布萊恩的創業小窩

為何 Meta 元宇宙 VR 的世界裡面沒有腿?真正的原因今天揭露! 目錄 咦？元宇宙中，我的人物沒有腿？ 加腿還是不加腿，談元宇宙虛擬人物失真的原因 別擔心，這只是開始！ 咦？元宇宙中，我的人物沒有腿？   想像一個情況：當你戴著  Meta  子品牌推出的  Oculus  Quest 2 頭戴式裝置，進入  Meta  的  VR  社交平台 Horizon Worlds 時，你創建了一個虛擬人物代表自己。可你卻覺得這個形象看起來不對勁——它沒有下半身，像個飄蕩的幽靈虛晃在 VR 的世界裡。 這是普遍 元宇宙 的  VR 世界 會遇見的困境，甫進入元宇宙的微軟，在其  VR  平台 Mesh for Teams 所創建的虛擬形象一樣沒有雙腿。你可能會好奇：為什麼我會沒有腿呢？ 加腿還是不加腿，談元宇宙虛擬人物失真的原因 Meta  的 CTO 博斯沃思（Andrew Bosworth）在帶領 XR 部門的期間養成了以 Instagram 限時動態即時問答的方式來和追蹤者互動。在日前（2 月 10 日）的問答中，他坦言為虛擬形象加上腿其實是一件困難的事情。雖然 Quest 2 能夠準確追蹤手部與頭部的動作，進而計算出手臂與胸部的位置，讓上半身的虛擬形象有較精準的運動表現；然而，其鏡頭和感測器的追蹤範圍仍然有限，胸、腹部等障礙物有時會阻礙鏡頭的視線，即使傾斜或轉動鏡頭，也只會看到空蕩蕩的下半身。 Quest 2 的定位技術是造成  Meta   元宇宙 內人物無腿的關鍵原因。 VR  頭戴式裝置的定位技術可分為 outside-in 及 inside-out 兩種，與依賴定位點裝置的 outside-in 技術不同，Quest 2 屬於無額外定位裝置的 inside-out 技術，僅依靠裝置本身感測與計算外部環境的變化，再用演算法計算出位置與方向。簡而言之，outside-in 依賴特別架設的感測器以捕捉更精準的全身運動軌跡，inside-out 則更依賴演算法的計算與模擬，故而做不到「追蹤全身運動軌跡」的...

面對 Meta 等社交平台可能即將成為散播假資訊的溫床,科技巨頭們都將如何應對?? 目錄 網軍奧步、抹黑攻擊…資訊戰怎麼打？ 網路平台成虛擬資訊新戰場 科技巨頭是否該介入資訊戰？ 烏克蘭和俄羅斯這次的衝突除了高科技之外，也結合了新型態的資訊戰。俄羅斯入侵烏克蘭時，一場資訊戰也透過社群軟體展開。對   Meta 、 Google 、Twitter 等社群平台來說，這些社交平台已經成為這場虛擬資訊戰的主要戰場。公司也被迫面對是否要對俄羅斯散播假消息進行內容審查，以及烏克蘭的社群平台面臨中斷等問題進行積極處理。 ｜ 推薦閱讀： 給人工智慧幾它給你完整文章！奇幻、科普、假新聞任你挑 網軍奧步、抹黑攻擊…資訊戰怎麼打？ 據國外報導指出，烏克蘭政府稱，在 2021 年一月到十月共遭受了大約 288,000 次網路攻擊。根據烏克蘭情報部門的說法，這些網路攻擊者的首要任務不是得到訊息或蓄意破壞系統，而是破壞當局的穩定和進行抹黑。如果政府連自己的網站都保護不了，又要居民如何相信政府能治理國家和保衛領土？ 為了進一步削弱烏克蘭政府的權威，這些網路攻擊伴隨著俄羅斯大規模的假宣傳活動。自 2015 年以來，歐盟已經收集並揭穿了 13,500 條假消息，這些假消息主要是為了加深民眾和政府之間的分歧，且 有近 40% 是針對烏克蘭的 。 網路平台成虛擬資訊新戰場 在俄羅斯入侵後，烏克蘭的政府官員們就開始向許多社群平台、通訊軟體公司尋求幫助。烏克蘭副總理呼籲  Meta 、Twitter、Youtube 和  Google  等科技巨頭共同抵制俄羅斯，並禁止於俄羅斯境內使用這些公司的服務。 ｜  推薦閱讀： 自家的人工智慧太會寫假新聞！馬斯克嚇到離開OpenAI？ 「我們需要你的支持，」烏克蘭副總理表示，「 2022 年，現代科技或許是對付坦克、火箭發射器和導彈的最佳答案。」 上週五（2/25），烏克蘭領導人要求  Meta  和  Google  限制俄羅斯境內的服務，隨即 Google 和 Meta 也隨即禁止俄羅斯的國營媒體在其平台上投放廣告營利。與此同時，俄羅斯和烏克蘭最多人使用的通訊軟體 Telegram...

