AI趨勢周報第135期：臉書開源臨床試驗分析器函式庫，找受試者更快速

重點新聞(0605～0611 )

臉書    臨床試驗    函式庫  

臉書開源臨床試驗分析器函式庫，研究單位可快速找出受試者

隨著市面上越來越多因應疫情的臨床試驗出現，像是疫苗、藥物、療法等，臉書AI團隊也設計一套方法，能把尋找受試者的篩選標準轉換為機器可讀的格式，來自動搜尋複雜的試驗條件，加速尋找適合受試者的過程。

一般來說，藥廠要進行藥物或疫苗試驗時，必須尋找合適的受試者，但在美國，這個過程卻困難重重，根據塔弗斯大學研究，幾乎8成臨床試驗因找不到足夠或適合的受試者，而延遲或取消。特別是受試者的多元性不足，如種族等背景因素。為解決問題，美國國家醫學圖書館（NLM）建立了開放資料庫ClinicalTrials.gov，收集美國國內外33萬多筆試驗資料，包括受試者的篩選條件，如年齡、性別、種族、受試地點、採用的技術等。但臉書團隊指出，這個資料庫的文本為任意形式（Free text），而且包含複雜的醫學語言，每天還會新增3萬2千多例新資料，要整理非常複雜。

為此，臉書團隊利用NLM的資料，來訓練一套自然語言處理模型，可從試驗文字敘述中，抽取命名實體（如慢性病、過敏等）並進行分類。接著，他們再用另一套受試標準的模型，來找出命名實體與知識庫的關聯，最後再透過第三套模型，來辨識、預測知識庫中的受試標準屬性，並判斷該試驗適不適合特定受試者。經測試，這些模型都達到高階（SOTA）表現。（詳全文）

DeepMind     文字轉語音     EATS  

DeepMind發表文字轉語音EATS，大幅降低監督式的標註工作

DeepMind最近以端到端的對抗學習方法，開發一套文字轉語音（TTS）模型ETAS，號稱媲美多階段和需大量標註來訓練的高階模型，此外還能克服傳統TTS模型的訓練問題。一般來說，TTS指的是將自然語言當作輸入值，再產出合成的人聲，但TTS的工作流程很複雜，需處理文字規範化、語言特徵統一、質譜圖合成和音波合成等。此外，在合成語音的過程中，還需要大量實際值（Ground truth）標註，來監督輸出值，無法直接利用文字或音素（Phoneme）來合成聲音。

而EATS的任務，就是要映射音素或字符序列，映射到24kHz的原始音訊。此外，EATS也有兩個子模型，來處理常見的文字語音長度不對稱問題，也就是透過對齊器來預測每個輸入值的持續時間，並產生音訊對齊的特徵，再透過解碼器處理對齊器的輸出值，取得完整的音訊。另一方面，EATS還利用生成器來學習較弱的訊號，大幅降低標註的需求。

後來，團隊用平均評價分數（MOS）來衡量EATS的語音質量，發現比起其他模型，EATS所需的監督工作大幅降低，表現也達4.083分，相當於GAN-TTS和WaveNet等高階模型。（詳全文）

  工研院AIdea     荒野保護協會    海洋廢棄物  

荒野保護協會開放海洋廢棄物快篩數據，徵求高手打造海洋廢棄物預測AI

荒野保護協會藉著工研院人工智慧共創平臺AIdea，在平臺上提出了臺灣海洋廢棄物的預測議題，吸引國內外211組AI好手來解題。進一步來說，這個議題是要讓參與團隊，透過AI來分析全臺海岸121個觀測站的海洋廢棄物分布狀況，為未來淨灘選址提供參考地點；此外，還要根據單一個測站的快篩調查數據，來預測鄰近測站的洋海廢棄物分布狀況，方便各站的人力調配。

工研院指出，目前的海洋廢棄物快篩調查抽樣，多以人工目測為主，十分耗時，因此荒野保護協會希望借助AI影像辨識，來掌握海洋廢棄物分布，把快篩調查、淨灘的人力分配到污染較嚴重的海岸。這次荒野保護協會在平臺上提出議題，透過AIdea團隊清洗去年海洋廢棄物的快篩調查資料，放到平臺上，讓不同團隊來解題。自去年11月上架至今，已有211組國內外AI團隊參與解題，AIdea也將準確度達75%以上的7位好手，推薦給荒野保護協會，以便日後的合作。（詳全文）

  三軍總醫院    聯合學習   武漢肺炎  

三總加入國際聯合學習計畫，要打造跨國武漢肺炎X光片AI判讀模型

三總日前參與Nvidia與麻州最大醫院系統合作健保Mass General Brigham的武漢肺炎聯合學習計畫（Federated Learning for COVID-19 Initiative）。這項計畫旨在聯手全球20多家醫療機構，利用聯合學習，在不分享患者資料和保護病患隱私的前提下，來打造醫療AI模型。

