Google導入人工智慧,個資隱私全都罩!(下)

Google導入人工智慧,個資隱私全都罩!(下)
Google導入人工智慧,個資隱私全都罩!(下)

Google靠人工智慧新科技,保障每個使用者的隱私!(下)

目錄

1. Google棄Cookie改用機器學習追蹤!人工智慧能保護隱私嗎?

2. Cookie是什麼?

3. 機器學習或成壓垮「餅乾」的一大把稻草

4. 即使棄用Cookie Google還是能用FLoC賣廣告

5. Google不只將人工智慧用在投放廣告上

6. 機器學習取代「餅乾」的隱憂

 

本文為該系列的下篇,上篇(關於 Google 棄 Cookie 改用機器學習追蹤的新聞、Cookie 的解釋以及 AI 如何保護隱私)請點此連結

即使棄用Cookie Google還是能用FLoC賣廣告

所以 FLoC 要如何替廣告主鎖定特定客群、投放廣告呢?

透過機器學習 FLoC,Chrome 仍然可以追蹤用戶在網路上的瀏覽習慣,當使用者造訪不同網站時,瀏覽器將會根據使用者習慣與偏好將他們分組(cohort),放入「受眾群體」或稱「同類群組」中。廣告主再將他們的廣告直接投放給特定的群組。

與 Cookie 的個別追蹤不同,FLoC 採群體追蹤,「把一棵樹隱藏在一片森林中」,廣告商不會知道群組內的特定個別使用者是誰,因此 Google 將其稱為一項「隱私至上」、「興趣為主」的廣告透放技術。

圖片來源:Google Ads & Commerce Blog

至於群體追蹤如何才有效,就必須仰賴 FLoC 把用戶分類的精準度。對使用者來說,同一個群組中的使用者越多、隱私性就越高,儘管對廣告商來說,要投放個人化廣告的成效就會越差。

Google 聲稱,與原本的廣告技術相比,FLoC 現階段約具有 Cookie 追蹤 95% 的成效,同時 Google 也表示廣告商擁有和使用 Cookie 追蹤相同的投資報酬率。

 

Google不只將人工智慧用在投放廣告上

聯盟式學習不是一個全新的技術,他最早開始是在 2017 年在 Google AI Blog 中提出。除了應用在智慧型手機上、讓使用者獲得更優秀的手機客製化操作體驗外,注重病患個資隱私安全的醫療產業也能見到聯盟式學習的應用。

因為病人的資料隱私在醫療產業中極度重要,聯盟式學習可以使病人的影像照片、病歷等私人資料不需要被傳輸、轉移至其他醫療機構,就能參與人工智慧的運算。除了 Google,NVIDIA 近年來也投注了大量心力在醫療產業的聯盟式學習技術之中。

一方面保護個資,另一方面讓人工智慧的研究可以應用到實務的診斷上,藉此達到不錯的效果。

 

機器學習取代「餅乾」的隱憂

這樣聽起來 FLoC 似乎是取代 Cookie 的最佳方式,不僅能保護使用者隱私、還能讓廣告商繼續向特定族群投放廣告。但就目前而言,FLoC 技術尚未獲得一致認可。

有一派聲音擔心認為「將使用者分組」可能會加重偏見與歧視問題,也容易引發有心人士針對特定群組進行網路攻擊。

像是廣告技術公司 Criteo 的資深機器學習工程師 Basile Leparmentier 就表示:Google 提出的 FLoC 群集演算法是由他們自己開發處理,且對所有網路使用者通用的,因此,Google 有權在任何需要的時候修改演算法。更奇怪的是,如果其他瀏覽器開發商想要採用 FLoC 群集演算法,它們也能自行更改分組供自己使用。

亦有聲音擔心此舉是變相進一步鞏固 Google 的廣告科技龍頭的地位。以「維護用戶隱私」而聞名的搜尋引擎「DuckDuckGo」公關副總裁 Kamyl Bazbaz 表示:FLoC 是透過用戶的瀏覽歷史記錄,將用戶分類給基於相同興趣群組,而這樣分類機制最後會形成類似「超級追蹤器」的結果,這比許多網站都已使用的 Google Analytics 更為恐怖。

Google 最快會在 2021 年 3 月正式導入 FLoC 到 Chrome 上測試,而 FLoC 的實際運作的成效與後續產生的效應,或許一切都還要靜觀其變,才能知道未來走向會如何。

 

 

 

 

推薦閱讀:
零基礎考取 GoogleAds 認證只要 14 小時!5 種 GoogleAds 廣告攻略


網站核心指標5月將成SEO排名因素!LCP,FID,CLS詳解與優化方式


27歲MIT工程師用人工智慧,預測新冠疫情比專業準


2021最適合工作的IT公司top10:NVIDIA第一、Google第三,蘋果竟連前10名都沒有?


