Search
AI 人工智慧爲人津津樂道的，就是Alpha GO打敗了人類的棋王的事跡。但除了下棋之外，AI 近年來也開始被運用在醫療領域，並取得相當好的成果！
進入「深度學習」的時代的AI技術，可以幫助醫生辨識和分析各種原始的影像數據，讓診斷更為細緻，可以大大造福醫療資源短缺的國家地區。
※ 想知道更多與 3D 列印有關的故事，快去看《科學再發現》※
延伸閲讀：
改善過勞與醫療疏失，AI 讓醫師騰出寶貴時間——《AI 醫療》
https://pansci.asia/archives/204267
為了讓 AI 不斷打怪升級，DeepMind 打造「宇宙」
作者 雷鋒網 | 發布日期 2021 年 07 月 30 日 8:15 |
DeepMind 又給我們小驚喜。我們都知道，強化學習苦於類化能力差，經常只能針對單個任務從頭學習。
DeepMind之前開發的AlphaZero，儘管可以玩圍棋、西洋棋和日本將棋，但每種棋牌遊戲都只能從頭訓練。類化能力差也是AI一直被詬病為人工智障的一大原因。人類智慧的厲害之處，就在藉鑑之前經驗迅速適應新環境。
但類化能力不是一蹴而就，就像玩遊戲，也是先做簡單任務，逐步升級到複雜任務。《空洞騎士》（Hollow Knight）一開始只需要隨意走動揮刀砍怪，但噩夢級難度的「苦痛之路」關，沒有前面累積的技巧，只能玩寂寞。
多任務宇宙
DeepMind此次採用「課程學習」，讓智慧體於不斷擴展升級的開放世界學習。也就是說，AI新任務（訓練資料）是基於舊任務不斷生成。智慧體可盡情鍛鍊自己，簡單的如「靠近紫色立方體」，複雜點的如「靠近紫色立方體或將黃色球體放在紅色地板」，甚至和其他智慧體玩耍，如捉迷藏──「找到對方，且不要被對方發現」。
每個小遊戲存在世界小角落，千千萬萬個小角落拼成龐大的物理模擬世界，如下圖的幾何「地球」。總體來說這個世界的任務由三個要素構成，即任務＝遊戲＋世界＋玩家，並根據三要素關係，決定任務的複雜度。
複雜度的判斷有四個維度：競爭性、平衡性、可選項、探索難度。
比如「搶方塊」遊戲，藍色智慧體需要把黃色方塊放到白色區域，紅色智慧體需要把黃色方塊放到藍色區域。這兩個目標矛盾，因此競爭性較強；同時雙方條件對等，平衡性比較高；因目標簡單，所以可選項少；DeepMind把探索難度評為中上，可能是因定位區域算較複雜的場景。
再如「球球喜歡和方塊一起玩」遊戲，藍色和紅色智慧體有共同目標，讓相同顏色的球體和方塊放在相近位置。
這時競爭性自然很低，平衡性毋庸置疑很高的；可選項比上面遊戲高很多；探索難度沒有定位區域，智慧體隨便把球體和方塊放哪都行，難度就變小了。
基於這四個維度，DeepMind打造超大規模「宇宙」任務空間，幾何「地球」也只是這宇宙的小角落，是四維任務空間的一點。DeepMind將「宇宙」命名為XLand，包含數十億個任務。
來看XLand的全貌，由一系列遊戲組成，每個遊戲在許多模擬世界進行，這些世界的拓樸和特徵平滑變化。
終生學習
數據有了，接下來得找到合適的算法。 DeepMind發現，目標注意代理（GOAT）可學習更通用的策略。
具體來說，智慧體輸入包括第一視角的RGB圖像、本體感覺以及目標。經過初步處理後，生成中間輸出，傳遞給GOAT模組，會根據智慧體目前目標處理中間輸出的特定部分，邏輯分析目標。
邏輯分析是指，每個遊戲可藉由一些方法，構建另一個遊戲，並限制策略的價值函數的最優值上限或下限。
DeepMind提出一個問題：對每個智慧體，什麼樣的任務是最好的？換句話說，打怪升級時，什麼樣的關卡設置才讓玩家順利升級為「真」高手，而不是一刀9999？
DeepMind的答案是，每個新任務都基於舊任務生成，「不會太難，也不會太容易」。其實恰好是讓人類學習時感覺「爽」的興奮點。
訓練開始時，太難或太容易的任務可能會鼓勵早期學習，但會導致訓練後期的學習飽和或停滯。不要求智慧體某任務非常優秀，而是鼓勵終身學習，即不斷適應新任務。所謂太難、太容易是較模糊的描述。需要量化方法，在新任務和舊任務之間彈性連接。
怎麼不讓智慧體做新任務時不適應而「暴死」？進化學習就提供很好的靈活性。總體來說，新任務和舊任務同時進行，且每個任務有多智慧體參與「競爭」。舊任務適應好的智慧體，會選拔到新任務繼續學習。