今年度優良企業 Meta (前身臉書)被踢下神壇,NVIDIA成為第一,想知道原因,來看這篇文章怎麼說吧!! 「Glassdoor 排名」是什麼？職場透明化的指標！ 美國徵才與職場評論網站「 Glassdoor 」日前公布 2022 年最佳職場排名，繼 2021 年度奪得榜首之後，這次依然是  NVIDIA  蟬聯冠軍。 在 Glassdoor 問世之前，美國的職場遠不如現在開放與透明。Glassdoor 在每年度的最佳職場排名的報告中，藉由分析網站內上千萬條企業文化、薪酬、升遷機會與是否重視工作生活平衡等職場資訊，統整出該年度最佳職場榜單。 為了鼓勵用戶踴躍提供評價， Glassdoor  採取使用者貢獻制，用戶提供的評價愈多，則能查看的資訊也愈多。此外，為了保障資訊真實可靠，用戶註冊時必須使用公司信箱，Glassdoor 還為此建立一支獨立的人工審查團隊來確保不會有漏網之魚。 NVIDIA 再次奪冠，執行長決策功不可沒 2022 年，Glassdoor 的最佳職場榜單上，NVIDIA 仍蟬聯冠軍寶座。 疫情時代之下的職場型態更為彈性，企業文化、公司精神等軟性條件成為了現在求職者更為注重的面向。本次的最佳職場榜單中， NVIDIA  以 4.6 分（滿分 5 分）逆勢再次奪冠，成為 2021、2022 雙冠王，除了因搭上元宇宙熱潮而受到注目之外，執行長黃仁勳在疫情期間主張的「家庭優先」政策，確實執行彈性的管理模式，更受到員工普遍的認可。 綜觀 NVIDIA 員工對於公司的評價，如：優渥的待遇與福利、開放透明的公司氛圍、明確的職涯發展與值得員工追隨認同的公司願景佔大宗。雖然工作時程與同業相較可能更為緊湊，嚴謹的高規格要求容易導致員工產生較大壓力，然而，整體而言  NVIDIA  仍得到 95% 員工的看好與推薦！ 「元宇宙」反引發員工擔憂？Facebook改名Meta後爭議不斷，慘遭滑鐵盧 追隨元宇宙，祖克柏高調將 Facebook 改名為 Meta，卻失去了員工的信任、公司內部更不安定。 同樣搭上元宇宙（Metaverse）話題的  Meta （原 Facebook 母公司）拿到了 4.3 的評分，從 2021 年的第 11 名跌至第 47 名，排名不升反降了 36 個名次...