最新人工智慧”MuZero”誕生!除了下棋還能會玩遊戲!(上)


未來不用在驚惶!選對PYTHON課程讓你當上竹科工程師!


程式設計師專屬交友app,今年脫單不是夢!!(上)

Google導入人工智慧,個資隱私全都罩!(上)

Google導入人工智慧,個資隱私全都罩!(上)
Google導入人工智慧,個資隱私全都罩!(上)

Google靠人工智慧新科技,保障每個使用者的隱私!(上)

 

目錄

1. Google棄Cookie改用機器學習追蹤!人工智慧能保護隱私嗎?

2. Cookie是什麼?

3. 機器學習或成壓垮「餅乾」的一大把稻草

4. 即使棄用Cookie Google還是能用FLoC賣廣告

5. Google不只將人工智慧用在投放廣告上

6. 機器學習取代「餅乾」的隱憂

 

Google棄Cookie改用機器學習追蹤!人工智慧能保護隱私嗎?

Google 近日於在官方部落格中刊出一篇文章,表示旗下服務將會逐步汰除第三方「Cookie」技術。即將取而代之的是,Google 預計於 2021 年啟用被稱為「FLoC」的人工智慧技術。

文章內表示,此舉是因為使用者們不斷增加的隱私要求,以及迅速變化的政策監管機制,使得開發自家的 Cookie 平台不再值得長期投資的選擇。

Cookie 技術目前普遍應用於數位廣告,是當代數位網路必備的追蹤工具,但是 Google 旗下的 Chrome 瀏覽器有極重的市場占比,因此其淘汰 Cookie 的決定將對網路及數位廣告生態,造成巨大的影響。

 

Cookie是什麼?

圖片來自:internetcookies.org

 

你是否感到疑惑,為何我在電商平台搜尋「逗貓棒」、「貓砂」,接下來社群網站就出現一排寵物用品的廣告? 或是當再次打開訂房網站,發現網站保留了你前一次逛的飯店紀錄?這些都是「Cookie」的功用。

多數網站為了識別使用者,會產生一個小型文字檔案,記錄用戶的來源、身分、點閱足跡等資料,日後同一使用者再次造訪時,可以保持登入狀態、記住偏好設定和提供所在地相關內容等等,藉此提供更流暢、更方便的使用體驗,這個檔案就被稱為「Cookie」。

Cookie 可以分成「第一方 Cookie」以及「第三方 Cookie」兩種。第一方 Cookie 是由使用者存取網站隸屬的網域所發行,用於記錄限定於該網站的瀏覽紀錄等資訊;第三方 Cookie 則會跨網域獲取使用者的瀏覽紀錄等資訊,用來推送該使用者可能會關注的廣告。目前全球千千萬萬的大小型企業透過 Google 投放廣告,取得龐大的使用者數據,就是透過 Cookie 蒐集。

而「第三方 Cookie」常常造成網路隱私的爭議。許多證據都指出,Cookie 會在使用者不知情的情況下遭第三者利用,使用者不知不覺間被出售了個人資訊與網路足跡,隱私受到侵害。

接連爆出的隱私爭議,讓身為網路廣告巨頭的 Google 早就有移除第三方 Cookie 的想法。

2019年,Google 提出 Privacy Sandbox(隱私沙盒)實驗計畫,目的是在保護用戶隱私的前提下,持續為廣告商和企業提供個性化的網路廣告。這次的最新聲明則表示:確認不會研發這類用於標示用戶身份的工具,也不會在包括 Chrome 在內的所有自家產品提供類似服務 。

 

機器學習或成壓垮「餅乾」的一大把稻草

根據調查統計機構 Netmarketshare 最新調查表示,全球瀏覽器占比第一依舊是 Google Chrome,握有 69.18% 的市占率。而掌握快7成客戶的 Chrome 將淘汰第三方 Cookie,廣告業者未來如何因應呢?其實,Google 只是換一種方式繼續下廣告而已。

Google 將以人工智慧技術「FLoC」取代 Cookie。FLoC(Federated Learning of Cohorts)是一個基於聯盟式學習(Federated Learning)的架構,與傳統的機器學習不同,聯盟式學習的概念為:資料不需要離開設備,可以各自在自己的設備訓練,並透過通過加密機制,在雲端上建立一個共有的模型進行更新。

