迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
同時也有139部Youtube影片,追蹤數超過12萬的網紅朱學恒的阿宅萬事通事務所,也在其Youtube影片中提到,市井小民大企劃 ! 邀請民眾齊唱【塔綠班之歌】 歡迎投稿至:[email protected] 贊助專區 Paypal傳送門: https://paypal.me/HsuehHeng 綠界傳送門: https://p.ecpay.com.tw/706363D 歐付寶傳送門: ...
「動機 類語」的推薦目錄:
- 關於動機 類語 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於動機 類語 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於動機 類語 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於動機 類語 在 朱學恒的阿宅萬事通事務所 Youtube 的精選貼文
- 關於動機 類語 在 李錫錕 POWER Youtube 的最佳貼文
- 關於動機 類語 在 白玉Bai Yu Youtube 的最佳貼文
- 關於動機 類語 在 モチベーション」是個較有深度的N2單字, 它是「動機」的 ... 的評價
- 關於動機 類語 在 你学语言的动机是什么?中英双语 - YouTube 的評價
動機 類語 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
劍橋討論人工智慧的利弊!AI全程參與為自己辯論,還獲勝了
大數據文摘大數據文摘 發表於 2019年12月10日 13:30
11月21日,劍橋聯合會(Cambridge Union)也舉辦了一場辯論賽,論題是「AI是否會帶來更大的弊端」。有趣的是,這場涉及AI的辯論中,真的有人工智慧參與其中!辯論者中有一個辯論機器人(Project Debater)。
兩個辯論隊分別由一名教授和一名辯論專家組成,還有AI輔助。其中一位辯論專家Sharmila Parmanand表示,「我真的很好奇,也很興奮能和機器人一起辯論。」
IBM研究人員將他們的「民眾觀點採集」(Speech by Crowd)技術應用到Project Debater的AI系統上,讓它在賽前根據人們提交的1100多份觀點進行分析。
這些詞語或短句不超過36個單詞,其中有對AI表示支持的,也有反對的。然後,AI根據這些主要觀點組成連貫的敘述,以完成辯論。
一方面,機器人表示,「人工智慧的錯誤率低於人類,這將是一個巨大的優勢。它可以用來執行重複、簡單的任務,以節省人類的時間。」
另一方面,機器人又說,「人工智慧在道德上無法做出正確的抉擇,因為道德是人類才有的。」「機器人可以照顧病人,也可以代替老師授課,這些領域也不再需要人類。」
它條理清晰地進行了辯論,但不免也有一些失誤。有時它會重複自己的觀點,有時它無法提供詳細的示例來支撐自己的觀點。
最終,認為「AI利大於弊」的一方勉強獲勝,獲得了51.22%的觀眾投票。
這是一場有趣的辯論,而這場辯論的意義不在於機器能否說服人類,而是機器可以讓人類更強。
IBM電腦科學家Dan Lahav表示,「人類的優勢在於能夠很好的結合我們的文化和傳統,動之以情;然而機器可以更好的曉之以理,透過大量數據來豐富我們的知識,做出更具體的決定,消除一些作為人類固有的偏見。」
事實上,這是IBM Project Debater的第三次登場,讓我們回顧一下前兩次辯論賽中它的發揮。
Debater的成長之路
