2019 AWS自動駕駛賽車聯盟首度在臺北舉辦地區賽,吸引了超過百位選手報名參加;除了實體賽車賽,AWS也打造了虛擬賽車場,讓開發者可以將模型上傳參加聯賽。

圖片來源: 

攝影/洪政偉

重點新聞(0607~0613)

AOI     機器學習    智慧製造  

友達打造Smart AOI平臺,用AI提升瑕疵檢測辨識率

高科技製造業近來開始在品管流程上大力引進AI,如英業達、緯創、友達都開始AI加值AOI自動光學檢測。友達光電近日就揭露如何用AI加值自動光學檢測(Automated Optical Inspection,AOI)的作法。

在液晶面板的生產流程中,從原料、製程到成品的螢幕、外觀都需要用到AOI設備來檢測,但因傳統AOI檢測作業上,為了讓不讓瑕疵物件被放過,通常會嚴格設定條件,除了漏檢(Leakage)問題,也常常導致許多誤殺(overkill)的情形,因此,還是必須要設有複檢人員再次檢測,這也是許多製造業廠商想導入AI來提升檢測效率的原因。

為了增加檢驗效率,友達開發了一個Smart AOI平臺,利用來自工廠內超過400臺AOI設備上蒐集的3,000多萬筆影像資料進行機器學習,再將訓練好的模型部署到AOI機臺中,輔助機臺提升判斷精準度。而導AI後的挑戰,則是需要透過不斷更新資料、演算法的開發、硬體算力的提升,才能在多變的生產環境中持續且有效的解決問題。

  AWS     DeepRacer    強化學習  

AWS自動駕駛賽車競賽首次來臺舉辦預賽,冠軍將參加賭城決賽

AWS去年發起了機器學習自動駕駛賽車聯盟競賽(AWS DeepRacer League),讓開發者可以利用AWS的DeepRacer自駕小車,來測試自動駕駛AI模型的能力,6月中也首度在臺北舉辦地區賽。賽前,AWS先打造了虛擬賽車場,讓開發者可以先在線上訓練增強學習(Reinforcement Learning)模型,並將模型上傳參加聯賽。臺灣也有參賽者Taiwan-Taipei-CKSun在倫敦巡迴虛擬聯賽中上榜,名列全球排名第四。無論是每月冠軍或是任何AWS高峰會舉辦的現場賽車競賽冠軍,都能參加12月在拉斯維加斯舉行的AWS DeepRacer冠軍盃。(詳全文)

  InfuseAI    PrimeHub    GCP  

國產AI新創推出的AI部署軟體,新增GCP雲端AI環境代管功能

國產AI新創軟體公司InfuseAI去年6月推出了一站式AI部署平臺軟體PrimeHub,最近更新增GCP雲端代管版本,讓租用雲端資源的企業也能在公有雲上部署專用的AI環境。

PrimeHub平臺利用Kubernetes容器技術,來快速建立多種AI執行環境,不僅可支援TensorFlow、PyTorch、Caffe等主流深度學習框架,也提供企業級帳號和資源控管機制,例如單一帳號登入多種AI環境的SSO、容量和運算資源的群組管理機制,內部稽核工具等。目前,已有台灣人工智慧學校、中研院、玉山銀行等採用。(詳全文)

  Google    R語言       AI Platform 

Google的AI平臺筆記本開始支援R語言

Google在今年Next大會中發布了一系列支援機器學習生命周期各階段的工具,其中包括了AI平臺筆記本,這是一個代管服務,供使用者以最新的資料科學與機器學習開發框架,創建JupyterLab執行個體服務,現在Google宣布在AI平臺筆記本支援R語言。

用戶可以在Google的AI平臺點選筆記本選項,並且在創建新的執行個體時選擇R 3.5.3,就能在AI平臺筆記本中使用R語言,並預安裝JupyterLab、IRkernel、xgboost、ggplot2、caret、rpy2以及其他熱門的R函式庫,而且AI平臺筆記本也與Google的其他服務包括BigQuery、Cloud Dataproc以及Cloud Dataflow整合,讓用戶可以直接操作資料,進行擷取、預處理、探索以及模型訓練與部署等各種工作。(詳全文)