Google 介紹聯盟式學習(Federated Learning)之示意圖。

聯盟式學習的概念可分為四個步驟:

1. 每個機器學習設備各自使用自己收集的資料來訓練模型,不會和其他的設備共享、流通。結果會先經過加密,再上傳到中心模型。

2. 中心模型整合、更新各個設備上傳的結果。

3. 將中心模型更新後的結果回傳給各個設備。

4. 各設備更新各自的模型。

因此,FLoC 能在隱私性、實用性與資料安全性三個面向做到完美兼顧。

 

本文為該系列的上篇,下篇(關於 Google 如何將 FLoC 用於 GoogleAds 以及…..、造成那些隱私的隱憂?)請點此連結

 

 

 

 

 

推薦文章:
零基礎考取 GoogleAds 認證只要 14 小時!5 種 GoogleAds 廣告攻略


網站核心指標5月將成SEO排名因素!LCP,FID,CLS詳解與優化方式


27歲MIT工程師用人工智慧,預測新冠疫情比專業準


2021最適合工作的IT公司top10:NVIDIA第一、Google第三,蘋果竟連前10名都沒有?


思念去逝親人?人工智慧竟能”復活”他們與你聊天?!


人工智慧下棋不稀奇?最新版”MUZERO”還會打遊戲?!(上)


日文系也能無痛轉行工程師?!原來選對Python課程是訣竅!

想要SEO百戰百勝?那你要先知道網站核心指標!(下)

想要SEO百戰百勝?那你要先知道網站核心指標!(下)
想要SEO百戰百勝?那你要先知道網站核心指標!(下)

想要在SEO上能夠百戰百勝嗎?掌握好網站核心指標很重要哦!(下)

 

目錄

1. SEO如何檢視Google網站核心指標 (LCP、FID、CLS)?

2. 何謂「Google網站核心指標 (LCP、FID、CLS)」?

3. 顯示最大內容元素所需時間 (LCP)

3-1 何謂LCP?

3-2 LCP 的衡量指標

3-3 LCP 會偵測哪些內容元素?

3-4 如何優化 LCP?

4. 首次輸入延遲時間 (FID)

4-1 何謂FID?

4-2 FID的衡量指標

4-3 如何優化 FID?

5. 累計版面配置轉移 (CLS)

5-1 何謂 CLS?

5-2 CLS的衡量指標

5-3 造成 CLS 不良的原因

6. 可用來檢視 LCP、FID、CLS 的 SEO 工具

6-1 Lighthouse 與 Page Speed Insights

6-2 Chrome 開發者工具 (Chrome DevTools)

6-3 Google Search Console

 

本文為該系列的下篇,上篇(關於 LCP 與 FID 的解釋與實例)請點此連結

累計版面配置轉移 (CLS)

何謂 CLS?

你是否曾經使用手機進入痞客邦部落格,部落格雖然已經出現主要內容,但你正要開始閱讀內容時,網頁上又突然跳進某個廣告圖文,將你正要看的內容往下擠?這種被插隊的感覺,想必一定帶給你不良的使用者體驗(UX)吧!Google 針對這樣的情形制定了 Cumulative Layout Shift (CLS,累計版面配置轉移)這個指標。

CLS,Cumulative Layout Shift 是「累計版面配置轉移」,計算網頁載入時,已經出現的圖會是否會因某個元件突然載入就被往下擠。CLS 的計算方式為:影響範圍(佔可視範圍的百分比)*移動距離 = 元件移位分數,假設你有 75% 的文字內容被插入的元件下移了 25%,那就是「0.75*0.25=0.1875」(如下圖所示)。

網站使用體驗核心指標CLS指標的計算示意圖

CLS的衡量指標

造成 CLS 不良的原因

圖片、影片沒有指定尺寸(沒下 width、height 尺寸)

廣告、嵌入元素、iframe 沒有指定尺寸(沒下 width、height 尺寸)

突然插入在主內容之上的動態內容(如訂閱電子報、安裝 APP 等行動呼籲或相關文章列表等區塊突然出現在主內容之上,如以下影片所示):

 

SEO 能做的優化方法:

如果真的要在網頁上安插這些動態內容的話,就先在網頁上預留該內容的區塊,如此一來,等到動態內容「跳」進來時,就不會讓將已載入的內容往其他地方「推」動。

網頁加載字體太慢,導致字跑不出來、或是瀏覽器先套用其他字體替代,到正確的字體載入時,文字會出現閃爍一下的狀況

SEO 能做的優化方法:

在主要的 Web 字體上加上 HTML 標記 <link rel=preload>:這樣的做法就是告訴瀏覽器要提前將字型載入,讓正確的字體能在第一時間出現、更不會有「閃一下」的狀況。

使用 HTML 標記 <font-display: swap;>:告訴瀏覽器要用替代字型,等真正的字型下載完畢再換上!

