攝影/王若樸
重點新聞(0402~0408)
交通部 數位神經中樞 預警系統
交通部未來4年AI重點:打造事故預警數位神經中樞
交通部運輸研究所副所長黃新薰在3月30日一場論壇上揭露交通部未來4年AI重點,要以5G和AI來發展事故預警、整體交通智慧化的交通數位神經中樞。
這個神經中樞的資料流架構可分為五層,首先是管理機關層及其基礎設施層,比如負責公路的高公局、公路總局,掌管VD、Etag、E-ticket、E-bus和AI監視器等公路監控設施,而負責軌道業務的高鐵、台鐵、捷運等單位,則擁有軌道偵測設備、平交道號誌和錄影機等鐵道監控設施。
這些監控設施所產生的資料先匯整成為數據層,比如公路產生的路況資訊、車隊軌跡、刷卡機電信數據,或是鐵道的軌道、平交道障礙物影像,再透過5G網路傳輸至分析層。
分析層就是數位神經中樞所在,能高速運算即時輸入的交通數據,來進行預測和模擬。分析層產出的結果,將用來發展決策層的4大應用,包括交通即時預警、壅塞熱點挖掘與分析、鐵公路事件預警和整體交通路網優化等。
除了數位神經中樞,交通部AI計畫還聚焦於道路人車衝突預警、無人機橋梁巡檢、軌道設施缺失檢測,以及交通行動服務(MaaS),比如以影像辨識AI偵測路面積水,來即時告知車輛改道,或是發展多元公共運輸工具預約平臺App,在尖峰時刻和交通熱點周邊提供接駁服務,並以AI來優化車隊管理和預約服務。(詳全文)
聯合學習 臺灣人工智慧實驗室 資料隱私
跨業訓練AI有新工具,臺灣AI Labs率先推出聯合學習平臺服務
要有好的AI,就要有夠多的資料。但這種集中式機器學習,對要兼顧資料隱私的企業來說,是一大藩籬。為解決問題,近年來國際興起聯合學習(Federated Learning)做法,也就是分散式機器學習,以共享模型來取代共享資料,讓資料不出門也能訓練模型。
這個風潮也吹向臺灣,國內最早發起FL專案的臺灣人工智慧實驗室(AI Labs),近日就推出首款FL平臺服務,可用於不同產業情境。該平臺設計了一個4階段的導入流程,首先是AI模型上架,也就是發起FL議題的盟主,須將模型上架(可從AI Labs的AI市集中挑選),其他想參與的使用者,就得訂閱加入,並以該模型進行臨床測試。
接著就是第二階段的初始AI模型開發。盟主和加盟者得先訂好AI研究協定,比如醫療影像AI的標註區域等,再由盟主匯入資料、透過半自動專家學習標註影像。訓練資料準備好後,就開始進行初始模型訓練,可使用AI Labs開發的TMI Lightning框架來訓練模型,再透過訓練器來優化,並進行模型微調和驗,最後將模型上板。
初始模型完成後就進入第三階段:聯合訓練。首先,聯盟成員得先擬定聯合學習計畫,並選擇訓練資料(比如影像等等),接著將初始模型部署到加盟者端,開始訓練。成果評估沒問題後,就將模型上板,要是表現不夠好,第三階段就重來一次。
最後一階段就是聯合驗證,在加盟端測試聯合訓練的模型表現。在這些過程中,AI Labs會扮演技術輔導角色,比如協助提供預訓練模型、標註模式定義,或其他系統操作輔導等。目前AI Labs由內部200人團隊,來提供技術支援服務。(詳全文)
開發環境 DataSpell 資料科學
開發者又有新工具可嚐鮮!新一代IDE DataSpell開放試用
JetBrains針對資料科學應用開發推出最新款IDE工具DataSpell,提供一個高效開發環境,讓資料科學家來探索資料分析、建立機器學習模型雛形。
DataSpell的特點是專為資料處理設計的介面,按資料相關功能來排序,舉凡工具視窗、主選單、操作等都依這個想法來布局,此外,DataSpell把程式碼庫視為一個工作空間,而非一個專案,因此用戶可在任務間切換、使用新筆記本,就像是重新使用已配置的環境一樣。不只如此,DataSpell也提供Jupyter筆記本原生支援和Python腳本支援,也包含許多用來處理資料和視覺化的工具。JetBrains也在積極開發DataSpell中,部分功能尚未完成。(詳全文)