新任務中，舊任務的優秀智慧體權重、瞬間任務分佈、超參數都會複製，參與新一輪「競爭」。除了舊任務的優秀智慧體，還有很多新人參與，這就引進隨機性、創新性、靈活性，不用擔心「暴死」問題。
當然，因任務不斷生成、動態變化，一個任務可訓練不同長處的智慧體，並往不同方向演化（隨著智慧體相對性能和強健性進行）。最終每個智慧體都會形成擅長任務的集合，就像春秋戰國時期「百家爭鳴」。說打怪升級顯得格局小，簡直是模擬地球。
DeepMind表示，「這種組合學習系統的特性是，不最佳化有界性能指標，而是更新定義的通用能力範圍，這使智慧體開放式學習，僅受環境空間和智慧體的神經網路表達能力的限制。」
智慧初現
最終這複雜「宇宙」升級、進化、分流的智慧體長成了什麼優秀物種？DeepMind說，智慧體有很明顯的零樣本學習能力，比如使用工具、合圍、數數、合作＋競爭等。
來看具體例子。首先智慧體學會臨機應變。目標有三個：
黑色金字塔放到黃色球體旁邊
紫色球體放到黃色金字塔旁邊
黑色金字塔放到橙色地板
AI一開始找到一個黑色金字塔，想拿到橙色地板（目標3），但搬運過程瞄見黃色球體，瞬間改變主意，「我可以實現目標1啦」，將黑色金字塔放到黃色球體旁邊。
第二個例子是，不會跳高，怎麼拿到高台上的紫色金字塔？智慧體需要想辦法突破障礙，取得高台上的紫色金字塔，高台周邊並沒有類似階梯、斜坡的路。
因不會跳高，所以智慧體「掀桌子」，把周邊幾塊豎起來的板子弄倒。然後一塊黑色石板剛好倒在高台邊，「等等，這不就是我要的階梯嗎？」這過程是否體現了慧體的智慧，還無法肯定，可能只是一時幸運。關鍵還是，要看統計數據。
經過5代訓練，智慧體在XLand的4千個獨立世界玩了約70萬個獨立遊戲，涉及340萬個獨立任務，最後一代每個智慧體都經歷2千億次訓練步驟。智慧體已能順利參與幾乎每個評估任務，除了少數即使人類也無法完成的任務。
DeepMind的研究，或許一定程度體現「密集學習」重要性。也就是說，不僅資料量要大，任務量也要大。這也使得智慧體在類化能力有很好表現，如資料顯示，只需對一些新複雜任務進行30分鐘集中訓練，智慧體就可快速適應，而從頭開始用強化學習訓練的智慧體根本無法學習這些任務。
往後我們也期待這「宇宙」更複雜和生機勃勃，AI經過不斷演化，不斷給我們帶來驚喜（細思極恐）的體驗。
資料來源：https://technews.tw/2021/07/30/deepmind_xland/
北美｜IBM醫療AI踢鐵板
工商時報 吳慧珍 2021.03.14
IBM的醫療AI事業「華生醫療」發展遇挫，至今仍無法獲利，讓藍色巨人動起拋售的念頭，凸顯出AI應用於診斷治療疑難雜症面臨阻礙，資料庫建立是一大挑戰。
IBM開發的人工智慧（AI）系統「華生」（Watson），10年前在益智節目《危險境地》（Jeopardy）一戰成名，擊敗真人抱走百萬獎金，也開啟IBM AI進軍醫療這個兆元產業的契機，IBM滿懷壯志成立「華生醫療事業」（Watson Health Business）。豈料10年後，理想不敵現實，IBM動起拋售「華生醫療」的念頭。
IBM斥資數十億美元收購分析健康數據的Truven、開發醫學影像的Merge Healthcare、提供醫療保健分析服務的Phytel，目的在壯大華生醫療部門。
前IBM資深主管凱利（John Kelly）曾宣稱，是抱著破釜沉舟的決心發展華生醫療事業。但IBM的豪語落空，「華生醫療」無論在美國或海外市場都難占有一席之地，而且迄至目前為止尚未轉虧為盈。
成立迄今尚未轉虧為盈
伯恩斯坦研究公司分析師薩科納奇（Toni Sacconaghi）指出，「華生醫療」是IBM衝刺AI事業最重要的先頭部隊，起初被捧為公司成長引擎，但IBM營運陷入掙扎、領導高層更迭及裁員等種種紛擾，讓「華生醫療」逐漸被邊緣化。
IBM有意將「華生醫療」事業脫手，凸顯出新任執行長克里希納（Arvind Krishna）重振這家百年老店成長動能的努力遇到困境。儘管這位去年4月才上任的印度裔CEO曾說，AI與雲端運算是IBM未來發展的核心。
IBM去年透露，打算將IT基礎設備部門分拆成獨立公司，該部門年營收190億美元左右，約占IBM總營收四分之一。而出售至今無法獲利的「華生醫療」，是掌舵不滿一年的克里希納的下一步。