「2016 年,Debater還只是一個蹣跚學步的孩子,而到了2019年,我們已經達到了大學水準。它可以在很多方面幫助人類,比如可以展示出一個爭議性話題的兩面,以減少人類固有的偏見。」該專案首席研究員,IBM傑出工程師Noam Slonim表示。
首戰人類打平手
去年6月,IBM的辯論機器人首次與人類進行辯論,也是第一個可以在複雜主題上與人類辯論的AI系統。
在沒有任何準備的情況下,它不僅可以清晰表達自己的觀點,反駁對方論點,還一度較為準確地指出了對手辯論中的事實錯誤。
Project Debater的對手是兩位青年辯論高手,一位是以色列大四學生Noa Ovadia,她曾在2016年獲得以色列國家辯論冠軍;另一位是以色列國際辯論協會主席Dan Zafrir。
劍橋討論人工智慧的利弊!AI全程參與為自己辯論,還獲勝了
比賽共有兩輪。第一輪辯論主題為「是否應該資助太空探索」,Project Debater在辯論中有一個生動的比喻:
「資助太空探索就像是花錢買高品質的輪胎,雖然花更多的錢會讓人心疼,但最終車可以跑得更遠、更安全。」雖然Project Debater在辯論中給予了豐富的訊息,但是它的表達能力以及辯論技巧明顯不如人類。因此,這一輪中人類辯手獲勝。
第二輪辯論主題為「是否應該增加使用遠程醫療」,在這一輪Debater「發揮良好」,使現場觀眾中的20個人改變了最初的觀點,擊敗了Dan Zafrir。
這是Project Debater首次出戰,一勝一負,與人類平手。
再次辯論雖敗猶榮
今年2月,在IBM的Think conference上,Project Debater挑戰冠軍級辯論家Harish Natarajan。
劍橋討論人工智慧的利弊!AI全程參與為自己辯論,還獲勝了
這場辯論的辯題為「政府是否應該資助學前教育」。雙方都有15分鐘的準備時間,顯然IBM的機器人具有優勢,能夠快速從新聞文章和學術研究中學習並為己所用。
Debater主張補貼,稱其為「幫助社會最貧困成員的重要工具」。而Natarajan反對這一想法,稱「補貼未能解決造成貧困的根本原因,不過是出於政治動機向中產階級成員發放的贈品。」
Natarajan擁有超強的表達能力以及豐富的辯論經驗,在辯論中說服了更多觀眾改變主意。這一次,Debater輸了。
但它的輸贏,對於Debater團隊的負責人Ranit Aharanov來說其實並不重要,她在辯論結束後表示,「這不是人工智慧是否會比人類更好的問題,Project Debater存在的目的是為了幫助人們過濾和查找大量文本中的關鍵訊息,幫助人類處理複雜的決定。」
獲勝者Natarajan在辯論結束後也表示,「真正打動我的是IBM Project Debater與人類結合後的潛在價值。IBM的人工智慧能夠挖掘巨量訊息,並為這些知識提供有用的背景。」
Debater存在的意義
辯論,是指彼此用一定的理由來說明自己對事物或問題的見解,揭露對方的矛盾,以便在最後得到共同的認識和意見。辯論對於未經訓練的普通人有一定難度,對人工智慧來說更是挑戰巨大。
要做到這些,IBM官網總結Debater需要具備三大核心能力:
語言的組織與表達
聽力理解
模擬人類困境
辯論是一個全新的AI應用場景,在日常生活中,也很難見到如此場景。那麼,IBM為什麼選擇了這個研究方向?
事實上,IBM研發Debater的初衷,是為了增強人類。即讓人們在決策前,瞭解到豐富而全面的訊息,以客觀的做出更好的決策。
而另一方面,讓Debater學會辯論的真正目的在於,讓AI系統徹底地掌握人類語言。
人工智慧會取代人類嗎?戰勝Debater的辯論家Natarajan表示,「至少在現階段,人工智慧的未來似乎是增強人類而不是完全取代我們。」 「我真的不知道人工智慧的未來是什麼,它肯定會產生巨大影響,但我們不知道會是什麼。」
影片:https://youtu.be/lWkvopzAvoQ
▲有興趣的觀眾可以去看辯論全程影片!
