3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
How will Artificial Intelligence and Internet of Things change the world.
今日主題 智慧城市\智慧建築家庭\智慧生活\醫護新科技
智慧生活應用科技
|
2019年6月28日 星期五
．電腦會揀花生，AI 會做垃圾分類
Sorting Scrap Metal with ZenRobotics Heavy Picker 2019
 |
來源：算力智库
一週五天，環保資源回收車與垃圾車，幫我們清運回收資源與垃圾。回收資源與垃圾要怎麼分類？這些國家的 AI 垃圾分類技術也許可以回答您～
【媒體觀點】
小編認為，建立全自動化無人垃圾智慧分揀系統，把垃圾中的資源分類歸集，循環利用，將是利國利民的重要事業。目前，全球有很多自動分揀企業，主攻「垃圾智慧分揀」技術與應用，並已取得了很大成績。
本文將透過對 ZenRobotics、FANUC 和 Rocycle 三家代表性企業/機構的分析，展現各個「垃圾分類流派」的產品特性、工作方式以及性能效率。
1 芬蘭： ZenRobotics 垃圾分類系統
ZenRobotics 是一家專門從事，人工智慧控制機器人系統的高科技公司。同時，也是機器人垃圾分類技術的領先供應商。
產品特性：針對性設計，專業領域強
ZenRobotics 的垃圾回收設備 （ZRR） 是全球首個機器人垃圾分類系統。ZRR 可同時進行混合型垃圾分類、有用垃圾分類和無用垃圾分類。此外， ZRR 根據垃圾種類的不同：建築拆遷垃圾、木材垃圾、運輸垃圾、紡織垃圾和廢金屬垃圾，進行了不一樣的設計。值得一提的是，ZRR 在建築垃圾分揀領域上，處於領先優勢。（這樣的創新，在台灣為何少見？）
工作方式：基於人工智慧的視覺分析系統
① ZRR 感測器單元對垃圾流進行掃描
② ZRR 大腦控制軟體用於分析數據和控制機器人
③ ZRR大腦可辨識各種材料、物體和抓取位置
④ ZRR 智慧抓取器可選取所需的物體
⑤ 機器人對同一位置的多種碎物進行分類
性能效率：高性能，高效率
ZRR 可對重達 30 公斤的大型重物進行分離，每小時選取次數最高可達 4,000 次。一天就可以處理 2000 噸垃圾，相當於 48 個人的工作量。 ZRR 還可同時進行混合型垃圾分類、有用垃圾分類和無用垃圾分類。與人工相比，30 萬噸的年處理量使用機器人分揀，可提升 40％ 的效率。
2 日本： FANUC 視覺分揀機器人
FANUC 是一家歷史非常悠久的數控系統公司，早在上世紀 70 年代，已是世界上最大的專業數控系統生產廠家。有意思的是，它可能是目前世界上，為數不多由機器人來製造機器人的公司。
產品特性：小而靈巧，辨別力強
FANUC LR Mate 200iD 是公司旗下的明星產品。它的特點在於對垃圾精細的辨別和分析能力。例如，分析出木材的品質，分辨出聚合物和塑料的區別等。
工作方式：基於人工智慧的視覺分析系統
FANUC 為分揀機器人，設計了一套廢舊物品自動回收技術，由人工智慧（多層神經網路）及分揀系統組成。視覺系統用於獲取物品的視覺資訊，下一步便是利用人工智慧，對物品進行鑒別。根據物品的化學成分、大小、價值和位置，來確定分揀的優先級，確保取得最優結果；判斷完畢後，機器人便可進行分揀。
性能效率：需多個機器人協同操作
由單個機器人，進行分揀操作效率較低，速度較慢，也有很多物品被遺漏了下來。但在實際流水線工作中，多台機器人同時進行工作，遺漏下來的物品，就微乎其微了。
