誰說只有人才能搞發明?人工智慧也能辦到還獲得發明專利!(下)

誰說只有人才能搞發明?人工智慧也能辦到還獲得發明專利!(下)
誰說只有人才能搞發明?人工智慧也能辦到還獲得發明專利!(下)

真的不能小看人工智慧!能夠自己發明東西還獲得發明專利,真的很不簡單耶!(下)

 

本文為下篇,上篇請看此連結

 

南非遭到爭議性的專利審核

在南非專利局受理之前,DABUS 這項專利曾經慘遭美國專利商標局、歐洲專利局、英國知識產權局和澳大利亞專利局駁回。美國法官表示「對於 AI 機器在專利法下是否有資格成為創作者,明確的答案就是『不行』」。他認為,由於科技發展日新月異,未來 AI 細緻複雜的程度可能媲美公認的發明人資格,但是「這樣的時刻尚未到來。一旦時機來臨,將由國會決定如何擴大專利法的適用範圍。」

 

令國際社會大吃一驚的是,南非專利局和智慧財產權委員會授予該專利,承認 DABUS 是發明者。該專利於2021年7月的專利期刊上正式發表,包括泰晤士報在內的新聞機構都對此事進行報導。

 

DABUS 的發明專利在南非的授予受到智慧財產權專家的廣泛反對。批評者認為,這是法律上的錯誤決定,如果南非有一個實質性的檢索和審查制度,DABUS 專利申請就會被拒絕。因為人工智慧缺乏成為發明家的必要法律地位。

 

人工智慧應用在生活許多地方,發展也一日千里,現在還能自主發明物品。但是是否能能成為合法的「發明者」,並申請專利,仍受爭議。

 

DABUS:「有知覺的」自主學習人工智慧

DABUS 被認為是「有知覺的」人工智慧應用,擁有創造性神經系統,無秩序性地刺激多數神經網絡以產生潛在的想法,並且從判斷中強化學習,這個過程被稱為「機器學習」(machine learning),而且一但系統經歷了「機器學習」,它就能夠在沒有人類干預的情況下「自主性」地開始進行發明,並推向最富有成效的方向。

 

這些發明是由「機器學習」構思出來的,根據自己的累積經驗,判斷想法的價值。儘管如此,該系統確實自主選擇性地將眾多元素的組合,強化為更複雜的概念。任何連結的概念都會啟動一系列記憶,被認為等同於人類的主觀感受(即感覺)。透過這種方式,DABUS 在構想中產生欣賞的情感。

 

AI 人工智慧能夠解決許多人類無法解決的問題,速度也比人類快得許多。多年來,出現了多種創意機器。在 DABUS 之前,Thaler構建了另一個AI,它創造了新穎的樂譜,他發明交叉刷毛牙刷設計,申請專利獲得了授權。證明AI是有足夠能力可以產生符合專利標準的新穎發明。然而,當時 Thaler 將自己列為發明者,而不是AI人工智慧。

 

DABUS 人工智慧影響了專利制度的改革

Thaler 的法律團隊表示,他們之所以會將「DABUS」列為專利申請中的發明者,是想要測試專利制度的極限,並藉此促進相關改革。

 

其中,法學專家 Abbott 指出:「授予自然人為發明者的法律是為了給予人們應該有的信任。另一方面,這些法律的制定並不考慮機器發明未來的可能性。因此現在是時候調整,我們必須從鼓勵人們發明東西,轉變成鼓勵人們創造出那些可以發明東西的AI。」

 

「在發明東西的時候,AI 在某些領域或許比起人類擁有更大的優勢,例如遇到需要使用大量數據,又或是廣泛的電腦計算資源時。」

 

專利制度對於投資者的影響

ABC 新聞則提到,只要將人工智慧列為發明者,便容易受到各國的專利制度阻止。這一點不確定性,也影響人們對於人工智慧應用與技術領域的投資意願。

「我們想要一個專利制度,它能充分鼓勵人們研發 AI,並讓那些人工智慧發展出具有社會價值的創新發明。」Abbott 說。

 

 

 

 

推薦文章:
不只是自駕!特斯拉自研發高效能AI晶片D1,運算每秒262兆次

會說英文就能寫程式!OpenAI推人工智慧編程工具Codex

FB 用十億張照片讓 AI「SEER」自主學習!自監督學習大躍進

人工智慧成最強替身演員 還可能得奧斯卡?

