榮登前十個神級好用的Python函式庫,你知道幾個?(4)

榮登前十個神級好用的Python函式庫,你知道幾個?(4)
榮登前十個神級好用的Python函式庫,你知道幾個?(4)

是哪10個Python函式庫榮登去年最好用?”這些”函式庫你都知道嗎?(4)

本系列文章為【2020年度十大Python函式庫-人工智慧 · 機器學習必備 】的最後一篇。上一篇介紹了 PyTorch 版的 Keras「PyTorch Lightening」讓你告別沒完沒了的 Debug!另外還有微軟出的 Hummingbird 讓你不用重新設計新模型;另外還有可以將高維度資料視覺化的「HiPlot」,請點此看下一篇

閱讀了解!

HiPlot

幾乎每個數據工程師都處理過高維度資料(High Dimensional)。可惜人類的腦容量有限,沒辦法直觀地處理此類資料,因此必須求助於科技來解決。

2020 年早些時候,Facebook 發布了 HiPlot函式庫,可以使用平行座標和其他圖形方式來表示信息,從而協助找出高維度資料中的關聯性和模式。他們在官網中說明了其概念,基本上,HiPlot 是一種將高維度資料視覺化以及過濾的便利方法。

 

Scalene

隨著 Python 的函式庫生態系統變得越來越複雜,我們也寫出越來越多 C 語言延伸的代碼以及多執行緒代碼。但是,CPython 內置的效能分析器(profiler)無法完整地處理多執行緒和本機代碼。

此時你需要 Scalene:Scalene 是用於 Python 腳本的 CPU 和記憶體的效能分析器(profiler),能夠完整地處理多執行緒代碼並區分運行 Python 和本機代碼所花費的時間。此時你無需修改代碼,只需要在命令行中使用 Scalene 運行腳本,腳本就會自動生成報告的文字檔或 HTML,顯示代碼中每一行的 CPU 和記憶體使用情況。

▲ Scalene 是用於 Python 腳本的 CPU 和記憶體的效能分析器,能處理多執行緒代碼並區分運行 Python 和本機代碼所花費的時間

 

同場加映:Norfair

選出去年十大 Python 函式庫的機器學習顧問公司 Tyrolabs 自家也開發了「影像內容分析 (Video content analysis)」的 Python 函式庫「Norfair」。

Norfair 是一個輕量的且可以被客製化的 Python 函式庫,用於即時物件追蹤(real-time object tracking):它可以在不同的影格當中,替每個被偵測到的物件賦予獨一無二的 ID,如此一來,你就能輕易辨識出這些物件——縱使它們都在移動。

▲ Norfair 可以在不同的影格當中,替每個被偵測到的物件(如圖中左側)
賦予獨一無二的 ID (如圖中右側)

 

藉由 Norfair,工程師只需要輸入幾行代碼就能賦予任何偵測器追蹤的功能——不管追蹤的物體是具有有四個參數的 bounding box(邊界框)、只有單一點的幾何中心(centroid)、還有人體姿態辨識系統的輸出(經常有多個關鍵點是大於特定閥值的)等任何物體。

此功能經常被用作計算兩個追蹤物體之間的距離,用戶可以依序需要定義檢測標準以及追縱的對象。

Norfair 是非常模塊化的 Python 函式庫,使用起來十分靈巧:工程師僅需使用幾行代碼,即可在現有的檢測代碼庫上添加追蹤的功能。

 

 

 

 

 

 

推薦文章:
用說的就能寫程式!人工智慧替手傷工程師開發語音程式工具


人工智慧能「聽咳嗽聲認出新冠患者」!成功率達 98.5%


Nature:語言天才比數學高手更適合學 Python!別在嘴文科生、女性不能寫程式了


Google 正測試人工智慧系統,助盲人和視障人士獨立參加路跑


連蛋白質折疊奧秘也能破解?!到底什麼是人工智慧辦不到?!(上)


科技時代,連另一半都可以人工智慧幫你做決定?!


人工智慧當起小當家?!備料到上菜完全一手包!!

榮登前十個神級好用的Python函式庫,你知道幾個?(3)

榮登前十個神級好用的Python函式庫,你知道幾個?(3)
榮登前十個神級好用的Python函式庫,你知道幾個?(3)

是哪10個Python函式庫榮登去年最好用?”這些”函式庫你都知道嗎?(3)

本系列文章為【2020年度十大Python函式庫-人工智慧 · 機器學習必備 】的第三篇。上一篇介紹了美化了 Python 錯誤信息的「Pretty Errors」,堪稱是療癒系的工程師的 debug 神器、還有「Diagrams」讓工程師不需要使用設計軟體,只要使用 Python 就能畫出美輪美奐的雲系統架構圖。請點此看上一篇閱讀了解 。

HydraOmegaConf:結構化複雜的機器學習項目

在機器學習項目中做研究與實驗時,總是有五花八門的環境配置工作。在這些非平凡(non-trivial)的應用程式中,配置管理也有可能會變得複雜。是否有結構化的方法來處理這種複雜性?

