不論去銀行提款機撳錢，又或使用電腦登入帳戶，很多時也無法避免要使用鍵盤輸入密碼或登入資料。英國格拉斯哥大學研究團隊就指出，只要通過熱能監察鏡頭及AI人工智能系統，就可以憑鍵盤上殘留的熱量還原密碼，就算在一分鐘後偵測熱能，成功率都有 62%。系統甚至能 100% 破解 6 位數字的銀行提款機密碼，非常危險，以後輸入密碼，可能要作狀撳多幾個掣。 在鍵盤上讀取輸入密碼的橋段，曾經在大量電視劇集或電影內出現，不過大部分都是掃描留在輸入裝置上面的指紋，極少會偵測殘餘熱量。英國格拉斯哥大學電腦科學系研究員受到熱能監察鏡頭大跌價啟發，再結合人工智能及機器學習系統，設計出名為 ThermoSecure 的還原密碼方法。 研究員解釋，雖然一般人在鍵盤或 keypad 上輸入密碼，手指尖每次接觸表面材質的時間都很短，但無可避免地會將熱能傳送到表面上，因此只要在極短時間內利用熱能監察鏡頭拍攝鍵盤或 keypad 表面，便能取得曾輸入過的按掣資料及其順序。根據測試，在一分鐘時偵測熱能成功率有 62% ，如在 20 秒內，成功率更飊升至 86%。 研究員說，其實這種技術非常普通，要擷取資料並不困難。但還原密碼的難度在於連續輸入的時間極短，導致熱能變化差距微細，如果單靠人力去分析，除非密碼只得幾個字元，否則便極難做到，因此必須出動人工智能及機器學習，讓系統從大量數據中整理出人類輸入密碼及創建密碼的習慣、常用的密碼字元及組合等，即使是多字元的高強度密碼，也有可能成功還原。從研究員公布的數據可見，系統成功還原…

有報道指新一代學生好醒，識得用 AI 文章產生器去自動完成大業，如果事後用心執一執少少字眼，就好易瞞天過海。事實上，現時 AI 文章產生器具備SEO優化技術，用途非常廣泛，吸引傳媒及網媒使用來寫新聞或提升文章的 SEO ，取代人力。 固名思義，AI 文章產生器就是利用人工智能技術去寫作文章，這類 AI 主要是透過匯入大量文本數據進行訓練，讓人工智能掌握如何創作一篇有內容的文章。一般來說，AI 文章產生器會使用 GPT-3 等生成型變換模型作核心，例如 Rytr、ContentBot，便是採用了 GPT-3 人工智能技術。 事實上，現時已有少數媒體利用相關技術製作即時新聞報道，好處是速度快，其次是這些 AI 文章產生器更具備…

元朗商會中學 AutoCrab 隊伍榮獲 Imagine Cup Junior 全球十大優秀隊伍，為香港學界增光！ Microsoft 全球性年度比賽 Imagine Cup Junior，開放予 13 至 18 歲學生參加，讓他們發揮創意，並向世界展示他們所設計、融合 AI 人工智能科技驅動，並能應對全球不同挑戰的解決方案。 元朗商會中學亦是香港第二間設立 Microsoft…

元宇宙將創造出一個具有沉浸式體驗的新環境。Green Radar 早前便與 CPC 舉辦行政午餐會，並邀請到 ASTRI（香港應用科技研究院）行政總裁 Denis Yip，分享企業如何利用人工智能，在不同方面實現元宇宙前所未有的價值。 點擊以下連結重溫當日精彩片段：https://lnkd.in/gFsKUYKm

3D 打印技術發展多年，現時可使用的「墨水」更包括食材，材料包羅萬有。不過，由於 3D 打印始㚵較耗時，所以如果打印過程因各種問題導致出現瑕疵，除了有可能令成品變形，又有可能中途崩塌，浪費大量時間及材料。有科學家使用人工智能及機器學習，能夠在過程中監測準確度，而且更可愈印愈準，將演算法套用到不同品牌打印機上。 3D 打印技術已應用於日常生活中不同行業，大型項目包括建築、航空，就連小型的體內植入裝置如人工關節，亦有成功使用案例。由於 3D 打印不似傳統製造業需要事先起模，因此靈活性大增，只要有設計圖，即使單獨打印一件產品亦可，某程度上亦降低了產品設計過程的成本。不過，3D 打印要求高精準度，如材料受到溫度等問題影響而無法順利凝固，有可能成品在打印過程中已崩塌，因此打印過程必須有資深技工全程監察，如發現出現問題也可及早修正甚至重新打印。 由英國劍橋大學工程系博士 Sebastian Pattinson 領導的研究團隊，便嘗試利用人工智能技術，讓系統的機器學習功能自行分辨有可能出現的打印問題。團隊首先將 192 件產品的打印過程影響提供系統作深度學習，這些影像還會附有打印時的設計、速度及溫度變化等數據，人工智能系統便可歸納出引致打印失敗的徵兆，例如打印速度過快有可能令材料未能及時軟化等。 團隊的最終目標是希望人工智能監察系統能夠成熟至無人駕駛技術，完全不需人手介入也能順利完成任務。Sebastian 博士更說隨著系統監察更多打印工程，它便能掌握更多不同品牌打印機及材料的特性，繼續提升監察的準確度，日後就算打印機在打印不熟悉的材料時，也可大大減低出錯風險。 資料來源：https://bit.ly/3ATLrGX 相關文章：【有錯要改】人工智能疏導交通 無人駕駛汽車減少停車增能源效https://www.wepro180.com/aitraffic220704/