資料來源:https://www.techbang.com/posts/74880-cambridge-discusses-the-pros-and-cons-of-artificial-intelligence-ai-was-involved-in-the-debate-for-himself-and-won?from=home_news&fbclid=IwAR0p-vq0l2y4QH0LuyvY4U8C-rrjYzj5VnrBy0z4mAN6cabvnyuyqR7IP8Q
動機 類語 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
劍橋討論人工智慧的利弊!AI全程參與為自己辯論,還獲勝了
大數據文摘大數據文摘 發表於 2019年12月10日 13:30
11月21日,劍橋聯合會(Cambridge Union)也舉辦了一場辯論賽,論題是「AI是否會帶來更大的弊端」。有趣的是,這場涉及AI的辯論中,真的有人工智慧參與其中!辯論者中有一個辯論機器人(Project Debater)。
兩個辯論隊分別由一名教授和一名辯論專家組成,還有AI輔助。其中一位辯論專家Sharmila Parmanand表示,「我真的很好奇,也很興奮能和機器人一起辯論。」
IBM研究人員將他們的「民眾觀點採集」(Speech by Crowd)技術應用到Project Debater的AI系統上,讓它在賽前根據人們提交的1100多份觀點進行分析。
這些詞語或短句不超過36個單詞,其中有對AI表示支持的,也有反對的。然後,AI根據這些主要觀點組成連貫的敘述,以完成辯論。
一方面,機器人表示,「人工智慧的錯誤率低於人類,這將是一個巨大的優勢。它可以用來執行重複、簡單的任務,以節省人類的時間。」
另一方面,機器人又說,「人工智慧在道德上無法做出正確的抉擇,因為道德是人類才有的。」「機器人可以照顧病人,也可以代替老師授課,這些領域也不再需要人類。」
它條理清晰地進行了辯論,但不免也有一些失誤。有時它會重複自己的觀點,有時它無法提供詳細的示例來支撐自己的觀點。
最終,認為「AI利大於弊」的一方勉強獲勝,獲得了51.22%的觀眾投票。
這是一場有趣的辯論,而這場辯論的意義不在於機器能否說服人類,而是機器可以讓人類更強。
IBM電腦科學家Dan Lahav表示,「人類的優勢在於能夠很好的結合我們的文化和傳統,動之以情;然而機器可以更好的曉之以理,透過大量數據來豐富我們的知識,做出更具體的決定,消除一些作為人類固有的偏見。」
事實上,這是IBM Project Debater的第三次登場,讓我們回顧一下前兩次辯論賽中它的發揮。
Debater的成長之路
「2016 年,Debater還只是一個蹣跚學步的孩子,而到了2019年,我們已經達到了大學水準。它可以在很多方面幫助人類,比如可以展示出一個爭議性話題的兩面,以減少人類固有的偏見。」該專案首席研究員,IBM傑出工程師Noam Slonim表示。
首戰人類打平手
去年6月,IBM的辯論機器人首次與人類進行辯論,也是第一個可以在複雜主題上與人類辯論的AI系統。
在沒有任何準備的情況下,它不僅可以清晰表達自己的觀點,反駁對方論點,還一度較為準確地指出了對手辯論中的事實錯誤。
Project Debater的對手是兩位青年辯論高手,一位是以色列大四學生Noa Ovadia,她曾在2016年獲得以色列國家辯論冠軍;另一位是以色列國際辯論協會主席Dan Zafrir。
劍橋討論人工智慧的利弊!AI全程參與為自己辯論,還獲勝了
比賽共有兩輪。第一輪辯論主題為「是否應該資助太空探索」,Project Debater在辯論中有一個生動的比喻:
「資助太空探索就像是花錢買高品質的輪胎,雖然花更多的錢會讓人心疼,但最終車可以跑得更遠、更安全。」雖然Project Debater在辯論中給予了豐富的訊息,但是它的表達能力以及辯論技巧明顯不如人類。因此,這一輪中人類辯手獲勝。
第二輪辯論主題為「是否應該增加使用遠程醫療」,在這一輪Debater「發揮良好」,使現場觀眾中的20個人改變了最初的觀點,擊敗了Dan Zafrir。
這是Project Debater首次出戰,一勝一負,與人類平手。
