高通
重點新聞(0412~0418)
高通 AI晶片 雲端
高通推出新款AI加速運算處理器Cloud AI 100,每秒可執行100兆次浮點運算
行動晶片商高通(Qualcomm)近日在Qualcomm AI Day大會上,發表最新款專為AI推論設計的處理器系列Cloud AI 100,同樣採用7奈米製程,預計今年下半開始向客戶送樣。高通表示,比起自家高階行動處理器Snapdragon 855和Snapdragon 820,Cloud AI 100的最高效能可高出3到50倍之多,並且與傳統的FPGA處理器相比,推論速度更足足快了10倍,每秒可執行100兆次浮點運算(TOPs)。
此外,這款新處理器也整合各種雲端到邊緣端的AI推論開發工具,像是ONNX、Glow和XLA等,也支援TensorFlow、PyTorch、MXNet主要機器學習框架,幫助開發人員更容易在處理器上執行各種AI推論任務,如語音助理上的自然語言處理和翻譯等。(詳全文)
希捷 雅典娜計畫 深度學習
老牌硬碟大廠希捷啟動雅典娜計畫,靠AI來把關硬碟品質
老牌HDD大廠希捷近日宣布啟動雅典娜計畫(Project Athena),正式於美國明尼蘇達州的Normandale晶圓工廠部署深度學習平臺,來檢測記錄磁頭(Recording Transducers)的品質。在生產過程中,Normandale工廠每天產出數百萬張、高達10TB的影像資料,工程師需先檢查這些影像是否有瑕疵,才會組裝至硬碟上。
但由於磁頭影像數量龐大,工程師無法一一檢測,因此希捷決定導入AI。希捷提到,部署的AI模型每天可即時分析300多萬張電子顯微鏡產生的影像,並從中找出人類工程師可能忽略的小瑕疵,再回報給團隊來改善問題。希捷指出,導入AI後降低了檢測成本,更大幅減少製程所需的無塵室投資達20%,並降低生產流程中10%的投注時間。(詳全文)
MIT RoCycle 機器人
MIT打造出可感受材質差異的回收機器人
美國麻省理工學院(MIT)的電腦科學與人工智慧實驗室(CSAIL)日前展示一臺回收機器人RoCycle,透過多種感測器來辨識回收物品的材質,進而準確投入回收籃中。研究人員表示,光憑電腦視覺並無法讓機器人擁有人類般的感知,還需發展觸覺感知才行。因此,研究員先打造了一個純靠觸覺來辨識物體的機器人RoCycle,透過其手部加裝的應變感測器來偵測物體大小,以及另外2個壓力感測器來偵測物體材質,比如是否為容易折疊的紙,還是較硬的塑料。此外,RoCycle手部還可導電,因此能辨識回收物中的金屬。
RoCycle目前能夠辨識塑膠、玻璃和紙類等3種材質,不過,研究員提到,在靜止不動的情況下,RoCycle物體辨識率為85%。但在移動的輸送帶上,RoCycle的物體辨識率只有63%。未來,研究員計畫將電腦視覺功能融入RoCycle,來提高機器人整體辨識率。(詳全文)
Google AI Platform 協作
Google推出AI專案管理協作平臺服務
Google近日發表AI專案管理協作平臺(AI Platform)測試版,可以讓參與機器學習模型建置的各階段人員,都使用相同的共享介面。AI平臺是一個端到端的開發平臺,團隊可以使用共享介面,準備、建置、執行以及管理機器學習專案,各種角色都能參與其中,像是開發人員、資料科學家或是資料工程師,都能使用Cloud Console中的同個儀表板,進行模型共享、訓練與擴充工作負載。
使用者可將資料直接輸入至AutoML,或使用Cloud Machine Learning Engine來訓練AI模型。AI平臺補足了AI Hub功能,開發者可查看ML工作流程、Notebooks和其他說明文件。此外,由於AI平臺支援Kubeflow,使用者能建置可移動的ML工作流程,幾乎不需要更改程式碼,就能在本地端或雲端執行。(詳全文)
迪士尼 NLP 腳本
迪士尼研究院發表文字轉動畫的腳本生成AI