Hydra 可以藉由「組合」的方式來建構配置,並從命令列或 config 設定檔中覆蓋某些特定的部分,而加快了執行速度。

為了要說明 Hydra 函式庫可簡化一些特定的任務,tryolabs 舉了他們正在試驗的模型的基本架構以及它的多種變化為例。利用 Hydra,可以定義基本配置,然後運行多個工作並對其進行變化:

Hydra 的表親「OmegaConf」為分層配置系統的基礎提供了一致的 API,並支援不同的來源如 YAML、config 設定檔、物件與 CLI 參數。

PyTorch Lightning:PyTorch 版的 Keras,告別沒完沒了的 Debug

PyTorch 是一款熱門的的深度學習框架,可以用簡單的方式建構複雜的 AI 模型。但是當作大量實驗的時候,很多東西都會變得複雜過頭,代碼也隨之變得龐大,此時還是容易出錯。

於是,PyTorch Lightning 就是為了減少錯誤而誕生:它可以重構 PyTorch 代碼、抽出複雜重複的部分,讓工程師可以更專注於核心的建構、實驗也更快更便捷地開展迭代。

 

 

▲ PyTorch Lightning 可以重構 PyTorch 代碼、抽出複雜重複的部分,讓工程師可以更專注在研究代碼上

 

Lighting 的原理是藉由將研究代碼從重複性強的工程代碼區分開,讓工程師可以專注在研究代碼上,思緒就會更加清晰,整體代碼也更加簡潔清晰。

Hummingbird

並非所有的機器學習都是深度學習。通常,你的模型是由更多傳統的演算法在 Python 的機器學習套件 scikit-learn(像是 Random Forest)中組成;或者你也可以選擇時下流行的 LightGBM和 與 XGBoost 的梯度提升技術 (Gradient boosting)演算法。

然而,機器學習領域一直都在進步。像是上述的 PyTorch 框架正以令人屏息的速度在進步,硬體設備也不斷優化,以更低的耗能、更快的速度完成張量計算。假如我們能將這些優勢套用到傳統的演算法中,不是很好嗎?因此 Microsoft 就發布了新的 Python 函式庫「Hummimgbird」。

Hummingbird 可以將已經訓練好的傳統機器學習模型,編譯至張量計算。這個強大的功能讓你根本不用再設計新的模型!

截至目前為止,Hummingbird 支援轉換到 PyTorch、TorchScript、ONNX 與以及多種機器學習模型以及向量器。其實這跟上述提到的 scikit-learn(Sklearn)非常相似,讓你重複使用現有的代碼,但可將成品變成由 Hummingbird 生成的代碼。

 

下篇,我們即將介紹「Scalene」:用於 Python 腳本的 CPU 和記憶體的效能分析器(profiler),能完整地處理多執行緒代碼並區分運行 Python 和本機代碼所花費的時間,還有用於影像即時追蹤(real-time object tracking)的 「Norfair」,能及時抓住正在移動的人、事、物並賦予獨一無二的 ID。請點此看下一篇閱讀了解!

 

 

 

 

推薦文章:
人工智慧能「聽咳嗽聲認出新冠患者」!成功率達 98.5%


用說的就能寫程式!人工智慧替手傷工程師開發語音程式工具


Google 正測試人工智慧系統,助盲人和視障人士獨立參加路跑


Nature:語言天才比數學高手更適合學 Python!別在嘴文科生、女性不能寫程式了


敗血症黃金搶救期就靠人工智慧即時預測!


偵測速度快又精準?中研院開發人工智慧YOLOv4辦到了!(上)


怪物不會畫免緊張!靠人工智慧幫你輕鬆塗鴉變大師級奇幻插畫!

榮登前十個神級好用的Python函式庫,你知道幾個?(2)

榮登前十個神級好用的Python函式庫,你知道幾個?(2)
榮登前十個神級好用的Python函式庫,你知道幾個?(2)

是哪10個Python函式庫榮登去年最好用?”這些”函式庫你都知道嗎?(2)

本系列文章為【2020年度十大Python函式庫-人工智慧 · 機器學習必備 】的第二篇。上一篇介紹了把單調的「命令列介面」變花俏的 Python 函式庫:Typer、Rich 與 PyGui,除了可把命令列/終端機介面變彩色外,還可以加入表情符號與特效等。請點此看上一篇閱讀了解 。

PrettyErrors:將 Python 醜陋的 bug 信息變漂亮

Python已經算是十分言簡意賅的程式語言了,但是當有 bug 時,它的錯誤信息輸出(參見下圖左側)也是一樣會讓你懷疑人生!密密麻麻的代碼,讓你必須在毫無頭緒之下進行地毯式搜索!

▲PrettyErrors 函式庫將原本混亂的 Python 錯誤信息(箭頭左邊所示)重新排版得井然有序、顏色與段落都很分明(箭頭右邊所示)

 

經過 PrettyErrors 的重新排版,所有醜陋的錯誤信息都能變的井然有序,最後你得到的是經過排版美化、整齊劃一的 bug 報告,如上圖的右側所示。

Diagrams:只用 Python 就能繪製雲系統架構

程式設計師除了 coding 與 debug 外,有時還必須和其他的同事解釋錯綜復雜的架構。傳統上,我們會使用圖像介面(GUI) 工具來處理圖表、將其可視化後放入簡報、文件等,但是這並非唯一的方法。

Diagrams 可以讓你在沒有任何設計工具的狀況下,僅僅使用 Python 程式碼就能夠繪製出雲系統架構!它有現成的圖標,讓你能馬上對應AWS、Azure、GCP 等多個不同的雲端供應商,使得繪製箭頭、創建群組等都輕而易舉!只需幾行代碼就可以辦到!

▲ Diagram 函式庫能讓工程師僅僅使用 Python 代碼
就能繪製雲系統架構圖

 

下篇,我們即將介紹 PyTorch 版的 Keras「PyTorch Lightening」讓你告別沒完沒了的 Debug!另外還有微軟出的 Hummingbird 讓你不用重新設計新模型;另外還有可以將高維度資料視覺化的「HiPlot」,點此看下一篇閱讀了解!