再次辯論雖敗猶榮
今年2月,在IBM的Think conference上,Project Debater挑戰冠軍級辯論家Harish Natarajan。
劍橋討論人工智慧的利弊!AI全程參與為自己辯論,還獲勝了
這場辯論的辯題為「政府是否應該資助學前教育」。雙方都有15分鐘的準備時間,顯然IBM的機器人具有優勢,能夠快速從新聞文章和學術研究中學習並為己所用。
Debater主張補貼,稱其為「幫助社會最貧困成員的重要工具」。而Natarajan反對這一想法,稱「補貼未能解決造成貧困的根本原因,不過是出於政治動機向中產階級成員發放的贈品。」
Natarajan擁有超強的表達能力以及豐富的辯論經驗,在辯論中說服了更多觀眾改變主意。這一次,Debater輸了。
但它的輸贏,對於Debater團隊的負責人Ranit Aharanov來說其實並不重要,她在辯論結束後表示,「這不是人工智慧是否會比人類更好的問題,Project Debater存在的目的是為了幫助人們過濾和查找大量文本中的關鍵訊息,幫助人類處理複雜的決定。」
獲勝者Natarajan在辯論結束後也表示,「真正打動我的是IBM Project Debater與人類結合後的潛在價值。IBM的人工智慧能夠挖掘巨量訊息,並為這些知識提供有用的背景。」
Debater存在的意義
辯論,是指彼此用一定的理由來說明自己對事物或問題的見解,揭露對方的矛盾,以便在最後得到共同的認識和意見。辯論對於未經訓練的普通人有一定難度,對人工智慧來說更是挑戰巨大。
要做到這些,IBM官網總結Debater需要具備三大核心能力:
語言的組織與表達
聽力理解
模擬人類困境
辯論是一個全新的AI應用場景,在日常生活中,也很難見到如此場景。那麼,IBM為什麼選擇了這個研究方向?
事實上,IBM研發Debater的初衷,是為了增強人類。即讓人們在決策前,瞭解到豐富而全面的訊息,以客觀的做出更好的決策。
而另一方面,讓Debater學會辯論的真正目的在於,讓AI系統徹底地掌握人類語言。
人工智慧會取代人類嗎?戰勝Debater的辯論家Natarajan表示,「至少在現階段,人工智慧的未來似乎是增強人類而不是完全取代我們。」 「我真的不知道人工智慧的未來是什麼,它肯定會產生巨大影響,但我們不知道會是什麼。」
影片:https://youtu.be/lWkvopzAvoQ
▲有興趣的觀眾可以去看辯論全程影片!
資料來源:https://www.techbang.com/…/74880-cambridge-discusses-the-pr…
動機 類語 在 朱學恒的阿宅萬事通事務所 Youtube 的精選貼文
市井小民大企劃 !
邀請民眾齊唱【塔綠班之歌】
歡迎投稿至:[email protected]
贊助專區
Paypal傳送門: https://paypal.me/HsuehHeng
綠界傳送門: https://p.ecpay.com.tw/706363D
歐付寶傳送門: https://reurl.cc/eENAEm
這幾天翁P在參加美國政治學年會討論台灣議題,十分之辛苦,但他還是來跟我們討論美國和世界的政治現況啦~~~~ft.美國德州Sam Houston州立大學政治系副教授 #翁履中
不會吧,美國政府又要關門了,你在開我玩笑嗎?根據天下雜誌網路版的報導,【本週五中午,也就是美國時間週四午夜,華府可能迎來「關門時刻」。
9月30日是美國聯邦政府財政年度的結束日,如果沒有通過法案或找到其他方法,聯邦政府就會被迫部份停止運作,這將是最近10年來的第三次。先前分別是在歐巴馬和川普任內。
#美國政府關門 這件事,投資人不需要過度恐慌,以歷史經驗來看,自1980年代以來,美國政府停擺了14次,標普500指數在關門期間並沒有太劇烈的震蕩。在最近一次,川普時代美國政府關門了34天,標普500指數還上漲了10%。
避險基金經理人理萊米德斯(Charles Lemonides)樂觀認為,只要這件事情喬好了,不管是基建法案或大撒幣的紓困方案,都會成為驅動市場更好的利多,市場將迅速反彈。】後續的投資市場會不會跟著變得更動盪不安,甚至影響到美國的正常運作呢?為什麼共和黨反對民主黨要提高債務上限,這樣不是大家一起完蛋嗎?
