娶了UI設計師的Python工程師-北歐生活

人工智慧 語音助理"SpeeChin"靠著感應你的下巴,辨識你想說的話....等等真有這麼神奇嗎? 目錄 圖書館內喊「嗨 SIRI」 太尷尬？讓無聲人工智慧語音助理幫助你 拯救你的無聲尷尬！透過下巴動作就能辨識的語音助理項鍊 SpeeChin 已可辨識中英文！移動偵測問題仍待解決 圖書館內喊「嗨 SIRI」 太尷尬？讓無聲 人工智慧 語音助理幫助你   直接開口詢問、指示  SIRI ，進而解決己身需求，已是 3C 智慧產品廣泛使用的日常風景。然而，若是在安靜的環境中呢？想像一下，如果你在靜謐的圖書館或是針落有聲的會議室裡，開口詢問：「嘿 Siri，明天天氣如何？」似乎有點尷尬。 當你亟需向你的 人工智慧 助理下指令，卻遇到上述需要保持安靜、無法說話的情況怎麼辦？ 拯救你的無聲尷尬！透過下巴動作就能辨識的語音助理項鍊 SpeeChin 不用擔心！為了拯救你的無聲尷尬，康乃爾大學資訊科學助理教授 Cheng Zhang 和博士生  Ruidong Zhang，發明了一款項鍊型的 人工智慧 語音助理「SpeeChin」。這款項鍊配備了紅外線鏡頭、微處理器、電池和藍牙模組，項鍊外盒配有可提高穩定性的機翼造型平衡器，亦於項鍊盒底部配置了一枚硬幣以平衡配重。 SpeeChin 特性如同一般項鍊，使用銀鍊掛在脖子上，其紅外線鏡頭裝置於 3D 列印的項鍊盒上方，使鏡頭穩定指向佩戴者的下巴。SpeeChin 能夠基於下巴運動軌跡，捕捉「頸部和臉部皮膚變形圖像」，進而辨識無聲語言。目前的實驗結果顯示，SpeeChin 已能辨識簡單的英文和中文單詞。 已可辨識中英文！移動偵測問題仍待解決 在最初的實驗裡，研究人員測量了 10 名英文使用者及 10 名中文使用者，共 20 位參與者的下巴基線，接著使用差分圖像訓練 SpeeChin 辨識簡單指令，應用機器學習演算法將辨識結果傳到配對的智慧型手機，就像用另一種方式溝通的 Siri。隱私問題也不必擔憂，SpeeChin 只會對準佩戴者的下巴，不會拍到使用者的臉。 實驗方式為：10 位英文使用者無聲說出 54 條指令，包括數字、互動、呼叫語音助理、標點和導航，10 位中文參與者的 44 條指令也一樣。最後實驗結果顯示，Sp...

人工智慧 電影配音切換自如!以色列這新創公司是如何做到的? 目錄 Netflix 的多國語言配音惹議，遭批「失去電影原味」 Deepdub 用人工智慧「保留演員原本聲音」配音 只需演員 3 分鐘音檔，即可架構出模型 串流平台毋需再投資於「製作新的原創內容」以迎合各國 一間位於以色列特拉維夫的 Deepdub 新創公司，應用 人工智慧技術 ，發展出自動化的配音 AI：能以保留演員原本聲音為前提，將電影配音自動轉成他國語言，以用於對各國影視的需求。 目前 Deepdub 已籌集了 5.5 億新台幣的 A 輪融資，該輪融資包括了 HBO Max 首席內容執行長 Kevin Reilly 和 Fox Television Studios 前總裁等娛樂業資深人士。 Netflix 的多國語言配音惹議，遭批「失去電影原味」 《魷魚遊戲》自開播首月即成為 Netflix 收視率最高的連續劇，讓 Netflix 大增 438 萬名用戶；開播後 28 天，就有超過 1.1 億用戶收看，是為 Netflix 史上最熱門影集。Netflix 的全球化佈局，證明各國影劇都有潛力在全球市場賣座。 而許多世界馳名的影劇都會放送各國配音的版本，這也卻引來不少影迷批評「失去原味」，無法做到毫無違和感的情況。 ｜ 推薦閱讀： 還在與他人共享 Netflix 帳號嗎？小心被人工智慧抓到！ Deepdub 用人工智慧「保留演員原本聲音」配音 以色列新創公司 Deepdub 創立於 2019 年，旨在要以先進的人工智能，為創作者提供最佳的傳播平台為目標；致力於提供觀眾絕佳的娛樂體驗、並縮小語言障礙和文化差距。 為了解決問題，Deepdub 除了參與實際配音的過程外，還支援了翻譯、改編和混音等任務。它提供了一連串完整的專業  AI 應用與技術 ，以幫助配音工作的監督，並根據需求隨時進行更正。 只需演員 3 分鐘音檔，即可架構出模型 在傳統的配音過程可能需要 15 到 20 週才能將 2 小時的電影轉換為另一種語言，但透過 Deepdub，只需要約 4 週的時間就能完成相同的工作；且它只需要學習演員幾分鐘的聲音，就能做出聽起來與原始版本如出一徹的配音版本。 Deepdub ...

