Intel 怕了嗎?Google 發表 AlphaGo 秘密武器:TPU 處理器

忘了 CPU GPU FPGA 吧。Google 推出針對機器學習的 Tensor Processing Unit(TPU),並且可比摩爾定律中 7 年後的發展程度。
評論
評論

忘了 CPU、GPU 和 FPGA 吧。Google 推出針對機器學習的 Tensor Processing Unit(TPU),並且可比摩爾定律發展三代的程度。

根據 PCWorld 報導,Google 執行長  Sundar Pichai 在星期四的 I/O 開發者大會上說到,「TPU 每瓦的數量級表現大大超越目前市面上的 GPU 和 FPGA 。」

TPU 就是 AlphaGo人機圍棋 大戰打敗李世乭九段的秘密武器。關於新的 TPU,Pichai 著墨不多,但同一天官方 部落格 的文章內則有更詳盡的說明。

(Photo Credit: Google Cloud Platform Blog

「我們的數據中心已經使用 TPU 一年多,我們發現在機器學習上,TPU 每瓦的數量級表現較優。這個結果大約相當於把科技快轉了 7 年(摩爾定律的三代),」部落格寫道。「TPU 是專為機器學習打造的,因此對降低計算精準度的容忍度較高,也就是每次運作所需的電晶體較少。因此我們每秒可以在矽單元上塞進更多處理程序。我們能夠利用更複雜、更強大的機器學習模型,讓使用者更快得到更智慧的結果。」

部落格還提到,TPU 的體積不大,可以塞進資料中心的硬碟槽。目前已經應用於 RankBrain 搜尋演算和 Google 街景。

問題是,TPU 到底是什麼?根據分析師 Patrick Moorhead 向 PCWorld 表示,Google 透露的訊息相當少,他並不認為這可以取代 GPU 或 CPU。

「它做的事,比較像是重播,它本身並不會教或學會任何東西。」Moorhead 認為,TPU 是搭載了用大量 CPU 和 GPU 算出來的人工智慧演算法。

不過 Moorhead 也認同 Google 所謂 TPU 的表現幾乎將摩爾定律加速 7 年的說法,認爲這就像 ASIC(特殊應用積體電路)和 CPU 之間的關係。

ASIC  的程式碼是寫死的,專門用來做特定一件事,比如解碼特定格式的影片,它不像 FPGA 可以改寫,但可以提供很出色的表現,也更省能源。

但 ASIC 最大的缺點也就是不能更改,一旦有 bug 或升級,就得重做一片,不能重寫。因此預算充足的單位通常不會使用 ASIC。

歡迎加入「Inside」Line 官方帳號,關注最新創業、科技、網路、工作訊息

好友人數

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。