元宇宙（Metaverse）是當今科技界及商界的熱門話題， 雖然絕大多數企業都難以預測它的潛力和未來發展走向，但若不把握機會，待其成型才投入資源，恐怕會被競爭者早著先機。DICT 數智通訊服務供應商中信國際電訊 CPC（以下簡稱 CPC）及網絡安全服務供應商 Fortinet 早前便合辦了一場午餐研討會，邀請了羅兵咸永道會計師事務所（PricewaterhouseCoopers, 以下簡稱 PwC）專家，一同分析企業及早參與元宇宙的優勢，並提出需要關注的問題，確保企業能夠在摸索階段就善用資源。 摸索元宇宙應用 經驗有助開拓創新服務 如何透過元宇宙概念為業務帶來創意，是現時企業最關心的問題，PwC 顧問季瑞華先生（William Gee）說見到不少大品牌紛紛通過元宇宙推廣其產品，亦有企業和機構用於舉辦虛擬會議及設立產品展示區，更會配合穿戴式設備，例如 VR 眼鏡、體感裝置等，為客戶帶來更嶄新的體驗。他認為這些都是一些探索性的做法，因為眾所周知現時整個技術正處於起步階段，元宇宙的未來發展仍待探究。William 更以 SMS 短訊傳呼技術為例：「當年大家都覺得短訊傳呼技術很厲害，可以隨時隨地將訊息傳送給對方，所以一時之間有很多傳呼服務供應商湧現。大家也會隨身帶備傳呼機，秘書台服務亦成巷成市。但其實傳送訊息只是 SMS…

愈來愈多智能電子產品推出，不過智能一般只表現於特定功能上，電源運用卻鮮有優化配套。一班由前 Samsung、Microsoft 及 HCL 科技公司的前員工，開發出一套名為 EOptomizer 的人工智能慳電軟件，據稱可有效省電 30%，而且對各種電子及智能產品有效，致力為削減碳排放出一分力。 隨著流動上網及無線上網科技發展，令智能家居產品的可用性大增，較複雜為需要較多上網頻寬的用途都可應付得到。如果數一數家中電器，例如電腦、智能手機、Wi-Fi router、冷氣機、智能門鐘、智能雪櫃……，不難理解為何每月收到月費單都會冒汗。而由上述專家組成的研究團隊，便以慳電減低碳排放為目標，全力研究出具備人工智能的慳電軟件。 研究員指出，估計去到 2025 年，全球將會有 500 億種電子產品，如果能找到有效控電方法，對減少全球各地的碳排放便有極大利益。他們解釋說，電子設備最具潛力慳電的地方，是讓處理器能更有效率運作，而人工智能系統便要學懂如何分辨用家實際上的使用要求。團隊以手機上 BBC 網站為例，如果在日間工作時間，一般人其實只是不停滑動手機屏幕，快速閱讀新聞頭條，而在這種操作模式下，處理器及圖像晶片需要應付大量的運算及圖像更新，直接增加手機的耗電量。不過，研究員認為這時用家其實對畫面質素的要求不大，因此就算解像度稍為降低及調低畫面更新頻率，用家也未必會察覺得到，而這種幕後操作卻可有效延長使用時間。 於是研究團隊要做的便是讓人工智能學習各種人類使用習慣，但在團隊努力下，現時 EOptomizer 的測試版本已可成功省電…

網絡安全行業人手短缺，加上在疫情下大家都習慣遙距工作，因此企業要聘請相關人才並不容易，傾向會接受讓對方在家工作。美國 FBI 專家就警告，不法之徒利用企業求才之心，利用 Deepfake 技術隱藏身份遙距面試的個案大增，一旦對方成功獲聘，便可名正言順進入公司內部網絡，猶如引狼入室。 這次警告由 FBI Internet Crime Complaint Center (IC3) 發出，當局發言人說近來接獲的 deepfake 求職個案有上升趨勢，部分企業更因引狼入室，被對方在內部網絡偷去大量機密資料，當中包括職員的個人私隱資料、公司財務文件、數據庫資料等，造成難以估計的損失。發言人說由於企業聘請的職位多於 IT 部門有關，對方在受聘後便可獲得權限，管理公司的系統及資料庫而不會受到懷疑，因此成為詐騙集團入侵企業的新方法。特別是現時不少企業也接受遙距面試，令受騙機會大增。 專家解釋，詐騙集團首先從網上取得從事 IT 行業的人的資料，包括對方的樣貌、工作履歷等，然後借用來向目標企業發出求職信，即使目標企業在篩選時會初步審查所交資料的真確性，由於資料屬實，因此容易通過第一關審查。如企業人事部對求職者有興趣而又接納視像面試，騙徒便會利用…

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。