  Google    TensorFlow.Text    NLP  

Google發布TensorFlow.Text函式庫,來優化語意分析模型的表現

Google在GitHub上介紹了專門處理語言模型的TensorFlow.Text函式庫,幫助模型先分割語句,再分析其中文字、數字、標點符號等文本內容,包括空白鍵、國際通用字元集(Unicode)組成的文句、單字片段的序列(如英文的字首字尾)等,而這些片段的文字(wordpieces)常被用在處理語言的模型中,如Google開源釋出的自然語言處理模型BERT。此函式庫自今年三月發表以來,已經被下載超過4100萬次。(詳全文)

Facebook    PyTorch Hub     機器學習 

方便重製AI研究,臉書發布內建18種預先訓練模型工具

臉書發布協助重現機器學習研究的工具PyTorch Hub,目前為測試版,透過簡單的API和工作流程提供開發者基本的模組,來重現機器學習相關的研究。PyTorch Hub提供多種預先訓練好的模型,專為加速重現研究設計,也提供影像分類、語意分割、生成、翻譯等18種模型,包括Google自然語言處理模型BERT、CNN熱門模型AlexNet,以及Nvidia的語音生成模型WaveGlow。此外,PyTorch Hub也支援Google Colab開發環境和Papers With Code。(詳全文)

Speech2Face   深度學習    CVPR  

聽聲音就能重建說話者的臉,麻省理工發表深度學習新應用模型Speech2Face

麻省理工學院AI實驗室研究團隊最近在IEEE國際計算機視覺辨識協會CVPR上發表一篇新論文,發表了一個新的聽聲辨臉成果。研究團隊利用網路或Youtube中公開的教育類影音資料,擷取超過百萬筆人聲片段與對應的人臉來訓練一個深度學習模型Speech2Face,進而從聲音歸納出說話者的生理特徵,包括年齡、性別、種族等,並以此重建人臉圖像。

然而,研究者提到,目前該研究仍有其侷限,例如無法還原出說話者的身份,因為Speech2Face只能建立出平均人臉特徵而非精準的個人樣貌,也因訓練的人臉資料不夠多元、可能造成偏誤(bias),以及訓練資料並無涵蓋所有語言,可能造成無法辨識的問題等。(詳全文)

LandingAI    智慧製造      GAN  

LandingAI在臺發布智慧製造新解決方案,可用AI辨識作業員行為來偵錯

由吳恩達創立的AI新創LandingAI,在臺發布智慧製造缺陷檢測(Defect Detection)解決方案,可以用攝影機即時擷取生產線上作業員的行為,來判斷組裝過程中的行為是否正確,也能進一步得知每個作業員在各工序花費的時間、以及與前10%表現者平均效率的差距。

LandingAI副總裁王冬岩指出,他們有一個專利技術Smart Data,可用於輔助訓練缺陷檢測模型,利用生成式對抗網路(GAN),只需不到10張瑕疵影像就可以產出大量仿製的訓練用資料,可解決製造業資料不足的問題。除此之外,LandingAI也提供了一個Live Defect框架來供企業更有效的定義資料缺陷,王冬岩表示:「客觀基於事實來定義缺陷,是整個流程最重要的事。」(詳全文)

紡織所    Netflix      演算法  

借鏡Netflix影片演算法,臺灣紡織所開始用消費者訂單資料來預測熱門商品

紡織綜合所(TTRI)近期也開始運用Netflix的個人化推薦演算法,來設計一個成衣業可用的熱門商品預測模型。以顧客購衣的歷史紀錄為數據建立AI模型,透過找出不同消費者間的相同喜好,能在消費者訂單資料不多的情況下,預測受歡迎的商品。儘管該服務尚未有成功導入的案例,紡織所產品部副主任施陽平表示,臺灣的紡織業也開始重視消費端數據,來為傳統產業加值。

圖片來源/AWS 攝影/翁芊儒

 AI趨勢近期新聞 

1. 微軟為Power平臺加入AI建置工具,讓用戶以少量程式碼就能在企業App加入AI功能

資料來源:iThome整理,2019年6月


Advertisement

更多 iThome相關內容