動力測試 

車輛開發有新工具,能靠AI來加速車輛空氣動力測試

兩位來自Autodesk研究院和奧地利科技研究院的開發人員Nobuyuki Umetani與Bernd Bickel,日前研發一套機器學習軟體,能加速車輛開發過程,縮短空氣動力測試時間。通常,測試新車、火車和其他運輸工具的空氣動力,可能要花1小時甚至一整天。開發人員必須使用複雜的方程式對3D物體周圍的氣流建模,但現在新的機器學習軟體,可以縮短這個過程到數秒,並能讓參數即時可用,這也是機器學習首次用來即時模擬3D物體周遭的氣流。(詳全文)

  環境IoT    污水預警 

美國國家實驗室靠機器學習和便宜感測器,自製地下水汙染預警系統

來自美國勞倫斯柏克萊國家實驗室和薩凡納河國家實驗室的研究員,利用平價感測器和一套機器學習系統,不只能即時監測地下水汙染狀況,還能作為預警系統。領導這項研究的Haruko Wainwright表示,傳統監測方法要每年或每季採集水樣、在實驗室分析,但如果出現異常或極端事件,就可能不會注意到污染物濃度的增加。不過,她強調新方法使用代理測量來進行原位監測,因此能即時、不間斷地追蹤水流。而機器學習技術,能幫助團隊從遠程快速分析水流數據,並作為預警系統,以檢測pH質和電導率是否突然改變。(詳全文)

AI新創     TTA奇點亞太創業競賽  

臺AI新創WeavAir與Vibrasee,抱走2018年TTA奇點亞太創業競賽大獎

臺灣AI新創團隊WeavAir和Vibrasee,經過兩個月努力、從80組來自亞太各地的新創團隊脫穎而出,於8/10由科技部與奇點大學舉辦的2018年TTA奇點亞太創業競賽決賽中,奪下最大獎SU Ventures Incubator Program,將前往矽谷參加奇點大學為期10周的加速課程,與世界頂尖AI團隊交流。 新創團隊WeavAir以同名計畫參加這次競賽,以感測器陣列,來測量暖通空調(HVAC)系統性能和室內空氣質量,並即時分析這些數據,用預測性演算法來提高感測器準確度,以降低HVAC耗能和成本。另一組得到SU大獎的新創隊伍Vibrasee,聚焦於微振動偵測器,利用莫瑞效應光學技術和深度學習影像分析,來即時檢測人類手部皮膚的微振動,以判定是否為早期帕金森氏症。(詳全文)

DeepMind    眼疾  

DeepMind的AI系統可辨識逾50種眼疾,診斷能力已達一流醫生水準

DeepMind近日宣布,旗下DeepMind Health計畫與英國摩爾菲爾茲眼科醫院已完成第一階段的研究,雙方共同發展的AI系統可快速且準確判讀眼疾相關的醫療影像,能辨識出逾50種可能損及視力的眼睛疾病,已達到全球一流醫生的水準。 為了讓醫生或病患了解AI系統的判讀標準,DeepMind Health建立了兩個神經網路,第一個為「畫分網路」,會列出觀察到的眼睛組織各種狀態,如出血、病變或不規則液體等,讓醫生能夠參考或觀察AI系統的決策過程。第二個則是根據前一個神經網路的所得結果,進行診斷及轉介建議,並以百分比來表達信心指數,稱為「分類網路」。(詳全文)

IBM Watson    自然語言  

IBM Watson自然語言分類器正式上線

近日IBM宣布,自家AI平臺Watson自然語言分類器正式上線,現在該工具已經內建於IBM Watson Studio,透過該開發平臺可以串接起資料科學開發應用流程,加速深度學習、機器學習應用的開發。IBM表示,該分類器與Watson Studio整合後,仍保有既有API功能,開發者可以在開發平臺中訓練、測試此自然語言分類器。IBM進一步解釋,該分類器整合自家的深度學習服務,一次最多可以匯入2萬行資料,作為訓練素材。而現在該分類器所支援的語言,包含英文、阿拉伯文、法文、德文、義大利文、日文、韓文、葡萄牙文,以及西班牙文。(詳全文)

Amazon     Alexa   

Amazon壓縮機器學習模型,要讓車載系統離線也能用Alexa

Amazon使用了壓縮機器學習的新技術,在維持Alexa功能不變的情況下,讓記憶體使用率降低94%,而這將能讓Alexa在離線狀態下,仍可以提供部分核心功能,同時也能加速Amazon雲端載入第三方Alexa技能的效率。Amazon剛釋出了用於開發車內訊息娛樂系統的Alexa SDK(Alexa Auto Software Development Kit),而這個初版的SDK預設汽車系統可以存取雲端系統,以取得機器學習相關功能。(詳全文)

Julia      多語言特性  

程式語言Julia歷經6年開發,融合多語言特性終釋出1.0

Julia第一次釋出時,就宣告了該程式語言宏大的目標,除了要有C的執行速度外,還要像Python一樣具一般可用性,也想要如Matlab般支援線性代數演算法。而官方在Julia 1.0釋出文章中,自信地列出Julia數個特點,包括最佳化器的更新,可透過呼叫函數傳播常量,實現更好的死碼刪除(Dead Code Elimination)和靜態評估。而編譯器也更善於避免在長效物件旁分配短效包裝器(Wrapper),這讓開發者可以在不損失效能的情況下,容易的使用高階抽象。(詳全文)

圖片來源/Uber、Nobuyuki Umetani、薩凡納河工作站、攝影:王若樸、IBM、Amazon

 AI趨勢近期新聞 

1. IBM:惡意程式具備AI能力超狡猾,高度神隱幾乎抓不到

2. AI晶片去年替英特爾賺進10億美元

3. 臺灣人工智慧學校臺中分校將於8月18日開學

資料來源:iThome整理,2018年8月


Advertisement

更多 iThome相關內容