3 美國： Rocycle 觸覺分揀機器人
不同於前兩個公司屬性，這款名叫 Rocycle 垃圾分揀機器人，是美國麻省理工學院電腦科學和人工智慧實驗室開發，屬於「學院派」產物。
產品特性：觸覺分析，穩定抓取
與 FANUC 的分揀機器人不同的是，這款機器人並沒有使用視覺分析系統，而是使用了觸覺，作為檢驗材料的方法。在分辨兩個外表幾乎一致，但材料不同的物體時，觸覺系統比之視覺分析系統，有著更加精準的表現。並且由於是軟體抓手緣故，它可以更輕鬆的抓起各種形狀不規則的物品。
工作方式：基於人工智慧的觸覺系統
在分選過程中，機器人會對物體進行掃描，並透過感測器測量物體尺寸。使用其機械手臂上的兩根柔軟手指，擠壓物體以完成抓取，而手指上的壓力感測器，能夠測量抓住物體所需要的力，並以此確定材料剛度。最後，將掃描結果與壓力感測器，獲得的數據相互對比匹配，分辨出物體材質後， Rocycle 會將其投入正確的垃圾箱。
性能效率：性能有限，效率平平
基於材料的特性，及研發的「手性剪切拉脹」技術。 RoCycle 機器人，其手允許設備使用常規電機，而非像其他軟體機器人一樣，使用昂貴的空氣泵和壓縮機。但在準確率方面，靜止狀況下的準確率能達到85％，在模擬傳送帶上，準確率也能達到63％。就一項「另辟蹊徑」的技術而言，它還有足夠多的上限空間，可以期待被挖掘。
 |
| 台灣區電信工程工業同業公會 |
 |
．IBM 科技預測：5 年改變人類生活五項技術
IBM on its '5 in 5' predictions for 2019
 |
來源：TOP产业办公研究院
每年初，IBM 按照慣例會發佈五項被認為會在接下來五年中改變人類生活的科技。
從 2006 年開始已經推出的 55 項預測中，很多已經變成了現實，例如遠端醫療、可降解塑料，以及智慧手機等，這些技術深刻的改變了我們的生活和工作方式。
而今年的 5 in 5 更多了一些「人間煙火味」，聚焦在食品這個話題上。在接下來五年內，地球人口將首次突破 80 億大關，人類複雜的食品供應鏈，已經在面臨氣候變化，和水源短缺的巨大壓力，為滿足未來龐大人口的需求，研究人員們正在探索各項新技術、新設備和科學突破，努力以全新的方式思考食品問題。
於是，在今年的 5 in 5 領域，不同領域的科學家，圍繞食品的生產、供應鏈、安全、檢測、包裝回收等五大方面展開，揭秘背後所運用到的科技，拭目以待未來五年科技，如何改變我們賴以生存的食品、農業和環境。而這些技術，將幫助我們「溫柔以待」共同的地球家園。
預測1 數位農業「數位孿生」
用更少的資源養活更多的人口
到本世紀末時，地球人口將增加 45％，而可耕種的土地面積則會減少 20％，此外，這些可耕種土地的利用效率可能並不高，由於種植方法不當，全世界有一半的農民，在收割後都會面臨一定的損失，隨著食物需求量不斷增加，目前的耕種模式，必須加以改進才能滿足需求。
用一杯咖啡舉例，它來自於咖啡農場主辛勤的耕耘，在資訊科技還沒有滲透到農場的時代，咖啡農場主與農村合作社，或其他農場主交換資訊十分不便，如果去銀行貸款，也要經過很長的週期和很多的審查。
為此，IBM 認為，為全球農場打造一個「數位孿生體」或「虛擬模型」，將能夠幫助農業應對這一挑戰。這一技術可將農場數據進行共享，讓農業各參與方分享想法、研究和材料，交流全球農場和作物生長相關數據，並與食品供應鏈相互聯結。
IBM中國研究院院長林詠華介紹，IBM 研究人員透過對農場，進行全方位的數據採集，建構出農業決策平台，針對農業建構的虛擬模型——數位孿生——它實際是對真正耕作的農場，進行數位複製，進行 360° 的數位呈現，在融合高精度的衛星數據，進行多方位的深度學習後，決策平台可以在 10 平方米的範圍內，預測農業收成，進行農作物的健康管理。