LINE台灣推出2項 人工智慧 應用服務,超方便？!快來看看本篇文章吧! 人工智慧「接地氣」！雲端助理 LINE Clova 立足台灣，發展在地化應用 LINE  看好 Fintech 與  AI 領域 的發展，近年來積極投入研發人工智慧應用、區塊鏈等雲端技術，亦陸續將研發結果整合至通訊服務中。 過去在 LINE 開發者大會「LINE TAIWAN TECHPULSE」中，LINE 台灣就宣布引進 LINE Clova，完成 Clova 服務的在地化目標 ，並完整介紹其 人工智慧技術 與企業解決方案。而目前即將在地化的中文 CLOVA 人工智能服務有哪些？答案包含「Clova Note」及「Clova Chatbot」兩大產品線，特別引人矚目！ 不怕會議開太久！落落長發言，Clova Note 全都轉換成文字 Clova Note 可以應用在聽打逐字稿、製作會議記錄，以及將語音訊息轉換成文字訊息等較消磨耐心的工作上，其具備的語音辨識技術（Speech Recognition）和說話者辨別技術（Speaker Diarization）能夠精準將聲音轉換成文字檔案。 過去 LINE Clova 的研發主力多為日文、韓文，如今  LINE  廣招中文工程師，將集聲學模型、發音模型、語音模型三項技術與機器學習於一身的 NEST 模型應用於 人工智慧 解決方案 Clova Note，不但擅長辨識日常對話與長篇幅的語句，還有在噪音環境中精準優秀的辨識能力。Clova Note 預計今年就會在台灣市場推出。 不怕不會寫程式！不需代碼就能架構的 Clover Chatbot 對話機器人 https://youtu.be/wwRlG6S87BI 許多企業會使用 LINE 官方帳號作為品牌客服服務的主要平台。 LINE  台灣服務企劃部平台事業發展負責人吳元豪表示，訓練人機對話系統工程浩大且過程繁複，因此 LINE 為需要大量降低人工作業的用戶，開發出「Chatbot Builder」平台，用以架構對話機器人架構。用戶只需要準備機器人需要回答的問題、答案與訓練資料就可以製作專屬的 Clova Chatbot 對話機器人模型來應用於 LINE 官方帳號，它最大的優勢，就是應用 人工智慧技術 ...