 

 

 

推薦文章:
用說的就能寫程式!人工智慧替手傷工程師開發語音程式工具


Google 正測試人工智慧系統,助盲人和視障人士獨立參加路跑


人工智慧能「聽咳嗽聲認出新冠患者」!成功率達 98.5%


Nature:語言天才比數學高手更適合學 Python!別在嘴文科生、女性不能寫程式了


科幻迷的最愛電影竟然和Python跟Java扯上關係?!(上)


蛋白質折疊背後的秘密竟被人工智慧輕易破解?!(上)


人工智慧面試官,打破求職歧視環境!!(上)

榮登前十個神級好用的Python函式庫,你知道幾個?(1)

榮登前十個神級好用的Python函式庫,你知道幾個?(1)
榮登前十個神級好用的Python函式庫,你知道幾個?(1)

是哪10個Python函式庫榮登去年最好用?”這些”函式庫你都知道嗎?(1)

國外的機器學習與資料科學顧問公司「Tyrolabs」每年底都會選出年度十大最強 Python 函式庫。去年(2020)年尾不例外。

根據 Tyrolabs 提出的免責聲明,2020 年他們在精選出 10 大函式庫時,在很大程度上是受到機器學習與數據科學的影響——儘管其中有幾個確實對「非」數據科學的人士非常有用。

因此,除了 10 個入選的 Python 函式庫之外,他們決定在從遺珠之憾中,挑出幾個他們覺得同樣重要的數據庫,列入「榮譽表揚(Honorable mentions)」的部分。

以下為入選的十大 Python 函式庫:

Typer:讓命令列介面更好編輯

雖然你並不總是需要編寫沒有圖像、滿滿文字的 CLI(命令列介面)應用程式,但是一但遇到了,一定會十分希望能速戰速決、無後顧之憂。FastAPI 的創作者「tiangolo」繼之前的 FastAPI 框架取得巨大的成功後,使用了相同的原理創作了新的函式庫 「Typer」,使你可以借力於 3.6 以上版本的 Python 才有的「類型提示(Type Hinting)」功能來編寫命令行介面。

這樣的設計讓 Typer 脫穎而出。藉由「類型提示(Type Hinting)」功能,您可以在 Python 編輯器(如 VSCode)中享有「自動完成」功能,這將大大提高您的工作效率;除了能確保所寫的程式碼是否完整被紀錄之外,你也可以花最少的力氣寫出純文字的 CLI 命令列介面的應用程式。

▲ Typer 賦予 Python 編輯器(圖中為 VSCode)「自動完成」的功能,能有效提升寫程式的效率。(圖:FastAPI)

 

為了增強其功能,Typer 被建立在知名的「命令列神器」Click 之上。這意味著 Typer 可以充分利用 Click 既有的所有優點、社群與插件,使用更簡潔的樣版代碼,並依據所需,進行更複雜的工作。

Rich:讓命令列介面從黑白變彩色

依循命令行介面 CLI 的主題,誰說終端應用程式必須是單色的白色、或是駭客電影中常見的黑色、綠色呢?太無聊了!

身為 Python 工程師的你,是否會想再終端輸出時添加色彩與樣式,就像是在打印複雜的表格時加入心跳特效、毫不費力地展示漂亮的進度條、markdown 或是表情符號?Rich 函式庫可以實現上述特效,如以下所示:

▲ Rich 函式庫能讓單色的命令列介面(CLI)變彩色,還能有多種視覺特效、表情符號等。

 

無庸置疑的,Rich 可讓命令列字元的應用程式,外觀換然一新,給人的視覺上體驗。

Dear PyGui:賦予終端機程式真正的圖像化介面

藉由 Rich 函式庫,終端應用程式變漂亮了,但是有時這樣的美化還不夠,你甚至會需要一個新的 GUI 圖形介面。此時你需要 Dear PyGui——一款 Dear ImGui C++ 計畫的 Python 接口。

Dear PyGui 使用了在電玩中最常使用的即時模式(immediate mode),這代表著動態 GUI 是一個影格(frame)接著另一個影格獨立繪製的,不需保留任何資料。這使得「Dear PyGui」與其他 Python GUI 框架有所區別。它不僅具有高性能,而且使用電腦的 GPU 來促成高度動態界面的構建,這在工程、模擬、遊戲及資料科學的應用程式可說是經常被需要的。

 

▲ Dear PyGui 套用了電玩常用的即時模式,能賦予終端機程式真正的圖像化介面

 

本篇介紹均為把單調的「命令列介面」變漂亮的 Python 函式庫。若 Python 的錯誤信息也能這樣美化的話,工程師在 debug 時就不會這麼痛苦了!沒錯,「PrettyErrors」就是為這一目的而生。請點此看下一篇,閱讀了解!另外還有只用 Python 就能繪製雲系統架構的「Diagrams」、還有可將複雜的機器學習項目「結構化」的「Hydra 與 OmegaConf」,請不要錯過!

 

 

 

 

 

推薦文章:
人工智慧能「聽咳嗽聲認出新冠患者」!成功率達 98.5%


用說的就能寫程式!人工智慧替手傷工程師開發語音程式工具


Google 正測試人工智慧系統,助盲人和視障人士獨立參加路跑


Nature:語言天才比數學高手更適合學 Python!別在嘴文科生、女性不能寫程式了


人工智慧當起媒人婆?!讓你不再寂寞空虛冷!


蛋白質折疊背後的秘密竟被人工智慧輕易破解?!(上)


最夯程式語言Python和Java竟也跑進科幻電影?(上)

方法對了就不怕路遠!了解這些SEO眉角你也可以輕鬆自學!

方法對了就不怕路遠!了解這些SEO眉角你也可以輕鬆自學!
方法對了就不怕路遠!了解這些SEO眉角你也可以輕鬆自學!

想要自學SEO,只要掌握這些眉角,你也可以輕鬆上手!

目錄

SEO 跟付費的關鍵字廣告有何不同?為何在網路行銷很重要?

相信對於每個從事網路行銷的業者都希望自家網站能在 Google 搜尋結果上能夠「有效」曝光,藉以吸引更多人潮!要達成此目的,有兩種方法:第一種是透過付費「關鍵字廣告(PPC)」出現在廣告版位,第二種便是透過符合搜尋引擎規範的網站優化(SEO),使你的網站能被 Google 搜尋引擎收入,出現在 Google 的自然搜尋結果!