蘋果靠AI偵測兒童情色照,卻讓人擔心隱私疑慮!(上)

憂鬱症掰掰,人工智慧快速判別及早治療!

今年程式語言排行知多少?聽說Python奪冠有望了?!

誰說只有人才能搞發明?人工智慧也能辦到還獲得發明專利!(上)

誰說只有人才能搞發明?人工智慧也能辦到還獲得發明專利!(上)
誰說只有人才能搞發明?人工智慧也能辦到還獲得發明專利!(上)

真的不能小看人工智慧!能夠自己發明東西還獲得發明專利,真的很不簡單耶!(上)

 

 

目錄

全球第一取得設計專利的人工智慧! DABUS 的 AI 系統設計者非人哉

非人類的專利發明者-DABUS人工智慧技術

DABUS 獨立思考能力強!人工智慧定義已超越機器人

能自主研發的DABUS,是否也能自行申請專利?

南非遭到爭議性的專利審核

DABUS:「有知覺的」自主學習人工智慧

DABUS 人工智慧影響了專利制度的改革

專利制度對於投資者的影響

 

全球第一取得設計專利的人工智慧! DABUS 的 AI 系統設計者非人哉

人工智慧應用於諸多領域,而且發展速度真的遠遠超越我們想像,竟然連 AI 都能成為研發新產品的主力!各國的人工智慧應用與發展的專利申請數不斷提升,但人工智慧本身竟能成為合法的「發明者」?

 

 

非人類的專利發明者-DABUS人工智慧技術

南非專利局和智慧財產權委員會宣布一項名為「DABUS」的人工智慧應用技術,DABUS 竟然也已經自主完成兩項發明!這兩項分別是:「Neural Flame(一種以新穎且創意的方式閃爍,以吸引注意力的警示燈)」和「Fractal Container(一種便於堆疊與機器手臂操作的碎形幾何的食品容器)」,可以說是有資格取得發明專利的 AI。

 

DABUS 所發明的碎形幾何食品容器,其形狀有利於堆疊與被機械手臂操作

 

DABUS 獨立思考能力強!人工智慧定義已超越機器人

「DABUS」為「device for the autonomous bootstrapping of unified sentience」的縮寫,直譯即「統一感知自動引導裝置」,此系統研發者為美國 AI 專家塞勒 (Stephen Thaler),並提出「當人工智慧滿足發明人的標準時,人工智慧發明的專利申請應將人工智慧列為發明人」。DABUS 使用廣泛的人工神經系統創建專利,透過自己累積的學習經驗來構思發明。

 

DABUS 的出現,打破了過往我們對人工智慧定義只局限於「機器人」。

 

過往人們常將人工智慧定義為機器人。

 

能自主研發的DABUS,是否也能自行申請專利?

都能自主發明東西了,那 DABUS 是否能以「人工智慧」的身份自行申請專利?很可惜的是,DABUS 無法自行申請專利,因此得到英國薩里大學(University of Surrey)和國際律師團隊的協助完成。律師團隊認為,發明這兩項專利技術的都是 DABUS,而 Thaler 本人並未具備任何與容器或警示燈相關的專業知識,因此也不該由 Thaler 擔任發明人。

 

參與「人工發明者專案」(Artificial Inventor Project)的專利律師 Ryan Abbott 則說,AI 系統的確不會憑空出現,一定是經過大量的資料和程式碼的訓練,但是這並不見得可以讓 AI 系統所發明的東西都能追本溯源到人類,假設IBM 的 Watson 系統在解決問題的過程中,使用了一個可申請專利的技術,那麼可能會牽涉到數百或數千名工程師。

 

 

下篇請看此連結
 

 

推薦文章:
不只是自駕!特斯拉自研發高效能AI晶片D1,運算每秒262兆次

會說英文就能寫程式!OpenAI推人工智慧編程工具Codex

FB 用十億張照片讓 AI「SEER」自主學習!自監督學習大躍進

人工智慧成最強替身演員 還可能得奧斯卡?

