AI趨勢周報第68期：AlphaZero靠增強式學習精通圍棋、西洋棋和日本象棋，贏過電腦程式冠軍

重點新聞(1207～1213)

DeepMind     AlphaZero     增強式學習  

AlphaZero靠一種演算法自學，擊敗圍棋、西洋棋和日本象棋三種棋類高手

DeepMind曾以AI圍棋玩家AlphaGo打敗世界棋王李世乭，近日又開發出新一代AI棋類高手AlphaZero，只靠增強式學習演算法和遊戲規則，從隨機下棋開始，歷經數百萬回自我對弈，來自學圍棋、西洋棋和日本象棋，同時調整其神經網路參數，而訓練時間則取決於各種棋藝的風格及複雜程度。AlphaZero分別花了9小時、12小時和13天，學會西洋棋、日本象棋和圍棋，之後也打敗了這些棋賽的電腦程式冠軍，甚至在圍棋對弈中贏過AlphaGo。

讓棋士們覺得最有趣的地方，在於自我學習的AlphaZero並沒有受到傳統的遊戲規範，而是發展出自己的直覺與策略，帶來新鮮的想法，顛覆了幾個世紀以來人們或專家對這些棋藝的思考。（詳全文）

  宏碁     陽明大學    自駕車  

宏碁攜手陽明大學，要共同研發舒適的自駕車

電子大廠宏碁也投入自駕車研發，日前對外展示Level 4的自駕車原型，而近日則與陽明大學合作，要透過分析乘客生理狀態，作為自駕車人機介面設計的參考，加強自駕車乘車的舒適性、操控性和安全性。具體來說，陽明大學與宏碁將在自駕車研發階段，蒐集乘客心跳、呼吸和血壓等生理資料，再加上車內環境檢測數據，來協助改善自駕車人機介面的設計，以便讓自駕車在不同路況時，也能按照人類開車習慣行駛。（詳全文）

  AI Labs     北醫附醫    敗血症 

北醫附醫聯手臺灣人工智慧實驗室，要用AI即時預警敗血症

北醫附醫與臺灣人工智慧實驗室（AI Labs）日前宣布合作，將共同研究、開發能夠即時預警敗血症的AI系統。北醫附醫加護病房去年導入TED-ICU智能重症照護系統，能24小時監測病患狀況，自動上傳與拋轉、計算和整合病患的生理資料，減少手抄時間，讓醫護團隊能更專注照顧重症病患。現在，北醫附醫利用該系統和病患資料，能預測4小時候的敗血症風險，準確率達7-8成。但北醫附醫希望透過與AI Labs為期5年的合作，由醫生標註臨床資料，來與AI Labs共同開發AI演算法系統，要能在預測到發生敗血症風險的同時，也能即時預警。（詳全文）

  AI Labs    語音轉文字       逐字稿 

雅婷逐字稿App不只聽得懂中英夾雜語句，連臺灣國語也通

臺灣人工智慧實驗室（AI Labs）近日推出雅婷逐字稿App，是一個由AI驅動的即時語音轉文字聽打服務，不只聽得懂中英文，還能理解臺灣國語。AI Labs創辦人杜奕謹表示，為訓練雅婷AI語音辨識模型，他們採用的訓練資料包括綜藝節目、連續劇影片，以及臺灣國語語音和中文字幕，甚至還有PTT上的文章。AI Labs成員Shar Yuan表示，雅婷逐字稿App可幫助聽障人士了解別人的談話，而媒體記者也可以即時記錄訪談內容。不過她也建議，盡量在噪音較少的地方使用該App，或是加裝麥克風來提高收音效果。該App已在iOS和Android公開釋出。（詳全文）