例如 IBM 在肯亞正在研發相關技術，力圖利用感測器、根據地下水開採數據，分析當地作物的供應與需求規律，在把衛星圖像、全球氣候數據，以及全球上千萬個大氣壓感測器，以及實體模型綜合的建模，不僅可以幫助農民，去預測土壤裡面的濕度，進行灌溉的管理，以及預防乾旱，還可以幫助政府，更好的做出決策，幫助食品供應商預測收成，讓衛生部門盡早進行可能的病蟲害預防。（台灣農產運輸也需要這個）
更進一步，決策平台還可以與農業創業公司合作，開發出數位錢包，可以讓整個農業價值鏈中的，各方隨時捕獲、追蹤和共享數據，因此農民們可以很快的，從銀行獲得貸款，或其他金融服務。
除了農業領域利用數位孿生子技術，其他各行業其實都可以建構本領域的數位孿生，進行更高效的數位化重塑進之旅。
預測2 資訊透明預警
利用區塊鏈減少食品浪費
在接下來的五年之內，我們將能夠消除食品供應鏈中許多不為人知的浪費現象。
據統計，每年全球有三分之一的食物，近一半的水果、蔬菜被浪費，其中絕大部分的損耗，發生在運輸、包裝、儲存、分銷、零售等環節。
用大家都熟悉的橘子舉例，因為食物供應鏈中的問題，每年全球有超過 1500 億個橘子，在還沒有放到餐桌之前，就已經腐爛，被浪費的不僅僅是橘子，更有為了生產這些橘子所投入的人力、資金，以及土地、能源、水等寶貴的自然資源。
浪費問題，一部分因為沒有辦法追蹤食物腐敗的情況，一部分因為食品供應鏈過程中，資訊不透明、資訊不積極響應，同樣農民在決定種多少、收多少時，往往只能憑猜測行事，商販們也只能根據不完整的資訊，預測顧客需求和購買行為。
林詠華表示，IBM 研究人員利用網路、區塊鏈、物聯網和人工智慧，把食品供應鏈中的相關方，聯繫在一起，共享幾百萬種食品供應鏈的環節，幫助把食品供應鏈進行全新的優化，讓運輸、溫度、濕度、地點等重要資訊，能被即時監測，食品損耗可以大幅減少，最終擺上餐桌的食物也會更加新鮮。
這一技術下，區塊鏈將幫助即時記錄，整個食品供應鏈中，從種植到市場預測，再到供給的各種數據，物聯網技術幫助採集食物重要的資訊，包括新鮮度，是否受污染，甚至可能的造價，最後利用人工智慧技術，把整個系統的數據進行分析，來預測消費者的需求，除了整體上對種植、生產，以及分配進行更好的決策和預警，或許還將有更具價值的洞察產生。
預測3 繪製微生物組基因圖譜
保護我們免受食品中的有害細菌
微生物與人類一直共處並無處不在，其中有些對人體無害，有些則不然，如何來辨別它們，並利用它們來為人類服務，要實現這一點，必須先瞭解它們與人類健康的關係。
據統計，全球每年因誤食，受過污染的食物而生病的人數多達6億，目前，專業的食品檢測，還需要特別複雜的流程和步驟，傳統測試要花費數天時間，而且只能證明某一種致病細菌是否存在，因此 IBM 的科研人員正在研究，一種新的更具預測性的方法，來進行食物檢測，希望可以幫助人類更加迅速的、更加清晰地去瞭解，食物裡是否含有病原體。
利用 DNA 和 RNA 測序技術，研究人員也許不久，便能掌握各食品生產地，和運輸地的微生物情況，這些分析結果，可以用來探測微生物群中，是否存在異常，如某份豬肉香腸樣本中，突然出現了一種意料之外的致病細菌、或者微生物群的整體構成發生了變化等等。
研究人員可以隨時利用基因測試，在食品的生產和流通的環節，去描繪生物組，再透過微生物，龐大的參考數據庫得到模型，在很短的時間內，去分析食物裡是否存在，對人類有害的微生物。
