Browsing: 人工智能

    無人駕駛汽車科技的實驗持續進行,不過大多應用於迴避障礙物及自動導航方面。美國麻省理工大學 (MIT) 一項人工智能研究就專門針對改善自動駕駛系統對交通燈的反應,結果不單改善交通順暢度,更可增加能源效益及減少廢氣排放,一舉兩得。 主持這次研究的研究員指出,雖然美國及世界其他地方已批准無人駕駛車上路,不過對於人類來說,無人駕駛汽車未能為人類帶來改善,因為乘客依舊受困於交通燈,因此團隊就希望能夠改善它們對交通訊號的反應,提升交通流暢度。研究採用深度強化學習 (deep reinforcement learning) 模式,即交由人工智能以試誤 (trial and error) 方式,通過不同的抉擇覓求最佳的演算法。 研究團隊首先模擬出一個十字路口場景,然後只提供機器學習無法自行掌握的知識,之後便交由人工智能計算不同狀況的反應。當人工智能的神經元網絡 (neural network) 找出通往改良交通狀況的方法或捷徑,研究團隊便會予以獎勵,相反如人工智能的演算法導致車輛在交通燈前完全停止則給予懲罰。而在人工智能學習的過程中,系統會從一隊車隊中收集到的互動數據,估算交通燈的變化,從而控制無人駕駛汽車的行駛速度,盡量增加綠燈時通過的車輛數目,同時避免汽車因紅燈而需要完全停止。 研究結果顯示,經最佳演算法下控制的無人駕駛汽車,其通過交通燈的流暢度大增,而即使受控制的汽車減低至 75%,其餘為人類操控車輛,交通流暢度仍能獲得顯著的改善。由於所有汽車均能減少非必要的加速或停車空轉,因此研究還可有效改善能源消耗及廢氣排放。不過,現時研究正在起步階段,而且只能應付一個十字路口位,要全面實行還須更多研究,但相信在智慧城市的帶動下,無人駕駛汽車將能更容易採集交通數據,應用團隊研究成果的可能性將相當高。 資料來源:https://bit.ly/3NqCJmD 相關文章:【上帝視角】樹木觸電引發山火…

    隨著人工智能的發展,它通過將隱私信息的分析提高到新的功率和速度水平,放大了使用個人信息的能力,從而侵犯了隱私利益。然而,對於人工智能的學習和表現,高質量的大數據是必不可少的。此外,像GDPR和CCPA這樣更嚴格的隱私法只會給AI分區器增加更多的複雜性。這就是 Betterdata.ai 的用武之地,使用尖端的人工智能來生成無隱私和現實的合成數據。你不僅將擁有無限的數據來提高模型的準確性,亦也解決了人工智能的公平性問題。 演講嘉賓 :Uzair是新加坡大學數據安全與隱私專業的博士。他的興趣是密碼學、安全、隱私保護技術。他也是一位道德黑客,曾成功入侵670個以太坊錢包。他是Betterdata.ai的聯合創始人,一家專注於下一代隱私保護的合成數據的初創公司。

    隨著疫情持續發展,不少企業都加快實行混合及遙距工作,而網絡安全這一環亦越來越受到各大企業重視。作為大中華區領先的電信中立網絡服務供應商,第一線 DYXnet (NEOLINK互聯科技成員)具備穩定可靠的強大IDC基礎,能提供包括 MPLS、SD-WAN 等場景化網絡連接解決方案,助力客戶靈活組網,為客戶做充足的上雲支持。 第一線相信持續發展創新,才能滿足客戶不斷增長的市場需求,因此與領先網絡安全解決方案提供商 Check Point 攜手合作,推出 DYXnet CloudShield 全方位雲端網絡防護解決方案。結合第一線逾 20 多年大中華區的企業網絡服務經驗,針對香港及亞太區大型企業的網絡需求以及 Check Point 在網絡安全方面的深厚經驗,「強強聯手」,令整個方案更為完善。 第一線與Check Point攜手合作,打造更安全的網絡環境 隨著人工智能、大數據、物聯網、雲計算等資訊技術不斷發展,企業數碼轉型已成為各行業加強競爭、呼應市場需求的必經之路。而第一線和…