與其他人工智慧應用相比：FACT編舞能力一流 將 FACT 的性能，針對各個指標，與其他的 人工智慧 應用進行比較： 如上表所示，FACT 與三種最先進的編舞 人工智慧 應用（ Li et al 、 Dancenet  和  Dance Revolution ）相比，FACT 模型生成的動作更逼真，與輸入音樂的相關性更好，並且在以不同的音樂為條件時更多樣化。*注意的是  Li et al 生成的運動是不連續的，使得平均運動特徵距離異常高。 Google 還透過使用者研究，評估音樂與動作的相關性：讓每位使用者觀看 10 個影片，片中有一個 FACT 模型與一個隨機對照模型所生成的編舞結果然後讓使用者選擇哪個模型生成的舞步比較能夠與音樂同步。使用者共有 30 名，包含專業舞者以及很少跳舞的人。 結果顯示：81% 的使用者喜歡 FACT 模型生成的結果勝於 「Li et al.」的；跟 Dancenet 相比，71% 的人喜歡 FACT 勝過 Dancenet；跟 Dance Revolution 比較， 77% 的人也更喜歡 FACT。。有趣的是，75% 的參與者喜歡 AIST++ 未配對的舞蹈動作勝於透過 FACT 所生成的。這並不奇怪，因為最初的舞蹈紀錄具有很強的表現力。 定性結果 如下圖所示，與先前  DanceNet （左）與  Li et. al. （中）相較之下，使用 FACT 模型（右）生成的 3D 舞蹈更逼真，並且與音樂的相關性更好。 使用 FACT  人工智慧 模型生成更多 3D 舞蹈： 人工智慧發展下一步：為每首歌生成逼真舞蹈 Google 開發了一個 人工智慧 模型，可以學習音頻與動作對應的關係，還可以基於音樂，生成的高質量 3D 動作序列。由於從音樂生成 3D 動作是一個新興的研究領域，Google 希望此項研究成果能為未來跨模組「音頻-3D 動作」的生成鋪道。 透過這項研究，Google 還發布了迄今為止最大的 3D 人類舞蹈資料庫「 AIST++ 」——具有多視角、多種舞蹈形式、跨模態的 3D 動作數據集，不僅對 3D 動作生成研究有幫助，一般來說，也對人類理解研究幫助。Google 將在...

人工智慧學編舞，動作搭配音樂複雜度高 Google 正進行一項 人工智慧 研究，開發稱為「FACT （Full-Attention Cross-modal Transformer）」的模型，可以模仿、理解舞蹈動作，甚至可提高個人的編舞能力。 Google  研究團隊為了訓練該模型，也隨之發布一個大規模、多模態的 3D 舞蹈動作資料庫「AIST++」，包含長達 5.2 小時的 1408 個 3D 舞蹈動作序列，涵蓋 10 種舞蹈類型。都包含了已知相機位置的多視角影片，可生成逼真流暢的 3D 舞蹈動作。 Google  提到：雖然隨著音樂節拍編排出動作，是人類的本能；然而舞蹈是「需要練習」的藝術形式。專業的舞者都需要經過大量的、包含各式各樣舞步的曲目來訓練，才有編舞能力。這樣的訓練，對人類來說已不容易；對 ML（Maching Learning， 機器學習 ）來說更是難上加難。因為要使用 人工智慧 來實現編舞，需要生成動力複雜度高的連續動作，同時還要捕捉動作與配樂間的非線性關係。 人工智慧如何學舞？Google修正AIST舞蹈資料庫成教材 Google 從現有的  AIST 舞蹈影片資料庫（ 一組帶有音樂伴奏的舞蹈影片，但無任何 3D 信息）生成 3D 動作資料庫。AIST 包含 10 種舞蹈類型：Old School（地板舞 Breaking、機械舞 Popping、鎖舞 Locking 和 Waack）以及 New School（Middle Hip-Hop、LA-style Hip-Hop、House、Krump、Street Jazz 和 Ballet Jazz），雖然包含了許多舞者的多視角影片，但鏡頭都沒有經過校準。  Google  依研究人員的需求，根據常用的  SMPL  3D模型參數，修復 AIST 影片的拍攝校準正後的數值和 3D 人體動作，重建為「AIST++ 數位資料庫」，包含與音樂搭配的各種 3D 動作，並將上述十種舞蹈均勻地呈現在動作中、以每分鐘節拍 (BPM) 為單位涵蓋各種音樂節奏。每種舞蹈類型都含 85% 的基本動作和 15% 的進階動作（舞者自由設計的更長編舞）。 未經修正的  AIST 舞蹈影片資料庫 如下所示： Google ...