以上的方法,前者的「關鍵字廣告(PPC,有些業者把這種方式稱為「SEM(搜尋引擎行銷)」,其實並不是很精準)」,優點是曝光快,但在廣告版位的排序與名次,則是依照交了多少廣告費而定。如果帳戶內的錢用完,廣告則會自動下架;而後者(SEO 網站優化) 速度雖然慢,且要做的事很多,但是一但排名衝上去後,停留的時間便可以很持久。

▲ 自然排序與關鍵字廣告在搜尋結果頁的位置。來源:達內教育

回歸正題,SEO(Search Engine Optimization)本意是「搜尋引擎最佳化」,是一種善用搜尋引擎(如 Google 搜尋、Yahoo 搜尋等等)的演算法原理,來優化網站的概念與技術。

當網站能「不」透過付費的關鍵字廣告,而能在搜尋結果頁面上透過自然排序、曝光度吸引更多的訪客來瀏覽網站時,成交的機會也就隨之增加,對企業的業績與口碑都有正面影響。

不像需要付費的關鍵字廣告,錢沒了網站就停止曝光;透過 SEO 技巧所奪得的網站排名與曝光可以持久。因此 SEO 優化在網路行銷佔有一席之地。

公司中身為 SEO 的困難點?

比起上一段提到的 PPC 廣告投放,能有許多清楚的數據,業界知名的 Harris 大大就說過「SEO 可說是相對不透明的領域」。

以 PPC 廣告投放來說,你投入了多少錢,獲得多少曝光、點擊、最終轉成多少業績等數據都能清清楚楚地在報表上呈現。

當廣告成效不如預期、甚至無法操作、被停用時,你可以很清楚的推到是哪個環節出了問題,具體的原因呼之欲出;但在 SEO 領域上,若網站的點擊數變少、搜尋流量下滑、Google 把你的網站從搜尋頁上下架時,SEO 人員都要分析非常多資料、有時甚至還要有經驗的 SEO 顧問一起研究討論,甚至檢查網站的前端、伺服器端等才能釐清原因。有時候,就算是最頂尖的專家協助還釐清不出原因。

除了無法直接知道網站排名下滑的原因之外,Google 演算法一個月就來幾次小更動、每個幾個月就有大更新。因此身為 SEO,經常要不定期的關注 Google 在搜尋引擎上到底做了哪些事,甚至要因應更新的方向定出網站優化的方案。

推薦閱讀:

Google 12 月更新演算法!SEO今年排名最大洗牌

即便 Google 更新時,官方會說明有哪些作法會衝擊到網站排名,但都大方向的說明,小細節無法透過爬文、查資料來取得。因為 Google 怕有些有心人士使用黑帽手法來惡意操作、誤導 Google 搜尋引擎,讓 Google 搜尋引擎失去公平性及降低使用者體驗。

如此一來,SEO 們只能盡可能照 Google 的規範來優化網站,這就是為 SEO 的具體做法不好敘述、SEO 人才不好培養的原因。連真正的 SEO 從業人員每天也都要吸收新知,才不會誤用了過時的優化技巧

例如,下圖為一家搬家公司的網頁 HTML 原始碼,在一些帶有外部連結的關鍵字上居然嵌入了「Display:none」的 CSS,那他們可能太久沒跟上 Google 的演算法了!這就是過時的黑帽 SEO 手法,會降低 SEO 的排名。

▲ 隱藏外部連結與文字的做法已是過時的黑帽 SEO 手法

推薦閱讀:

白帽SEO、黑帽SEO,到底差在哪?

既然 SEO 這麼複雜,那我自學可以嗎?

SEO 的資訊又雜又大,甚至外面有一些不實的江湖傳說,像是「SEO 就是在文章中插入關鍵字就好」等謊言。其實對未接觸過 SEO 的初心者來說,他無法判斷哪個資訊才是正確的,因此還是接受系統課程的 SEO 教學、並且有實務經驗的老師帶領實戰操作,邊學邊做,才是最保險又不浪費生命的做法。

擁有了基礎的 SEO 理論之後,還是要在業界、或自己架一個網站實務操作至少一年,才會真正了解到一些基礎的 SEO 操作、流程。此時可藉著報名進階的 SEO 課程、透過各種學習資源自學 SEO 或定期追蹤 SEO 權威網站的文章來充電。總之,就是要大量閱讀、大量學習。

而 SEO 的基本功,是必須要花大量的時間來打好基礎:像是看懂 Google Search Console 與 GA 等報表上的數據以及成效分析、理解 Google 排名背後的演算法、理解如何佈局 SEO 整體架構、知道如何優化網站(不會基礎的 HTML、CSS 語法就沒資格做 SEO)等。總之,最快的方法就是自己架設一個網站來做 SEO 優化來驗證你所學的 SEO 理論。

推薦閱讀:

Google Search Console更新! 新檢索統計報告啟用開始

後續,我們還會產出更多的 SEO 教學文章與新聞。請持續關注本網站。

 

 

 

推薦文章:
測試員”微痛”轉職前端工程師,現在切版和網站開發一把罩!


生物學最大謎團被人工智慧 破解!DeepMind 攻克「蛋白質折疊」奧秘


秀程式設計也能交女友!工程師專屬交友App:VSinder


外貌影響面試?新人工智慧機器人 Tengai 面試不再以貌取人


敗血症黃金搶救期就靠人工智慧即時預測!