Oticon 台積電 助聽器
助聽器大廠Oticon聯手台積電,要打造新一代AI助聽器
助聽器技術大廠Oticon聯手台積電,要以低功耗、高效能的晶片,來打造深度學習助聽器。Oticon自2005年開始,就以台積電晶片來開發助聽器,這16年來,已有數百萬臺搭載台積電晶片的助聽器銷往全球。
去年,Oticon新產品Oticon More採用台積電28奈米低功耗技術,打造出1.54億個電晶體的晶片,能執行由1,200萬個真實聲音場景訓練而成的DNN模型,來學習大腦辨識各種聲音,並做出相同反應。台積電也將繼續研究,來助Oticon打造新一代需強韌運算的AI助聽器。(詳全文)
智慧製造 中華電信 化工業
中華電信揭露5G專網4大智慧製造方案,化工業先試用
中華電信聯手子公司中華精測搶攻5G智慧製造商機,日前展示4大5G專網智慧製造解決方案,包括5G+AR生產環境戰情管理、5G+AIoT感測器、5G+邊緣運算系統、5G+AI等。
中華精測的化學槽液預警系統,就是例子之一。過去化學槽液定時更槽,但會浪費仍能使用的槽液,於是他們利用感測器蒐集數據,將這些數據建模、計算槽液剩餘壽命,來掌握槽液健康狀態。這個做法讓平均更槽時間延長約50%,節省藥水支出成本、維持槽液品質。(詳全文)
AWS AI監測服務 異常指標
AWS新AI監測服務用ML揪出異常指標
不只推出電腦視覺服務和設備偵測服務,AWS最近還發布一個AI監測服務Amazon Lookout for Metrics,可自動監控指標,或診斷異常現象,像是收入意外大幅降低,或大量付款失敗等事件。
為理解用戶資料,Lookout for Metrics利用偵測器來學習資料,用戶可建立偵測器、選擇5分鐘或1天等不同的時間區間,來決定偵測器匯入資料的頻率。該服務可連接19個資料來源,像是Amazon的服務S3、CloudWatch和RDS等,還有Salesforce、Marketo和Zendesk等應用程式。此外,有多個指標受到異常事件影響時,相關的指標會匯總起來,並總結出造成異常的主因,並按嚴重性排名。(詳全文)
Google地圖 AR導航 路徑規畫
Google地圖也要支援室內AR導航
Google地圖最近宣布要新增室內AR導航功能Indoor Live View,要來協助使用者更輕易辨識方向。Google指出,機場、交通轉運站和大型購物中心等室內環境都包括在內,新版功能問世後,使用者在機場就可利用地圖尋找電梯、登機門、報到櫃臺、洗手間,而且搭配箭頭與說明;或是在購物中心內利用Indoor Live View來查找取貨的商店位置。
此外,Google地圖還會推出一項環保路徑功能,也就是在使用者規畫路徑時,若最快路徑與低碳路徑的到達時間差不多,系統將自動以低碳路徑作為預設值,就算所找出的最快路徑比低碳路徑快一些,系統也會列出低碳路徑供使用者參考。(詳全文)
攝影/王若樸、蘇文彬
圖片來源/JetBrains、AWS、TSMC、Google、
AI趨勢近期新聞
1. Google開源用ML打造的編解碼器Lyra,要來降低語音通話的頻寬量
2. Yann LeCun用字典學習來解密Transformer架構的黑盒子
3. 美國政府發布AI戰略報告NSCAI
資料來源:iThome整理,2021年4月
熱門新聞
2024-10-05
2024-10-07
2024-10-07
2024-10-07
2024-10-07
2024-10-07
2024-10-07