娶了UI設計師的Python工程師-北歐生活

人工智慧學編舞，動作搭配音樂複雜度高 Google 正進行一項 人工智慧 研究，開發稱為「FACT （Full-Attention Cross-modal Transformer）」的模型，可以模仿、理解舞蹈動作，甚至可提高個人的編舞能力。 Google  研究團隊為了訓練該模型，也隨之發布一個大規模、多模態的 3D 舞蹈動作資料庫「AIST++」，包含長達 5.2 小時的 1408 個 3D 舞蹈動作序列，涵蓋 10 種舞蹈類型。都包含了已知相機位置的多視角影片，可生成逼真流暢的 3D 舞蹈動作。 Google  提到：雖然隨著音樂節拍編排出動作，是人類的本能；然而舞蹈是「需要練習」的藝術形式。專業的舞者都需要經過大量的、包含各式各樣舞步的曲目來訓練，才有編舞能力。這樣的訓練，對人類來說已不容易；對 ML（Maching Learning， 機器學習 ）來說更是難上加難。因為要使用 人工智慧 來實現編舞，需要生成動力複雜度高的連續動作，同時還要捕捉動作與配樂間的非線性關係。 人工智慧如何學舞？Google修正AIST舞蹈資料庫成教材 Google 從現有的  AIST 舞蹈影片資料庫（ 一組帶有音樂伴奏的舞蹈影片，但無任何 3D 信息）生成 3D 動作資料庫。AIST 包含 10 種舞蹈類型：Old School（地板舞 Breaking、機械舞 Popping、鎖舞 Locking 和 Waack）以及 New School（Middle Hip-Hop、LA-style Hip-Hop、House、Krump、Street Jazz 和 Ballet Jazz），雖然包含了許多舞者的多視角影片，但鏡頭都沒有經過校準。  Google  依研究人員的需求，根據常用的  SMPL  3D模型參數，修復 AIST 影片的拍攝校準正後的數值和 3D 人體動作，重建為「AIST++ 數位資料庫」，包含與音樂搭配的各種 3D 動作，並將上述十種舞蹈均勻地呈現在動作中、以每分鐘節拍 (BPM) 為單位涵蓋各種音樂節奏。每種舞蹈類型都含 85% 的基本動作和 15% 的進階動作（舞者自由設計的更長編舞）。 未經修正的  AIST 舞蹈影片資料庫 如下所示： Goog...

    本文為下篇，上篇請看此 連結 GPT-3 不只會寫文，還可從長篇大論中摘要重點 GPT-3  可高度理解原作者的撰文意圖，並有效處理；完全沒有其他早期開發的 人工智慧 模型的缺點（例如低精準度、不容易理解使用者的文字意圖⋯⋯等）。因此研究團隊就聚焦在  GPT-3  ，不斷修正與微調，持續提升 人工智慧 理解問題的精準度，因此  GPT-3  能為原本耗時或難以評估時間的任務，提供除了撰文之外，更多的應用方式。 圖片出處：CC0授權圖庫搜尋 GPT-3 新功能解鎖：將12萬字《傲慢與偏見》精煉成200字重點 OpenAI  研究人員不斷開發  GPT-3  的新應用方向。這次，他們成功將  GPT-3  微調成「抓重點」神器。原本擁有 12 萬字詞編排的《傲慢與偏見》長篇名著，被  GPT-3  精煉出總結不到 200 個字詞的小說摘要。 雖然被 人工智慧 精煉成千分之一的字句，但是原著故事內容都完整保留！其他精簡成摘要的著作還有《愛麗絲夢遊仙境》、《羅密歐與茱麗葉》、《自由之心》從生成少許的文字敘述一窺劇情全貌。 人工智慧「寫手」GPT-3 新功能解鎖：將擁有 12 萬字的《傲慢與偏見》精煉成200字重點（圖片出處： ＯpenAI ） GPT-3 如何生成文字? 就技術面來看，進行判斷文章長度，總結一段長文本分解成較短內容，而在這些短內容的段落中擷取重點，持續縮減字數並且串接成通順可讀內容。這樣對文章內容的分解方式，無論是數十、數百或數千頁都能夠做出總結摘要。 OpenAI  在  GPT-3  透過小說種類的書籍進行訓練模型，平均超過 100,000 個字詞數。這樣的訓練模式可更換為不同的語言、採樣方式及訓練數據類型，並且藉由強化學習以對抗生成方式，提供輕鬆閱讀文字結果。同時，在強化學習中採用三種變體抽樣訓練方式，藉此讓GPT-3確實能理解小說內容表達主軸。 在訓練過程中，研究人員選取 Goodreads 2020 榜單最受歡迎的 40 本書籍，包含奇幻、恐怖、愛情、推理等 20 多種類別，並由兩名研究人員閱讀每本書後寫出其摘要...