由人工智慧鑑定安樂死資格?醫療應用AI的不同面向,快來一探究竟吧! 本文為下篇，上篇請看此 連結 。 AI自殺艙會帶來哪些影響？技術、倫理、法律界各持不同觀點 尼奇克會把石棺計畫印在自行創辦的非營利組織「解脫國際」（Exit International）發行的刊物中，並免費提供，只要年滿 50 歲就可取得設計圖、自行用 3D 列印出該自殺機器，如此輕易就可取得「死亡門票」的方式，各界如何看待？ 演算法觀察機構：AI 恐削弱人類決定的自主權 讓人工智慧來決定人類的生死，只會削弱、不會增加人類對於 AI 的自主權 對此，關注 人工智慧 倫理議題的非營利組織「演算法觀察（Algorithmwatch）」政策及倡議團隊負責人穆勒（Angela Müller）指出：科技最終為人類開發，而 人工智慧 也是倚賴過去所學習的資料累積來做決定，而這兩者隱含的偏見和歧視，無形中都會影響 AI 的決定，「我擔心依賴它（AI）只會削弱、而不是增加我們的自主權」。 對此，尼奇克也只好承認當前的人工智慧應用與技術仍存者取多限制，上有無法解決的問題。但是他也沒有放棄，打算在「石棺」剛推行時與瑞士的醫師合作，確保每位石棺的用戶都經過醫界的專業判斷，以避免爭議；待此 AI 發展完成後，就採用人工智慧與醫師並行的「雙軌制」，消弭外界疑慮之餘也不斷優化  AI  的判斷力。 倫理研究所主任：過度美化自殺、恐引發自殺率 「像石棺這樣的機器會美化自殺，並增加心靈較脆弱或是心理疾病患者的自殺率。」美國喬治城大學（Georgetown University）甘迺迪倫理研究所（Kennedy Institute of Ethics）的主任 Daniel Sulmasy 認為如此集結最新 人工智慧 科技、富有設計感外觀的 AI 自殺機器根本就是「美化自殺」，恐引發自殺風潮。 法律專家們各持不同看法 尼奇克委託的法律顧問——瑞士聖加侖大學（University of St Gallen）的法律教授赫里曼（Daniel Huerlimann）表示：石棺在瑞士並無違法疑慮。 赫里曼教授指出此石棺並不在瑞士法律所定義的「醫療器材」之內，因此並不會受到《瑞士醫療器材法》（Swiss Therapeutic Products Act）的規範。除此之外，它也沒有違反氮氣、危險化學物質或武器等相關...

由人工智慧鑑定安樂死資格?醫療應用AI的不同面向,快來一探究竟吧! 當醫療用人工智慧助人恢復健康時⋯⋯這位醫生卻開發自殺用AI！ 截至目前，許多醫療界與 AI 工程師聯手推出各式各樣的 人工智慧應用 ，目的都是為了要救活病人、降低死亡率，像是 日前獲 FDA 批准的內視鏡 AI ，可及早預防與醫治大腸癌 、還有  PTT 創辦人杜奕瑾因逝母遺憾，而打造的人工智慧敗血症即時預測 AI 。 當眾多 醫用 AI  在為人類解決問題時⋯⋯有「死亡醫師」之稱的澳洲醫師尼奇克（Philip Nitschke）卻反其道而行，開發了讓人工智能「鑑定」用戶是否該安樂死，並搭配可自行 3D 列印的輔助自殺（assisted suicides）裝置——「石棺（Sarco）」，介紹如以下影片所示： Sarco @ Venice_Design from Philip Nitschke on Vimeo . 瑞士安樂死條件太龜毛？他竟讓 AI 來定義你是否「該死」 AI  自殺裝置「石棺（Sarco）」的樣品 ，首次公開於 2018 年荷蘭的阿姆斯特丹喪葬展上，引發不小爭議。之後經過三年的研發，他打算帶著「進化版」的石棺 AI 輔助自殺系統前進瑞士，期待可在第一個通過安樂死合法的國家派上用場。 安樂死原因有哪些？瑞士接受輔助自殺的死者中「25%無罹患絕症」 而瑞士當前的法律僅允許人們在「特定條件」下接受輔助自殺，執行前亦需經過心理狀態評估等程序，才有機會拿到處方箋、並由醫生或醫療單位協助自殺。 當然心理狀態的評估標準見仁見智，在瑞士，每年通過協助自殺而過世的人群當中，有四分之一的人其實並沒有罹患絕症，純粹只是「厭倦了生活」。像是 2014 年通過安樂死而過世的英國退休藝術教師， 選擇自殺的原因竟只是「厭倦了充斥著電子郵件、電視、電腦和超市快餐的現代世界」 。 他讓 AI 取代醫師決定你生死，讓「找死」的過程更民主？ 即便如此，尼奇克仍主觀地認為，瑞士有很多醫師不願意開「死亡處方箋」給無病痛的人：例如對活著感到厭倦的長輩等，而他發明的石棺可解決問題，宣稱可「讓死亡的過程更加『民主化』（democratising）⋯⋯」尼奇克說道：「所有理性的成年人都應享有決定要在何時結束生命的權利，不該是被掌握在其他人手上⋯⋯」 只要 AI 說「yes」，你就可一鍵...

