当前位置:首页  科技

科技

AI趋势周报第130期:误差一公尺以下三星AI开发室内精準Wi-Fi定位方法FiDo

2021-02-20 08:07:42

三星AI团队日前发表一套室内Wi-Fi定位方法FiDo,由资料增强器、变异自动编码器和领域适应分类器组成,可精準预测室内特定人物的移动轨迹。

图片来源:

Samsung AI

重点新闻(0501~0507 )

  三星    WiFi     室内定位  

误差一公尺以下!三星AI开发室内精準Wi-Fi定位方法FiDo

三星AI研究院日前发表一套室内精準定位系统FiDo,利用室内Wi-Fi讯号和AI演算法,来精準定位使用者的即时动态,误差可至一公尺以下。研究团队表示,该技术可用于智慧居家照护,比如跌倒侦测或辅助现有智慧家庭装置。

进一步来说,现有Wi-Fi定位系统可分为两种,一是根据装置讯号来定位,另一种是无装置定位,也就是根据人体移动对Wi-Fi讯号造成的干扰,来描绘出移动路径。虽然无装置定位受到青睐,但却容易发生定位不一致的问题,特别是在室内多人的情况下。

为此,团队开发一套演算法来辅助FiDo,这套演算法可在非监督情况下学习新输入值,为不同人产生可靠的定位资讯。在整个FiDo系统中,资料增强器会先根据收集到的Wi-Fi定位轨迹,来合成更多不同的轨迹,再由变异自动编码器来找出统计特徵值。这个方法,可根据一、两位使用者产生的轨迹,再创造出一群虚拟使用者轨迹,让系统能更精準定位新进的使用者。此外,FiDo还有一个领域适应分类器,可以预测不同领域的位置,不论是经标注的使用者资料还是新进、未标注的资料,都可以预测。经测试,FiDo比现有的进阶定位系统都还要精準,召回率和精準度分别达到84.6%、85%。(详全文)

LinkedIn     面试问题     自动生成  

LinkedIn发表面试问题产生器,要助HR快速找对人

LinkedIn发表一套AI工具Job2Questions,可根据职务内容来自动产生面试问题,以进行第一波筛选。LinkedIn在一项调查中发现,企业以电话初步筛选求职者时,通常有70%会漏掉申请人与职务的基本资格。而近日受新冠(COVID-19)影响,不少企业表达愿意透过AI,来完成面试的初步筛选。

为此,LinkedIn开发这套工具,可根据职缺说明,产生高度相关的问题。进一步来说,Job2Questions会将职缺说明拆解为句子,然后转换为问题样板与可能的回答(也就是变数),比如「是否取得xx等级的学历」和「学士」。再来,系统会将这些句子归类至人资专家设计的样板,并利用连结系统来侦测回答。之后,Job2Questions还有一套网路,来进行文字的语意分析,最后再由排名模型,从中挑出最佳问题。

为验证模型,LinkedIn也进行两周实验,发现只有18.67%未正确回答AI生成问题的受试者,被HR专家评为合适人选。团队指出,该工具的最大价值,在于能找出求职者履历中未填的关键资讯。(详全文)

  三军总医院     视讯诊疗    语音转文字  

三总藉助视讯导诊,还有AI语音转文字自动纪录病历

在新冠(COVID-19)期间,为避免不必要的接触,三军总医院打造视讯诊疗服务,让患者不必到医院,也能享有看诊服务。该服务不需下载App,患者透过原本的挂号系统,就能接收医院发送的视讯连结,与医生互动。在该视讯诊疗平台上,医生也可查看患者的相关检验纪录和居家监测数据。

此外,该系统结合AI语意分析,可同步将医病的主诉纪录,自动转换为文字病历,储存至看诊平台。未来,三总也计画串接影像线上说明,让患者透过影像说明更了解自己的影像检测结果。

  IT异常事件   OpenShift       IBM  

IBM推出IT异常事件检测工具,要助CIO掌控企业IT动态

IBM日前在年度大会上推出企业IT异常事件检测工具Watson AIOps,锁定基础架构层,不仅能自动即时检测IT异常事件,还可以诊断和回应,避免意外故障和业务中断。IBM指出,Watson AIOps可在混合云环境中执行,也支援新版红帽OpenShift平台,以及企业协同工作平台Slack和Box等。

