直擊 Google 東京 AI 論壇,最新軟硬體應用齊聚一堂!普世機器學習免費線上課程明年開放

Google 表示機器學習雖仍在發展初期,但我們可以從這些應用看到機器學習在分類 、預測和語言理解能力的前景大為光明,要讓這些知識更普及化,能召集更多具潛力的人在未來有機會開發實際應用,明年初將會把免費的線上課程開放給所有使用者!
評論
評論

先前我們曾介紹過 AI 的各項案例,舉凡 Chatbot 聊天機器人、精準醫療、機器翻譯…近年來時而聽到人工智慧、機器學習,這些討論攻占了各大版面,提到人工智慧,很容易讓人聯想到科幻電影與小說機器人取代人類帶來驚世駭俗的毀滅,甚至讓學者研究關於部分職業在未來被機器人取代的機率有多高等,「未來 XX 將失業」等誇大的標題佔據社群,然而我們卻忘記了許多已經發生在我們生活上的應用實例。

今天 Google 透過在東京舉辦 #MadeWithAI 亞太區媒體活動一次展示了多采多姿的實際生活應用,傳達了人工智慧對我們的意義是讓生活更輕鬆便利,協助世界各種的產業像是醫療、生技、環保、教育,最終目標將機器學習的知識普及世人,有效運用在未來更多產業。

一路走來 Google AI 發展迎向未來產業

在上月 Google 產品發表會八大產品都環繞著 AI,硬體皆與人工智慧和軟體緊密結合,來提供使用者更智慧的體驗,如此佈下天羅地網可以見得 AI 發展對 Google 來說如此重要,Google 研究團隊資深研究員 Jeff Dean 開場即展示目前 Google 最新即時翻譯鏡頭圖像辨識加上自動翻譯,讓你在異地旅行時能將拍攝到的目標直接進行翻譯,讓大家馬上即刻見證到 Google 在機器學習上先驅的發展。

Word Lens 透過鏡頭就能即時將目標進行辨識翻譯

Jeff Dean 談到 AI 對他們的三大核心理念:為使用者打造更人性化的產品、幫助開發者能夠創新應用以外更重要還有解決人類痛點的工具,接著 深入淺出的解釋人工智慧到機器學習,人工智慧的研究很久以前就已經開始,直到最近才有一些突 破,這些突破的成果來自於機器學習。

談到機器學習,近年發展一大里程碑,就拿 Deep Blue 到 AlphaGo 來看,由 IBM 開發 1997 年打敗棋王 Gary Kasparov 的西洋棋程式 DeepBlue 運用大量運算,在一秒內計算出數百萬種佈局是基於規則式系統的演算方式,然而前一陣子轟動全球的 AlphaGo,透過大量職業比賽的棋譜來「訓練」其演算法,讓 AlphaGo 在短短的兩年內就站上了職業圍棋的頂端,近乎打敗了人類。

AI 不是神奇魔術 與你我切身相關的應用

近年來 Google 目前在機器學習上的實際應用真正改變你我生活 Google  搜尋、Google 相簿、Google 翻譯、Google Map 大家對這些服務都不陌生,來到現在超厲害神器-強大的「Google Word Lens」讓你在名勝景點、在咖啡店看到的書 、路邊的廣告文宣 ,只要經由拍攝一個動作 Google 就可幫你翻出相關資訊,支援 38 種英文互譯的語言組,幫助使用者打破語言隔閡。

另外 Gmail 的自動回覆至今已有 12% 的智慧回覆透過行動裝置發送,Google Assistant 能夠理解自然語言情境的對話可觸發智慧助理,即時提供使用者各種服務像是查找行程 、詢問當地的天氣。

此外 YouYube 重度使用者肯定相當有感的字幕自動翻譯,透過結合 Google 自動語音辨識技術,可強化字幕生成的品質。以英文為例,自動產生字幕功能的正確度大幅增加了 50%。目前,自動字幕功能可支援多達 10 種語言。

當你掛在平台上網羅各國內容創作者的最新影片,你不需為了翻譯再進行暫停,即時翻譯的字幕讓你擁有良好的跨國界觀影體驗,目前此項應用已被使用超過十億支影片,讓全球三億以上的失聰或聽障朋友也能瞭解影片內容。