克里希納冀望「藍色巨人」IBM瘦身後，能從長期營收下滑的泥淖脫身，實現保持中個位數成長的目標。IBM去年總營收736億美元，而2010年營收將近1,000億美元。
IBM業績依舊不見起色，對押寶醫療保健市場的科技業來說是項警訊。專家表示，「華生醫療」及科技業其他進展不順的AI計畫，有一共同通病就是野心過大，像「華生醫療」就大肆吹噓能應付各種癌症問題。
專家還提到，醫療AI遇到的另一個難題是，數據收集沒有可依循的標準，這也讓演算法無用武之地。加州新創公司Landing AI的AI專家兼執行長吳恩達（Andrew Ng）說：「醫療客製化的問題很嚴重。」
病歷收集有隱私權顧慮
谷歌母公司Alphabet旗下的AI事業Google DeepMind，開發出AI圍棋程式AlphaGo，2016年戰勝韓國棋王轟動國際，之後DeepMind積極投入醫療領域，在慢性病篩檢上卓然有成。然DeepMind這幾年也是處於虧損狀態，收集健康數據的過程引發隱私權顧慮。
醫療保健專家表示，醫療AI發展遇挫，凸顯應用AI治療疑難雜症面臨的挑戰。專家說，光是取得廣大病患族群的資料就是一大考驗，而臨床資料庫未必能將關乎複雜疾病的知識缺口一網打盡。
紐約西奈山醫療系統人工智慧主任富克斯（Thomas J. Fuchs）還點出，科技公司有時對醫療體系如何運作的專業知識不足，增添AI落實在醫療領域的難度。
即便「華生醫療」踢到鐵板，IBM研究部門仍以AI和醫療為優先發展目標。IBM去年宣布，與製藥大廠輝瑞聯手開發的AI產品，可透過語言分析診斷是否會罹患阿茲海默症。
附圖：
IBM醫療AI事業「華生醫療」發展遇挫，讓藍色巨人動起拋售的念頭。圖／美聯社
資料來源：https://ctee.com.tw/bookstore/world-news/427024.html?fbclid=IwAR1xLublkeeGYD88ZxGV2d-KWmR5hdlPpnQQuBkmoBL7t8IPITxkZRplezc
＃記得打開ＣＣ字幕 ＃DIGI ＃除了幫忙面試人工智慧還可以做什麼？
✔︎ 訂閱志祺七七頻道： http://bit.ly/shasha77_subscribe
✔︎ 追蹤志祺 の IG ：https://www.instagram.com/shasha77.daily
✔︎ 志祺七七 の 粉專 ：http://bit.ly/shasha77_fb
各節重點：
01:07 【人工智慧到底是什麼？】
01:50 【AI 的發展跟應用】
04:15 【未來充滿 AI 的生活】
04:56 【AI 這麼重要，那臺灣準備好了嗎？】
06:35 【我們的觀點】
07:40 提問TIME
07:54 掰比～別忘了訂閱
【 製作團隊 】
｜企劃：鯉鼬
｜腳本：鯉鼬
｜剪輯後製：Pookie
｜剪輯助理：絲繡 ＆ 夯吉
｜演出：志祺
——
【 本集參考資料 】
→招聘面試：你喜歡機器人還是真人做你的面試官？：https://bbc.in/2Wg0t3a
→了解人工智慧的第一本書：機器人和人工智慧能否取代人類？：https://bit.ly/2vA8jc0
→從人到人工智慧，破解AI革命的68個核心概念：實戰專家全圖解 × 人腦不被電腦淘汰的關鍵思考：https://bit.ly/2VAhJ64
→機器是如何學習與進步？人工智慧的核心技術與未來：https://bit.ly/2Ce1KQa
→An executive’s guide to AI：https://mck.co/2vZepWE
→陽光失了玻璃窗 史上第一本人工智慧詩集：https://bit.ly/2IWsU2R
→國際人工智慧政策推動現況：https://bit.ly/2GZ4pA1
→懶人包_台灣 AI 行動計畫：https://2030.tw/2m3nBVr
→維基百科：人工智慧：https://bit.ly/2fUdaOV
→維基百科：人工智慧史：https://bit.ly/2vx2T1l
→臺灣智駕測試實驗室：https://bit.ly/2WqRgFn
→沙崙自駕車測試場正式揭幕 盼無人載具產業鏈接軌國際：https://2030.tw/2lXfjyk
→無人載具科技創新實驗條例：https://bit.ly/2Wk6vzL
