AI趨勢周報第138期：DeepMind新方法可自動產生強化學習演算法

重點新聞(0717～0723)

DeepMind     強化學習     演算法生成  

DeepMind設計新方法，來自動產生強化學習演算法

DeepMind近日在一篇論文中，揭露自行設計的後設學習（Meta learning）新方法，透過與環境互動，來產出更合適的強化學習演算法。團隊指出，強化學習能更新AI代理人（Agent）的參數，讓代理人表現更好，但這種更新通常得根據好幾年的研究，以人工方式從多種規則中，找出最佳規則。

DeepMind認為，自動從數據中找出新規則，能產出更有效率的演算法，或是更貼近特定環境。雖然已有相關研究來探討自動找規則，但仍無法解決一個問題，也就是找出強化學習基本概念的替代方法，比如價值函數或時間差分學習（TD Learning）。於是，DeepMind設計一套後設學習方法，藉著與環境互動來找出更新的規則，包括代理人該預測什麼（即價值函數）及如何從中學習（也就是自助抽樣法Bootstrap）。該方法的產出值就是一套強化學習演算法，DeepMind稱之為習得策略梯度（LPG）。後來，DeepMind用簡單的玩具環境來訓練LPG，結果發現訓練出的演算法，能泛化應用到複雜的Atari遊戲，並達到非平凡（Non trivial）表現。DeeepMind認為，這個新方法有潛力從數據中，自動產生通用的強化學習演算法。（詳全文）

  零售業     資料保護    微軟  

瞄準零售資料保護需求，微軟更新AI防詐欺應用程式

微軟在今年開發者大會中宣布更新Dynamics 365 Fraud Prevention防詐欺應用程式，並提供預覽版給用戶。微軟在今年5月推出防詐欺應用程式，專門鎖定零售業者，要來解決使用者帳號建立和管理問題，防止使用者惡意建立假帳號，趁交易時獲取機密資料。這次更新可分為兩部分，首先是帳戶防護（Account Protection）功能，可追蹤異常的帳戶活動、偵測假帳戶，也能讓零售商自定義評估細節，比如名稱、API路徑，以及特定事件的有效負載。再來是損失預防（Loss Prevention）功能，可根據全通路的購買紀錄，利用AI來偵測惡意退貨或不合理折扣等異常模式，讓零售商以此來降低損失。（詳全文）

  皮克斯     GAN     超高解析度  

皮克斯用GAN來產生超高解析度電影畫面

知名動畫電影公司皮克斯（Pixar）技術總監Vaibhav Vavilala日前揭露如何以對抗生成網路（GAN），來解決動畫影視業常面對的高畫質問題。他指出，為打造更好的視覺體驗，皮克斯常需渲染超高解析度（如2K或4K）的動畫。但這個做法耗時又耗成本，因為，光是渲染1幀2K超高解析度的畫面，就耗費50個GPU小時，對90分鐘的電影來說，團隊每秒需渲染24幀，如果是4K解析度，成本和時間就加倍了。

為解決問題，Vavilala決定先讓動畫團隊以較低的解析度來製作電影，再透過ML系統來提高解析度。不過，要教ML系統正確填入光影和顏色並不容易，所以Vavilala決定用善於生成的GAN。於是，他先設置了PyTorch開發環境，然後用皮克斯近期電影中，高、低解析度的影像來訓練模型。他指出，後來，製作團隊用這套系統，來把1K的畫面提高至2K品質，可以降低自家算圖農場5成至7成的處理成本。（詳全文）

  AI超級電腦   Nvidia       佛羅里達大學 

Nvidia聯手佛羅里達大學，要打造學術界最快AI超級電腦

Nvidia近日聯手佛羅里達大學（UF），宣布要一起開發學術界最快的AI超級電腦計畫。進一步來說，Nvidia將以超級電腦DGX SuperPOD架構，來強化UF現有的超級電腦HiPerGator，效能將達700 Petaflops，預計明年正式上線。