不過美國為債務解套的方式,竟然是發行萬億美元面值紀念幣?根據香港01報導,【面對國會共和黨人拒絕支持提升國債上限,美國財長耶倫(Janet Yellen)9月28日在參議院銀行委員會聽證上警告,如果國債上限不能在10月18日前提高,美國將面臨史上首次的債務違約。另一邊廂,眾議院議長佩洛西(Nancy Pelosi)則稱民主黨眾議院老將納德勒(Jerrold Nadler)想要有一個「不必國會批准的萬億美元硬幣」。有趣的是,在法律上,拜登當局的確可以鑄造一個面值萬億美元的紀念幣去繞過國會的國債上限。】
美國軍方自從上次的川普任內偷打電話給中方將領問題之後,最近又出了另外一個狀況,在面對聽證會的時候,參謀首長聯席會的將領作證時的說法跟拜登完全不同,根據世界新聞網的報導:【美國自阿富汗撤軍混亂招致國會調查,參謀首長聯席會議主席密利(Mark Milley)28日在參院作證時說,長達20年的阿富汗戰爭是「戰略失敗」(strategic failure),並表示其實美國應該在阿富汗保留數千駐軍,才能避免美方支持的喀布爾政府垮台,防止民兵組織神學士(Taliban)迅速奪權。先前有消息傳出,密利曾建議拜登總統不要將所有美軍從阿富汗撤出;同時出席28日參院軍事委員會(Senate Armed Services Committee)聽證會的國防部長奧斯丁(Lloyd Austin)、美軍中央司令部司令麥肯齊(Kenneth McKenzie)在會上證實消息為真。】軍令和政令系統講的說法顯然不同,因為拜登在接受電視訪問的時候說軍方沒有建議他要留駐軍在阿富汗!這下子阿富汗戰爭的難堪結果到底要怎麼收拾呢?
被關押許久的華為長公主 #孟晚舟 被釋放了,同時在中國被逮捕的兩名加拿大人也可以回家了,但是這一連串的動作還是中美對抗的一部分,到底是怎麼一回事呢?根據BBC的報導:【審理孟晚舟案的加拿大法官原定於10月21日確定最後裁決日期,卻在不到一個月時突然把人釋放了,為何會有這麼大的轉變?
簡單來說,孟晚舟獲釋是基於她與美國紐約布魯克林聯邦法院達成的一項交易。
孟晚舟承認參與了一些不當行為,作為交換,檢察官延遲了對她進行的電匯和銀行欺詐罪等四項刑事指控,美國政府也同意撤回向加拿大提出的引渡要求。
這一所謂交易在美國法律上稱為「延期起訴協議」(Deferred Prosecution Agreement,簡稱DPA)。
這份協議附帶一份事實陳述,其中詳細說明了孟晚舟如何向一家金融機構做出了故意虛假陳述。該協議要求孟晚舟不發表與該事實陳述相矛盾的聲明,不違反美國法律。
從技術上講,對孟晚舟的指控依然存在,但如果她遵守該協議的要求,這些指控將在在四年內(從被捕日算起,即到2022年12月)撤銷。
從去年年底開始,就有消息傳出,稱美國法院正與孟晚舟就一項協議達成共識。《紐約時報》、《華爾街日報》等國際媒體引述知情人稱,雙方都有此意願,部分原因是他們都不能完全確信能在引渡官司中獲勝。】但這是法律角度的解讀,可是中美雙方各自有甚麼打算呢?
不過美國究竟不是吃素的,從幾件新聞事件可以看出端倪,根據法國國際廣播電台報導:【歐盟:台灣是理念相近重要經濟夥伴但不承認其國家地位】,文中指出:【歐中外長第11界戰略對話在9月28日舉行視訊會議並談及台灣議題,歐盟外交和安全政策高級代表博雷利(Josep Borrell)表示台灣是理念相近的重要經濟夥伴,歐盟及其成員國有興趣與台灣發展合作,但不承認國家地位。】而在華爾街日報的報導:【美國和歐盟將攜手解決晶片短缺和技術問題】。加上風傳媒的報導,【「你們台積電跟我們三星都受影響!」韓媒爆料,美國恐以法令逼迫交出機密?】美國這陣法到底在布局些甚麼呢?