    Hitachi Energy 開闢新戰線,最新推出人工智能植被管理系統,新服務不單有助減低山火、二氧化碳排放,而且更有助電力公司等公用業務保障資產。公司發言人指不少機構誤以為手上擁有的數據量未夠多,但如果經專家評估,結果隨時有驚喜。 調查顯示,70% 停電問題與植物有關,而且數字更是每年上升。當樹木長大至接觸到供電塔上的電線,便有可能引發山火,美國加州史上第二大的山火,據知便是由上述原因造成。傳統的管理方法是電子公司需停期派員監察輸電網絡,有需要時派員修剪高危樹木。不過,這種方法費時失事,而且受天氣及樹木種類因素影響,樹木在短時間內亦有可能快速增長,Hitach iEnergy 推出的人工智能管理系統,便可減少意外發生。 Hitachi Energy 的服務宗旨在於為未來可持續能源提供動力,發言人說 Vegetation Manager 系統正可確保能源會被有效運用。系統首先採用了日本研發中心的演算法,該演算法透過分析從多個源頭拍攝的相片、影片及衞星圖片,再結合不同地區的氣候變化、生態環境及土質等資料,從而推算出供電網附近的樹木成長狀況,在適當時候派員修剪過高或過長的樹木。有關方面又指出植被管理系統不單適用於電力公司,其他公用事業如通訊、鐵道、輸水、燃油等有硬件網絡設備的公司亦同樣受惠。 發言人又說,不少企業或機構管理者在談到人工智能及機器學習時,都認為需要擁有大數據資料庫才啟用智能分析,但普遍承認自己手上擁有的資料量並不足夠,因此雖然有採用人工智能技術的想法,卻遲遲未能落實。實際上,大部分手上的資料庫藏有非常足夠的數據,以公司服務的客戶為例,經專業團隊組織及評估後,建立出的人工智能系統往往能夠協助公司作出更好的決策,呼籲企業管理者如有意利用新科技開拓業務,一定要邀請專業團隊進行評估。 資料來源:https://bit.ly/3lR4MjT 相關文章:【大數據時代】三分一企業雲端儲存成本超標四成 人工智能介入優化儲存效率https://www.wepro180.com/bigdata220503/

    在數碼轉型旅程中,不少企業會優先選擇將數據上雲,享受雲端儲存服務帶來的彈性及成本下降。不過,有調查顯示三分一採用雲儲存服務的企業表示,雲端儲存成本較預期高四成有多,而且更有進一步上漲趨勢!要有效地控制數據儲存的成本,就要借助人工智能 (A.I.) 將數據去蕪存菁。 根據業內人士估計,單在 2020 年全球產生的數據量便達一萬億 GB。而在現時全球企業追求大數據分析、人工智能運算的潮流下,可以預見數據量只會持續爆炸性上升,如何管理及儲存數據,便成為企業必須克服的重要任務。而在數碼轉型過程中,雲端儲存是較容易開展的一步,特別是不少服務供應商均向企業管理者展示各種轉型好處,例如儲存量可隨需要即時彈性擴充、節省人手管理及硬件採購成本等,令管理者在未能完全掌握公司的數據運用狀況下已優先採用服務,難怪有三分一企業在雲端儲存預算上會超支四成。 為了協助企業解決相關問題,市場上便出現了採用 A.I. 技術優化數據儲存的服務供應商,當中包括 Densify 及 Cast AI 等。這些供應商聲稱其人工智能演算法可替不同行業的客戶,自動計算出最適當的儲存計劃,例如應選擇哪一間雲端儲存服務供應商、採用哪一種先進的檔案壓縮技術、分類數據的重要性及成本效益。Densify 便曾在訪問中提及,人工智能可在首兩至四個星期內為客戶節省五成儲存成本,而且計劃還會持續優化,最終可在未來的兩至四個月內讓成本再減一半。 A.I. 管理數據服務亦照顧到在地及混合雲架構,例如 Accenture 提供的數據優化分析服務,便借助人工智能去了解企業的數據內容,自動為數據進行分類,搜尋出重複或接近重複的數據,協助企業客戶在適當時機將數據轉移或歸檔,令數據管理更有效率及省錢。除此之外,人工智能演算法還可更有效壓縮圖像及影片質素,令影像能在近乎保持原貌下儲存。在大數據時代,數據管理及儲存將會是企業另一個重大戰場。…

    智能自動化平台工具早已經不是空中樓閣,只要熟知機械人流程自動化(RPA)科技發展的讀者,都清楚這是數碼化轉型中必然的步伐。作為中國市場的領導者之一,創立於 2015 年的來也科技在多年前已經早著先機,為各大企業提供智能自動化平台,協助用戶以自動化工序或虛擬勞動力協助辦公,加速數碼轉型提升業務效益。 加快數碼化轉型步伐 該公司早前決定進軍香港市場,並選定擁有雄厚企業科技服務背景的 ACW Distribution(HK)Limited 作為合作夥伴,致力推動包括人工智能(AI)與 RPA 在內的科技應用方案,提升本地企業在相關層面的應用水平。來也科技聯合創始人兼 CEO 汪冠春對於進軍香港市場表示高興,強調不同層面的企業,都正在於技術層面上考慮引進自動化的營運平台,以實現更多可能。 作為中國 RPA 市場的領導者之一,創立於 2015 年的來也科技在多年來已經早著先機,為各大企業提供智能自動化平台,加速數碼轉型提升業務效益。 提升營運與生活水平 在可見的將來,人類可能都要面對新的工作與生活模式,汪冠春指出 RPA…

    AI 人工智能被視為協助人類解決問題的救星,特別是一些重複性工作,AI 的介入的確可減少人類做無謂的事,將專注力集中在重要的工作上。不過,近年對於 AI 偏見 (AI Bias) 的爭論愈來愈多,甚至有一半以上的企業表示對 AI 偏見帶來的風險有深切憂慮,有八成受訪者更希望政府能立法監管…… 早前數據分析公司 DataRobot 為了探討 AI 偏見情況對各行各業帶來的影響,便與世界經濟論壇合作,向全球 350 多間企業或機構派發問卷。經統計後,主辦方除了有上述發現,更有三分之一的受訪者表示 AI 偏見已實際上對業務帶來負面影響,當中有 62%…