人工智慧編舞一把罩：FACT 模型 Google 使用上述的 AIST 資料庫，訓練 FACT 模型從音樂生成 3D 舞蹈。該模型先使用動作轉換器與音頻轉換器，分別對一段音樂與一個短的（2 秒）種子動作（seed motion）進行編碼。之後再將嵌入碼連接、發送到跨模型轉換器，該轉換器學習兩種模型之間的對應關係，並生成 N 個未來的動作序列。 然後使用這些序列以自我監督的方式訓練模型。在測試時， Google  將此模型用於自回歸框架，其中所預測的動作則作為下一個生成步驟的輸入。因此，FACT 模型能夠一個框架接著一個框架地，生成長時間的舞蹈動作。 FACT 網絡接收音樂片段 (Y) 和 2 秒的種子運動序列 (X)，然後生成與輸入音樂相關的長期未來動作。|圖片出處：Google AI Blog Google 用三指標評估 FACT 的性能 Google  依據以下所述之三個指標，評估 人工智慧  FACT 的性能： 動作品質：我們計算 AIST++ 資料庫中的「真實舞蹈動作序列」與 40 個「模型生成的動作序列」之間的  Frechet 起始距離 （FID），每個序列具有 1200 幀鏡頭（20 秒）。我們將基於幾何和動力學特徵的 FID 分別表示為 FIDg 和 FIDk。 生成多樣性：與 之前的工作（指 「 深度 慣性姿勢捕捉」：從少許的慣性量測中學習而重建人體姿勢）類似：Google 從 AIST++ 測試集中的 40 個「模型生成動作特徵空間」中，計算平均歐氏距離，用以評估模型生成各式舞蹈動作的能力。，接著再比較幾何特徵空間 (Dist g ) 和動力學特徵空間 (Dist k )。 Google 使用不同的音樂，來生成四個不同的編舞版本：Break、Ballet Jazz、Krump 和 Middle Hip-hop（右），但有兩秒是相同的 Hip-hop 舞蹈動作（左），這些相同的動作被稱為「種子動作」。|圖片出處：Google AI Blog 運動-音樂相關：由於沒有合適的指標來衡量輸入音樂（音樂節拍）與所生成的 3D 動作（動作節拍）之間的相關性。所以 Google 提出了一種新的「節拍對齊分數 (BeatA...

過往收集不到的觸覺，ReSkin 做到了！人工智慧發展大突破 為了展現 ReSkin 的實用性、並展示它如何幫助研究人員，利用過往難以收集到的各種觸覺數據，以推進 人工智慧發展 的， Meta AI  在下列幾個不同的試驗中，展現 ReSkin 突出的實用性： 像人類般，完整拿取藍莓、葡萄等脆弱的水果 ReSkin 擁有絕佳的觸覺感知能力，可用於研發「訓練 機器人 用鑰匙打開門、抓住葡萄或藍莓等精緻物體」的人工智慧。 上面影片是測試當機器夾爪抓起脆弱的藍莓時，無安裝 ReSkin 以及有安裝 ReSkin 的差異： 影片一開始是沒有裝 ReSkin 的對照組，單單透過夾爪的內建力道感應拿起藍莓，不但容易破壞水果，也無法完成採樣與評估力道；而影片的後半段顯示：只要透過 ReSkin，它就卻能夠好地感應力回饋以控制抓取力道。 ReSkin 做成狗鞋子，蒐集動物於野外活動的觸覺資料 ReSkin 製成狗的鞋子，蒐集狗在野外行走的觸覺資料。其感測器可追踪狗在休息、行走、跑步的施力大小與方向。 ReSkin 做成手套，捕捉人類用手接觸物品的力道 ReSkin 同時可用於感測人類與物體交互過程（例如用手拿起東西、或是推東西）中，所施予的力道大小。影片中，研究人員在右手食指放置了一張 ReSkin 皮膚和一塊電路板、並戴上橡膠手套製作紅豆麵包時。過程中，感測器測量、並輸出數據。 大範圍面積的接觸定位 ReSkin 還可以按比例放大，在更大的表面積上進行接觸定位。有些模型建構，是需要知道目標位置在哪裡的。例如：要訓練 機器人 靠近地面撿起物體，則需要知道它要從哪裡接觸物體、要用多少力道。而 ReSkin 可在大範圍面積上接觸定位的特性，有利於建構此類模型。 ReSkin 未來在人工智慧的應用 Meta AI  研發了具有細膩觸覺感知的 ReSkin，低成本、靈敏度高且能恆久使用。柔軟的外皮，像繃帶般容易更換，換後可以立即使用——這是一個強大的 人工智慧 工具，可以幫助研究人員建立多種 人工智慧 模型。 Meta AI  進一步表示：希望將觸覺感知作為 人工智慧 研究的一個領域，並大力推進。除了 ReSkin，他們還同時宣布處理物件觸覺的開源生態系統...