把字型存在本地端(self-hosted fonts),就是把字型下載下來後直接放在自己的網站,就可以省去連到別的網站存取的時間、再來是假設使用者曾經造訪過使用相同字型的網站,而瀏覽器快取了這個字型,這樣的話就能更加速字型存取。

 

可用來檢視 LCP、FID、CLS 的 SEO 工具

目前 Google 官方有推出多種監測 Core web vitals 的輔助工具,大家可以到 Chrome 線上應用程式商店下載以下工具並安裝:

 

Lighthouse 與 Page Speed Insights

Lighthouse 與 Page Speed Insights 測速工具不只能為網站進行評分,更能提供 SEO 的網站優化項目,為網站的優化提供明確的方向。

Lighthouse 與 Page Speed 都能為網站進行評分

 

Lighthouse 與 Page Speed Insights 都能為網站提出改善建議

 

Chrome 開發者工具 (Chrome DevTools)

 

SEO 可以藉由 Chrome DevTools 來觀看 Core Web Vitals 所參照的指標是在網頁載入的哪個時間點發生,藉以方便 SEO 進行網站優化。

 

Google Search Console

隨著此次的網站體驗指標更新之後,Google 同時於 GSC (Google Search Console) 站長工具中更新指標,提供站內所有頁面針對指標的評分,就能更方便 SEO 優化。

 

 

 

 

 

推薦文章:
SEO快訊-Google放寬Search Console網站使用體驗核心指標的標準


SEO快訊-Google 搜尋可能會更少顯示「精選摘要」


SEM快訊-Google Ads將於四月停用展示型購物廣告


Google 推出搜尋結果新功能!SEO可能會變更複雜⋯⋯


人工智慧更”人性化”?竟也需要休息和睡覺?!(上)


誰說只有人需要休息睡覺!現在竟連人工智慧也要?!(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!

想要SEO百戰百勝?那你要先知道網站核心指標!(上)

想要SEO百戰百勝?那你要先知道網站核心指標!(上)
想要SEO百戰百勝?那你要先知道網站核心指標!(上)

想要在SEO上能夠百戰百勝嗎?掌握好網站核心指標很重要哦!(上)

 

目錄

1. SEO如何檢視Google網站核心指標 (LCP、FID、CLS)?

2. 何謂「Google網站核心指標 (LCP、FID、CLS)」?

3. 顯示最大內容元素所需時間 (LCP)

3-1 何謂LCP?

3-2 LCP 的衡量指標

3-3 LCP 會偵測哪些內容元素?

3-4 如何優化 LCP?

4. 首次輸入延遲時間 (FID)

4-1 何謂FID?

4-2 FID的衡量指標

4-3 如何優化 FID?

5. 累計版面配置轉移 (CLS)

5-1 何謂 CLS?

5-2 CLS的衡量指標

5-3 造成 CLS 不良的原因

6. 可用來檢視 LCP、FID、CLS 的 SEO 工具

6-1 Lighthouse 與 Page Speed Insights

6-2 Chrome 開發者工具 (Chrome DevTools)

6-3 Google Search Console

 

SEO如何檢視Google網站核心指標 (LCP、FID、CLS)?

去年 11 月 Google 官方表示同年五月推出的「網站核心指標(LCP、FID、CLS)」,在 2021 年五月會納入 Google 的演算法,正式列為排名因素。所以現在正是 SEO 們檢視 Google 網站核心指標 (LCP、FID、CLS)、並可以優化網站的使用者體驗 UX 的時機了!

推薦閱讀:SEO快訊-Google放寬Search Console網站使用體驗核心指標的標準

 

何謂「Google網站核心指標 (LCP、FID、CLS)」?

Google 網站核心指標 (LCP、FID、CLS) 是用於衡量網站的載入效率、互動性和頁面穩定性的一組指標。這三個指標都與網站速度相關,長期以來對搜尋引擎及使用者而言可以說是非常重要的。以下是三個 Google 網站核心指標的介紹:

 

顯示最大內容元素所需時間 (LCP)

何謂LCP?

