KPMG報告截圖
重點新聞(0507～0514)
KPMG 企業AI大調查 底層架構
KPMG全美950家企業AI大調查：培養人才仍是挑戰、多數還沒建好底層基礎架構
KPMG最近，發現企業擁抱AI時仍有AI人才不足、工具選擇和基礎架構不足的挑戰。這份調查於今年1月展開，針對全美950家來自製造、科技、金融、醫療、生命科學、零售和政府等領域的企業來詢問，這些企業年收必須超過10億美元，但醫療和生命科學除外，門檻為1億美元。
調查發現，高達9成受訪企業下功夫讓員工跟上AI趨勢、努力讓員工學習新AI技能，但對醫療和政府單位來說，分別只有8成和約7成的執行長做到這2點。不過，在這9成中，高達97%的製造業執行長稱自家員工大致具備AI所需的技能；調查也發現，比起經理等級的主管，上層CXO對自家人才的AI技能反而更樂觀。不過，KPMG指出，調查中仍有許多企業難以招募所需人才，來發展企業AI策略並實踐。
另一方面，調查也發現，企業還有2個技術挑戰，也就是找到合適的AI工具和平臺，以及建立發展AI所需的底層架構。針對第一點，KPMG解釋，這是因為市場變化快速，大部分企業擔心今天購買採用的工具，到明天又有更好更快的工具、平臺或API出現，這就造成投資錯誤，就連推動AI發展的科技業，也有6成執行長同意。
再來，許多企業尚未投資時間和金錢，來打造底層資料處理架構，甚至還有滿多企業未將IT系統上雲（比起老舊運算環境，雲更容易擴展AI、進入生產）。KPMG指出，這些企業不情願上雲的主因是，建立模型治理制度來保護資料太繁瑣，而且，整理這些資料來訓練模型、維護模型，也太耗費心力。
Google Transformer MUM
屢屢突破NLP天花板，Google發表比BERT強1,000倍的Transformer模型
Google在年度開發者大會上發表基於Transformer架構的NLP模型MUM，號稱比NLP里程碑模型BERT還要強上1,000倍，不只能理解語言，還能生成各種回答，更可一次讀懂文字和圖像。
Google近年屢屢突破NLP天花板，從2013年發表Word2vec演算法、靠著將文字轉換為向量提高精準度，再到2017年提出Transformer架構、發表NLP大型訓練模型BERT，一舉拿下各種測試的SOTA後，最近又一口氣發表可理解、可生成的模型MUM，以及可順暢進行開放式對話的LaMDA。
以MUM來說，Google一次用75種語言和多種任務來訓練MUM，來讓模型發展完整的理解力和世界知識，這是前幾代模型做不到的。再來，MUM是多模態模型，也就是說，它可一次理解語言和影像這2種型態的資料，而且，「未來還能理解音訊和影片，」Google強調。
但Google會怎麼運用MUM呢？Google解釋，由於MUM可理解文字和圖片，因此可同時分析網頁和圖片資訊，改善搜尋體驗。比如，使用者可拍一張登山靴照片，然後問Google：「我可以穿這雙靴子登富士山嗎？」這時，MUM會分析照片和問題、給出回答，甚至帶使用者到專門介紹登山裝備的部落格。
對話模型 LaMDA Transformer
Google再推可聊各種話題的開放式對話模型LaMDA
Google在自家開發者大會I/O上，揭露一款基於Transformer架構的自然語言預訓練模型LaMDA，可順暢進行各種議題的開放式對話，打破傳統Chatbot的限制。
Google表示，有別於其他Transformer模型（如BERT、GPT-3），LaMDA用對話資料訓練而成，並用幾個特徵來確認輸入值是不是開放式對話，其一就是「有沒有道理」。在I/O上，Google就用LaMDA來模擬冥王星與紙飛機的對話，比如能回答「我知道你很好奇，儘管問吧」、「（你來冥王星的話）你會看到一個大峽谷和一些冰山」，比現有Chatbot表現要好。目前LaMDA仍處於研究階段，未來Google將用來改善搜尋服務和語音助理，就像用BERT來改善Google搜尋的內容品質那樣。
OpenAI 新創基金 Azure
1億美金支援還有專屬系統、Azure點數可以用！OpenAI推出AI新創基金專案
OpenAI近日啟動OpenAI新創基金專案，投資1億美元來扶植幾家「對世界有深遠、正面影響的AI新創」，特別是醫療、氣候變遷、教育和個人服務等能帶來變革的領域。
總是為了廚餘煩惱嗎？
示波器探測執行效能最佳化的8大秘訣
示波器是一種能夠顯示電壓訊號動態波形的電子測量儀器。它能夠將時變的電壓訊號，轉換為時間域上的曲線，原來不可見的電氣訊號，就此轉換為在二維平面上直觀可見光訊號，因此能夠分析電氣訊號的時域性質。
雅高環保提供最適用的廚餘機，滿足多樣需求。
空壓機這裡買最划算!
晨達空壓機秉持著專業空壓機技術、優質快速服務、空壓機合理價格。為您解決工作中需要風量、風壓的問題。
哪裡買的到省力省空間，方便攜帶的購物推車
多功能爬梯購物推車/手推車/爬梯車/推車/購物車！
?