談到這些 Google 翻譯,大家最關注的還是在「翻」完後的準確度,事實上導入機器學習的不只是強大的 Word Lens,Google 翻譯本身也採用了機器學習技術,在 2016 Google 將一套端對端的神經網路模型導入 Google 翻譯,用數百萬筆正確線上翻譯的範例作為訓練資料。透過神經機器翻譯系統 (Neural Machine Traslation, NMT),提升了 Google 翻譯的品質。NMT 能夠針對整個句子進行翻譯,而非破碎式的截段翻譯,因此翻譯的結果也更能貼近真實語意。目前 NMT 已可支援近 97 種語言跟英文的互譯,其中包括許多亞太地區的語言。

迎向軟硬整合! Google 先驅發展

另外在人工智慧支援的 Google 硬體技術日前在發表會上大家目睹到的產品, Google Home 運用深度學習來接收使用者音源、Google Home Max 導入機器學習提供使用者高品質音樂體驗。

躍上相機評測風雲榜 Pixel 2 和 Pixel 2 XL 為 Google 硬體設備一大亮點, 將硬體、軟體與人工智慧深度整合,舉例來說,相機將透過機器學習的技術自動辨識畫面中的人 物,對焦在人物上,提升人物的銳利度,並依據手機和人物的距 離決定背景模糊的程度,製造出景深。

此外 Pixel Visual Core,這是第一個 Google 在行動裝置上運行的電腦晶片。Visual Core 就是一個 圖像處理器(Image Processing Unit,IPU),能夠使成像和機器學習演算法運行得更快,且功耗比 CPU 和 GPU 更低。

在肖像模式下,相機將透過機器學習的技術自動辨識畫面中的人 物,對焦在人物上,製造景深感

Google 開放資源 產業新曙光

相信各位讀者對這些諸多 AI 應用奠定於 Google 自行研發的機器學習架構 TensorFlow 不陌生,目前除了讓 Google 的各種應用更為強大,在,2015 年他們開放了 TensorFlow 讓研究員以及企業透過項工具來建構它們自己的 AI 應用, 加速機器學習研究的時程,在兩年內 TensorFlow 已經成為最受歡迎的線上機器學習資料庫,在 200 多個國家被下載了超過 790 萬次,目前越來越多人採用 TensorFlow 作為研究和產品工具。

接續著論壇登場的就是受惠於 TensorFlow 的成功案例 ,日本食品大廠 Kewpie 去年夏天開始透過 AI 技術來提昇食品安全,導入 TensorFlow 後大量降低員工的作業量。此外機器學習 運用在環境保育的可能性也越來越明朗,紐西蘭威靈頓維多利亞大學的研究員用 TensorFlow 辨識紐西蘭鳥類的鳴叫聲來預測這些稀有種的環境與棲地,有了這些資料分析可使用於鳥類保育,未來將有更多生態學家可得力於此項技術。

日本食品大廠 Kewpie分享導入TensorFlow後,改善了挑選原物料品質的效率的成功案例。
日本食品大廠 Kewpie 分享導入 TensorFlow 後,改善了挑選原物料品質的效率的成功案例。

Google 表示 機器學習雖仍在發展初期, 但我們可以從上述案例分類 、預測 和語言理解能力的前景大為光明,對他們來說 去談「行動第一」,現在則是「AI 第一」,然要做到第一未來仍有一段路,待解的問題包含如何 讓機器學習模型更普及?這些建構的機器學習模型是為所有人類開發的?對此 Google 從內部到外部已著手加速了機器學習技術的內部訓練。內部透過機器學習速成課程,訓練了超過 18,000 名 Googlers 募集了近 950 所大 學以及科技專家來參與這個培訓計畫,高度比例的學生認為機器學習技術有所提升。

此外另一項好消息是,為了要讓這些知識更普及化,能號召更多具潛力的人在未來有機會開發實際應用,明年初 Google 將會把免費的線上課程開放給所有使用者,和 Google 工程師們用來學習機器學習技術是同一套內容。從 Google 的 AI 專家身上獲得影音、互動視覺、編碼練習以及實際的操作,不需要機器學習、電腦科學或高級數學的既有知識,讓來自不同背景的開發者來使用都能上手,學習到一組主要的機器學習演算法以及架構進行實際應用。

 

 


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。