LCP,Largest Contentful Paint 是「顯示最大內容元素所需時間」,計算網頁可視範圍內最大的內容元件需花多少時間載入。這項指標的意義是:網頁上的主要內容需花多少時間才會被使用者看到,相當於網頁給人的第一印象。

當頁面被載入時,Google 會抓取頁面中最大元素的載入時間作為 LCP,而且 LCP 會隨著載入的內容越來越多而改變,直到頁面完全載入後,最大元素即被確定為「真正的」LCP。

如下圖 TechCrunch 新聞網頁載入的例子中,可以看到前兩張圖的 LCP 是綠色框框裡的新聞標題「E3’s organizer⋯⋯」;在第三~四張圖中,所判定的 LCP 是另一個新聞標題「StockX was hacker,⋯⋯」;然後最後一張圖的 LCP 是標題下方的圖片,在載入完畢後就沒有出現更大的元件。因此本網頁「真正」的 LCP 為載入該圖片所需的時間。

LCP 的衡量指標

LCP 會偵測哪些內容元素?

各種格式的圖片,除了 .jpg、.png 等格式外亦包涵 svg 向量圖、影片預覽大圖等等

CSS 中的 url() 函數載入的背景圖元素

含有文字的區塊元素或行內元素

如何優化 LCP?

常見的 LCP 優化項目如下:

減少網站主機回應時間

針對主機效能優化

引導用戶到最近的 CDN 主機

使用網頁快取

提早載入第三方資源

盡量排除禁止轉譯(Render-blocking)的 CSS 與 JavaScript

降低 JavaScript 的阻擋時間

降低 CSS 的阻擋時間

加速資源載入時間

圖片大小優化

預先載入重要資源

壓縮文字檔案

根據使用者的網路狀態提供不同資源(adaptive serving)

使用 service worker 來快取內容

避免使用前端(用戶端)渲染(CSR)

盡量在後端(伺服器端)完成頁面渲染,讓用戶端取得已渲染好的內容。若必須使用 CSR 的話,建議優化項目如下:

將重要的 JavaScript 最小化

使用網站預渲染(pre-rendering)

 

首次輸入延遲時間 (FID)

何謂FID?

你是否曾經點入一個網站,雖然有內容顯示,但不管你怎樣與網頁互動,網頁都沒有任何反應? Google 針對這樣的情形制定了 First Input Delay (FID,首次輸入延遲時間)這個指標。

FID,First Input Delay 是「首次輸入延遲時間」,計算使用者第一次與網頁互動(例如點擊連結或按鈕、打開式下拉選單、在文字對話框輸入文字等) 時的延遲時間。這項指標代表了網頁的互動與回應程度:在使用者嘗試與網頁互動時,網頁是否就能馬上回應。

FID的衡量指標

如何優化 FID?

太多的 JavaScript 執行,是造成 FID 延遲的主要原因:當瀏覽器的主執行緒(main thread)在忙著執行 JavaScript 時,是沒辦法回應大多數的網頁互動。所以 SEO 可以藉著優化 JavaScript 在網頁上的解析、編譯和執行方式將會直接減少 FID:

分割 long tasks(指執行 JavaScript 時網頁介面無法與用戶互動的期間) 成較小的非同步工作(asynchronous tasks)

降低第一、三方的腳本執行與資料截取

使用 Web Worker API,讓 JavaScript 可在背景執行

減少 JavaScript 執行時間

 

本文為該系列的上篇,下篇(關於CLS 的解釋與實例、還有檢測工具)請點此連結

 

 

 

推薦文章:
SEO快訊-Google放寬Search Console網站使用體驗核心指標的標準


SEO快訊-Google 搜尋可能會更少顯示「精選摘要」


SEM快訊-Google Ads將於四月停用展示型購物廣告


Google 推出搜尋結果新功能!SEO可能會變更複雜⋯⋯


思念去逝親人?人工智慧竟能”復活”他們與你聊天?!


自學SEO不是夢!首先要先掌握”這幾個”重點!


人工智慧當起小當家?!備料到上菜完全一手包!!

照片變成動畫,人工智慧讓已逝親人”重生”?!

照片變成動畫,人工智慧讓已逝親人"重生"?!
照片變成動畫,人工智慧讓已逝親人”重生”?!

人工智慧把照片變成動畫,竟讓已逝親人”活過來”,還會對你眨眼微微笑?!