根據聯合報的報導:【日本自民黨主席選舉結果出爐,前外務大臣 #岸田文雄 兩輪投票都以最高票,取得完全勝利。第二輪投票,岸田以257票對170票,勝過河野太郎當選。他也將成為日本第100任總理大臣。岸田將在台北時間傍晚5時舉行記者會。在外交與安保方面,岸田提出「信賴」與「三覺悟」,三覺悟包括誓死捍衛民主主義、誓死守護日本和平與安定、主導能為人類未來有所貢獻的國際社會。岸田主張,強化美日同盟,推進島嶼防衛合作;強化海上保安廳的能力與自衛隊的合作,為了應對中國海警船入侵日本領海,將研議修正海上保安廳法、自衛隊法制定經濟安全保障推進法。】日本的新首相對台灣和對全球的政治狀況會有甚麼影響呢?
另外,北韓最近不是一直謠傳它們的疫情跟經濟狀況都很不好,為什麼又可以發射新型飛彈啦!根據風傳媒的報導:【北韓(朝鮮)又有軍事大動作,13日宣佈已成功試射「遠程巡弋飛彈」,精準命中目標。南韓《韓聯社》指出,這是北韓今年以來第4次軍事挑釁。北韓先後在美國總統拜登就任後的1月22日和3月21日試射巡弋飛彈,3月25日首次進行違反聯合國安理會決議的短程彈道飛彈試射。
北韓官媒《朝中社》13日報導,朝鮮國防科學院於9月11日和12日成功試射最新研製的遠程巡弋飛彈,飛彈沿朝鮮領土和領海上空的預定軌道飛行7580秒(2小時06分20秒),精準命中1500公里外的預定目標。試射結果,最新研製的渦輪風扇發動機的推力等技術指標、飛彈的飛行控制性能、採用複合制導結合方式的末端制導的命中精度全部滿足設計要求,總體武器系統運營有效性和實用性卓越。】這到底是希望達成甚麼目的?總不可能是飛彈射了之後糧食大米都夠了吧?
阿宅萬事通語錄貼圖上架囉 https://reurl.cc/dV7bmD
【Facebook傳送門】 https://www.facebook.com/Geekfirm
【Twitch傳送門】 https://www.twitch.tv/otakuarmy2
【加入YT會員按鈕】 https://reurl.cc/raleRb
【訂閱YT頻道按鈕】 https://reurl.cc/Q3k0g9
購買朱大衣服傳送門: https://shop.lucifer.tw/
動機 類語 在 李錫錕 POWER Youtube 的最佳貼文
POWER錕狂語錄》有能力的人根本不必撒謊!
人類學家Robert Trivers發現
語言不但是滿足溝通的需要
更是操縱人的行為重要的工具
說謊真的是不好的嗎?
其實也要看說謊之人的動機
因此撒謊不一定是邪惡 而是脆弱
但有能力的人根本不必撒謊
#李錫錕 #錕P #POWER錕
動機 類語 在 白玉Bai Yu Youtube 的最佳貼文
#職涯經歷分享 #時尚職涯
【時尚職涯】闖蕩巴黎時尚圈的心路歷程&工作經歷|時尚工作者直播訪談企劃 Feat. Phoebe Bai
#直播主題大方向
* 非本科生怎麼跨領域入行時尚業?
* 在巴黎留學&工作經驗分享
* 認識品牌電商營運專員一職
認識來賓
* Q: 請Phoebe 自我介紹(教育背景、目前職業、在巴黎幾年了?)
* Q: 開始經營blog 自媒體多久了?平台主要分享什麼內容?