人工智慧用200字說完12萬字的故事！GPT-3解鎖「抓重點」新功能 OpenAI  訓練了可以摘要整本書籍的 人工智慧 模型：該模型擁有精煉出整本書重點大綱的能力，像是能快速用 200 字精準描述出 12 萬字的《傲慢與偏見》。 這個人工智慧模型，就是前陣子  OpenAI  的當家技術——自然語言處理模型「 GPT-3 」經過微調過後的版本。 此款微調後的  GPT-3  語言模型，會先依照文章長度進行判斷：文章長度較短的內容就直接擷取結論；長篇文章則先在各片段摘要出重點後，再串接這些重點並摘要出通順的大剛。 再深入了解這個能秒抓重點的人工智慧模型前，我們先來了解一下  GPT-3  的身世！ 地表最強寫手—GPT-3 自然語言處理人工智慧 長期致力研究 人工智慧 （AI）的非營利組織── OpenAI  於 2020 年 5 月推出開發出一款自然語言處理模型「 GPT-3 」，目的是為了使用深度學習分類或產生人類可以理解的自然語言。 GPT-2 寫假新聞，獲英國《衛報》認證！ 嚇跑創辦人馬斯克？ GPT-3 是延續前身  GPT-2  的架構。過去  GPT-2  就以捏造假可亂真的 假新聞 為名，據說因此嚇跑了  OpenAI  創辦人之一的馬斯克！ 過去英國媒體《衛報》（The Guardian）就將一則「英國脫歐」的新聞，第一段中的一些句子「餵」給它， GPT-2  可立刻產生另一則似是而非的新聞內容、如同原本的報紙般的編排、以及出現跟原文一樣的人物等。發表過「基於真人真事改編」的英國脫歐 假新聞 。《衛報》甚至認為  GPT-2  產生的句子，幾乎沒有過去 AI 系統撰文所產生的前後語意不一致、或是文法錯誤的問題。 https://www.youtube.com/watch?v=XMJ8VxgUzTc&feature=emb_logo 而  GPT-3 ，身為  GPT-2  的後代，又更是青出於藍。 GPT-3  擁有高達 1750 億個參數的神經網絡，自動生成文字的文字更人性化。只要「餵」給...