目錄

以色列公司開發人工智慧製作動態照片 讓已逝親人「活過來」眨眼微笑

原本是為了開發「反識別」AI 技術

不只真人照片 經典名畫、古人畫像都能動起來

 

以色列公司開發人工智慧製作動態照片 讓已逝親人「活過來」眨眼微笑

你是否曾經想過人工智慧可以為逝去的親人注入新的活力嗎?別擔心,這並不是科幻電影中的可怕情節。

一家提供家族基因溯源、DNA 鑑定與線上族譜建立服務的以色列公司「MyHeritage」,日前公開了瘋迷社群網路的人工智慧應用服務「Deep Nostalgia」,使用者可以透過人工智慧合成技術,讓肖像照片「躍然紙上」,將原先靜止的照片變成動態影片,並添上靈動的表情,包括眨眼、微笑、點頭等等,照片中人物自然的神態彷彿具有生命力。

AI 服務「Deep Nostalgia」運用人工智慧,讓靜態照片變動態。圖片來源:MyHeritage 官方網站。

服務名稱中的「Nostalgia」為中文「留戀、懷舊之情、對往事的懷念」之意。假設使用逝去親人的舊照片,看見他們活動起來、神態自然的樣子,讓人彷彿覺得已故的親人就在眼前,足以抒發緬懷之情。

說到動態相片,有人可能會想到 iPhone 和 iPad 設備上的「Live Photos」功能,可以捕捉按下快門前後數秒,並儲存成包含動態與聲音的「動態相片」。目的在於讓使用者拍照時不會錯失美好的一瞬間;但Deep Nostalgia可以將任何時間、地點、人物的照片變得栩栩如生,就連目前最新的智慧型手機也無法做到的了。

 

原本是為了開發「反識別」AI 技術

Deep Nostalgia 的 AI 技術部分,是由同為以色列公司「D-ID」提供。D-ID 的初衷是為了幫助人們阻擋無所不在的臉部辨識技術、避免洩露真實個資,因而研究人臉識別技術。而後來延伸出其他應用方式,如這次的 Deep Nostalgia,是透過 AI 對照片進行動態處理,將人臉特徵對應到驅動程式上,進而實現「動態人像」。

「透過將照片和真人的臉部特徵相互對應,便能使 2D 的平面人臉生動起來。」 D-ID 官方表示,這項技術可以應用於歷史文物、博物館或教育上,讓歷史人物「復活」。

 

不只真人照片 經典名畫、古人畫像都能動起來

除了真人照片,也有許多人上傳知名歷史人物的肖像畫,即使是油彩繪製而成的古典油畫,透過人工智慧的「巧手」後也能宛若真人一般靈動可愛的動作。

  這也讓許多人聯想到知名奇幻作品《哈利波特》中,在魔法世界中所有照片都是動態的,照片中的人物也可自由移動,讓許多哈利波特粉絲直呼「AI 簡直就跟魔法一樣神奇!」

MyHeritage的人工智慧應用服務,讓歷史人物的肖像畫動起來。圖片來源:MyHeritage 官方網站。

想使用Deep Nostalgia,只需在 MyHeritage 的網站一鍵上傳照片即可,照片轉換過程是完全自動的。不過有幾項限制,第一是若照片中有多位人物,也只能將一位人物的臉部轉化為動態;第二是只能將人物的頭部與頸部轉換為動態。

  MyHeritage現在可以註冊免費會員,但是如果想一次上傳5張以上照片,則需要付費成為訂閱會員了。

 

 

 

 

推薦閱讀:
SEO快訊-Google放寬Search Console網站使用體驗核心指標的標準


SEO快訊-Google 搜尋可能會更少顯示「精選摘要」


SEM快訊-Google Ads將於四月停用展示型購物廣告


Google 推出搜尋結果新功能!SEO可能會變更複雜⋯⋯


連模特兒飯碗都要搶?!人工智慧”虛擬超模”試衣超專業!(上)


科技時代,連另一半都可以人工智慧幫你做決定?!


人工智慧新開發,把你”說”的程式碼輕鬆寫下來!

掌握疫情走向就靠人工智慧!不僅快還準到爆?!(下)

掌握疫情走向就靠人工智慧!不僅快還準到爆?!(下)
掌握疫情走向就靠人工智慧!不僅快還準到爆?!(下)

人工智慧真的是人類的好幫手!不僅能快速預測疫情走向,結果還超精準?!(下)

 

本篇文章為下篇,想了解 Youyang Gu 這位年輕的人工智慧/機器學習專家的背景,以及他為何要使用人工智慧技術來預測 Covid-19 疫情,請點此連結了解事情始末!