在元宇宙也有觸覺! Meta 養成 ReSkin 人工智慧模擬真實肌膚感知 讓臉書 CEO 祖克柏​​熱血沸騰的「元宇宙」（Metaverse）新虛擬世界，目前是以有限的形式存在，我們只要戴上  VR  眼鏡便可抵達！祖克柏日前更將  Facebook  母公司改名 「 Meta 」，展現將「元宇宙」深入現實世界的野心！緊跟著「元宇宙」的腳步，祖克柏在十一月宣布：自家公司研發了新的觸覺感測器「ReSkin」，質感如真人皮膚，可安裝在  AI 機器人 身上、​​收集 人工智慧 的觸覺資料。 祖克柏：人工智慧皮膚ReSkin，讓我們離「元宇宙」更近 根據祖克柏日前在  Facebook  的貼文所述，自家公司「 Meta 」設計了高階觸控感測器 ReSkin；並與引導全球人工智慧趨勢的「卡內基美隆大學（Carnegie Mellon University）」合作，創造 機器人 及穿戴式裝置專用的塑膠薄皮膚。這能「帶領我們，進一步邁向『元宇宙』擬真虛擬物件與實質肢體的互動」。 Meta AI  （前身為 Facebook AI）的研究人員與卡內基美隆大學合作研發的 ReSkin，快速、大規模地提升了 人工智慧 夠在感測器和系統間共享數據。 Meta 將發佈 ReSkin 的設計、相關文檔、代碼和基礎模型，讓人工智慧的研究人員毋需搜集或訓練他們自己的數據庫，就能立即使用 ReSkin。如此一來，反而有利於提高人工智能的觸覺感應技能。 ReSkin觸覺感應範圍廣，助人工智慧執行高靈敏工作 人造皮膚 ReSkin 能感應到的觸覺非常廣泛，這優點幫助 人工智慧 能進行多種以觸覺為主的工作，包含物件分類、肌肉運動知覺（本體感覺）和 機器人 抓取等；另外，訓練過觸覺感知能力的 人工智慧 模型，有能力從事需要高度靈敏度的工作，如醫療保健機構的工作、或是需要更高靈巧度的工作：如操作小的、柔軟的、敏感的物體等。 ReSkin 還能與其他的感測器結合，在實驗室外等不可控的非結構化環境中，搜集視覺、聽覺和觸覺的數據。

不到3mm的輕薄柔軟、不到6美元的低成本 由於人工智慧應用與技術的研發，往往需要巨量的數據來產生機器學習模型。所以致力於 人工智慧發展 的  Meta AI  部門，對觸覺 sensor 的需求大。 過往 機器人 皮膚需要內建電子設備，來監控皮膚與表面接觸時產生的電流變化。然而厚度不到 3mm 的可塑型皮膚 ReSkin ，只需要靠近監控設備即可，這意味著我們可以花更低的成本屬於，偵測到寬度不到 1 釐米、力道僅 0.1 牛頓的物件。 Meta  研究科學家古塔（Abhinav Gupta）說：如果生產 100 件以上的 ReSkin，則每一件的材料成本將低於 6 美元。皮膚的薄度可以重複使用 50000 多次，就算磨損，也非常容易搭上磁性粒子替換（更換過程如下方影片所示）。 90%的精確度，能搜集到過去無法得知的數據 ReSkin 的時間解析率高達 400Hz，1 毫米的空間解析度則有 90% 的精確度。這種精準度使其在元宇宙上能具備多種應用，像是機械手臂、觸感手套、袖套、以及任何能追蹤走路、跑步、運動和休息的鞋子（寵物也可用）等，因此它可協助研究人員蒐集過去無法得知的多種觸覺資料。此外，ReSkin 還提供高頻 3 軸觸覺訊號，可執行靈巧的操作動作，如丟、抓、拍手、滑等。 古塔認為這是未來。他說：「當你戴上這些耳機時，你想要產生愈來愈豐富的體驗——而關鍵是觸覺。」 ReSkin的人工智慧原理-磁場x影像SENSOR打造擬人觸覺 依 Meta AI 的研究科學家古塔（Abhinav Gupta）等人的撰文內容表示，目前希望這樣的觸覺感知能力賦予在 AI  機器人 身上，使其獲得更人性化的互動方式。例如：機器手臂順利地拿起桌上的蛋，而不會施予過度的力道讓蛋破碎。 當研究人員想要賦予機器人觸覺時，首先想到的是能不能也給機器人跟人類一樣的皮膚，讓 機器人 全身都有觸感？紐約大學電腦科學的助理教授 Lerrel Pinto 表示，獲得可信賴的觸覺感知數據，是目前機器技術的重大瓶頸。現有的感應器很昂貴、解析度差且重量不輕，ReSkin 將克服以往的這些問題。 ReSkin感測器－內建磁性顆粒，一摸就生成磁場 由 Meta AI 的合作對象——卡內基梅...