偵測速度快又精準?中研院開發人工智慧YOLOv4辦到了!(上)


想當SEO的常勝軍?一定要知道404錯誤和轉址式404解決方法

人工智慧”MuZero”超強大,下棋.玩遊戲樣樣精!(下)

人工智慧"MuZero"超強大,下棋.玩遊戲樣樣精!(下)
人工智慧”MuZero”超強大,下棋.玩遊戲樣樣精!(下)

最新的人工智慧”MuZero”超厲害的,不僅能陪你下棋還能陪你玩遊戲?!(下)

本系列文章為【終極版AlphaGo-MuZero 】的下篇,MuZero竟然不用靠人類訓練,就可以自我摸索出西洋棋規則?請點此看上篇閱讀了解

除了下棋⋯⋯人工智慧 MuZero 還可壓縮影片!有望降低 YouTube 成本

除了下棋玩遊戲之外,MuZero 也可以被投入商業用途。

David Silver 表示,DeepMind 正嘗試用 MuZero 來開發新型的影片壓縮技術:「如果查看整個網路世界的資料流量,會發現影片占了很大的比例,如果可以更有效地壓縮影片的大小,可以省下大量資金、縮減經營成本。」

「初步實驗顯示,只是單純壓縮影片能取得的收益也非常可觀,我們對此感到很興奮。」

▲ 思科(Cisco)預估 2022 年時,影片將佔據全球 82 %的網路流量。來源:CardMapr on Unsplash

 

由於同為 Alphabet 旗下的 Google 握有世界上最大的影音平台 YouTube,因此 YouTube 很有可能會成為最大獲益者。然而 David Silver 拒絕透露 Google 將在何時、何地使用 MuZero的功能,只表示未來一年內將會公布更多細節。

此外,MuZero 也計畫被用於解決化學或量子物理等問題,潛在應用領域也包括新一代虛擬助理、個人化醫療與搜索救援技術等。

AI 人工智慧更像人了

DeepMind 的核心理念是利用人工智慧為世界做出貢獻,MuZero 的能力與多種實際應用的可能,是 AI 走出理論的象牙塔、更貼近現實的重要里程碑。

但是突破性的進步往往也伴隨著隱憂。南安普敦大學電腦科學教授、人工智慧委員會成員 Wendy Hall 認為,DeepMind 一心追求提升 AI 性能,但對於可能造成無法預料的嚴重後果:「就像是噴射機的發明者可能沒考慮過汙染問題。人們必須要在發展與風險中取得平衡。」

MuZero 可以歸納實際情況與當下的行動,不需要通曉所有的可能性,也能表現出色。這個特色非常人性化,也很接近人類處事的模樣。但這是會讓人工智慧 成為更出色的虛擬助理呢?還是會讓 AI 離取代人類越來越接近?只能拭目以待了。

人工智慧「AlphaFold」解決困擾人類半世紀的「蛋白質」難題

全世界最知名的人工智慧公司 DeepMind 除了曾經研發過擊敗人類棋王的 AlphaGo、它的進階版 AlphaZero 以及它的終極版 MuZero 之外,還曾經開發出名叫「AlphaFold」的 AI,解決了困擾生物學界超過 50 年的「蛋白質折疊」難題!在過去如果要精確得知一個蛋白質的完整結構,需要數月、數年甚至數十年的實驗研究,而這個人工智慧只要花費幾小時就能完成。詳細資訊請看本篇文章:「生物學最大謎團被人工智慧 破解!DeepMind 攻克「蛋白質折疊」奧秘

▲ DeepMind 的科學家與工程師的幕後故事,談論他們如何創建出 AlphaFold和心路歷程。

 

 

 

 

 

 

推薦文章:
測試員”微痛”轉職前端工程師,現在切版和網站開發一把罩!


秀程式設計也能交女友!工程師專屬交友App:VSinder


生物學最大謎團被人工智慧 破解!DeepMind 攻克「蛋白質折疊」奧秘


外貌影響面試?新人工智慧機器人 Tengai 面試不再以貌取人


人工智慧新系統,助視障人士參加路跑不是夢!


只要動口就能寫程式?原來靠的是人工智慧新發明!


人臉貓臉辨識不夠看!人工智慧現在還能辨識熊臉?!

人工智慧”MuZero”超強大,下棋.玩遊戲樣樣精!(上)

人工智慧"MuZero"超強大,下棋.玩遊戲樣樣精!(上)
人工智慧”MuZero”超強大,下棋.玩遊戲樣樣精!(上)

最新的人工智慧”MuZero”超厲害的,不僅能陪你下棋還能陪你玩遊戲?!(上)

比打敗人類棋王的AlphaGo更強!無師自通的人工智慧MuZero誕生

2016 年,DeepMind 開發的人工智慧圍棋軟體 AlphaGo 打敗了韓國棋王李世乭,成為第一個擊敗人類棋手的 AI。2018 年,它的繼任者 AlphaZero 從零開始,靠自學學會西洋棋、將棋、圍棋

近日,DeepMind 發表超越 AlphaGo、AlphaZero 的人工智慧系統 MuZero,就算不知道規則也能精通西洋棋、圍棋、將棋,以及 57 款雅達利(Atari)遊戲,甚至還能用來壓縮影片。

▲ 來源:DeepMind 官網。

AlphaGo還需靠真人來訓練,MuZero卻能自我摸索出規則

DeepMind 過去研發出的幾款人工智慧,都在各種棋類遊戲上展現出壓倒性的優勢。但不管是 AlphaGo、AlphaGo Zero 或 AlphaZero,都是基於已知規則,再加上人類資料訓練或是自我學習訓練而成。

而最新登場的 MuZero 與其他的 AI「前輩」們最大的不同在於,它在事先並未輸入任何的已知規則,在未知的動態環境下能自行摸索出規則,並作出最佳的判斷。ˋ

MuZero 的拿手範圍不只圍棋、西洋棋和將棋等棋類遊戲,其中還包含經典電腦遊戲公司雅達利(Atari)出品的 57 款遊戲,而且都拿出了亮眼的表現。

跟人類一樣的「規劃能力」 MuZero 以有限資訊做出最佳決策

2019 年 DeepMind 就曾透露過 MuZero 的存在,但直到 2020 年底才正式於《自然》期刊發表論文,詳細介紹它的能力與原理。DeepMind 表示,MuZero 最大的突破在於表現了「對未知環境的掌握能力」。

