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…

統一數據和人工智能使人工智能為企業服務為數據制定一個人工智能戰略，用技術解決關鍵業務問題。沒有人工智能，就不能從數據中獲得最大的收益。沒有數據，就只有陳舊、過時、次優的模型風險。 大多數公司仍在努力啟動人工智能項目並實施這些項目，以便從數據中採取有意義的行動。從 Google 多年的人工智能開發經驗中學到瞭如何克服共同挑戰。通過成功的 AI 策略，解決業務關鍵問題。

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…

網絡攻擊日趨嚴峻，香港電腦保安事故協調中心（HKCERT）調查顯示，去年一共處理 7,725 宗保安事故，其中網絡釣魚（Phishing）達 3,737 宗，是連續 4 年上升並創新高。如公司沒有足夠資源應對網絡威脅，有可能招致嚴重損失。 Sangfor 擁有 20 多年網絡保安的經驗，於內地及海外的市場都有逾 60 間分公司。而旗下的戰略性產品「Sangfor Cyber Command」，猶如網絡的閉路電視，令保安防禦性能大大提升。配合 RIPEN 提供網絡安全託管服務，讓客人不用額外聘請網絡安全專才的人手監測，解決企業 IT 人手不足問題。 「AI…

一向走在科技界尖端的安全性和可觀察性數據平台領導者 Splunk，在網絡生態常變的環境下，繼續不斷應變，推陳出新，因時制宜研發及提供新方案供客戶選用。在人人都自帶數據的年代，能夠將已有或被忽略的數據，整理並轉化為有利於營運的工具，相信對企業營商無往不利。加入 Splunk 超過三年，今年晉升成為 Splunk 香港、澳門及蒙古區總經理的 Barry Wong 期望，可以幫助本地企業了解手上數據所蘊藏的巨大商業價值，從而更有效運用！ 聆聽客戶意見 解難方案快速應市 這兩年來，Splunk 按照市場大方向作出策略性調整，包括技術層面上的收購合併及整合發展，邁向成為以 Software-as-a-service （SaaS）作為導向的企業。在今年的第一季中，Cloud ARR 更有 66% 的年度同比增長，反映該公司在轉型路上積極向前。Splunk 的…

「有外國人面孔都幾好，去外國、歐遊亦不怕，又有點像吉卜賽人，（別人）不敢偷我的東西。」頂着一頭長曲髮、貌似外國人的梁栢謙（Issac）用「安全」形容自己外貌，他在大學實習時視察工地卻「險死」，該段經歷推動他研究工地安全，設計出全新人工智能系統，當偵測到工地人員有潛在危險就發警報，配合數碼工程監督系統作大數據安全分析和風險評估，目標將學界研究結果帶入業界。 24 歲的 Issac 在中學時代，未有機會接觸 STEM 課程，但他打機時，喜歡「開外掛」、改遊戲參數，「例如（打 GTA）改個數值令架車行快啲，咁就玩得易啲」，這是他最初接觸編碼的體驗，直至升讀科技大學土木工程系學士課程時，終有機會接觸相關課程，課餘亦自學編程。 險被挖泥機倒車撞倒 升讀大學四年級前的暑假，Issac 到一間工程顧問公司實習，某次到建築工地視察，他前方的挖泥機突然倒車，在場 4 名工友大聲喝止，挖泥機手卻聽不到，Issac 後方就是斜坡，走投無路險被撞倒之際，幸好挖泥機壓到他前面一台小型運貨手推車後停下。這次驚險遭遇，令他更關注工地安全，畢業論文亦以此為題。 大部分土木工程學系畢業生，以考工程師牌為目標，但 Issac 在 2019 年大學畢業短暫加入大型承建商公司後，即重返校園修讀土木工程哲學碩士至今。他解釋，因為發現部分工作流程缺乏效率，掣肘多、不夠新穎，公司投放很多時間和人手視察地盤、拍攝工地環境、 寫報告，而他認為流程應可適度自動化，望將新技術帶入建築業。…

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…