這些基金由微軟等OpenAI的合作夥伴提供，並由OpenAI管理。獲選的新創不只能得到OpenAI團隊支援，還可使用OpenAI新系統，並獲得微軟Azure服務點數。OpenAI還有2個招募準則，一是歡迎採用他們API的新創，二是歡迎來自少數群體的創辦人。
非監督式學習 語音辨識 轉錄資料
不用轉錄資料就能自己學習、效能媲美監督式模型！臉書發表非監督式語音辨識模型
臉書發表一套非監督式語音辨識技術Wav2vec-U，不需把語音轉錄成文字資料，就能訓練模型。而且Wav2vec-U的效能，比幾年前用1,000小時轉錄語音資料訓練的監督式模型還要好。
臉書指出，目前語音辨識系統只對少數主流語言友善，這是因為，這些主流語言有大量的轉錄音訊資料，可用來訓練高品質的模型。但對其他語言、方言來說，就難以取得足夠資料。
因此臉書開發Wav2vec-U，結合k-平均演算法，能從未標記的音訊中學習語音結構，將語音分割出各對應的語音單元，因此不需要轉錄音訊資料。為學習辨識語音中的單詞，團隊利用GAN中的生成器產生音位序列，再透過鑑別器來判別相似度，直到生成器成功騙過鑑別器。後來，臉書也在Swahili和Tatar等小眾語言測試模型，並與其他模型比較。在TIMIT基準測試中，與最佳的非監督式方法相比，Wav2vec-U錯誤率降低57％。
ML生命週期 ML平臺 MLOps
如何有效管理ML生命周期？Google推出一站式ML平臺
Google在開發者大會I/O上，正式推出全託管機器學習平臺Vertex AI，由一系列Google內部所使用的機器學習工具組成，提供統一的UI和API來操作Google雲端服務，加速企業AI模型訓練、部署和維護。
Google指出，不少資料科學家採用拼接的ML解決方案和不順暢的開發流程，導致模型開發和實驗受阻，而Vertex AI可解決這個問題。Vertex AI包括原用於Google內部的AI工具，如電腦視覺、語言處理、對話和結構化資料等。
該平臺也提供一系列MLOps工具，強調不具專業ML經驗也可使用，像是可提高實驗速度的Vertex Vizie，和用來共享、重用ML功能的Vertex Feature Store，以及可加速生產環境模型部署的Vertex Experiments。Vertex AI也支援邊緣AI應用，Vertex ML Edge Manager讓用戶可使用自動化流程和API，在邊緣部署和監控模型。Vertex Model Monitoring、ML Metadata與Pipelines等，主打自助模型維護和可重複功能來簡化端到端ML工作流程。
Google Health AI工具 網頁版
皮膚有問題怎麼辦？Google今年要發表網頁版的皮膚病AI工具
Google Health開發一套可幫忙診斷皮膚病的AI，使用者只要用手機拍下患部，再回答相關資訊，這個AI工具就能分析可能的疾病。目前，這套AI已取得歐盟一級醫療裝置的CE認證，Google也準備在今年發表網頁版應用。
Google Health說明，每年Google搜尋數據中有10億次是關於皮膚、指甲和頭髮的問題，而且全球有20億民眾深受皮膚病之苦，卻沒有足夠的皮膚病專家。為緩解問題，Google開發這套模型，使用者只要拍攝和上傳有狀況的皮膚、頭髮或指甲等3個不同角度的照片，再回答如年紀、性別、種族、皮膚類型、狀況維持多久等問題，或提供其它症狀等資訊來縮小範圍，AI工具就會分析，從288種皮膚疾病中找出適合的幾種狀況供參考，並提供這些疾病的醫生見解、常見問題，以及網路上的相關照片。
圖片來源／KPMG、Google、臉書
AI趨勢近期新聞
1.微軟Power Apps嵌入GPT-3，把自然語言變成程式碼來開發應用
2. AWS ECS Anywhere正式GA！
資料來源：iThome整理，2021年5月
https://www.ithome.com.tw/news/144704
臭氧機的滅菌效果如何?
臭氧的性質活潑，是強力的氧化劑。臭氧的標準還原電位2.07比次氯酸1.49更高，而且臭氧不會產生致癌的三鹵甲烷類消毒副產物。臭氧不會殘留，會自動回復成氧氣是優良的消毒劑，因此臭氧像是優良的工匠，工作時很有效率，離開時也不拖泥帶水，收拾的乾乾淨淨，沒有殘留副產物。
重新改造貨櫃屋基礎設計有哪些呢
金誠貨櫃實業社能把原有貨櫃屋改裝成任何尺寸大小及多咖貨櫃合併，加裝流梯、櫃頂加蓋鐵皮屋頂、加裝鐵架等、除鏽噴漆，顏色皆依客戶指定。
(全省)堆高機租賃保養一覽表
由簡易堆高機修改而成，無需現場施工，交機即可使用！
買不起高檔茶葉，精緻包裝茶葉罐，也能撐場面!
鴻和興精密工業股份有限公司集合了製茶罐業各相關技術的專業人士，不論是在印刷上或在茶葉罐加工製造上都能夠給客戶一個專業上的技術服務與諮詢。
Orignal From: AI趨勢周報第169期：KPMG全美950家企業AI大調查：人才是挑戰、多數還沒建好AI底層架構
沒有留言:
張貼留言