「我們只是告訴人工智慧:用你自己建構的認知,去了解這個世界怎麼運作。」曾任 AlphaGo 與 AlphaZero 首席研究科學家、現正領導 DeepMind 強化學習研究小組的 David Silver 表示,「只要內部的理解成功對上了某個現實事物,那我們就滿意了。」

▲ MuZero 不需要先備知識與規則,就能精通更多的領域。來源:DeepMind 官網。

與 AlphaGo、AlphaZero 相似,MuZero 也使用蒙地卡羅樹搜尋法(Monte Carlo tree search,MCTS),匯總神經網路的預測,並選擇適合當前環境的動作。

MCTS 是一種「最佳優先」的樹狀搜尋演算法,與傳統方法(如廣度、深度優先)相比,最佳優先搜尋利用啟發式估算法,使其在未知的搜索空間中也可以找到有效的解決方案。簡單來說,該演算法不使用學習模型,而是找出「最好的下一步是什麼」。

MCTS 的每個迴圈包括四個步驟:選擇(Selection)、擴充(Expansion)、仿真(Simulation)和反向傳播(Backpropagation)。通過重覆執行這些步驟逐步建構出樹狀圖。

 

▲ 蒙地卡羅樹搜尋法應用於 MuZero 的示意圖。來源:DeepMind 官網

更簡單地來說,MuZero 會對依照三種要素建立樹狀模型:1. 當前位置、狀況的好壞;2. 最好的下一步是什麼,3. 最後會有怎樣的結果。

DeepMind 比喻,MuZero 的運作邏輯就像是「知道雨傘能讓人不被淋濕,比對雨滴建模更有用」,它只對重要的資訊進行建模,不但讓 MuZero 不懂規則也能掌握遊戲,也讓它能保持高效率、高性能。MuZero 在棋類遊戲的性能與 AlphaZero 匹敵,在雅達利遊戲上的表現更大幅超越現有的最佳系統 DQN、R2D2 與 Agent57。

▲ 雅達利曾視為家用遊戲主機的代表。來源:Lorenzo Herrera on Unsplash

 

其實人類生活在真實世界時,也常要解決沒有規則可循、沒有指南可看的問題,但人類有規劃能力,能在混沌又複雜的世界制定出下一步該怎麼走。當你看到天空烏雲密布,於是決定攜帶雨具出門,這就是一種規劃能力,因為你預測到了可能會下雨。

David Silver 說:「這是我們第一次打造這種系統,它能建立對世界如何運作的理解,並用這種理解做複雜的規劃,例如下西洋棋。」

在下棋時,MuZero 也可以用較少的運算量,達到與 AlphaZero 同樣甚至更好的結果;在需當機立斷、可以立即做出行動的遊戲像是小精靈(Pac-Man)中,MuZero 不需要算出所有可能性才能行動,如果限制它的每個行動只能選擇 6、7 個規畫模擬,依舊能取得亮眼的成績。

 

除了下棋⋯⋯人工智慧 MuZero 還可以做什麼來降低 YouTube 成本?下集請點此接續看下去!

 

 

 

推薦文章:
測試員”微痛”轉職前端工程師,現在切版和網站開發一把罩!


生物學最大謎團被人工智慧 破解!DeepMind 攻克「蛋白質折疊」奧秘


秀程式設計也能交女友!工程師專屬交友App:VSinder


外貌影響面試?新人工智慧機器人 Tengai 面試不再以貌取人


敗血症黃金搶救期就靠人工智慧即時預測!


塗鴉變成大師級怪物插畫?竟是靠人工智慧?!


栩栩如生風景圖竟是靠人工智慧生成?到底是怎麼辦到的?!

人工智慧”虛擬超模”太專業!試衣模特兒飯碗恐不保?!(下)

人工智慧"虛擬超模"太專業!試衣模特兒飯碗恐不保?!(下)
人工智慧”虛擬超模”太專業!試衣模特兒飯碗恐不保?!(下)

沒想到人工智慧”虛擬超模”超厲害!試衣和擺pose樣樣都行,這樣叫試衣模特兒該如何生存啊?!(下)

本系列文章為【模特兒要失業了?人工智慧「虛擬超模」試衣 棚拍 擺Pose都超專業 】的下篇,目前已有四間以上的公司開發出試衣、棚拍、擺 Pose 都一把罩的超逼真「AI 模特兒」。請點此看上篇閱讀了解

所以模特兒要被 AI 取代了嗎?

這樣看起來人工智慧模特兒的好處多多,不僅費用比較低、可控性高,還不需要煩惱真人模特兒日後危害品牌形象的可能,不只能取代真人模特兒,也許連攝影師、化妝師都可以不需要了?

即使虛擬模特兒看似完美無缺,但依然有質疑的聲音。

有意見表示,對 AI 生成的模特兒全都是「完全虛擬」的表示懷疑。AI 模特兒的生成要使用到電腦視覺(Computer vision)和電腦圖學(Computer Graphics)技術相結合,把二維圖片變成三維後進行疊加和渲染,本身就是一個很複雜技術;

再者,如果這些人工智慧系統不是使用最強大的臉部識別功能,那訓練的圖片庫與生成的圖片庫,將會有很多重合。神經網絡非常容易過擬合(overfitting),因此它們可能只是「記住」圖片,而不是「學習」生成出「全新」的圖片。

▲ 目前真人模特兒的走秀仍是人工智慧無法取代的。圖片來源:Raden Prasetya on Unsplash。

 

另一種方向觀點則表示,畢竟模特兒也不單單只是出現在宣傳 DM 上,對時裝界來說非常重要的「時裝秀」,當然也不能缺少模特兒的走秀,並且時裝秀的重點也不在出售與否,只是為了展現服裝設計師們的美學與創造力。

雖然現在的 AI 還不能完全取代真人模特兒,不過也許在未來的某一天,連走秀也可以交給人工智慧也說不定!