三總這次計畫將使用Nvidia提供的AI軟、硬體技術，來整合跨系統的醫療資訊數據。三總將收集武漢肺炎患者的胸部 X 光片，先訓練一套AI模型，來自動判讀病情嚴重程度，並判斷是否需提供氧氣和呼吸治療，作為緊急醫療決策的輔助資訊。（詳全文）

  深度學習模型開發   Uber     抽象層 

大幅簡化多框架深度學習模型開發，Uber開源深度學習框架抽象層Neuropod

Uber為了要讓自家應用程式可以靈活使用多種深度學習框架，因此開發了抽象層Neuropod，作為開發、訓練和部署機器學習模型的介面，讓研究員可更簡單應用各種框架、簡化模型部署。

Uber表示，要在機器學習堆疊中支援新的深度學習框架，需花大量人力和時間。為簡化這個過程，Uber開發了Neuropod，提供執行深度學習模型的統一介面，來簡化開發流程。進一步來說，Neuropod可消除重複性工作，因為Neuropod是TensorFlow這類框架與應用程式之間的抽象介面，應用程式可直接與Neuropod溝通，所以開發者只需增加Neuropod的支援，就能與多個深度學習框架相容。但如果只使用單一種框架，Neuropod就發揮不了簡化的作用。（詳全文）

  Motion2Vec    機器人視覺     縫合手術  

Motion2Vec強化深度空間學習，機器人看影片就學會縫合手術

Google大腦、英特爾和柏克萊大學合作開發一套Motion2Vec演算法，讓機器人看影片來學習外科手術相關任務，完成縫合、穿針和打結等動作，更實際應用於達文西手臂外科手術系統，在實驗室中成功穿針引線。

這套Motion2Vec演算法，是一種半監督式學習演算法，從影片中學習動作，在孿生神經網路中，將相似動作分割和度量學習結合在一起，習得一個深度嵌入特徵空間。實驗結果顯示，Motion2Vec的表現比目前最先進的方法都還要好，它在JIGSAWS資料集的公開影片中模仿手術縫合動作，達到了平均85.5％的分割精準度，而在對手術縫合影片進行模擬時，每個測試集觀察到的位置誤差為0.94公分。（詳全文）

Cloud 反向翻譯    Google     資源稀缺  

反向翻譯讓少資源語言翻譯品質更上層樓！

Google近期多項自動翻譯的技術改進，不只更換模型，也讓模型能透過網路上抓取的雜訊的資料來訓練，因此大幅提升翻譯品質，讓100多種語言翻譯到英文的的BLEU分數，平均提高5分，特別是低資源語言的翻譯。

進一步來說，Google採用反向翻譯技術，利用合成的平行資料，也就是將人類編寫的句子，來搭配神經翻譯模型生成的句子，作為模型訓練資料，來強化訓練。反向翻譯可使網路資源較少的語言，有更好的翻譯模型輸出。此外，Google也採用M4建模，來克服少資源的障礙；M4利用單一大型模型，進行所有語言和英語間的翻譯，可實現大規模遷移學習。這些技術改善了機器翻譯自動評估指標BLEU的分數，Google翻譯新模型的BLEU，比最初的GNMT模型平均高出5分，而50種少資源語言的BLEU分數，平均更是增加7分。（詳全文）

Amazon    對抗生成網路     虛擬換裝  

Amazon靠AI新方法讓模特兒的服裝合成更自然

Amazon在電腦視覺和圖形辨識重要年度會議CVPR中，發表了一篇能合成服裝到模特兒身上的AI論文。這套系統名為Outfit-VITON，相當於虛擬試穿系統，可將參考照片中人物的穿著，合成到另一張照片的模特兒身上，研究人員指出，Outfit-VITON採對抗網路，由生成網路和判別網路的競爭產生最佳結果。

Outfit-VITON由三部分組成，形狀生成模型、外觀生成模型以及外觀修正模型，形狀生成模型會圈出要試穿的衣服形狀，並計算試穿模特兒的身材和動作。接著再輸出至外觀生成模型，來結合這個輸出的結果，成為模特兒穿著指定服飾的照片；再來才由第三個模型微調，保留商標和特殊圖案。團隊表示，這個系統比以前的系統產生更自然的結果。（詳全文）

圖片來源／臉書、Google、DeepMind、Amazon、Uber

 AI趨勢近期新聞 

1. SAS釋出免費AI環境，要加速科學家尋找防疫策略

2. Google釋出Android 11測試版，同時更新Android Studio如機器學習匯入功能

3. OpenAI發表超大自然語言模型GPT-3的API，要促進商用價值

4. 臉書Deepfake人臉辨識挑戰賽得主達82%準確率

資料來源：iThome整理，2020年6月