與其他人工智慧應用相比：FACT編舞能力一流 將 FACT 的性能，針對各個指標，與其他的 人工智慧 應用進行比較： 如上表所示，FACT 與三種最先進的編舞 人工智慧 應用（ Li et al 、 Dancenet  和  Dance Revolution ）相比，FACT 模型生成的動作更逼真，與輸入音樂的相關性更好，並且在以不同的音樂為條件時更多樣化。*注意的是  Li et al 生成的運動是不連續的，使得平均運動特徵距離異常高。 Google 還透過使用者研究，評估音樂與動作的相關性：讓每位使用者觀看 10 個影片，片中有一個 FACT 模型與一個隨機對照模型所生成的編舞結果然後讓使用者選擇哪個模型生成的舞步比較能夠與音樂同步。使用者共有 30 名，包含專業舞者以及很少跳舞的人。 結果顯示：81% 的使用者喜歡 FACT 模型生成的結果勝於 「Li et al.」的；跟 Dancenet 相比，71% 的人喜歡 FACT 勝過 Dancenet；跟 Dance Revolution 比較， 77% 的人也更喜歡 FACT。。有趣的是，75% 的參與者喜歡 AIST++ 未配對的舞蹈動作勝於透過 FACT 所生成的。這並不奇怪，因為最初的舞蹈紀錄具有很強的表現力。 定性結果 如下圖所示，與先前  DanceNet （左）與  Li et. al. （中）相較之下，使用 FACT 模型（右）生成的 3D 舞蹈更逼真，並且與音樂的相關性更好。 使用 FACT  人工智慧 模型生成更多 3D 舞蹈： 人工智慧發展下一步：為每首歌生成逼真舞蹈 Google 開發了一個 人工智慧 模型，可以學習音頻與動作對應的關係，還可以基於音樂，生成的高質量 3D 動作序列。由於從音樂生成 3D 動作是一個新興的研究領域，Google 希望此項研究成果能為未來跨模組「音頻-3D 動作」的生成鋪道。 透過這項研究，Google 還發布了迄今為止最大的 3D 人類舞蹈資料庫「 AIST++ 」——具有多視角、多種舞蹈形式、跨模態的 3D 動作數據集，不僅對 3D 動作生成研究有幫助，一般來說，也對人類理解研究幫助。Google 將在  GitHub ...

人工智慧編舞一把罩：FACT 模型  Google 使用上述的 AIST 資料庫，訓練 FACT 模型從音樂生成 3D 舞蹈。該模型先使用動作轉換器與音頻轉換器，分別對一段音樂與一個短的（2 秒）種子動作（seed motion）進行編碼。之後再將嵌入碼連接、發送到跨模型轉換器，該轉換器學習兩種模型之間的對應關係，並生成 N 個未來的動作序列。 然後使用這些序列以自我監督的方式訓練模型。在測試時， Google  將此模型用於自回歸框架，其中所預測的動作則作為下一個生成步驟的輸入。因此，FACT 模型能夠一個框架接著一個框架地，生成長時間的舞蹈動作。 FACT 網絡接收音樂片段 (Y) 和 2 秒的種子運動序列 (X)，然後生成與輸入音樂相關的長期未來動作。|圖片出處：Google AI Blog Google 用三指標評估 FACT 的性能 Google  依據以下所述之三個指標，評估 人工智慧  FACT 的性能： 動作品質：我們計算 AIST++ 資料庫中的「真實舞蹈動作序列」與 40 個「模型生成的動作序列」之間的  Frechet 起始距離 （FID），每個序列具有 1200 幀鏡頭（20 秒）。我們將基於幾何和動力學特徵的 FID 分別表示為 FIDg 和 FIDk。 生成多樣性：與 之前的工作（指 「 深度 慣性姿勢捕捉」：從少許的慣性量測中學習而重建人體姿勢）類似：Google 從 AIST++ 測試集中的 40 個「模型生成動作特徵空間」中，計算平均歐氏距離，用以評估模型生成各式舞蹈動作的能力。，接著再比較幾何特徵空間 (Dist g ) 和動力學特徵空間 (Dist k )。 Google 使用不同的音樂，來生成四個不同的編舞版本：Break、Ballet Jazz、Krump 和 Middle Hip-hop（右），但有兩秒是相同的 Hip-hop 舞蹈動作（左），這些相同的動作被稱為「種子動作」。|圖片出處：Google AI Blog 運動-音樂相關：由於沒有合適的指標來衡量輸入音樂（音樂節拍）與所生成的 3D 動作（動作節拍）之間的相關性。所以 Google 提出了一種新的「節拍對齊分數 (BeatAlign)」...