環保與省錢兼得：Google人工智慧定義「省油路線」 國際油價漲不停，光是上個月油價國內油價就連四漲。因石油輸出國家組織和俄羅斯等產油國聯盟（OPEC+）僅「適度地」供應市場，加上美國庫存下降，因此今年油價創 2015 年以來最長連續上漲週數。 而  Google  於 10 月 6 日推出 Google Maps 新功能：透過 人工智慧 技術與美國國家可再生能源實驗室（NREL）數據所提供的「環保路線」，能把紅綠燈等因素考量進去，計算出最省燃油消耗量又兼顧到達時間快速的路線，在落實更多環境保護的理念之餘，也替使用者省下汽油費用。 https://www.youtube.com/watch?v=MbHuSHGZf5U&feature=emb_logo 美國優先上線 明年可望推至其他地區 目前此款新功能先於美國上線，讓使用者抵達目的地除了可選最快路徑之餘，也延伸至節能省碳的領域。預計在 2022 年後，歐洲以及其他地區的用戶也能享用到這款兼顧荷包、行車效率與節能減碳的新功能。 根據  Google  執行長皮查伊（Sundar Pichai）所述，人類的生活習慣與氣候變遷是息息相關的。因此 Google 將持續優化「環保路線」功能，並加以推行至各國，有望在 2022 年底累積超過一億的使用人數。如此一來，全球用戶都機會一起解決環境問題、實現永續經營的理念。 省油、省時、省錢兼具 Pichai 指出：很多人每天通勤的方式——開車，是碳排放量較高的選擇之一。從今天開始， Google  地圖會對「位於」美國的用戶顯示「最省油的路線」（如果最省油路線與最快路線的到達時間相近的話）；相同也將於 2022 年後適用於歐洲的用戶。此「省油路線」預計每年可減少超過一百萬噸的碳排放量（相當於路上少了超過 20 萬輛車），還能幫使用者節省汽油費用。 另外，如果「省油路線」省下的油耗量過少或使行車時間大幅增加時，Google 地圖會顯示不同路線之間相對省下的油耗量，方便用戶進行比較。 節能減碳優先！Google 搜尋加強曝光油電／電動車 除了「省油路線」之外， Google  也調整自家的搜尋功能，讓用戶更容易看到油電混合或電動車的選項、並且與...

致命大腸癌年奪五千條命！腸道結構複雜漏診率增 根據衛福部最新統計，癌症已蟬聯 39 年國人死因首位，平均一年奪走 5 萬左右的生命；而最新癌症死因的前三名分別為肺癌、肝癌、大腸癌。 隨著醫療科技的進步，腸癌檢查的內視鏡敏感性及準確性都高過其他的檢查方法——透過內視鏡，可直視、活檢或全瘤切除，但礙於大腸的結構、病變差異等原因，時常發生漏診的狀況。 人工智慧醫療 首例！內視鏡輔助 AI 獲FDA批准   「GI Genius」的官方介紹影片（影片嵌入自 https://www.medtronic.com/） 近期，全球首例獲得 FDA（美國食品藥物監督管理局）批准的腸癌瘜肉檢測系統—「GI Genius」系統是內視鏡  AI  輔助檢測工具，也是大腸癌篩檢領域中第一款使用機器學習的 人工智慧醫療 輔助系統。 在大腸鏡檢查過程中，該系統會識別並標示出潛在病變 (例如息肉或疑似腫瘤) 的部位，提醒臨床醫師必須進一步評估或處理，例如組織採樣或切除息肉等。 大大減低大腸癌發生率！人工智慧醫療檢測靈敏度達 99.7%   影片左側、右側分別展示一般內視鏡、GI Genuis 所照出來的畫面。（影片嵌入自  https://www.medtronic.com/ ） 研究結果顯示，GI Genius 檢測速度比醫生還快，靈敏度可達 99.7%、錯誤率低於 1%，大大提高瘜肉的檢出率，甚至連傳統大腸鏡不容易檢出的「扁平息肉」都能驗出！大腸癌主要是由大腸內的腺瘤瘜肉癌化所導致，透過這樣的 人工智慧醫療 系統，就能落實早期發現腺瘤瘜肉並切除之，大大地減少大腸癌的發生。所以醫生可用 GI Genius 提高檢測準確度、降低罹癌風險：體內腺瘤檢出率每增加 1%，腸癌風險就跟著降低 3%。 這次美國 FDA 依據「GI Genius」的臨床試驗數據，首次批准人工智慧醫療器材應用在臨床上，也是第一個智慧醫療案例。「GI Genius」能提高腸胃道病變的篩檢率、減少病灶的遺漏跟誤判，可見 2021 已進入智慧醫療領域的時代，未來會有越來越多的  AI  醫療開始用於臨床來輔助醫師。