  臉書   AI研究院    通用AI  

臉書AI研究院成立滿5周年，研究方向聚焦通用AI

臉書AI研究院正式成立滿5周年，日前表示未來將持續在許多領域投入研究心力，像是透過自我監督學習建立模型的系統、訓練程式的推理能力、策畫或是構想複雜的行為等，這也就是為什麼臉書持續在研究機器人、視覺推理和對話系統的原因。臉書CTO Mike Schroepfer表示，未來臉書AI研究院還要解決更多挑戰，Yann LeCun已為未來研究方向進行策畫，包含用自我監督學習打造通用模型、理解因果關係、開發極少量資料學習方法、多輪式對話系統，甚至是讓AI系統擁有常識。（詳全文）

DeepRay    深度學習     影像重建  

影像模糊怎麼辦？AI幫你重建清晰圖像

最近英國一家研發公司Cambridge Consultants推出重建清晰影像系統DeepRay，透過生成對抗網路（GAN），訓練6個神經網路互相競爭，創造場景和嘗試移除圖像失真的情況，來重建原本模糊、受損或是失真的影像。此外，系統除了學習真實世界的場景和物體外觀，同時也會學習物體失真的模樣。該成果未來將能夠轉移到多種電腦視覺的應用中，像是自駕車、科技農業應用、醫療圖像診斷等，該系統將於明年1月在國際消費電子展中公開。（詳全文）

微軟    ML.NET 0.8     可解釋性  

微軟釋出機器學習框架ML.NET 0.8，以PFI技術增加模型可解釋性

微軟更新了開源跨平臺機器學習框架ML.NET，釋出0.8版本，加入了內部使用來解釋模型的API，幫助機器學習開發人員，更好理解模型的整體特徵重要性，並創建可被解釋的模型。微軟透過置換特徵重要性（PFI）技術，以實現整體特徵重要性評估，PFI會對整個使用案例，將特徵值設置爲隨機值，以評估該特徵對模型的影響。微軟表示，PFI方法的優點在於它與模型本身無關，可用於評估各種模型，且可以用於任何資料集，而不僅是訓練資料集。（詳全文）

Google     語音助理      報新聞  

Google新招！讓AI語音助理變成私人主播，幫你報新聞

Google日前宣布一項新計畫，要讓Google Assistant結合機器學習，為用戶播報個人化新聞。結合AI技術，Google Assistant將提供動態組合的新聞播報單，一開始列出短50秒到2分鐘的短新聞，之後針對用戶喜好的主題提供最長15分鐘的深入報導。而且使用還能聲控Assistant跳過某則報導，停止播放，或回播前一則新聞。

Google Assistant報新聞首波將在美國實施英文新聞播報，已有近20家新聞媒體加入這項計畫，包括美聯社、CNBC、CNET、紐約時報、USA Today等，此外，Google也開放全球各地的英文新聞媒體申請加入這項計畫。（詳全文）

Google      機器學習     徵才服務  

Google徵才服務Hire推出候選人探索工具

Google最近於徵才服務Hire推出候選人探索工具Candidate discovery正式版。候選人探索工具是透過Google雲端服務Talent Solution，用搜尋和機器學習技術，了解工作內容和徵才者的意圖，提供多項搜尋功能，包含針對通勤時間和方式、工作內容和個人檔案的搜尋，該搜尋系統能夠自動校正拼寫錯誤、理解行業術語、工作職稱和縮寫等，來確保所有的相關結果都能夠出現在搜尋結果中。針對工作內容、工作職稱和個人檔案的搜尋，Talent Solution還能處理模糊的敘述內容，利用廣泛類別工作的信心評分系統，協助雇主更快速地找到適合的人選。（詳全文）

圖片來源／Google、臉書

 AI趨勢近期新聞 

1. 為訓練全面的機器學習模型，Google新增多元性開放圖像資料集

2. 擴展Alexa知識力，Amazon邀請使用者幫忙回答特定問題

3. 邁向通用型AI第一步，OpenAI打造特殊ML量化指標訓練平臺，要來修正過度學習的AI難題

4. 臉書釋出PyTorch 1.0正式版，挾豐富生態系助開發者快速上手

資料來源：iThome整理，2018年12月