Gmail 利將會有 AI 來修正滑手打錯的字詞

Google Doc 的 AI 修正功能開始應用到別的同門產品之中了,首先的是 G Suite 用戶會在同樣經常撰寫文件內容的 Gmail。這 AI 會為你抓出錯字,自動修正常見錯誤,同時也會提供英文語法的建議,讓大家在寫電郵給同事和客戶時能減少誤會。有在使用 G Suite 的朋友,可以留意看看 9 月 12 日的排程更新日後,Gmail 開放這功能給你沒有,沒的話也只可以等等囉。而個人 Gmail 用戶則還沒有計劃,那大家就只好多翻幾遍文法書了。

DeepMind 的 AI 能提前 48 小時預檢到急性腎損傷

DeepMind 預想中的 AI 用途,可不僅僅是讓機器在各類對戰中勝過人類而已。他們之前與美國退伍軍人事務處聯手,針對急性腎損傷開發了專門的預檢演算法。根據今日發表於 Nature 上的論文內容,雙方的合作成果可以至少提前 48 小時預測到疾病的惡化。DeepMind 的 AI 在 10 名病人中,準確識別出了 9 名後續已需要採取透析治療的患者。 除此之外,DeepMind 還找到倫敦大學學院的研究者們對其行動診斷助手 Streams 進行了評估。結果顯示,在這款 app 的幫助下醫生可以在 15 分鐘內檢查出急症,相較耗時可能達到數小時的常規方法要節省了非常多的時間。而且使用 Streams 後急性腎損傷的漏診率僅有 3.3%,這項數據也比常規診斷的 12.4% 要低了不少。在結合了前面提到的演算法後,Streams 也能給早期預檢提供幫助,從而達到降低診療整體開支的目的。 據統計,在美國和英國每年分別有 50 萬和 10 萬死於急性腎損傷,透過這次的合作 DeepMind 希望將對應的醫學治療方案由病發後的應對改變成以預防為主。而且不光是急性腎損傷,他們未來還希望能探索更多疾病,進一步減少可預防的死亡。而相關工作未來會被歸屬為 Google Health 的一部分,以此來擴大其在全球的影響。

人工智慧系統自己學會了如何解魔術方塊

魔術方塊是有已知的演算法可以計算出最佳步數,也有人做出了僅需 0.38 秒就能自動將打亂的魔術方塊複原的機器人,但這次不一樣 —— 加州大學爾灣分校的研究學者們開發了一套完全自主學習的「DeepCubeA」人工智慧系統,在僅僅提示最終狀態的前提下,由 AI 自行研究出了解法。 像許多這類的系統一樣,科學家們自己也不知道 DeepCubeA 是如何搞懂怎麼做的,只是利用了「強化學習」的機制,放任機器自己研究該如何轉動。最終的成果是 DeepCubeA 只要 1.2 秒的時間就能完成計算,而且算出的結果大多數只要 20 步左右就能將方塊復原,大約 60% 的時候甚至就是最佳方案。這是該研究團隊第二次嘗試這樣的系統,第一代的方式大約要花 30 步,且需要約 10 分鐘的時間計算。 由於 DeepCubeA 不是專門針對魔術方塊而設計的演算法,其成功將有機會衍伸到類似的圖樣式謎題上。對於朝著開發可以自行理解問題,並計算出解決方案的 AI 系統來說,也是重要的一步吧。

DeepMind 的 AlphaStar 要開始跟普通《星海爭霸》玩家對戰了

今年初時以十勝一負戰績將職業《星海爭霸》戰隊斬於馬下的 AlphaStar,現在已確定將會以匿名形式,開始和普通玩家的對戰測試。早些時候 Alphabet 與 Blizzard 宣佈了這項合作,初期 AlphaStar 將僅會加入歐洲區與小部分玩家進行比賽。用戶在遊玩時並不會知道自己面對的是 AI,而勝負記錄也會如往常般記錄,並不會有什麼特別的改動。 當然,說是說「勝負」,一般玩家若想要擊敗已擁有累計 200 年對戰「經驗」的 AlphaStar,應該都會是不可能完成的任務。但盡管如此,有條件的朋友還是可以一試(歐區玩家在遊戲中會有對應的選項,開啟後就有機會遇上 AlphaStar)。不過想確定自己是否有跟 AI 過招的話,就要等事後官方公佈的比賽錄像囉。

Steam 正實驗由 AI 向玩家推介遊戲

做為內容平台,能留住用戶的方式就是源源不斷地推出合適口味的內容,讓他們樂不思蜀。Valve 就想到了用 AI 來推介 Steam 遊戲給用戶,他們現在透過 Steam Labs 的方式進行三個不同的實驗。雖說仍在測試階段,不過各位 Steam 玩家也已經可以試用,看看這些 AI 推介能否成功分析到你的口味並推介適合的新遊戲。 其中一個名為 Interactive Recommender 的功能是利用經過「數十億」個遊戲時段訓練的神經網路,並基於玩家的遊玩歷史和「其他顯著的數據」來作出推介。所以並不是代表玩了 Doom 之後就會推介一大堆 FPS 遊戲——Steam 是分析玩家的規律,而非類別。當然玩家可以自行修改遊戲推介的類別、主流或非主流、新推出或是經典遊戲等規則。 Steam Labs 之中還有兩個試驗功能,Micro Trailers 是播放 6 秒的遊戲片段,讓玩家能對這款遊戲有個大概想法;The Automated Show 則是半小時的節目,介紹最新推出的遊戲,同樣都是以 AI 和自動化工具來生成的內容,能針對每個玩家不同的口味來進行介紹。

