︿
Top

前瞻技術脈動:AI與機器人技術(201903)

瀏覽次數:1943| 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 2019年5月3日
facebook twitter wechat twitter

圖、前瞻技術脈動:AI與機器人技術(201903)


機器學習技術有助於預測和鑑定地震

在Seismological Research Letters期刊中報導,隨著地震數據和計算能力的不斷增加,地震學家紛紛轉向利用機器學習,來理解和預測地震活動的複雜模式。如德州大學奧斯汀分校的研究人員利用深度神經網絡為奧克拉荷馬州、堪薩斯州和德州的自然和誘發地震開發地面運動模型,預測地震發生影響;史丹佛大學研究人員根據美國地質調查局地震控制實驗的模擬地震儀影片進行了測試,機器學習方法可以以經濟有效的方式來識別和分類圖像;其他研究人員也利用機器學習篩選地震數據,識別地震餘震、火山地震活動,並監測結構震顫,標識出板塊邊界的變形與發生的巨大地震的可能性。
參考資料:Machine learning expands to help predict and characterize earthquakes. Science Daily,2019/3/1
 

使用深度學習加速分子影像的新技術

美國壬色列理工學院在 Light: Science & Applications 期刊展示了快速分子影像建構的新技術,可以透過有限的點測量資料,即生成完整的分子影像。此技術可以提供更準確的診斷,並協助醫生作出更好的治療判斷。
參考資料:New Technique Uses Deep Learning to Speed Molecular Imaging. Photonics Media,2019/3/8
 

泰國政府投資醫療機器人領域

在Thailand4.0的規劃下,泰國欲鞏固區域醫療中心地位,推動技術發展,故泰國科技部、公共衛生部、教育部成立聯合委員會,以推動之。目前泰國的醫療機器人主要用於外科手術、復健、老人護理等,未來將結合AI帶動發展及創新,以協助更精密、複雜的手術等,並期待成為醫療照護創新中心。
參考資料:Thai government invests in medical robotics sector. Open gov,2019/02/12
 

透過機器人的視線可以幫助那些有嚴重運動損傷的人

美國喬治亞理工學院和埃默里大學使用擴增實境技術的界面系統,來幫助具有嚴重運動障礙的患者操作人形機器人,幫助自己進食並執行日常的個人護理,並且利用Web界面顯示的機器人視野,來幫助用戶使用機器與世界互動,本文發表在PLOS ONE期刊中。
參考資料:Seeing through a Robot’s Eyes Helps Those with Profound Motor Impairments. Georgia Institute of Technology,2019/3/15
 

經過微小的圖像調整後AI可能會發生偵測錯誤

雖然AI可以透過快速的醫療掃描分析來改善醫療保健,但越來越多證據表示AI可能會發生錯誤偵測的現象。哈佛醫學院的研究人員透過簡單的畫素改變來欺騙3個用於醫學圖像掃描的AI。研究團隊稍微修改了一張痣的照片,該照片最初是被歸類為良性的且具有99%的信賴度,但經過AI判斷後,將該圖像分類為惡性的,並具有100%的信賴度。該研究發表在Science期刊上。
參考資料:AI can mistakenly see cancer in medical scans after tiny image tweaks. New Scientist,2019/3/21
 

加快神經網絡自動化

麻省理工學院的研究人員描述了一種新的AI神經結構搜尋(NAS)演算法,從演算法的根本結構做出改進,能將原先需要48000 GPU小時的卷基神經網路,大幅縮短為僅需200GPU小時,能夠減少研究單位的硬體及時間成本,本研究發表在International Conference on Learning Representations研討會上。
參考資料:Kicking neural network automation into high gear. MIT,2019/3/21
 
(885字;圖1)
 
 

 
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。