AI趋势周报第175期：为何20分钟的对话时间，是今年Amazon对话式AI挑战赛最大亮点？

重点新闻(0820～0826)

对话式AI     Alexa Prize     SocialBot  

AI和真人天南地北畅聊20分钟破纪录，Amazon年度社交机器人挑战赛最大突破

Amazon连年举办的Alexa Prize社交机器人（SocialBot）挑战赛最近落幕，前三名由捷克科技大学、史丹佛大学、纽约州立大学水牛城分校等三组团队拿下，更重要的是，他们的社交机器人与真人的对话，从体育、政治、科技到流行无所不聊，甚至最长可持续20分钟之久，没有冷场，打破了过往社交Chatbot竞赛的纪录。

Chabot一直是企业关注的领域，从早期文字QA、多轮对话再到近来的对话式AI，都是要藉自然语言处理（NLP）技术，来提供更接近真人的沟通服务。

Amazon举办挑战赛的初衷也是如此。今年的挑战赛目标，不只要Chatbot达到连贯性、上下文理解、流畅回应，还包括对话时间。今年，所有决赛团队的平均对话时间为12分42秒，是2020年决赛团队的2倍以上，更有一组团队展现良好的对话品质，得到满分5分肯定。

Alexa AI自然语言理解副总Prem Natarajan指出，平均对话时间是一个重要指标，能用来判断参赛机器人的互动连贯性和流畅度。对话时间能拉长，就表示细部技术大有进展，比如神经回应生成模型（Neural response generation）、常识知识表征（Common sense knowledge representations）、对话建模、对话策略，以及用大规模Transformer模型强化的自然语言理解系统。这次挑战赛的成绩，显示了NLP领域研究再次跃进。（详全文）

 

 

  Uber      模型调校    机器学习  

兼顾品质又能减少专家劳力，Uber ML开发平台靠3大心法高度自动化

对Uber来说，机器学习（ML）模型是执行核心业务决策的重要工具。但模型进入生产环境前，得经过实验阶段，仰赖专家探索特征、调校参数，或执行离线分析、背景测试等等。不过，随着模型开发工作越多，AI专家人力的需求也越大。如何兼顾模型品质，又能减少对专家劳力的依赖，Uber日前在自家部落格上，接露了自家ML开发平台米开朗基罗的三大关键，透过超参数优化、及早停止、特征转换等方法，来提高模型开发的自动化程度。

首先，在超参数优化部分，他们用树状模型找出已知问题类别的参数，比如针对二元分类问题进行AUC优化、对回归问题就用MSE优化，也采用目标函数，让专家针对特定问题，选择合适的优化目标。为避免过度拟合，Uber在优化函数中加入“惩罚条件”，来捕捉训练合测试间的表现差异。

接着，为加速庞大资料集的超参数搜寻，Uber设计了一项“及早停止”机制，来制止无效的超参数优化。这个机制，能搭配用来评估ML模型表现的学习曲线，来节省无意义的试验，降低时间和运算成本。

最后一项作法，Uber转换了他们训练ML模型时常用的地理空间特征，将经度和纬度转换为不同的嵌入向量，从中抽取出地理空间讯号。Uber也设计一个自动机制，将主要复合特征自动并入树状模型的训练，并自动移除重要性较低的复合特征。

不只是这三大机制，Uber米开朗基罗平台还提供一些辅助工具，来执行重复性高的调校工作，如模型架构搜寻、决定特征综效等。整体来说，这些强化机制让Uber可用单一框架，来一般迭代性的调校工作，也能对已部署的ML模型，进行一次性的全面调校。（详全文）

  IIBM     数位分身     市集  

IBM布局数位分身服务，打造专属市集销售各种实体设备的数位分身

IBM不只布局IT、云端和AI市场，近来也看好数位分身，大推数位分身交换（IBM Digital Exchange）服务，提供了一个线上市集来销售实体设备的数位分身。

主导IBM数位分身研究的IBM杰出工程师Lisa Seacat DeLuca近日在媒体上透露，IBM数位分身不只限于一般熟知的工业设备，“只要是能产生数位表征的物体，都可以建立分身。”她强调，数位分身和AI一体两面，数位分身能更有效地监控、分享资料，并用这些资料来改善AI模型，同时帮助企业更了解他们的资产。

IBM早在去年推出数位分身交换市集，供企业买方和IBM合作伙伴生态系成员交易，IBM合作伙伴可出售故障诊断码、维护计划、3D模型及其他与实体物件相关的资料，来让企业购买。

DeLuca指出，这只是数位分身的初步应用，IBM还推出Maximo企业资产管理服务，可进一步搭配数位分身，来预测资产效能、预先维护。（详全文）

  大型主机    AI推论       Telum处理器  

高频交易风险运算能更快！IBM发布首款大型主机的AI加速处理器，率先用于金融业

还在用大型主机的金融业者有好消息了！IBM日前展示一款自行研发的7奈米处理器Telum，具AI加速运算处理能力，将用于下一代IBM Z大型主机上，来解决银行诈骗、高频交易等金融难题。IBM透露，首款采用Telum处理器的IBM系统，将于2022年上半年上市。

IBM花了三年时间打造这颗新处理器，未来将由三星生产。IBM指出，金融业者可将训练好的AI模型打包，部署到采用Telum处理器的IBM系统上，来执行模型推论。如此，就能加速金融AI应用，比如用AI进行金融诈骗侦测、用机器学习加速银行贷款审核，或是处理高吞吐量的金融交易、反洗钱和风险分析等。

目前，台湾仍有不少大型金融业者的核心系统硬件，采用大型主机，这也将成为Telum处理器抢攻的市场。（详全文）

  VS Code 1.59     程式语言     机器学习 

VS Code新版能自动判断不明档案中的程式语言！

微软程式码编辑器VS Code释出最新1.59版，不只更新图形界面区域和编辑器，还加入一项预览功能，能用机器学习技术自动判断未命名档案使用的程式语言。

这个功能以开源机器学习函式库Tensorflow.js和社群所贡献的机器学习模型打造而成。开发者手动启用该功能后，VS Code就会在撰写程式的同时侦测语言，并推荐安装相对应的扩充套件。用户也可设定对特定语言不启用自动侦测功能，比如停止自动侦测Markdown无标题档案等。（详全文）

  高通     无人机平台     AI引擎  

高通发表新一代5G AI无人机平台

高通推出全球第一个5G AI无人机平台Flight RB5 5G，可用来加速各种无人机应用的开发。该平台具备第5代高通AI引擎，可处理复杂的电脑视觉、感知和自主性功能等任务，比如多目标侦测和追踪、数位云台和立体视野深度，以及路径规划、障碍物回避等功能。

另一方面，平台还具8个QRB5165中央处理器、1个GPU和1个神经处理引擎，还有能捕捉4K和8K分辨率影片的摄影镜头，可提供电子影像稳定器、水平功能和数位变焦等功能，拍摄出电影品质的影像。而5G和Wi-Fi 6连接能力，能实现长达8公里的可视距离飞行。高通Flight RB5 5G无人机参照设计现在于无人机制造商ModalAI上预售，而开发套件则预计在今年第4季上市。（详全文）

图片来源／Amazon、Uber、IBM、微软、高通

 AI趋势近期新闻 

1. 马斯克描绘特斯拉人形机器人Tesla Bot，预计明年推出原型机

2. SAP并购AI人力资源平台SwoopTalent

3. 史丹佛大学200页报告详解超大预训练模型的优劣和风险

资料来源：iThome整理，2021年8月