本文為下篇，上篇請看此 連結 人工智慧應用於防制洗錢的方式： 從大數據中辨識可疑訊息 所有的網路資料，最初都是未整理的大數據，是非結構式的資訊。而 人工智慧 可自動判別非結構式的網路資訊，若偵測到跟金融交易或相關資訊，便能迅速提前通知，以有效防範詐騙或是大量金錢的異常出入。 人工智慧挖掘交易者的人際關係 問題帳戶背後所呈現的個體、群體交易聯繫，可讓 人工智慧 透過最短路徑算法搜尋洗錢個體之間的中介。比如：若是企業與企業之間帳戶，直接交易百萬金額，其洗錢疑慮較低；若是百萬金額分批從數個不同公司轉出，但共同轉入的相同的個人帳戶，其疑慮就比較高。 自然生成可疑活動報告（SAR） 根據 1970 年的銀行保密法（BSA），反洗錢技術通常不會在其他報告（例如：貨幣交易報告）下標記可疑活動。金融機構有責任在 30 天內就其認為可疑或異常的任何賬戶活動提交報告。如有必要收集更多證據，可延長不超過60天。 交易監控閥值 依循交易偵測需求（例如：金額、次數、天期…）可依需求於系統上自行調整，即時監控可疑交易。（例如：個人帳戶與企業帳戶分類不同，交易的監控標不同） 如何判別疑似洗錢的客戶交易 當消費者進行免臨櫃的線上開戶，要如何進行身份認證？如何確認消費者本人真的有交易的意願？歸功於 人工智慧 發展的突飛猛進，AI 擁有「了解你的客戶」（Know Your Customer，KYC）以及「了解你的員工」（Know your Employee，KYE）的反內部詐欺制度。 善用防制洗錢的 人工智慧 應用與技術，便能協助反洗錢的工作人員們能專心擬定更精明的應對策略、工作效率也隨之更高！    

從 2020 年開始， COVID-19  疫情所帶來的經濟破壞，導致消費者與金融機構間的交易迅速轉往線上支付。許多面臨物價通膨的民眾，在荷包不斷縮水的情況下開始思考，若只將錢存入銀行過於欠缺彈性，但是使用信用卡、銀行貸款或融資，卻侷限在個人的信用評比而有其限制。因此，非銀行體系的私人金融單位在前述狀況下得以興起；這些單位濫用網路的各種交易工具，利用個人以利滾利的投機心態，催生了購買資產、存入金融機構帳戶或匯至人頭帳戶等洗錢方式。 （示意圖／取自網路） 機會伴隨風險，需投入洗錢防制人力 獲得2020年度最佳「反洗錢解決方案」，全球數據分析領域領導者（SAS）、安侯建業聯合會計事務所（KPMG），及台灣反洗錢推廣協會（ACAMS）最新發布的反洗錢技術研究顯示，美國銀行業每年投入反洗錢的預算已高達 250 億美元，因此各國財政部試圖建立更加嚴謹精準的反洗錢機制。台灣的金融監督管理委員會，作為主管反洗錢政策的政府機關，則在2020年8月正式發布「金融科技發展路徑圖」，積極協助各金融機構尋求新的市場需求與價值，共同打造安全的金融科技生態圈。 目前大部分銀行均採用「規則基礎系統」（rules-based）的方法偵測非法洗錢。但是，面對系統每次數千甚至上萬筆警訊，卻只能先以人工過濾判斷。同時，隨著偵測技術與時俱進，相關工作人員也增加不少負荷心力。因此，在金融單位系統不見得有良好串接或資料管理，便需藉由新的科技工具主導改變環境。 金融資安守門員： 人工智慧 定義反洗錢新規則 在各國不斷構思下，經過改良的資安技術，不只可用來保障網路安全，同時也能減輕人力負擔。SAS 就許多國外金融機構發展的經驗指出，人工智慧（AI）和 機器學習 技術（ML），在反洗錢趨勢下不斷成長，超過半數以上（57%）受訪者已經在反洗錢程序中部署 AI/ML，或預計在 12-18 個月內設置這項技術。因此， 人工智慧 的運用不只作為產品服務面的多樣化，更成為金融業發展洗錢防制的核心技術，有助於在大數據中找出共通模式與連結，實踐資安的核心價值。 下篇請看此 連結