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 OpenAI：共同維持單純生態讓程式社群「產生更高價值」 當被問及這些抱怨時，Greg Brockman回答：「新技術即將到來，確實需要這場辯論，即使會有別於過往社群的意見，我們將接受反饋並以不同的方式做事。」他認為 人工智慧 社群始終受益於Open AI的工作。「這會對生態系統有很大的價值，歸根結底，這些技術可以重塑我們的經濟，為所有人創造一個更美好的世界。」Brockman解釋道。 Codex 也肯定會為  OpenAI  及其投資者創造價值。2015年公司以非營利實驗室的身份起步，為了吸引外部資金，它在 2019 年轉為「利潤上限」 （capped-profit）模式，儘管Codex最初是作為免費API發布的，但  OpenAI  預期未來將對使用者收費。 OpenAI  表示它不想使用Codex構建自己的工具，因為它更適合改進 人工智慧 核心模型。Brockman說：「我們意識到如果追求成為任何一項工具，就會切斷任何其他路線。作為一家初創公司，可選擇最擅長一件事。毫無疑問，此系統正為所有模型製作更好的版本。」 從 Codex 展示案例中猜測語言喜好 雖然 Codex 聽起來非常令人興奮，但在真正的工程師掌握之前很難判斷它的全部功能。但即使在不是工程師的情況下，確實看到 Codex 的運行情況，並且對 人工智慧 有一些想法。 OpenAI  的 Brockman 和 Codex 負責人 Wojciech Zaremba 線上展示使用 Codex 創建網站遊戲，Brockman 在 Google 圖片上找到一個人的剪影，告訴 Codex 在貼上 URL 前「從頁面添加這個人的圖像」，剪影隨後出現在視窗上，然後 Brockman 修改它的大小，說道：「讓這個人變大了一點」、「現在可以用左右箭頭鍵控制它」。 ​ OpenAI  的 Brockman 使用 Codex 創建網站遊戲 ，使用口語來「使喚」Codex 寫出相應代碼。 人工智慧藝術與科學般的對 Codex 下達指令 這一切都非常順利。人影開始在視窗上晃來晃去，但很快就遇到一個問題：它一直在視窗外消失。為了阻止這情況，Brockman額外下達指令：「不斷檢查這個人是否離開頁面，如果是就...

  ​ 人工智慧發展太快！Codex可將英文翻譯成程式碼 你還在苦於不會寫程式碼，落後於其他人嗎？隨著 人工智慧 技術越來越強，未來程式設計不再是需要編寫複雜的代碼，甚至會說英文就能 coding！ 由 馬斯克 創辦、致力於 人工智慧 的研發公司 OpenAI 日前發佈一款新的 機器學習 系統「Codex」，可將英語直譯成程式語言。期望這樣的人工智慧應用，能讓程式設計變得更簡單便利，讓更多人能共同參與。 ​ https://www.youtube.com/watch?time_continue=3&v=SGUCcjHTmGY&feature=emb_logo Codex：能將人話翻成Python等10多種程式碼的人工智慧應用 OpenAI 的 CTO 兼聯合創辦人 Greg Brockman 和 Codex 負責人 Wojciech Zaremba 線上展示 Codex 的各式用途，揭開它神秘的面紗：簡約的介面、能將自然語言翻譯成 Python 、JavaScript、Go、Perl、PHP、Ruby、Swift 和 Shell 等 10 多種主流程式語言的能力。 Codex 就像是一位資料科學家，可將資料下載、歸納後予以分析、製作圖表。還可以把人話翻譯成電腦程式碼，實現多種程式語言之間的互譯，更進一步建構出基礎的網站和遊戲。 舉例來說：使用者在指令欄中，使用英文「寫」出一個上方有大標、側邊有導覽列的網頁後，Codex 便會將此指令翻譯為完整的程式碼。雖然此系統並非萬無一失，操作執行時仍需要耐心，但已證明可為不同領域帶來更佳效率與價值。 程式設計中「最乏味」的關鍵步驟，人工智慧一把罩！ OpenAI 的 CTO 兼聯合創始人 Greg Brockman 說他們將 Codex 這項 人工智慧 定義為「增加工程師的人數」。他說：「編寫程式語言有兩個部分：首先，你必須認真思考、理解一個問題；之後將這些需要執行的片段——無論是函數還是API——轉譯成現有程式語言。」而後者的「轉譯」步驟是最乏味、但也是最關鍵的，這時就只能請出人工智能「Codex」為工程師消除繁重的工作。 ​ https://www.youtube.com/watch?v=Ru5fQZ714x8&feature=emb_logo Codex 恐延續 Copilot 的代碼...