迪士尼研究院和羅格斯大學日前發表一篇論文,說明如何利用自然語言處理技術(NLP),將複雜的文字敘述轉換為動畫影片,作為編劇參考的腳本。該團隊研究員指出,現有的文字轉動畫系統,只能處理非常簡單的句子,但透過文本簡化(Text Simplification)技術,研究員開發出能處理複雜句子的AI系統。
進一步來說,他們以現有的動畫生成系統為基礎,建立了一個NLP工作流程(pipeline)來擷取劇本中的資訊,並將這些資訊對映到系統知識庫。接著,研究員設定了一系列的語言轉換規則,來簡化結構複雜的句子,再從簡化過的句子中擷取資訊,利用這些資訊來產生編劇用的動畫腳本。論文指出,按照BLEU和SARI指標,其文本簡化模型表現比現有的系統要好。(詳全文)
IBM 語音辨識 ADPSGD
IBM提出語音辨識模型訓練新方法,將訓練時間從1周縮短為11小時
IBM研究員日前發表一篇研究論文,利用分散式處理架構來訓練語音辨識模型,不只訓練時間快上15倍,準確度也不受影響。研究員表示,要訓練如Siri或Alexa般的自動語音辨識系統(ASR),需要複雜的編碼系統將語音轉換為AI可理解的特徵,還需要解碼系統將輸出資訊轉換為人類可讀的文字。這樣的模型往往過大,訓練也十分耗時。
研究員想出一個平行化解決方法,也就是提高每次可處理的樣本數量,透過原則性方法將批次處理的量提高至2560,是公認的10倍。此外,研究員也採用了一項名為ADPSGD的分散式深度學習技術,讓訓練時間從1周縮短為11.5小時,保持了同樣的準確度。IBM計畫於下個月的IEEE國際大會上發表這項成果。(詳全文)
臉書 深度學習 PBG
臉書開源能快速處理超大型圖嵌入的工具PyTorch-BigGraphs
臉書開源了專為超大型圖設計,支援多重關係圖嵌入訓練的工具PyTorch-BigGraph(PBG)。臉書提到,超大嵌入圖主要有兩個挑戰,第一,嵌入系統必須夠快,才能應用在實際研究與生產上;第二,記憶體的限制,比如嵌入20億個節點,每個節點有128個浮點數參數,這樣就需要1TB容量,超過一般商用伺服器記憶體的容量。
而PBG是一個分散式系統,可用於學習大型圖嵌入,特別適合應付具有數十億個節點以及數兆個邊的超大型圖,再加上PGB是以開源深度學習框架PyTorch開發,因此開發者可以自行替換損失函數、模型以及其他元件。(詳全文)
微軟 AI工具 雙語教學
臺灣微軟與高雄市聯手,以AI助學校打造數位雙語教學環境
高雄市政府日前與臺灣微軟簽署合作,鼓勵學校在雙語教學中使用微軟的AI工具,幫助學生學習外語,比如透過微軟Office 365中的AI朗讀工具,學生可依個人學習狀況來調整朗讀速度,並學習正確的發音。此外,PowerPoint也支援微軟翻譯功能,為英語簡報提供輔助字幕,讓學生更容易瞭解授課內容。
不只如此,臺灣微軟也將培養教師的數位教學能力,配合相關工具開發數位雙語教學。目前高雄苓雅區的成功國小、茄萣國小已加入這項AI雙語計畫,高雄市府和臺灣微軟的合作,未來將以12年國教課程為目標,擴大到其他教育層級單位。為解決高雄學校教育資源上的城鄉落差,臺灣微軟也將把在全球推行的雲端未來學校計畫、微軟學校計畫、微軟創新老師計畫帶到高雄。(詳全文)
圖片來源/高通、希捷、MIT、IBM
AI趨勢近期新聞
1. Google更新機器學習開發套件ML Kit,新增支援智慧回覆與語言辨識功能
2. Google釋出Cloud Healthcare API助醫療資料上雲端,加速醫療AI模型開發
3. AWS釋出預配置的深度學習容器
4. Amazon Redshift現提供並行擴展功能,數秒就能提升叢集處理查詢的能力
資料來源:iThome整理,2019年4月
熱門新聞
2024-11-05
2024-11-05
2024-11-07
2024-11-04
2024-11-02
2024-11-02