不求複雜繁複,只要能做出精準預測的就是好模型

 

「covid19-projections.com」網站預測結果示意圖。

談到是如何建構預測模型時,Youyang Gu 表示他最一開始先考慮了Covid-19確診人數、住院人數等等許多因素之間的相互關係。但接著,他發現各州和聯邦政府的官方報告資料居然並不一致,其中較可信的資料是每日死亡人數。「其他機構的模型採用了很多種資料,但我決定用過去的死亡人數,來預測未來的死亡人數。」

這讓 Youyang Gu 的預測模型與其他預測系統相比之下十分單純,他表示這個決定是有原因的:「我把『死亡人數』作為唯一的輸入資料,有助於讓機器學習在雜訊中過濾出有用、可靠的資訊。」他表示,如果輸入的資料與事實不符,那麼資料越多,輸出的預測結果當然就越差。

從 2020 年 4 月開始,Youyang Gu 投入了幾千小時在這個工作中,人工智慧接連精準的預測結果也逐漸吸引到許多目光,其中不乏領域專家與權威人士。

準到美國疾管中心也採用

「covid19-projections.com」網站預測結果示意圖。

最早注意到 Youyang Gu 的專家是華盛頓大學生物學教授 Carl Bergstrom,他在個人 Twitter 上分享了 Youyang Gu 的模型。

接著,全球最大資料科學社群平台 Kaggle 與人工智慧教學網站 fast.ai 的創始人、在資料科學領域享有盛名的 Jeremy Howard 表示:「我看了 Youyang Gu 的網站和資料後覺得太神奇了。他是唯一一個真正去查看資料、並且做得最正確的人,這也是他為什麽他會成功的原因。他是目前為止唯一認真做這件事的人。」

最後,美國疾病管制與預防中心也也在其網站上發布了 Youyang Gu 的預測資料!這之後,他的網站達到了空前的瀏覽數,每天都有數百萬人的人造訪,來看他的預測。

疫情之下的另一種可能

儘管獲得了許多掌聲與讚美,但去年 11 月時,Youyang Gu 毅然決然決定要結束他現階段的任務。

但他不是要完全結束他用心經營的計畫,而是打算休息一段時間,邁向另一個新的階段。接下來,他打算將目標放在預測「美國有多少人口確診」、「疫苗推出的速度有多快」、「美國何時能達到群體免疫」等等。他預測今年 6 月,約有 61% 的美國人口會獲得一定程度的免疫力——無論是來自疫苗還是因為曾經感染。

Youyang Gu 表示,他過去一直希望他的工作能對社會產生巨大貢獻,並且能避開政治、偏見以及大型組織有時候不得已的負擔。他也表示,在疫情爆發的這個特殊情況下,有很多缺點可以透過和他一樣背景的人來改善。

Youyang Gu 的故事,打破了很多人對工程師或理工背景專業人士的既定印象,很多人沒有想到在對抗 COVID-19 疫情的全民戰爭中,還有這種善用人工智慧技術的方式貢獻一份力,成為了另類的抗疫英雄。

 

 

 

 

 

 

 

推薦文章:
【機器學習懶人包】 10種演算法圖解-從監督式到非監督式學習


人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係?


人工智慧「聽咳嗽聲」就能驗出新冠「無症狀」患者!成功率 98.5%


疫情下的人工智慧-社交距離後,機器人如何維繫我們的心理連結?


最新人工智慧”MuZero”誕生!除了下棋還能會玩遊戲!(上)


人工智慧創新食譜!滿足每位吃貨的心!


Waymo槓上特斯拉,搶爭自駕行業第一把交椅!!(上)

掌握疫情走向就靠人工智慧!不僅快還準到爆?!(上)

掌握疫情走向就靠人工智慧!不僅快還準到爆?!(上)
掌握疫情走向就靠人工智慧!不僅快還準到爆?!(上)

人工智慧真的是人類的好幫手!不僅能快速預測疫情走向,結果還超精準?!(上)

用人工智慧預測疫情神準 華裔工程師獲美媒肯定

疫情大流行至今已經過了一年多,許多人都迫切的想知道,究竟要到何時疫情才能趨緩?什麼時候才能真正恢復正常生活呢?