人工智慧當裁判,還能當教練?!未來AI將進入冬奧?!

蘋果用AI把關兒童情色照,卻遭質疑沒隱私!(上)

能言善道的人工智慧已不能滿足你!美研發辯論談判AI!

替身演員竟是人工智慧,演技好到竟比真人還細膩?!

替身演員竟是人工智慧,演技好到竟比真人還細膩?!
替身演員竟是人工智慧,演技好到竟比真人還細膩?!

現在人工智慧竟然還可以當替身演員?!而且演技竟然比真人還要好?!

 

目錄

1. 機器學習打造出 AI「虛擬人」 演技比真人還細膩

2. 疫情衝擊之下 AI 替身來救場

3. 未來 AI 演員可能越來越普及

 

2021 年奧斯卡金像獎頒獎典禮於日前落幕,結果也可所謂幾家歡樂幾家愁,有好幾座大獎讓人意想不到。像是華人女導演趙婷拿下最佳導演獎;韓國女演員「尹汝貞」奪得最佳女配角獎項、成為韓國史上首位獲獎演員,都讓不少粉絲意外又驚喜。入圍、得獎名單的多元、包容化,令本屆奧斯卡獲得不少稱讚,但如果是人工智慧「AI 演員」,奧斯卡還能包容嗎?

數字王國的虛擬人物「Douglas」被譽為世上最為擬真的替身演員。圖片來源:數字王國官方網站。

 

隨著特效技術不斷提升、加上人工智慧技術的突飛猛進,這幾年「AI 虛擬替身演員」也不斷在好萊塢大放異彩,這些宛如真人演員一般、栩栩如生的 AI 演員,甚至默默地掀起變革。

 

長期以來一直為好萊塢的院線片如《死侍》、《變形金剛》及《復仇者聯盟》等電影提供視覺特效的「數字王國」(Digital Domain Holdings Limited),其執行董事謝安,就點破一個現狀:「人工智慧替身演員,正在大舉取代真人演員,而在疫情影響之下,主演的大明星也將會被取代!」

 

機器學習打造出 AI「虛擬人」 演技比真人還細膩

數字王國長期鑽研如何做出逼真的虛擬角色,並將之稱為「虛擬人」。利用 AI 機器學習技術與特效技術融合在一起,數字王國曾讓許多已過世的名人「復活」── 如在2013 年,數字王國就透過人工智慧生成容貌逼真的影像,讓傳奇歌手鄧麗君於周杰倫的演唱會中閃亮登場,甚至能讓其開口歌唱,並表演全新的內容,讓粉絲大為驚嘆。

 

以下的 YouTube 影片為數字王國讓「虛擬鄧麗君」登台獻唱,細緻的神情與動作讓粉絲又驚又喜:

除此之外,數字王國還擁有被譽為世上最擬真的虛擬替身人物「Douglas」,本尊則是軟體研發部門負責人 Doug Roble。

 

為了打造出「Douglas」,Doug Roble 進行了上百小時的動作、臉部和語音捕捉,連皮下層的血流、皮膚光澤透度、眼球跟牙齒等資訊都不放過,將本尊最細緻的臉部資料完全記錄下來。

 

官方表示,現在的技術只要有僅僅 15 分鐘的高解析掃描資訊,就能結合所有訓練圖像資料和掃描資料,創建出可以進行各種面部表情的 3D 模型。

 

「數字王國正在將虛擬人帶進現實。」經由機器學習,臉部捕捉與分析器可以更準確地捕捉細節,甚至能賦予虛擬人物更深層的情感。

 

以下的 YouTube 影片展示了虛擬替身完美複製了本尊的臉部與身體。

 

疫情衝擊之下 AI 替身來救場

而 2020 年疫情爆發後,電影產業受到非常嚴重衝擊,而群聚大量工作人員的拍攝片場,也容易成為病毒傳播的溫床。

 

要知名演員冒著感染風險前來拍攝,心臟可要夠大顆,倘若真的確診,電影有可能延期甚至直接毀於一旦,投入的資金也全部泡湯,而且依然有許多大明星不願意以身犯險。因此,沒有感染疑慮的「AI 替身」就粉墨登場了。

 