→張忠謀：AI激化貧富差距與失業：https://bit.ly/2Y0uhkB
→數位國家創新經濟(DIGI+)季刊第二期：AI、5G、8K—2020年東京奧運實現數位想像：https://2030.tw/2kAPB2a
→我國數位科技引領產業創新之現況與展望：以臺灣 AI 行動計畫為例：https://2030.tw/2knX0Sr
→台灣 AI 行動計畫簡報：https://2030.tw/2knX84n
→臺灣 AI 行動計畫(2018-2021 年)合訂本：https://2030.tw/AI_Taiwan
→「AI on Chip示範計畫籌備小組」啟動 政院邀產官學研合作 推升台灣AI晶片產業發展 打造世界級人工智慧大腦：https://2030.tw/2lUi3MR
→台灣AI行動計畫—掌握契機，全面啟動產業AI化：https://2030.tw/2kinhBC
→賴揆：積極推動AI與產業需求接軌 加速「5+2」產業創新：https://2030.tw/2knXfNl
→微軟在台成立AI研發中心 賴揆：串連產業推動智慧國家：https://2030.tw/2kkX0Cx
→法國公布人工智能發展計畫：http://bit.ly/2VAkDaY
→【英國AI未來戰略大揭露】第一步先從資料共享打基礎，英國要成為全球AI實驗場域：http://bit.ly/2UTp8ZD
→SRB會議圓滿落幕 林揆期許台灣智慧科技邁向全球第一：https://2030.tw/2lU8MEm
→智慧科技SRB登場 首日聚焦產業利基與應用發展：https://2030.tw/2lXeC8c
→美國啟動AI大戰略的啟示：http://bit.ly/2GPkpTW
→數位國家·創新經濟發展方案(2017-2025 年)：https://2030.tw/DIGI_Taiwan
→中國大陸人工智慧產業發展現況研析及對臺灣之影響初探：http://bit.ly/2Lfew7P
→行政院數位國家創新經濟推動小組：http://bit.ly/2DLOB1o
→川普發起「美國人工智慧倡議」，五大原則確保美國維持 AI 發展優勢：http://bit.ly/2ITNLUB
→DIGI⁺ Taiwan：http://bit.ly/2VFDVM4
→AI Taiwan：http://bit.ly/2URGt5n
→台灣AI行動計畫—掌握契機，全面啟動產業AI化：http://bit.ly/2VABTNn
→「台灣人工智慧實驗室」啟動 科技部：AI元年從此刻開始！：http://bit.ly/2GXLiGH
→日本Yahoo策略長揭露，AI未來20年三大方向：http://bit.ly/2Wli35M
→英國AI發展現況-與世界各國比較：http://bit.ly/2Ja1Mgh
→從AI 100看全球AI商業化趨勢及發展：http://bit.ly/2VHOYo6
→AI時代將臨 各國策略及企業佈局特點分析：http://bit.ly/2IVfRyQ
→AI 專家與 AI Sophia 互動，杜奕瑾：見過雅婷嗎？：http://bit.ly/2UQvfOs
→台灣人工智慧實驗室：http://bit.ly/2WhZBL7
→雅婷AI Pianist－首張同名概念專輯〈Yating〉：http://bit.ly/2VHPjHo
→誠品網路書店：http://bit.ly/2JbOu2I
→Chihuahua or muffin? My search for the best computer vision API：http://bit.ly/2UW8ubR
→TOPBOTS Vision API Benchmarking：http://bit.ly/2Y3Jul8
→從人工智慧、機器學習到深度學習，你不容錯過的人工智慧簡史：http://bit.ly/2IXlPPM
→翻轉人類未來的 AI 科技：機器學習與深度學習：http://bit.ly/2Vc6cKS
＼每週７天，每天７點，每次７分鐘，和我們一起了解更多有趣的生活議題吧！／
🥁七七仔們如果想寄東西關懷七七團隊與志祺，傳送門如下：
106台北市大安區羅斯福路二段111號8樓