本文為下篇，上篇請看此 連結 FloC將使用者分群，取代 Cookie個人識別 https://www.youtube.com/watch?v=J8sBCPYDHJo FLoC  將讓  Google  旗下產品不再倚賴 Cookie來紀錄分析個人使用行為。相較於識別「個人」行為的 Cookie， FLoC 是依據使用的網站瀏覽行為，將行為相似的人們分成多個群組，每個群組擁有一組 ID，廣告主再針對同一群組顯示相關的廣告。 FLoC 的作法雖然可讓人們隱身在興趣相投的群組中，而且所有瀏覽歷史紀錄以及其他數據都將保留在本地。不過還是受到各界不同的質疑意見。 Google  隱私沙盒的核心工程師 Josh Karlin 就將  FLoC  發佈至今所受到的爭議歸納成以下四點，並加以答覆： 爭議一、網站會被自動加入FLoC的廣告投放實驗中 Josh Karlin 回應：現在已不會自動將網站加入  FLoC  的廣告投放實驗中，而是由網站選擇是否透過 API 加入。 爭議二、群組代號太抽象，無論是使用者與技術專家都不易理解 Josh Karlin 回應：為了讓用戶、技術專家更好理解群組概念，他將改以基於領域的主題名稱（Topic）取代原本的群組代號（Cohort）。例如：原本的群組代號為數字「21849」被「美麗與健康」這樣的興趣分類取代。 這些方式讓瀏覽網頁的使用者，清楚的理解自己怎麼被敘述，並透過明確的主題內檢視是否涉及敏感的資訊。 爭議三、FLoC 的群組容易被數位指紋技術（註：fingerprinting，數位指紋提取，用以收集使用者手機、電腦型號等訊息）追蹤； Josh Karlin 回應：說透過上述的主題標籤分類方式，預計可將原本的上萬個代號群組，減少至數百種的主題標籤群組，進一步降低群組被用於指紋追蹤的可能性 爭議四、敏感性資訊仍有被洩露的疑慮。 Josh Karlin 回應：「這些主題名稱將由人為策劃，以確保它們不含敏感性資訊」。就長遠看來，分類方法最好由外界建置與維護。 Google還在考慮，未來新增讓用戶選擇不要加入特定主題的功能。 結論：  Google  正在嘗試以主題取代群組分類的方法，減少外界對  ...

Google將棄Cookie廣告追蹤 新技術FLoC爭議多 Google 聲明即將在 2022 年終止 Chrome 瀏覽器支援 Cookie，並且以自家開發的廣告追蹤新技術「 FLoC 」取代（詳請可參考本文： Google 為保護隱私，棄 Cookie 卻改用人工智慧？ ），不過也引發了不小爭議 （參見： 「恐怕會助長歧視」WordPress 與多家瀏覽器對 Google FLoC 喊停！ ）。因此 Google 隱私沙盒團隊資深軟體工程師 Josh Karlin 日前就針對四大爭議提出了初步的因應解方。 再了解這四大爭議之前，我們先來了解Cookie 的取代技術「 FLoC  」吧！ 隱私權至上，廣告精準投放利器 Cookie 惹議！ 無論我們瀏覽什麼樣的網站，上面的廣告都跟曾經看過的產品/服務吻合！這一切都要歸功於瀏覽器所支援的第三方Cookie。Cookie 是經由造訪過的網站所建立的檔案，可儲存個人的網站瀏覽行為。廣告業者可藉由 Cookie 所記錄的個人瀏覽足跡，精準投放「客製化的」廣告、並且檢視廣告成效，是撐起龐大數位廣告生態圈的關鍵之一。 隨著使用者隱私意識提高，Cookie 不斷備受爭議，目前已有多個瀏覽器響應阻擋第三方 cookie 的政策。但少了第三方的追蹤，將對數位廣告界帶來重大的變化。因此  Google  在 2019 年開始針對網頁隱私問題進行許多方式的改善，並發起隱私沙盒（Privacy Sandbox）計畫號召各界提案，希望能在保護使用者隱私為前提下，同時滿足廣告投放需求。 其中的第一個提案，就是Google力推的 FLoC 群組聯合學習技術（Federated Learning of Cohorts）。   下篇請看此 連結