數字王國表示:「AI 替身」讓人驚嘆的地方在於完全不需要明星本人到場,只需要將該為演員過去的演出紀錄做為訓練資料讓人工智慧學習,AI 就能學會演員的一顰一笑、一舉一動,連演出時不自覺的習慣都能模仿。最後只需要將 AI 輸出的成果進行細節調整即可使用。

 

並且,其實連明星的臉也往往不是真實的臉,而是透過神經網絡的深層學習模型所訓練產生出來的,最短只需要一天,就能打造出連死忠粉絲都分辨不出的完美替身。 

 

未來 AI 演員可能越來越普及

疫情加速了 AI 演員的發展,但是除了防疫需求之外,還有許多地方讓 AI 演員「取代」真人演員。例如:解決明星檔期滿檔問題、讓人工智慧代替動作片中負責高難度動作的真人替身等,或是讓私下不對盤的明星之間不用真的碰面──可以與虛擬的替身對戲就好。

 

不過數字王國團隊也特別強調,人工智慧替身只是忠實地模仿明星,不可能有所創新,在演技上的造詣也是完全歸屬於真實演員的。

 

那假設在未來由 AI 演員演出的電影獲得大眾的喜愛、肯定,到底是要頒獎給演員本人呢?還是要頒給 AI 呢?就有待未來各大獎項的專業評審們去煩惱囉。

 

 

 

 

推薦文章:
「恐怕會助長歧視」WordPress 與多家瀏覽器對 Google FLoC 喊停!


Google 為保護隱私,棄 Cookie 卻改用人工智慧?


FB 用十億張照片讓 AI「SEER」自主學習!自監督學習大躍進


Facebook 開源 Python 語言的安全與隱私工具 Pysa


0經驗大叔自學Python,寫出AI讓雀巢愛不釋手?!(上)


手機竟然能變成精準氣象台?!靠的是人工智慧技術導入!


臉書AR手腕感測器,讓你輕鬆擁有”隔空取物”超能力!(上)

臉書最強圖像辨識人工智慧”SEER”,又將如何改變你我生活?

臉書最強圖像辨識人工智慧"SEER",又將如何改變你我生活?
臉書最強圖像辨識人工智慧”SEER”,又將如何改變你我生活?

臉書利用十億張照片訓練人工智慧”SEER”,你我生活將會起什麼變化?

 

目錄

1. FB出動IG十億張照片,訓練最強圖像識別AI「SEER」

2. 何謂 AI 的自監督式學習是什麼?

3. 奠基在 10 億張圖上的自監督 AI

4. FB 最強圖像辨識 AI 「SEER」 的潛力

 

FB出動IG十億張照片,訓練最強圖像識別AI「SEER」

近年來自監督式學習(self-supervised learning)的研究與發展十分蓬勃,像是 Google Brain 在 2020 年公開的「SimCLR」就被認為是個重要的里程碑。

 

但是坐擁著全球最大影像資料庫之一 Instagram 的 Facebook 也不惶多讓,藉由 Instagram 上超過 10 億張的公開照片,訓練出最新的自監督式學習模型「SEER」(SElf-supERvised),並宣稱 SEER 是目前在圖像識別測試之中,表現最優秀的人工智慧 

 

何謂 AI 的自監督式學習是什麼?

機器學習中最廣泛使用的監督式學習(supervised learning),是由人給定標記好的資料,讓 AI 學習正確答案並作為推論根據。但是,這種方法十分依賴於人工事先標記,不僅要耗費大量時間、人力與資源,AI 也只能針對已標記的特徵來學習、完成特定範圍內的任務,如:語音轉文字、分類圖像、物件辨識等。

 

為了突破這些限制,自監督學習(Self-supervised Learning,SSL)就應運而生了。

 

自監督學習是觀察現有訓練資料中的任何部份來學習,透過預測來認識世界,而無需仰賴人工事先給定的標籤。

 

換而言之,自監督學習所訓練的 AI 模型,能藉由觀察過去與現在的訓練資料,來預測未來會發生的事。如 SEER 可以透過觀察未標記、未分類的 Instagram 照片,就辨識出照片中的物品或人物。

 