本文為下篇，上篇請看此 連結 南非遭到爭議性的專利審核 在南非專利局受理之前，DABUS 這項專利曾慘遭美國專利商標局、歐洲專利局、英國知識產權局和澳大利亞專利局駁回。美國法官表示「對於 AI 機器在專利法下是否有資格成為創作者，明確的答案就是『不行』」。他認為，由於科技發展日新月異，未來 AI 細緻複雜的程度可能媲美公認的發明人資格，但「這樣的時刻尚未到來。一旦時機來臨，將由國會決定如何擴大專利法的適用範圍。」 令國際社會大吃一驚的是，南非專利局和智慧財產權委員會授予該專利，承認 DABUS 是發明者。該專利於2021年7月的專利期刊上正式發表，包括泰晤士報在內的新聞機構都對此事進行報導。 DABUS 的發明專利在南非的授予受到智慧財產權專家的廣泛反對。批評者認為，這是法律上的錯誤決定，如果南非有一個實質性的檢索和審查制度，DABUS 專利申請就會被拒絕。因為 人工智慧 缺乏成為發明家的必要法律地位。 人工智慧發展一日千里，現在還能自主發明物品。但是是否能能成為合法的「發明者」，並申請專利，仍受爭議。 DABUS：「有知覺的」自主學習人工智慧 DABUS 被認為是「有知覺的」 人工智慧 應用，擁有創造性神經系統，無秩序性地刺激多數神經網絡以產生潛在的想法，從判斷中強化學習，這個過程被稱為「機器學習」（machine learning），而一但系統經歷了「機器學習」，它便能在沒有人類干預的情況下「自主性」地開始進行發明，並推向最富有成效的方向。 這些發明是由「機器學習」構思出來的，根據自己的累積經驗，判斷想法的價值。儘管如此，該系統確實自主選擇性地將眾多元素的組合，強化為更複雜的概念。任何連結的概念都會啟動一系列記憶，被認為等同於人類的主觀感受（即感覺）。透過這種方式，DABUS 在構想中產生欣賞的情感。 AI 人工智慧能夠解決人類無法解決的問題，速度也比人類快得多。多年來，出現了多種創意機器。在 DABUS 之前，Thaler構建了另一個AI，它創造了新穎的樂譜，他發明交叉刷毛牙刷設計，申請專利獲得了授權。證明AI有能力產生符合專利標準的新穎發明。然而，當時 Thaler 將自己列為發明者，而不是AI人工智慧。 DABUS 人工智慧影響了專利制度的改革 Thaler 的法律團隊表示，他們之所以會將「DABUS」列為專利申請中的發明者，是想要測試...

