︿
Top

前瞻技術脈動:人工智慧技術(201803)

瀏覽次數:1390| 歡迎推文: facebook twitter wechat Linked

科技產業資訊室 (iKnow) - 技術發展藍圖研析團隊 發表於 2018年9月6日
facebook twitter wechat twitter


圖 前瞻技術脈動:人工智慧技術(201803)
 

個人化的機器學習模型捕捉面部表情變化以評估人類情緒
MIT媒體實驗室的研究人員開發一種“專家混合"mixture of experts" ”(MoE)的機器學習模型,該模型在捕捉微小面部表情變化的效能優於傳統系統,在對數千張面部圖像進行訓練時可以更正確的判斷情緒,目前僅針對白色膚色的人進行測試,後續將納入不同樣本的多元性,其未來可應用在透過針對面部表情分析來監測抑鬱症或癡呆症,該成果在機器學習與數據挖掘會議上發表。
參考資料:Personalized machine-learning models capture subtle variations in facial expressions to better gauge emotion. TechXplore,2018/7/25

人工智慧只需追蹤眼睛就可以預測個性
由南澳大學與德國斯圖加特大學、弗林德斯大學和馬克斯·普朗克學會合作開發的研究,團隊依據42名參與者在大學校園內進行日常工作時的眼球運動,以及使用完善的問卷評估了他們的人格特質,用機器學習演算法找出了個性與眼球運動之間的聯繫,此演算法可以準確的識別出五大人格特質中的四個:情緒不穩定性、外向性、親和性和責任感。
參考資料:Artificial intelligence can predict your personality… simply by tracking your eyes. UniSA,2018/7/27

印度警察利用人臉辨識技術來輔助預防犯罪
印度泰倫加納邦的警察利用人臉辨識技術來幫助預防犯罪以及辨識罪犯。該技術是一款智慧型手機上的APP應用程式,主要是協助警察來進行調查。透過與CCTNS(Crime and Criminal Tracking Network and Systems)中央資料庫的嫌疑犯、通緝犯或是失蹤人口照片來找出潛在的罪犯。整個配對過程只需要短短的幾秒鐘,如果照片成功配對,調查人員還能使用其他相關的資料來進行進一步的確認。
參考資料:Indian police get face recognition tool. Planet Biometrics,2018/8/2

新的人工智慧設備以光速進行辨識
加州大學洛杉磯分校的研究團隊開發了一種物理人工神經網路,利用要辨識的目標物體本身反射的光,讓電腦簡單地「看到」物體,並且不需能量消耗來運行設備,因為它僅使用光的繞射,讓物體的光穿過他們的聚合物晶圓,最後以深度學習來辨識物體。本技術還可以用於顯微成像與醫學,例如分選數百萬個細胞來診斷疾病,該研究於7月26日發表在線上Science期刊上。
參考資料:UCLA engineers develop artificial intelligence device that identifies objects at the speed of light. UCLA,2018/8/2

人工智慧利用自我學習創造出低毒性的癌症治療法
MIT 媒體實驗室在 2018 Machine Learning for Healthcare 研討會發表機器學習協助癌症治療的方法,運用機器學習的自我學習機制,調整化療、放射性治療的給藥方案,從治療過程中找到兼顧病人生活品質與縮小腫瘤細胞的治療方案與給藥劑量。
參考資料:Artificial Intelligence Uses “Self-Learning” to Make Cancer Treatment Less Toxic

AI可協助維基百科編寫科學家資料
Primer去年正式推出使用AI協助產生報告。近期Primer使用了大約30,000個現有科學家維基百科頁面進行機器學習系統,之後將200,000個名字和相關的所屬機構、成果等資訊輸入AI系統,其一夜間創造了40,000名新人的維基百科頁。此可讓未被適切關注的科學家可以較有機會被尋得,降低資訊落差,特別是彌合女性在科學中的性別差距。
參考資料:Artificial intelligence can now help write Wikipedia pages for overlooked scientists. POP Science,2018/8/8

機器學習技術可重建經過多模光纖的圖像
瑞士聯邦理工在 Optica 期刊發表了利用機器學習技術,修正影像在多模光纖傳輸過程中出現的散斑問題,利用機器學習輸出光強度的變化,分析人眼不可辨識的散斑圖形並將之恢復至原始圖像。此技術圖形於 0.1 米的光纖傳輸時,辨識率有97.6%,當傳輸距離達 1 公里時,即能夠辨識 90% 的失真影像。
參考資料:Machine Learning Technique Can Rebuild Images That Go Through Multimode Fibers
(1183字;圖1)


本站相關文章:
策略評析: 前瞻技術脈動:人工智慧技術(201802) 
策略評析: 前瞻技術脈動:人工智慧技術(201801) 
市場報導: 人工智慧在醫療設備產業之三個新興應用
策略評析: 加密貨幣興起與人工智慧結合,創造新商機 
策略評析: AI人工智慧在營建業之應用 


 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。