這讓許多人相信,人工智慧技術若要開創新局面,利用自監督式學習是最好的方式。Facebook AI 研究團隊也認為,AI 的未來在於不需依靠人類事先準備好的「教材」來學習如何識別物件,而是能夠直接從任何形式──如文字、圖片、聲音、影像等──的數據資料中學習。

 

奠基在 10 億張圖上的自監督 AI

SEER 模型結構是基於 Facebook AI Research 實驗室於2020年所提出的「RegNet」模型,與在線自監督學習演算法「SwAV」,來分析總量達 10 億張的隨機圖片。

SEER 模型結構是基於 Facebook AI Research 實驗室於2020年所提出的「RegNet」模型,與在線自監督學習演算法「SwAV」,來分析總量達 10 億張的隨機圖片。|圖片來源:Facebook AI Blog

 

SwAV 能利用聚類分析(Cluster analysis)來快速分組具有相似視覺概念的圖片,再透過同組中圖片的相似性增進學習效能,讓訓練時間大幅減少。不過,要執行這樣的運算,SwAV 需要一個運行效率很高、又不會損失精確性的模型架構。

 

而能夠擴展到數十億、甚至數萬億個參數的 RegNet,正好完全符合這些需求。

Facebook AI Research 團隊對比了 SEER 與其他自監督式學習演算法在 ImageNet 上的預訓練結果,表示SEER 的表現是最佳的|圖片來源:Facebook AI Blog

 

而團隊也對比了 SEER 與其他自監督式學習演算法在 ImageNet 上的預訓練結果,表示SEER 的表現是最佳的。

 

FB 最強圖像辨識 AI 「SEER」 的潛力

儘管 SEER 目前還只能算是一個研究項目,但  Facebook 官方表示其發展潛力相當廣泛,包括用於自動生成文字說明、對賣家於 FB  Marketplace 上傳的商品圖片增加建議標題及類別、防止違反社群規則的內容在 FB 平台傳播等等。甚至若其動態影像預測的研究成熟後,可以用在預測自駕車周遭車輛的行駛軌跡,為自駕車技術增添一大助力。

 

並且,SEER 的成果也展現出,自監督式學習可以成為更加有效、準確且適應性強的電腦視覺模型。也許未來,自監督式學習能帶給 AI 領域更多爆炸性的突破跟發展。

 

 

 

推薦文章:
你上傳圖片到 IG 的同時,其實也在幫 FB 訓練人工智慧!


2021最適合工作的科技公司排行榜:NVIDIA第一、Google第三,蘋果連前十名都無?


Facebook 開源 Python 語言的安全與隱私工具 Pysa


人工智慧打造「精準農業」種出完美蔬菜、進行牛臉辨識


比櫃姐更懂你!人工智慧為你打造客製化彩妝!


2020年十大最強PYTHON函式庫,到底多好用?!(一)


人工智慧”虛擬超模”太專業!試衣模特兒飯碗恐不保?!(上)

今天會下雨嗎?人工智慧導入手機,化身氣象觀測站!

今天會下雨嗎?人工智慧導入手機,化身氣象觀測站!
今天會下雨嗎?人工智慧導入手機,化身氣象觀測站!

人工智慧竟然讓手機可以成為氣象觀測站?!到底是怎麼做到的?!

目錄

1. 人工智慧、IoT導入,手機就是精準氣象台!

2. 「鬼門關前走一遭」促使退役空軍打造超精準預測

3. 透過人工智慧,人人都能用手機監測天氣

4. 精準度高出同業6成被納入軍用,未來可望發射衛星⋯⋯

rainy_day-768x476.jpg

人工智慧、IoT導入,手機就是精準氣象台!

你是否感覺氣象預報好像不太準?