    傳統的神經元網絡 (neural networks) 人工智能機械學習模型,數據工程師必須預備大量合適及準確的數據套件,供系統自行分析及反覆學習。不過,並非所有情況下都可以使用這種機械學習方式,例如要訓練深海機械人,就要採用另一種稱之為強化學習網絡 (reinforcement learning network) 的訓練模式,而且訓練效果更超過預期,水中暢泳竟然較海洋生物更慳力。 這項強化學習網絡訓練計劃由多間大學如加州大學、哈佛大學的研究團隊組成,成立的目的,旨在希望透過新的機械學習方式,去訓練深海機械人能夠用更少組件、以及在水底下以更慳電的方式前進到目的地。研究員解釋,因為深海機械人會潛入 2,000 呎以下水深探索海底世界,操作員基本上無法控制它們,更別說要將附近海域的水流數據傳送給它們,所以深海機械人只能靠自己,以身處環境有限的數據判斷前進方法及如何以最有效率的方式到達目的地。研究另一個原因是深海機械人必須長時期在海中航行,同樣需要使用最少的電子零件,因此編寫的軟件不能過於複雜及容量要細。考慮過種種因素後,研究員便決定採用只須以自身收集到的數據進行訓練的強化學習網絡模式,而且更指出一旦成功訓練深海機械人可以僅靠有限數據達到以上目標,它亦可應用於其他星球的海域深索上。 在計劃開始後,研究員製造了一隻只得手掌大小的潛水機械人,它的微電子控制元件是於 Amazon 以 30 美元購得,大小只得 2.4×0.7 吋,便可配備研究員撰寫的程式碼、水平儀及體感儀,而且非常慳電。通過強化學習網絡訓練了一段時間後,研究員發現機械人已懂得如何利用水流,例如水流遇到障礙物時產生的逆向漩渦,更有效率地移動到目的地,這種做法就有如麻鷹懂得利用熱氣流翱翔一樣,但出來的結果更超出研究員的預期,因為機械人竟能比真實的海洋生物游得更慳力更有效率。 研究成果令人振奮,但研究員指出強化學習網絡訓練模型仍處於起步階段,離投入實戰用途還有一段距離,例如除了深海水流外,如何利用海潮漲退及近岸的亂流移動也是重點研究之一。而研究員更謙虛地說,正在學習的不僅僅是機械人,人類也能透過機械人學懂穿越海流的新方式。 資料來源:https://bit.ly/3H8v89T

    AI 的理解能力愈來愈高,好似 Nvidia 的人工智能研究項目 GauGAN,前年示範時已可以將小學生塗鴉神奇地轉化為實物風景相。來到今年的 GauGAN2 就更得人驚,只要輸入描述文字例如「ocean waves hittingrocks on the beach」,期間 GauGAN 就會跟隨所輸入的字眼,由生成一張純海浪相片,逐漸變成石灘浪潮相,認真驚人! GauGAN 是 Nvidia 一款專門研究將人工智能神經元網絡應用於繪畫、生成圖像的計劃,通過向人工智能系統提供大量圖像數據資料進行機械訓練,令系統建立起不同的關聯資料庫。以兩年前研究隊伍示範的 GauGAN 影片為例,只要研究員在電子畫板上繪畫出各種風景圖案,例如用綠色畫出一片草地、藍色畫出天空,GauGAN…

    2020 年初新冠疫情全球大爆發,各國先後收緊出入境及社交隔離措施,其中一個重大影響,便是導致物流業陷於癱瘓,製造業難以買入原材料應付訂單,但另一方面疫情下網上購物爆炸性增長,求過於供亦令整個供應鏈 (supply chain) 崩潰。不過,業界一項調查發現,利用 AI 預測產品需求的企業,誤差率較其他企業低 33%,代表企業可更準確將生產及庫存控制得更有效率,逆境中保存實力。 歐洲一間供應鏈管理公司 E2open 最近發表一份疫情期間供應鏈對生產貨品的預測表現調查報告,以顯示製造業如何受到疫情的影響,以及 AI 技術協助製造業修正需求預測的表現。發言人指出,疫情初期實施的社交隔離政策,令傳統零售業受到重大打擊,作為供應鏈源頭的生產商便囤積了大量貨品;但在去年四月後,市民陸續養成網上購物習慣,需求一下子大幅上升,再加上物流業仍陷入癱瘓狀態,導致製造業的服務承諾達成率由原來的 99% 大跌至 83%,即使在去年六月至十二月疫情相對穩定期間,仍只能回復至 86% 服務達成率。 E2open 的調查報告又指出,企業為了過度疫境,營運目標紛紛從創新增長轉變為效率增長,即不再冒險開發新產品,而是極盡所能滿足現有訂單以獲得較穩定的收入。不過,能否成功改變為效率增長模式,完全取決於對各種貨品的需求預測,而在這方面,業界整體的預測準確度均較疫情爆發前下跌…