你的智慧喇叭未來有可能在你心臟病發時替你求救

一個人在家時突然心臟病發而求救無門的情況,想必是不少心血管疾病患者的惡夢。借助著機器學習與 AI 的幫助,未來你的智慧喇叭可能成為你的救星,在關鍵時刻替你求救。 美國華盛頓大學的研究學者打造了一個示範性的 AI,利用 911 報案電話中錄下的音訊樣本,讓 AI 學習心臟病發時特有的喘息聲。這個 AI 會先向室內廣播,請求附近的人協助做 CPR,如果沒有人回應的話,它就會自動播打 911 求助。錄音的樣本有經過挑選,盡量涵蓋從智慧喇叭到手機的各種不同的收音設備,來模擬各種有可能搭載這 AI 的裝置。初步的實驗顯示,該 AI 的誤判率僅 0.22%,如果間隔十秒後再聽到一樣的訊號,就基本完全不會誤判了。 科學家們可不只是示範可行性而已,事實上他們已經成立了一間名為 Sound Life Sciences 的公司,準備讓這個技術商品化。問題是,這個系統的前提就是收音的裝置要持續不斷地開著,不像目前的智慧喇叭那樣只有聽到指令才會啟動,因此直接套用在現有的 Alexa 或 Google Assistant 裝置上,難免會有隱私上的疑慮。比較可能的做法,是將它的判讀系統獨立建置在機器上,不用透過雲端,但這麼一來就會變成打造專門的機器,而不是利用愈來愈普及的智慧喇叭了。 無論是用什麼方法出現,有相關疾病的朋友都可以注意一下產品的推出 —— 對於獨居的老年人或高風險的族群,這樣的機器或許有天能救人一命呢。

Adobe 訓練 AI 來偵測 Photoshop 對臉部的修改

隨著機器學習與人工智慧相關應用的迅速開展,一些利用 AI 的潛在危險也逐漸浮出水面。雖然不是說像天網直接毀滅人類那種等級,但像 deepfake 這種將「假臉」貼到真人上的應用,除了有可能為公眾人物帶來無端的困擾外,更可怕是它可以讓領導人、政治人物說出虛假的話或做出虛假的事。如果不能立即被辨認為造假的話,甚至有可能對國家安全帶來危害。 Adobe 這裡就踏出了對抗這種假臉應用的第一步,採用「以毒攻毒」的方式,靠機器學習來辨識造假的圖片。當被訓練過的 AI 被用來辨識被 Photoshop 液化濾鏡修過的圖時,有高達 99% 的成功率,而相較之下人類僅有 53% 的成功率。不僅如此, AI 還能試圖「還原」修改前的原貌呢。 Adobe 認為在當今世界上,數位內容愈來愈難被信任,如果說發現圖片是否被修改變得和修改圖一樣容易的話,每個人就都能有工具來找出圖片的真相了吧。

Google 解密機器學習在 Pixel 手機上的應用

HDR+ 首先,是早在 2014 年就已經推出,但老實說至今依然無人能敵的 HDR+。HDR(高動態範圍)照片的處理真的是一門「藝術」--由於它在本質上是拉高陰影的亮度、並同時降低亮部的亮度,以達到展現更多細節的效果。傳統的 HDR 的做法是拍攝幾張不同曝光長度的照片,再將它們疊合在一起,並且視局部需要取用不同程度的曝光結果;但是 HDR+ 不一樣 — 它是一口氣拍一大堆極短曝光的照片,然後視局路需要疊合足夠數量的照片。這讓 HDR+ 可以更精確地抓到邊緣來對正影像,也可以減少長曝光的殘影。 此外,如果只是將一條固定的曲線呆板地套用到照片上的話,會顯得照片灰灰的,沒有什麼對比。對此,Pixel 3 的 HDR+ 的做法是針對亮暗的邊緣處去做強化對比,但壓縮非邊緣的部份,讓照片符合人類的視覺。這結果,就是 Pixel 3 總是能提供最「養眼」的照片來,雖然對於拍照的人來說會一眼就看出以「相機」的角度這樣的照片幾乎不可能做到,但以「人眼」的角度來說好像相去並不遠呢。 肖像模式 第二個介紹的,是肖像模式。Pixel 手機的肖像模式最早是在 Pixel 2 上推出,是 Pixel 2 的大賣點之一。和 iPhone 的一大差異,是 iPhone 僅能將肖像模式運用在人物上,而 Pixel 卻是人像、近物皆可。據 Levoy 介紹,原來有人在畫面中和沒有人在畫面中,Pixel 用的是完全不一樣的技術來做深度圖 ——…

LG 要為家電、機器人開發客製 AI 晶片

在過去幾年中,LG 一直都在努力以「ThinQ」之名推進旗下產品對 AI 特性的整合。而現在他們又計畫開發新的客製晶片,用來實現「未來掃地機器人、洗衣機、冰箱甚至空調」裝置內的 AI 處理機能。在此之前,我們也聽說過 Amazon 正在開發晶片以幫助 Alexa 完成離線工作的傳聞。而 LG 要做的 Neural Engine 也是基於類似的概念,它無需連線雲端就能對圖像、聲音數據進行處理。 不光如此,在離線狀態下裝置的安全性相對來說也會更高,用戶不用擔心自己家裡的東西會被駭客從遠端控制,隱私方面可以得到更大的保障呢。