 

過去科學家透過蒐集各種氣象資料,分析氣壓、鋒面等天氣系統,建立出能夠運算大氣中空氣流動的數學模型,試圖掌握、預測天地間的風雲變化。然而氣象觀測的些微誤差會造成氣象預測的不確定性,而且隨著時間演進,預測的差異也會越大。

 

為了改善這些問題,美國一家智慧氣象科技公司「Tomorrow.io」採用人工智慧、大數據與物聯網 IoT 技術,讓每一隻手機都能變身成氣象觀測站,希望能夠提供比傳統氣象機構更為準確的預報。

 

「鬼門關前走一遭」促使退役空軍打造超精準預測

雖然現今社會已經不需完全看天吃飯、被氣候左右命脈,但天氣的變化依然會對現代人的生活造成劇烈的影響。

 

美國氣象科技公司 Tomorrow.io 打造「精準氣象預報」的初衷,就是來自於三位共同創辦人 Shimon Elkabetz、Rei Goffer 與 Itai Zlotnik 於故鄉以色列服役時,因為天氣造成的瀕死經歷。

 

他們三人在軍中時都曾經遭遇過突如其來的濃霧或大雨,不僅會影響能見度,甚至可能會危及性命。Shimon Elkabetz 曾在以色列空軍服役,一次飛行任務因為氣象預測沒能提前預警,讓他飛進能見度極低的雲層之中,飛機差點就失去控制。安全返航後,他心想:「真該有人來改進現在這種粗糙的天氣預報。」因此,他們開始思考能更準確地預測天氣的方法。

 

透過人工智慧,人人都能用手機監測天氣

經過了許多相關研究後,他們認為,如果要改善天氣預報的準確度,必須要讓現今的觀測儀器及方法有所突破。

 

目前大多數的氣象觀測儀器,如地面觀測站、高空觀測站、氣象雷達、氣象衛星及海上浮標等,目前全球約有 22,100 個氣象觀測據點,都是 50 多年前推出的。

 

那麼要如何才能大量新建、擴充觀測據點,又不需另外付出巨額費用呢?

 

三人想到了人手一隻、數以億計的手機、筆記型電腦等物聯網(IoT)裝置,為何不利用它們(人工智慧)來監測天氣模式的可能性。

 

例如:手機訊號品質會受到空氣中的溫度、濕度的變化而受到影響,如下雨的時候訊號會特別差,Tomorrow.io 便與電信公司合作,偵測手機基地台與用戶手機之間連接的訊號品質,除了能藉此推算出該區域的天氣,藉由 AI 分析這些訊號及天氣變化的資料後,即可用於預測天候,甚至可以預測哪些地方會出現降雨、歷時多久和雨量大小等資訊。

 

除此之外,也能利用路邊道路監視器畫面的明亮程度判斷雲層厚度;具有車聯網功能的車輛亦能藉由駕駛打開雨刷或霧燈、回傳當地正在下雪或下雨的訊號。

▲ Tomorrow.io 官方介紹影片。

 

精準度高出同業6成被納入軍用,未來可望發射衛星⋯⋯

這些新穎的預測方式成效十分良好,Tomorrow.io 稱他們的服務能精準到區分不同條街道天氣的細微差異、以分鐘為單位更新預報,並且比同領域的競爭對手準確度高出 60%。使用者遍布政府機關及民間企業,例如美國空軍、數間航空公司、Google、Uber、Intel、Amazon 雲端服務及 Fox 體育台等等。

 

但是他們並不滿足於此,團隊正準備發射一組配備小型雷達的天氣衛星,以增進他們的監測及預測天氣能力。Tomorrow.io 表示:「這是氣象產業歷史上的頭一遭,氣象雷達的覆蓋範圍將遍布全世界。」

 

Tomorrow.io 在 2021 年 4 月宣布他們在 D 輪融資中獲得了 7700 萬美元,並表示將利用這筆資金加速其 SaaS(Software as a Service,軟體即服務)的開發,並將繼續專注於增進 AI 與機器學習技術。

 

 

 

 

 

 

推薦文章:
你上傳圖片到 IG 的同時,其實也在幫 FB 訓練人工智慧!


2021最適合工作的科技公司排行榜:NVIDIA第一、Google第三,蘋果連前十名都無?


Facebook 開源 Python 語言的安全與隱私工具 Pysa


人工智慧打造「精準農業」種出完美蔬菜、進行牛臉辨識


比櫃姐更懂你!人工智慧為你打造客製化彩妝!


LINE CLOVA將進軍臺灣!靠人工智慧就能幫你訂位!(上)


人工智慧”MuZero”超強大,下棋.玩遊戲樣樣精!(上)

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!

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!

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)