 

 

 

推薦文章:
測試員”微痛”轉職前端工程師,現在切版和網站開發一把罩!


生物學最大謎團被人工智慧 破解!DeepMind 攻克「蛋白質折疊」奧秘


秀程式設計也能交女友!工程師專屬交友App:VSinder


外貌影響面試?新人工智慧機器人 Tengai 面試不再以貌取人


無所遁形!中研院開發最快人工智慧偵測技術!(上)


疫情擴散守門員,無症狀患者也能靠人工智慧檢驗出來?!(上)


怪物不會畫免緊張!靠人工智慧幫你輕鬆塗鴉變大師級奇幻插畫!

人工智慧”虛擬超模”太專業!試衣模特兒飯碗恐不保?!(上)

人工智慧"虛擬超模"太專業!試衣模特兒飯碗恐不保?!(上)
人工智慧”虛擬超模”太專業!試衣模特兒飯碗恐不保?!(上)

沒想到人工智慧”虛擬超模”超厲害!試衣和擺pose樣樣都行,這樣叫試衣模特兒該如何生存啊?!(上)

服裝麻豆要失業了?讓你無法分辨的超逼真人工智慧models

][poiuytrewq▲ 時裝模特兒拍照示意圖。來源:Cody Lannom on Unsplash。

 

隨著各大產業經歷數位轉型,人工智慧也在時尚服裝產業掀起變革。

過去在各大服飾品牌都會印刷製作商品型錄,藉以展示出樣裝的款式特色。此類平面型錄的成本高昂,即使漸漸轉變為線上電子型錄,但撇開印刷成本之外,聘請模特兒、定裝、換裝拍攝、選片、修片、排版等過程依然費時又耗力;

另一方面,對現在十分普遍的「網拍電商」而言,為了應對流行的快速變化與多變的風格,需要快速上架大量新款服飾,因此如何在短時間內拍攝大量新款服飾商品宣傳圖,說實在也算是很大的負擔。

不過這個看似難解的問題,在引入人工智慧後,將能迎刃而解!

超逼真「AI 模特兒」 試衣、棚拍、擺 Pose 都難不倒它

現今已有 4 間公司,實際開發出用於時尚產業的 AI 技術:

1. DataGrid(株式会社データグリッド)

▲ DataGrid 技術展示影片。

DataGrid 是位於日本京都的一家科技公司,致力於開發出來高解析度、高品質、高度逼真的模特兒自動生成 AI。

從上方展示影片中可以看到,有不同人種、不同身材也不同風格的模特兒,而他們全都是基於 GAN(Generative Adversarial Network,生成式對抗網絡)深度學習開發而成的人工智慧系統所生成的「虛擬模特兒」。

過去嘗試用 GAN 開發人形的案例多為臉部生成,但如果背影顏色等無關訊息會干擾臉部的生成,一直開發上困難的地方;而 DataGrid 表示,他們的演算法能剔除所有可能混淆生成的訊息,在一個純白色的背景下建構出 AI 模型,亦營造出在攝影棚內拍攝的感覺。

DataGrid 表示,他們所生成的圖像都是完全虛擬的,與現實中的人物無關,亦不會有侵害肖像權的問題。

2. Zalando

Zalando 是歐洲最大的時尚電子商務公司,2020 年度一季的營收就高達 18.5 億歐元(約台幣 635 億元)。

Zalando 是採用 StyleGAN 來生成 AI 模特兒。StyleGAN 是由 Nvidia 於 2018 年 12 月推出的新型生成對抗網絡,除此之外,研究團隊建立了一個有 38 萬張模特兒圖片的數據庫,每張的模特兒都附帶最多六件衣服、鞋子、配件的照片,並從模特兒擺的 pose 上提取出 16 個「關鍵姿勢點」。

▲ Zalando 數據庫示意圖,紅點即是「關鍵姿勢點」。圖片來源:Zalando 官網。

 

除了開發人工智慧模特兒,而作為銷售商務公司的 Zalando 正在研究將其與 Deepfake 技術結合使用,嘗試讓消費者的臉孔可以合成到虛擬模特兒身上,進一步加強個人化的虛擬時尚購物體驗。

3. Artificial Talent

▲ Artificial Talent AI 模特兒示意圖。圖片來源:Artificial Talent 官網。

 

Artificial Talent 位於美國芝加哥,他們將 3D 渲染技術結合人工智慧應用,用數千個真實的頭部、臉部數據訓練,開發出臉部生成引擎「Adonis」。

Adonis 的特色是可以大規模生成的逼真的 AI 模特兒,同時亦可以完全客製化。客戶可以選購已有的 AI 模特兒,也可以指定客戶自己的品牌模特兒,連同服飾一起寄給 Artificial Talent 進行拍攝及 3D 建模。

針對以此技術生成的 AI 模特兒,Artificial Talent 特別表示,即使是在已告知受訪者「兩張照片中有一張是 AI 模特兒」的前提下,仍有 95% 的測試者無法分辨出哪一張是真人、哪一張是人工智慧生成的。

這表示 Artificial Talent 可以用更少的成本,獲得同樣、甚至更好的結果。

4. Lalaland.ai

Lalaland 是位於荷蘭的新創公司,以提供服飾銷售商 AI 模特兒等服務為主要業務。

▲ Lalaland AI 模特兒示意圖。圖片來源:Lalaland 官網。

 

Lalaland 主打是快速便捷的製作流程。客戶只要經由:

▲ Lalaland 鼓勵客戶進行 A/B 測試已找出最佳模特兒。圖片來源:Lalaland 官網。

 

 