【前情提要】 Facebook 表示：比起跟人類談心，有近五成的用戶表達他們更喜歡跟自家的人工智慧「Blender」聊聊！然而當「Blender」被安排與女性的聊天 AI「Kuki」約會時，Blender 卻失控秒變媽寶，甚至稱 Kuki 為媽媽 ，不斷跳針脫序演出（詳情請看 上篇 ）⋯⋯Facebook 為「雪恥」，趕緊將 Blender 「進廠維修」，升級後推出「BlenderBot 2.0」⋯⋯新版本的 Blender 有哪些亮點，讓他成為更能與人連結的人工智慧？ 牢記你說過的、聽不懂還會主動找答案的AI BlenderBot2.0 為了減少類似這樣的尷尬對話發生，在 2021 年， 臉書 團隊推出了他們改進後的聊天 機器人 ──BlenderBot2.0。 2.0 與舊版最大的不同之處在於，Blender 多了「長期記憶」與「即時搜尋」功能。 在長期記憶方面，BlenderBot2.0 能夠記住自己與對方曾經說過什麼，在未來，若遇到相關話題時，能夠接續話題而不會產生自相矛盾的狀況，避免對談者要將說過的話再重複一次的窘境。 而若是碰到  AI  不太了解的話題，BlenderBot2.0 現在也能夠即時到網路上搜索相關資訊，並以這些資訊來回應、延續，或開啟新的話題。 Blender2.0 版本多了記憶與網路搜尋功能。來源：ai.facebook.com 如此一來，能夠減少言不及義的狀況，讓聊天 機器人 表現得更像人類，畢竟像上網搜尋等等，也是真實人類日常聊天時會做的事。 為了強化新的聊天  AI ，臉書也在外包平台上發布任務，邀請網友一同來共襄盛舉。 這些任務包括：間隔幾小時、幾天後，針對同一話題接續討論；以及根據對方所提出的興趣話題，搜尋相關資訊後接續對話。臉書再收集這些數據與對話，進一步來提升聊天機器人的自然度。 網路陷阱多！AI與老司機對話後仍「保有道德」的挑戰 從網路上找尋資訊，或是和真人網友學習對話，看起來是個好方法，但同時也潛藏著巨大的隱憂。 雖然這樣能夠教會  AI  如何回覆一段對話，但如一個人的是非對錯、價值觀、道德觀往往體現於他的言談之中，想要讓 AI 在接觸到網路上的情色、暴力、歧視等資料後還「保有道德」，似乎還是一項挑戰。 例如微軟的聊天 AI Tay，在網路上僅推出一天，就開始說出「希特...