全球第一取得設計專利的人工智慧！ DABUS 的 AI 系統設計者非人哉 人工智慧 發展速度超越我們想像，連 AI 都成為研發新產品的主力！各國的人工智慧應用與發展的專利申請數不斷提升，但人工智慧本身竟能成為合法的「發明者」？ https://youtu.be/7ERnYKkYkEI 非人類的專利發明者－DABUS人工智慧技術 南非專利局和智慧財產權委員會宣布一項名為「DABUS」的人工智慧技術，DABUS 竟然也已經自主完成兩項發明！這兩項分別是：「Neural Flame（一種以新穎且創意的方式閃爍，以吸引注意力的警示燈）」和「Fractal Container（一種便於堆疊與機器手臂操作的碎形幾何的食品容器）」，可說是有資格取得發明專利的 AI。 DABUS 所發明的碎形幾何食品容器，其形狀有利於堆疊與被機械手臂操作 DABUS 獨立思考能力強！人工智慧定義已超越機器人 「DABUS」為「device for the autonomous bootstrapping of unified sentience」的縮寫，直譯即「統一感知自動引導裝置」，此系統研發者為美國 AI 專家塞勒 (Stephen Thaler)，並提出「當人工智慧滿足發明人的標準時，人工智慧發明的專利申請應將人工智慧列為發明人」。DABUS 使用廣泛的人工神經系統創建專利，通過自己累積的學習經驗來構思發明。 DABUS 的出現，打破了過往我們對 人工智慧 定義只局限於「機器人」。 過往人們常將人工智慧定義為機器人。 能自主研發的DABUS，是否也能自行申請專利？ 都能自主發明東西了，那 DABUS 是否能以「 人工智慧 」的身份自行申請專利？很可惜，DABUS 無法自行申請專利，因此得到英國薩里大學（University of Surrey）和國際律師團隊的協助完成。律師團隊認為，發明這兩項專利技術的都是 DABUS，而 Thaler 本人並未具備任何與容器或警示燈相關的專業知識，因此也不該由 Thaler 擔任發明人。 參與「人工發明者專案」（Artificial Inventor Project）的專利律師 Ryan Abbott 則說，AI 系統的確不會憑空出現，一定是透過大量的資料和程式碼的訓練，但這並不見得可讓 AI 系統...

電動車大廠 特斯拉 （Tesla）於上個月舉行的  AI  日（Tesla AI Day）上，發布 2 項重要產品：一是機器人「Tesla Bot」、另一個是由特斯拉自動駕駛硬體高級總監 Ganesh Venkataramanan 宣布自行研發的 AI 晶片「Dojo D1」，用來訓練資料中心，是特斯拉 Dojo 超級電腦晶片的一部分。 Dojo D1 晶片的研發讓 特斯拉 不僅是一間汽車公司、 人工智慧 的業者，還是一家晶片供應商！Tesla 和 Intel、Nvidia、Graphcore 等科技大廠，同為  AI  訓練模型的晶片供應者。 電動車大廠特斯拉（Tesla）於上個月的 AI 日（Tesla AI Day）上發布自行研發的 AI 晶片「Dojo D1」，用來訓練資料中心，是特斯拉 Dojo 超級電腦晶片的一部分。 Dojo 計畫負責人 Ganesh 說 「D1 晶片——從架構到封裝——完全是由 特斯拉 團隊所設計。其晶片就像 GPU，但是又有『CPU 等級』的靈活度，上下載頻寬還是網路晶片的兩倍⋯⋯」因此 D1 晶片已經超越了單純的 CPU 與GPU，而直接被稱為「Pure Learning Machine」（純學習機器）。 訓練 人工智慧 模型，需要大量的運算能力，而 D1 晶片的效能，對 AI 模型的訓練來說，是是綽綽有餘的。如車內攝影機所蒐集的各種影像，Dojo 晶片將協助自駕 AI 處理、應對處理路上的狀況。 特斯拉 CEO 馬斯克表示：特斯拉將在 2022 年投入 Dojo 的營運，目標為實現真正的 100% 全自動駕駛。 特斯拉 稱 D1 晶片的頻寬是當前網絡中使用的晶片的兩倍。通過設計這樣一款高性能晶片，該公司希望保持低延遲和最大頻寬。 Dojo D1：超越以往自駕的晶片運算 D1 號稱由 500 億個電晶體構成，超越 AMD 的 EPYC Rome（395.4 億個電晶體），並略少於擁有多達 540 億個電晶體的 Nvidia GA100 Ampere SoC。D1 的大小約 645mm²，每 mm² 的整合高達 7750 萬個電晶體的有效電晶體密度，功率密度高於 Nvidia 的 A100 GPU 並略低於 Apple 的 M1 晶片。 一塊 D1 晶片由 354 個訓練節點組成，每個訓練節點內部都起碼有以下部分： ...