人工智慧或能將大腦訊號轉換成聲音，造福無法說話的患者

人工智慧或能將大腦訊號轉換成聲音，造福無法說話的患者

19/01/2019

https://tomorrowsci.com/technology/%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7-%E5%A4%A7%E8%85%A6%E8%A8%8A%E8%99%9F-%E8%BD%89%E6%8F%9B-%E8%81%B2%E9%9F%B3-%E9%80%A0%E7%A6%8F-%E7%84%A1%E6%B3%95%E8%AA%AA%E8%A9%B1-%E6%82%A3%E8%80%85/

對於癱瘓而無法說話的患者來說，他們僅能憑藉眼球的移動或其他微小的移動訊號，來控制游標選擇眼前螢幕的單字。

知名天文物理學家史蒂芬·霍金（Stephen Hawking）便是利用臉頰的肌肉運動，控制游標輸入欲說的文句。

但此方法受限於速度上的問題，使患者無法及時的參與話題。

因此，科學家已測試將大腦訊號透過神經網路（neural networks）進行解讀，試著直接重現患者的聲音。

大腦訊號

神經網路需要對每個人進行學習。為提供最精準的數據來源，最佳的方法便是打開頭蓋骨直接量測大腦訊號。

但能夠直接量測大腦訊號的機會並不常見。

其中一個機會是在進行腦瘤移除手術時，會讀取大腦訊號避免醫師誤觸大腦攸關話語能力的部位；

其次則是癲癇患者在進行手術前，會植入電極找出不正常放電的來源區域。

因此數據的來源與收集時間都相當有限，最多只有 20 至 30 分鐘的時間。

「真正的挑戰在於如何在完全無法說話的患者上重現此結果。」

現行的研究方法是將語言經由大腦訊號輸入神經網路進行學習，

但此方法無法用於沒有口語能力的患者，因為我們無法理解這些大腦訊號所代表的意義為何。

 

華為戰略市場總裁徐文偉談人工智慧：要習慣同事是機器人

北京新浪網 (2019-01-19 

https://news.sina.com.tw/article/20190119/29761334.html

「如果說18世紀發明蒸汽機是人類進入蒸汽機1.0時代，幫助人超越體力邊界，

那麼對AI的一個不準確比喻是進入蒸汽機2.0時代，它幫助人超越了智力的邊界。」

「2018年據統計，至少有300萬人已經和AI協同工作，或者他的老闆是機器人。

大家可以想像，滴滴打車，司機的老闆其實是演算法；很多你的主管可能是robert博士。很多基層員工，一定要習慣你的同事是機器人。」

AI可以用於優化內部運營，

可以用於自動駕駛，

可以用於5G網路。

他舉例道，自動駕駛是個熱點，但自動駕駛純粹靠車技術不可能實現L5（全自動駕駛），一定要車和路結合起來，

車和路、車和車、車和人、車和網之間要有通信，

智慧的路聰明的車才能真正實現自動駕駛。

對於5G，他談到，

5G的設計不僅是為了移動寬頻，更重要的在於物聯網。

未來智能世界的特徵是萬物感知、萬物互聯、萬物智能，

而5G及其他現有的連接技術是未來智能世界的基礎設施。

5G一定會採用人工智慧，人工智慧可以使得電信網路運維成本降低，保證網路質量。

徐文偉也指出，AI當前仍存在幾個問題，

一是算力太貴——看起來美，用起來貴；

二是數據太傻——沒有人工，沒有智能；

三是訓練太慢——優秀幾分鐘訓練數月功；

四是應用太淺——考場上學霸，工場上學渣。

「沒有好的數據就沒有好的AI，所以要保證數據質量。

有句通俗的說法是沒有人工就沒有智能，所有的數據都要做標註，這是一個專家的活。

人工智慧還沒有平民化。」

全球企業都在做 IT 現代化！微軟全渠道事業部首席技術官徐明強：從「決策流程」優化才是根本重點

Posted on2019/01/19

https://buzzorange.com/techorange/2019/01/19/microsoft-it-modernization/

20 世紀初，「電」的問世，造就第二次工業革命，而福特汽車所發明的流水生產線，則成為當時的經典代表。

21 世紀，以雲端為基礎的數位轉型革命，同樣也在企業間造成廣泛討論，「沒有跟上雲端浪潮的企業，很可能像當年沒有跟上電力趨勢、維持蒸汽機生產的工廠一樣，最終只能黯然退出市場，」微軟全渠道事業部首席技術官徐明强說。

企業升級需求漸增，IT 現代化的四個要件：A、B、C、S

據 Gartner 統計，2017 至今全球企業 IT 支出成長 10%，顯見所有企業都在加大 IT 設備升級的投資。

數位轉型是現代企業必修的學分，據徐明強觀察，企業數位轉型的目標不外乎以下四種，

與客戶做更密切的互動溝通、

提高員工生產力、

優化營運效率、及

帶動產品或服務升級。

而數位轉型則著重在用數據預測輔助企業做決策，

隨著電腦運算能力越來越快且成本低、

數據越來越豐富、

模型越來越好，這些因素降低了數據預測的進入門檻，

讓企業能夠把各種各樣的問題變成預測問題，進而引爆這一波數位轉型浪潮。

由這個角度來看，現代化 IT 架構至少應具備 A、B、C、S 四大要素，也就是

AI（人工智慧）、

Bigdata（大數據）、

Cloud（雲端）及

Security（安全）。

挑選雲端平台時，可以藉由觀察其是否具備相關合規性標準為評鑑準繩，

例如是否符合 GDPR、HIPAA、FedRAMP 等相關規範，

若還能符合國家特定標準如澳洲 IRAP、

英國 G-Cloud 及

新加坡MTCS 等則更為穩妥

以人工智慧來看，目前 Azure 提供的解決方案分成三種類型。

第一是針對目前發展比較成熟的 AI 應用，

例如：人臉/語音辨識、圖像識別、自然語言理解、資料搜尋… 等，提供一個預先處理好的模型，並包裝成 API 形式，讓企業能夠方便且快速地導入既有應用之中，使其具備視覺、speech、自然語言理解及搜尋的 AI 能力。

第二則是針對有自行建模需求的企業，

如果屬於深度學習應用，Azure 支援各種不同深度學習開放原始碼框架，像是 TensorFlow、PyTorch、MXNet 等，以及微軟自行研發的 CNTK，讓資料科學家能夠選擇適合的框架進行建模。

第三，若是統計類機器學習，

微軟則提供由系統自動推薦最佳模型的服務，諸如像是 Azure Machine Learning Studio 等服務，

使用預先建置且預先設定的機器學習演算法，以及資料處理模組，並採用可視化的拖放式視覺化工作區，可以協助企業將繁雜的步驟變得簡單、容易處理，降低人工智慧應用的難度。