UF指出，這套優化過的超級電腦，可為師生提供更好的AI運算工具，來幫助跨領域的研究如人口老化、個人化醫療、都市交通和食物安全等。（詳全文）

  機器學習     手術排程    中國附醫  

預計年底上線！中國附醫要靠ML精準預測422種手術時間

中國附醫開發一套手術排程模型，可根據病患狀況，來準確預測手術所需的時間，目前已可預測25個科別、共422種手術的時間。這套模型能讓醫院能掌握手術室使用時間、提高利用率。中國附醫預計在今年底，將這套模型實際用於臨床手術排程。

為訓練模型，團隊收集了中國附醫2017年至2019年、共17萬筆EMR資料，也從70種參數中，選出重要的24種。接著，團隊用清洗過的11萬筆資料來訓練模型，再利用今年3、4月收集的7千多筆資料，來測試模型。團隊發現，XGBoost表現最好，其R2決定係數值可達0.85，已達臨床可用的程度。現在，團隊正將這套模型打造成一套手術排程系統，要在今年底前，實際應用於中國附醫的臨床手術排程。（詳全文）

Cloud 護理工作    醫療語音平臺    恩主公醫院 

聽懂中英夾雜和專業術語，恩主公醫院醫療語音平臺95%準確率上線

恩主公醫院日前揭露一款臨床醫療語音平臺，歷經兩年開發，不僅能聽懂護理專業術語，還能辨識中英夾雜語句。這款平臺搭配小型耳機和麥克風，護理師可以口說方式，來記錄護理工作內容、調閱資料，不必像過去，照護完患者後，還要回到護理站花2個小時輸入護理紀錄。

這套系統由恩主公醫院和緯創科技共同打造，為訓練語音辨識系統，緯創收集了2萬多條詞彙，接著與恩主公醫院設計了1,000個句子，由醫院8位護理人員來唸這些句子，再將這些語音用來訓練系統。完成後，這個平臺部署到醫院系統，讓護理人員直接在病床旁邊打開護理車上的系統，透過語音指令選擇要輸入的欄位，再說出照護資訊，系統就能自動輸入到欄位中。（詳全文）

AWS    低階基礎設施     Copliot  

不需手動管理低階基礎設施！AWS推出命令列工具Copilot

AWS釋出新的ECS命令列工具AWS Copilot，用戶不再需要手動管理低階的基礎設施，就能在ECS上部署應用程式。AWS指出，要建立雲端應用程式架構，需考慮許多元件，比如VPC子網路、負載平衡器、部署工作流程和應用程式的永久儲存等。

而Copilot可處理這些細節，使用者只需提供Dockerfile，再加上幾個指令，Copilot就能在AWS上建立、啟動容器，並配置負載平衡器，甚至能建立CI/CD工作流程，當開發者將新的程式碼提交到儲存庫時，自動重新部署應用程式新版本。（詳全文）

3D姿勢     運動員      紐約時報  

用AI捕捉運動員3D姿勢，賽事報導更精準

為改善體育賽事的報導方式，紐約時報用AI開發一套3D姿勢量測模型，從連拍相片中計算出體操選手的3D骨架，擷取肉眼容易漏看的姿勢細節，讓記者有更完整的資料，來報導運動員表現。

進一步來說，在比賽現場，紐約時報攝影師會從多個角度拍攝運動員，並用機器學習算出每個影格中的運動員2D姿勢，再以相機參數和三角化演算法，從2D姿勢回推3D姿勢，系統可從3D姿勢序列計算出旋轉速度、跳躍高度等評分指標。（詳全文）

攝影／王若樸

圖片來源／中國附醫、微軟、Nvidia、AWS、紐約時報

 AI趨勢近期新聞 

1. 緯創集團攜手微軟成立創新產品辦公室，兩年將投五千萬元研發AI新產品

2. Google發布電商推薦工具公開預覽版

3. Roomality使用AI打造出人工窗景

4. Amazon推出深度學習語音模組Alexa Conversations公測版，開發所需的程式碼更少了！

資料來源：iThome整理，2020年7月