機器魚特務!混進魚群不但沒被發現,還能帶隊轉向

人工智慧技術的飛躍使機器人變得越來越像人類了,但是受限於電腦科學、認知心理學、神經科學等學科的發展,我們目前仍然能夠辨認出機器人的樣子。不過魚類似乎更容易被糊弄。
評論
Photo credit: EPFL
評論

原文刊登於 36Kr,INSIDE 獲授權轉載。

人工智慧技術的飛躍使機器人變得越來越像人類了,但是受限於電腦科學、認知心理學、神經科學等學科的發展,我們目前仍然能夠辨認出機器人的樣子。不過魚類似乎更容易被糊弄。

瑞士洛桑聯邦理工學院(EPFL)的研究人員最近就研發出了一種水生機器魚,它們會學習如何跟魚類相互溝通,和它們一起游泳,還能改變它們游泳的方向,在水中 carry 全場。

「我們想研究機器魚如何混入魚群,如何跟它們進行互動交流並做出決定」,EPFL 的博士後研究員法蘭克 · 博內特(Frank Bonnet)對 Digital Trends  說。

換句話說,研究人員希望透過設計機器人與動物群落相融合來更瞭解這些動物的交流方式,進而達到解密它們的行為模式與社會結構的目的。

這些可以融入真實魚群的「秘密特務」長約七公分,比建模時參照的魚稍長,但形狀和比例一樣。機器魚體內裝有磁鐵,並與安裝在水族箱下面的小型發動機相連,以提供它在水中游泳的動力。

研究人員選擇的實驗魚群是斑馬魚(Danio rerio),因為斑馬魚是一個相對健康的物種,整個族群傾向於快速移動和變換方向。

研究項目分了兩部分。其中一部分涉及生物學,即研究個別魚類之間的社會互動情況,機器魚可以幫助研究者進行有針對性的刺激,並測試被標記的魚的反應。第二部分則涉及機器人技術,這也是 EPFL 的研究人員所關注的。

團隊決定先讓機器魚混入斑馬魚群中。但怎麼才能讓它們偽裝得像真魚呢?研究人員在設計時參考了斑馬魚的形狀、顏色、條紋等物理特徵,還考慮了線速度、加速度、不同魚之間的距離、魚群規模、魚在游泳時擺動尾巴的節奏等行為特徵。為了進一步推進這個項目,研究人員還讓機器魚學習並適應真實魚類的行為。

之後研究小組在不同的水中環境測試他們的機器人,其中一些劃出了小房間和走廊等區域。測試涉及十個斑馬魚族群,每個族群有四條斑馬魚和機器魚互動。研究人員記錄了每條魚的位置和運動情況以及機器魚融入族群的傾向。

博內特說:「在研究中,我們比較了只有真魚的小組和包含機器魚的混合小組。實驗結果顯示,機器魚和真實魚類的行為是相似的,這顯示機器人能夠像魚一樣行動,並與魚群融合。」

研究人員還開發了一個環形裝置,用以觀察機器魚是否會影響魚類的游泳方向。結果發現「機器魚也能夠促使魚類改變方向,從一個房間游到另一個房間。」

這已經不是 EPFL 機器人系統實驗室(LSRO)第一次做類似的研究。研究人員之前曾對蟑螂族群做過觀察,結果顯示蟑螂願意接受幾乎所有能夠散發特定蟑螂費洛蒙的機器人。

「為了融入昆蟲社區,機器人只需要發射某種費洛蒙就可以。但是,如果想(讓機器人)融入一個脊椎動物群體,研究就要涉及更多的標準,比如外觀、運動和振動等。(相較於蟑螂),魚是更加複雜的動物,」博內特說。

「我們已經可以瞭解哪些特徵與魚類的社會融合有關。藉助仿生機器魚,我們還可以瞭解魚類社會的層次結構,比如誰是魚群的領導者以及它們如何進行集體決策。」

仿生機器人對於動物行為研究來說絕對是很有幫助的工具。這篇研究論文最近發表在了 Bioinspiration&Biomimetics 雜誌 上。


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。