有時心直口快不得體？AI人工智慧當你的垃圾桶！ 你喜歡在網路上用訊息跟朋友聊天嗎？ 從 Line 到  Facebook  Messenger，現在的通訊軟體讓人們彼此之間的聯繫更方便、緊密，也讓「即時聊天」成為了現代社會日常生活中的一部份。 但是，有些時候當正好能聊天的好友都在忙、不方便傳訊息，或是有些話題不適合向認識的人傾吐，又該怎麼辦呢？ 或許之後，你可以考慮讓  AI  當你的垃圾桶！即使它本質只是冰冷無感的 人工智慧 ，但是可避免你將不恰當的話語傳達出去。畢竟有些暫時抒發的話語，不適合傳達給有血有肉的人聽！ 微軟「接地氣」，依國家推不同的聊天用人工智慧 在 2014 年，微軟亞洲網際網路工程院便在中國推出過一個  AI   人工智慧 聊天 機器人 ，取名為「小冰」。 小冰的目標是運用演算法以及大數據等技術，建立感情計算框架，藉此透過文字與網友們進行互動，曾在中國的新浪微博、騰訊 QQ 和 WeChat 等平台登錄上架。 除了中國的小冰，微軟也「因地制宜」，在世界各地推出不同的聊天機器人──如：美國的 Tay 以及升級版的 Zo 、日本的 Rinna、印度的 Ruuh 以及馬來西亞的 Rinna 等，眾多的  AI  機器人，顯示微軟對相關領域的重視。 其他科技巨頭也不會讓微軟專美於前，Google 也曾開發開放領域聊天 AI 機器人，名為 Meena。 根據 Google 的說法，Meena 擁有 26 億個參數的神經對話模型，能夠提出更為合理、具體的回應，與人們進行各種不同話題的對話。 Google的聊天機器人 Meena 。來源：Google AI Blog 和真人相比，49%用戶更愛跟FB的AI「Blender」談心 作為矽谷巨頭之一， 臉書 也不落人後。開發出開源聊天  AI   機器人 ，名為「Blender」。 臉書曾在去年表示，Blender 是目前全球最大的開放領域聊天機器人，總共有 94 億個參數模型，能夠展開 14 輪自然的對話。 Blender 除了以大量的資料來進行訓練之外，也加入了其他特殊元素，例如：獨有的個性、能夠使用知識回答問題，並且可以展現出同理心，以保證能打造出令人舒適的對話方式。 不過，Blender 也不是臉書第一個打造的...

人工智慧 確實是個方便又快速的審核官,但面對它的出包有,我們需要再多觀察..   目錄 臉書用人工智慧防仇恨與色情貼文 洋蔥、乳癌防治文宣被誤殺？ 「洋蔥」貼文因「太過性感」，躺著也中槍？ AI 能分辨裸露與色情的不同嗎？ AI 人工智慧審核的利與弊？ 臉書用人工智慧防仇恨與色情貼文 洋蔥、乳癌防治文宣被誤殺？ 擁有超過 30 億活躍用戶、世界 24％人口每天都要使用的  Facebook ，一直以來試圖消彌平台上層出不窮的假新聞、仇恨言論與成人裸露內容等等。 為了即時防範、刪除這些違反平台守則的內容， Facebook  透過 AI  人工智慧 技術，分析貼文或留言中的文字、照片和其他細節，考量貼文整體的背景資訊，辨識出違規內容，再於以刪除。 根據  Facebook  在 2020 年發佈的《社群標準執行報告》顯示，AI 工具對於打擊違反社群平台守則的言論成效十分顯著：在 2017 年末的時候，臉書能發現並下架的違規言論，比例只有 24％；而 2019 年末，則上升到了 80.5％；在 2020 年的第4季，AI自動偵測系統已經可以發現97％的違規言論。 然而，即使  Facebook  持續改進並讓 AI 從新資料不斷地學習，依然有幾項被 AI「誤傷」的例子，讓我們重新思考起自動審查的利與弊。   「洋蔥」貼文因「太過性感」，躺著也中槍？ 2020 年 10 月，一間加拿大種子公司 EW Gaze 為了替產品宣傳，在  Facebook  發佈圖文並茂的廣告，推銷甜味洋蔥的種子。然而，不久後卻收到臉書通知將廣告刪除，理由竟是因為「Overtly Sexualized」（帶有明顯性暗示）。 洋蔥廣告因被辨識為「太過性感」而遭下架。圖片來源：EW Gaze Facebook 專頁。 收到  Facebook  的下架通知後，公司經理花了一點時間才終於理解原因 ── 大概是因為洋蔥渾圓的外型，被臉書的審查 AI 誤判為「乳房或臀部」。後來經過申訴後，Facebook 恢復了這則廣告，並向他們表達歉意。 「過去使用  AI...