在沒有絕對可信預測機制的當前,一位沒有醫學背景的 27 歲資料科學家「Youyang Gu」僅憑一己之力,做出了精準度遠超過專業機構的預測模型,更讓美國知名新聞機構彭博社(Bloomberg Businessweek)稱他為「COVID-19 資料的超級巨星」。

美媒《彭博商業周刊》譽27歲的Youyang Gu為「COVID-19 資料的超級巨星」

在介紹這位年少有為的 Youyang Gu 之前,先讓我們話說從頭、把時間倒回 2020 年年初。

英美兩大專業機構 預測新冠疫情失準

當時新冠疫情已然爆發,在各國之間大流行,每個人都想知道冠狀病毒接下來造成的影響會有多大。當時多數人都將期望放在兩家專業機構建立的預測系統:一是倫敦帝國理工學院(Imperial College London),二是位於西雅圖的健康指標與評估研究所(IHME)。

但這兩家備受期待的機構,卻產生了截然不同的預測結果。倫敦帝國理工學院警告說:「到夏季時,美國的死亡病例可能會達到 200 萬人」;相較之下,IHME 的預測則保守許多:他們估計到 8 月時,美國死亡人數約為 6 萬人。

但後來事實證明,兩者都離實際數字頗有差距──8 月初時,美國的死亡人數約為 16 萬人。

一般民眾可能感嘆個兩句「結果居然這麼差這麼多!」就置之腦後了,但對於有專業數據分析背景的 Youyang Gu 來說,這件事成為他展開未知旅途的契機。

以機器學習來理解資料

在看到專業機構的結果後,Youyang Gu 毅然決然地選擇自己打造出一個使用人工智慧來預測Covid-19疫情死亡人數的模型。2020 年 4 月中旬, Youyang Gu 僅僅耗費了一週的時間,就建構出預測模型,還架好了可以展示預測結果的網站,取名為「covid19-projections.com」。

預測Covid-19結果的網站:covid19-projections.com

即使他並沒有任何醫療或公共衛生的專業背景,但他認為用演算法進行的資料預測分析──正也是他的專業──可以在此時大展身手。「我就是單純地認為,數學和統計知識可以應用到生活中的任何方面,那當然也可以用在預測疫情。」Youyang Gu 表示。

Youyang Gu 大學和碩士皆畢業於 MIT,擁有電腦科學與數學雙學士學位、電腦科學的碩士學位,畢業後則進入遠近馳名的 MIT 電腦科學與人工智慧實驗室(CSAIL),在 NLP 小組中進行了一年的研究,並在 NLP 領域的頂尖會議「EMNLP」上發表論文。從此他開始接觸大數據,也開始累積建立統計模型、預測數據的能力。

隨後他離開校園,進入金融行業,為銀行的高頻交易(英語:high-frequency trading,HFT,指利用電腦以快於毫秒的速度快速押注買賣股票、期貨等,從那些人們無法利用、極為短暫的市場變化中尋求獲利的自動交易系統。)系統編寫演算法,而金融交易資料講求的精準與量化,使 Youyang Gu 建造模型的能力與對資料處理的理解又更上層樓。離開金融產業後,他進入了體育界,繼續進行大數據領域的研究,這讓他除了懂得更加精準地建模,也累積了能應對全新領域的跨學科經驗。

Youyang Gu 表示,他的專長是「使用機器學習來理解數據,將資訊與雜訊分離,並且做出準確的預測」。

準到怕!人工智慧預測死亡人數幾乎命中

▲ Youyang Gu 親自講解自己一手打造的 Covid-19 預測網站

重點來了,那 Youyang Gu 使用機器學習技術的預測結果如何呢?

在模型建立完成後,他預測了 5 月 9 日美國將有 8 萬人死亡──而當天的實際死亡人數總計為 79,926 人!這個極微小的誤差,與 IHME 預測的「2020 整年的死亡人數不超過 8 萬」相比,真可以說是神準至極了。

接著,他預測在 5 月 18 日死亡人數會達到 9 萬,而到5 月 27 日,人數將達到 10 萬。後來比對當天的實際人數,都相差不太大、十分精準。除了數據資料外,Youyang Gu 也把許多現實狀況納入考量,例如當時有許多州從封鎖狀態轉為開放,於是預測到將出現第二波大規模的感染和死亡案例。

 

Youyang Gu 是用了什麼特殊的方式,讓疫情預測如此神準?請見下篇!連結點此

 

 

 

推薦文章:
【機器學習懶人包】 10種演算法圖解-從監督式到非監督式學習


人工智慧、機器人、Python、大數據⋯⋯到底有什麼關係?


人工智慧「聽咳嗽聲」就能驗出新冠「無症狀」患者!成功率 98.5%


疫情下的人工智慧-社交距離後,機器人如何維繫我們的心理連結?


耍心機面試無效?!人工智慧面試官讓求職更公平!(上)


人工智慧創新食譜!滿足每位吃貨的心!


眼光高挑不到另一半?別怕,人工智慧幫你挑結婚對象!