Slack执行长暨联合创始人Stewart Butterfield就举例,Slack结合Watson AIOps后,可促进IT维运人员协同合作,直接对异常事件提出解决办法。另一方面,IBM这套工具也能与传统IT监控解决方案商整合,比如Mattermost、ServiceNow。(详全文)

 

 

  R    导入字串    程式语言  

R 4.0.0来了!导入字串将不再预设为类别变数

资料科学热门语言R推出最新版本4.0.0,除了修复不少臭虫,还有许多重大更新,甚至可能影响R计算结果,因此在执行旧版本撰写的脚本时,还需先验证,也要重新安装套件。

新版最重要的更新,就是导入的字串资料,不再被预设转换成类别变数(Factor)。旧版stringsAsFactors的选项会预设为True,因此导入的字串资料会被转换成Factor物件,但在新版中,stringsAsFactors的预设则是FALSE。其他更新,还包括新增用来指定原始字符字串的新语法,比如类似C++的表示法r"(...)";此外,新版强化了参照计数系统,R能尽量收回记忆体,减少R整体记忆体使用量。(详全文)

Cloud 脸书    聊天机器人    Blender  

脸书开源94亿个参数的强大聊天机器人Blender

脸书AI团队日前开源一款聊天机器人Blender,号称是全球最大的开放领域聊天机器人,不仅採用94亿个参数,还能在14轮的自然对话中,发挥个性、知识与同情。团队指出,这是全球第一个,可学习融入不同对话技巧的聊天机器人。

经人类评鉴,Blender在交流的能力上凌驾既有最大系统Meena,也更人性化。虽然如此,脸书也坦承现在的版本,仍与人类级的对话有所差距,比如出现矛盾、重複等问题,未来将透过调整架构、损失函数,来改善对话品质。此外,开发者也可透过脸书的对话研究平台ParlAI取得Blender,来微调或执行各种评估。(详全文)

Google   表格资料    自然语言 

表格查询更简单!Google开源可以自然语言查询表格的新方法TAPAS

Google利用自家自然语言处理技术BERT,开发出可处理表格资料结构、回答表格内容查询的新方法TAPAS。TAPAS不只能处理单一表格类型,还能应用到广泛领域的表格。

Google指出,许多资讯以表格的形式储存,但要以自然语言查询,须先把自然语言问题转换成SQL查询,这种方法有许多限制,如只能处理特定表格,难以扩展。因此,Google着手处理查询问题的方法,利用BERT开发出可将问题和表格内容逐行编码的模型。为进行预训练,团队从英文维基百科中,撷取了620万个表格文字配对,让模型学习恢复表格或是文字中,遭移除的单字。之后,团队利用弱监督方法微调。经测试发现,TAPAS在SQA资料集中的表现,比高阶模型(SOTA)高了12.1分。(详全文)

TensorFlow     机器学习     Runtime  

TensorFlow推出新Runtime,要来支援运算需求

Google推出TensorFlow RunTime(TFRT),能大幅提升推理速度、简化TensorFlow堆叠。虽然TFRT还在初期阶段,但已整合至TensorFlow专案中,开发者可选择启用,未来则会成为预设Runtime。

Google指出,TensorFlow五年前出现时,是要简化在不同装置上,建置和部署机器学习模型的过程。但目前,机器学习生态系已大有不同,计算需求大幅增加。这次推出的TFRT,具备可扩展性和模组化特性,其平均GPU预测时间比旧式Runtime快上28%,能改善机器学习应用的效能,或是让硬体製造商以模组形式,将TensorFlow整合进边缘装置和资料中心。(详全文)

图片来源/Samsung AI、LinkedIn、三军总医院、IBM、Google、TensorFlow

 AI趋势近期新闻 

1. OpenAI发布可自创歌曲的机器学习框架Jukebox

2. Google推出用于可方便探索新冠科学文献的工具

资料来源:iThome整理,2020年5月

版权声明:转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本网联系,我们将及时更正、删除,谢谢您的支持与理解。