  1. 上傳合規(如標準 PDP 色度)的人體模型圖像
  2. 從 Lalaland 的多樣化──包含各種年齡、種族、高矮胖瘦等──資料庫中挑選出設定,與上傳的人體模型融合,設定姿勢、服飾與配件,塑造出與品牌形象相符的模特兒。
  3. 進行細微的個性化調整,完成之後就可供下載並發佈到客戶的網站上。
  4. 回到步驟 (2) 重新調整模型。Lalaland 支持客戶進行 A/B 測試,以此來找出怎麼樣的模特兒可以吸引更多目光。

Lalaland 表示,這是傳統模式做不到的事。傳統無法跟人工智慧一樣,可以隨時依照市場喜好改變品牌模特兒的膚色或身高,AI 也不用因為改變形象就要重新拍一組定裝照。

根據 Lalaland 統計的數據,將宣傳模特兒換成 AI 後,不僅可以節省 70% 的攝影費用、而且成圖時間更能加快 230%、點擊率亦增加 140%,最重要的是能進而提升轉換率,使營收足足增長 15%!

所以模特兒要被 AI 取代了嗎?點此接續看下去!

 

 

 

推薦文章:
用說的就能寫程式!人工智慧替手傷工程師開發語音程式工具


Google 正測試人工智慧系統,助盲人和視障人士獨立參加路跑


人工智慧能「聽咳嗽聲認出新冠患者」!成功率達 98.5%


Nature:語言天才比數學高手更適合學 Python!別在嘴文科生、女性不能寫程式了


},{“1″:0,”2″:0,”3”:3},{“1″:1,”2″:0,”4″:1}]},”7”:{“1”:[{“1″:2,”2″:0,”5”:[null,2,0]},{“1″:0,”2″:0,”3”:3},{“1″:1,”2″:0,”4″:1}]},”8”:{“1”:[{“1″:2,”2″:0,”5”:[null,2,0]},{“1″:0,”2″:0,”3”:3},{“1″:1,”2″:0,”4″:1}]},”10″:2,”12″:0,”14″:[null,2,1136076],”15″:”Arial”,”21″:1,”23″:1}” data-sheets-hyperlink=”https://freestylejim1212.pixnet.net/blog/post/270735676″>暗黑版哈利波特你看過了嗎?竟是靠人工智慧寫出來的!


人工智慧先驅逝世,令人不捨!


人工智慧當起小當家?!備料到上菜完全一手包!!

 

日文系也能無痛轉行工程師?!原來選對Python課程是訣竅!

日文系也能無痛轉行工程師?!原來選對Python課程是訣竅!
日文系也能無痛轉行工程師?!原來選對Python課程是訣竅!

到底該怎麼選擇Python課程才能無痛跨行成功呢?相信這位日文系姊姊的親身經歷會讓你知道該怎麼選!

被日文耽誤的Python工程師?Excel函式啟發coding潛能!

 

▲ 大學讀日文系的朱姓學員,工作後發現自身對coding的興趣而報名 Python 課程,現職為竹科某全球百大企業的工程師。

 

我畢業於某私立大學日文系,第一份工作就順著本科系所學,擔任外銷業務。在工作上,因為需要使用不同的函式來整理多份 Excel試算表,所以就上網搜尋了各式各樣的 Excel 函式。

在學習這些函式的過程中,進而到了解到 SQL 語法之餘,更察覺到自己對程式語言的興趣:我會試著用程式語言解開各式各樣的難題,不解成功就會渾身不對勁!

雖然說對寫程式有興趣,但對於文組出身、本科為語文系的我而言,學程式語言仍是一項大挑戰。當時聽說時下很紅的程式語言 Python ,因為靈活度高加上趨近於英文文法的編碼特性,所以對文科生來說,相較於 C 或是 Java 都相對好學,便決定試試看。

延伸閱讀:

選擇達內教育 Python 課程的原因

在挑選教育機構時,我看上了達內教育Python 課程的完善,從基礎、進階(OOP)、資料庫、網頁製作、爬蟲到數據分析,都是在未來就業時能夠馬上應用的技能,而且老師們都是從基本概念教起,除了讓根基更牢固外,後續在銜接上才能更快速融會貫通。

Python 有問題?免煩惱!線上真人老師立即解惑

學習過程中若有任何問題,能立即線上發問,線上的解題老師會快速的協助解惑。必要時還可以透過即時連線,讓老師立即協助你釐清問題,找出你絲路的盲點,讓你不會卡在同一個地方太久、浪費時間,對於非本科生的我,真的有很大的幫助。

每月一次的總監日 抓住最新趨勢

此外,達內每個月都有總監日,讓你能除了學習當前的程式語言外,也能夠同時了解目前業界都在流行甚麼,進而習得更多實用工具,例如 AWS、Git、GA 等,除了解基礎概念外,也有簡單的實作。

非本科系?不怕!照樣當上竹科工程師

學習達內教育Python 課程的同時,也順利考上大數據相關研究所,因為Python Coding能力打的夠穩,因此在研究所時,課程進度不會跟不上,程式能力也不會遜色於其他資訊相關科系出身的同學。

目前在新竹科學園區擔任開發工程師,真的非常感謝達內的教學內容與方法,讓我能持之以恆,完成大跨領域的挑戰,並一步一步把興趣和工作結合在一起!

 

 

 

推薦文章:
用說的就能寫程式!人工智慧替手傷工程師開發語音程式工具


Google 正測試人工智慧系統,助盲人和視障人士獨立參加路跑


Nature:語言天才比數學高手更適合學 Python!別在嘴文科生、女性不能寫程式了


人工智慧能「聽咳嗽聲認出新冠患者」!成功率達 98.5%


人工智慧辨識人臉跟貓臉還不夠?連熊臉也難不倒它!


人工智慧走進廚房!創新食譜烹飪都難不倒它!


怪物不會畫免緊張!靠人工智慧幫你輕鬆塗鴉變大師級奇幻插畫!