Part 1: 在巴黎留學的日子
* Q: Phoebe 大學是念商科背景,什麼契機跟念頭讓你想要申請歐洲的學校進修奢侈品管理?去之前就已經有學習法語了嗎?會不會擔心語言障礙的問題?
* Q: 在去歐洲唸書之前,做過什麼類型的工作?這些經歷有幫助妳申請入學法國前四大的「法國里昂高等商學院」嗎?
* Q: 去巴黎留學至少要準備多少錢?(學費、當地平均生活開銷)
* Q: 你隻身在海外留學遇過最大的難關是什麼?
Part 2: 在巴黎工作的日子
* Q: 可以跟我們分享一下從學校畢業後找工作求職的經歷嗎?你是怎麼找到現在這份工作的?
* Q:可以請你介紹一下你目前任職品牌電商營運專員的職務,你的日常工作內容是什麼?
* Q:外國人在巴黎工作的簽證好申請嗎?普遍在歐洲的企業願意贊助外國員工嗎?
* Q:目前公司一起工作的同事如何?這間公司的文化風氣是什麼?
Part 3: Phoebe 的時尚職涯觀點
Q: 真的進入時尚產業工作後,跟你本來的想像有沒有什麼落差?
Q: 未來還有其他想要追求的職涯目標嗎?
Q: 對於未來想進入電子商務、數位營銷領域的年輕朋友,你有什麼建議?
認識Phoebe Bai: https://linktr.ee/PhoebeBai
---------------------------------------------------------------------------
#推薦課程
【時尚職涯地圖|找到屬於你的時尚之路】
台灣第一部「時尚業工作指南」線上課程
👉🏻https://reurl.cc/9r7o8v
🌟80-100分鐘的課程裡,你將可以學到:
👉🏻一次搞懂時尚業在幹嘛?你未來可以有哪些選擇?
👉🏻認識時尚業各領域工作的技能與職業適性特質
👉🏻獲得時尚職涯定位表格➡️讓時尚求職路不再迷茫
👉🏻獲取時尚業各行薪資水平跟職涯發展歷程
✔️現在購買課程可享優惠折扣
✔️不限地點、不限時間
✔️無限次觀看回放複習
✔️輸入折扣代碼【 baiyu 】可再享$50元折扣
如果你對時尚產業有夢想,想了解如何入行時尚業
趕快把握機會從連結點入暸解課程內容 👇🏼
https://reurl.cc/9r7o8v
------------------------------------------------------------------------------------------------------------------------------------------
其他白玉Bai Yu 的推薦影片:
白玉|時尚產業|海外實習|紐約留學找實習經驗分享 Talk about my experiences when looking for summer internships in New York!
https://youtu.be/EsrZunYNU1k
白玉|職業探勘|時尚產業的PM|產品經理做什麼?Discovering Jobs in the Fashion Industry | Product Manager E.P.1
https://www.youtube.com/watch?v=NmIMO-86bEs
海外實習|(下集)如何成為頂尖實習生,增加自己錄取為正職的機會!How to be Successful During an Internship EP.2?
https://youtu.be/x6g1IpShDrc
海外實習|(上集)如何成為最優秀實習生,增加自己錄取為正職的機會!How to be Successful During an Internship?
https://youtu.be/NoCezy5DlPI
出國留學|職涯發展| 美國留學到底對個人職涯與人脈拓展有沒有幫助?
Is Studying Overseas Helpful in our Career and Networking?
https://youtu.be/RHRCPaX7TME
出國留學|職涯發展| 如何探索職涯目標,找出你的留學動機!
How to find your career goal?
https://youtu.be/j0qU_-IkIHE
----------------------------------------------------------------------------------------------------------------------
➜IG 追蹤:@baiyu_insight
➜FB 追蹤:@ baiyu.insight
動機 類語 在 モチベーション」是個較有深度的N2單字, 它是「動機」的 ... 的推薦與評價
【看圖片學單字。】 大家晚安,「モチベーション」是個較有深度的N2單字, 它是「動機」的意思, 有人認為; モチベーション=希望Xやり方(動機=希望X做法) 對此, ... ... <看更多>