IBM 建立了超過 500 TB 的，食物複雜微生物群的參考數據庫，它包含過去 20 年裡，人類發現的所有微生物基因數據，因此，憑借 TB 級的龐大的基因數據，我們可以很有效區分有害與無害的微生物，同時 IBM 的科學家，還開發了專門輔助微生物研究的雲端服務，可以有效的開放給各個領域的科學家，進行研究合作。
預測4 餐盤偵探
人工智慧傳感測器探測病原體
在接下來五年之內，全世界的農民、食品加工商、零售商、以及在家做飯的人，都能不費吹灰之力地，查出食物中是否存在危險污染物，食品的檢測將不再需要幾天，而是幾秒即可完成。
所有的物品和物質，都有自己獨特的光學圖案，借助光譜儀辨識光學圖案，便能知悉這些物質，但光譜儀非常龐大而且昂貴，無法被日常使用，IBM 開發了一款功能強大、小巧便攜的光學分析儀，可以與手機攝影機配合使用，與此同時，透過訓練 AI，我們能夠得知，所呈現的物質的材料或成分。
這項技術可以大幅減少，例如大腸桿菌爆發的食品安全事件，還有一個重要因素是，實驗室測驗成本高、效率低，最多要 48 小時才能出結果，要想保護自己不受食品中的病原體傷害，我們可能沒有那麼多時間，這些便攜式細菌感測器，能夠大幅提高病原體檢測的速度，將檢測時間從幾天減少到幾秒。
試想一下，未來五年，就餐前那期手機拍攝美食，可能不再是為了分享，而是透過手機中接入的 AI 感測器，檢測食物的安全，人人可以操作，既然能與手機相結合，更多的 AI 感測器應用場景，將被不斷解鎖，病從口入的幾率將大大降低。
據 IBM T.J.Watson 研究中心工程師閔紅介紹，AI 感測器還有多種用途，例如遏制偽製品，全世界每年偽製品，所造成的經濟損失達6000多億美元，利用 AI 感測器與區塊鏈結合，可以提供在每個環節的可靠性認證，在結合 AI 感測器抓取的原生的物理指紋，就可以在供應鏈、物流等各個環節，保證各個環節驗證物品的真偽。
預測5 對塑料「動手術」
新型回收利用技術，讓塑料垃圾重煥新生
2019年，人類面臨著塑膠污染危機，迄今人類已經製造了 83 億噸塑膠品，能填滿 8000 個羅馬體育館，到 2050 年，海洋裡的塑膠品甚至會比魚還多。
塑膠品非常有用，它非常輕也非常方便有效，成本同樣非常低，能更好的保存食物，在能源節省方面也非常有效。目前，全球每年生產超過 2.72 億噸塑膠品，其中四分之一是有PET（聚對苯二甲酸類塑料）製成，IBM 預測，在接下來五年之內，垃圾處理和塑膠製品生產的方式，將會徹底改變。
聚酯製造商將能回收垃圾，並將其變成有用之物，牛奶盒、飲料瓶、購物袋等，所有東西都能被回收，這將徹底改變未來人們丟棄，和製造塑膠品的方式。
聚酯製造商將能回收垃圾，並將其變成有用之物，牛奶盒、飲料瓶、購物袋等，所有東西都能被回收，這將徹底改變未來人們丟棄，和製造塑膠品的方式。
IBM 發明可一種壓力反應器，用於解決塑膠品回收問題，該反應器採用一種名為 Volcat 的新回收方法。Volcat 是一種催化化學反應過程，流程簡單而且可持續，它可以「選擇性地將」聚酯分解成一種物質，該物質可直接在塑膠品生產裝備中進行處理，變成生產新產品的原料，用回收取代來自於石油製成的塑料原材料，變成一種可再生的原料來源。
「今後，用於食品包裝盒的塑膠品，不會被丟棄到大海裡，而是會被重新處理、重新上架，在塑料技術方面的發展方面的創新，能夠使我們對未來的白色垃圾的處理更加容易」，IBM Almaden 研究中心研究員、材料研究和創新部門主管 Bob Allen 介紹時如此說。
有環境專家認為，對於普通人來說，未來塑膠品回收技術的進步，意味著再也不用費力地分揀，和清洗用過的包裝盒、包裝紙或塑膠製品，所有垃圾都可以直接扔進垃圾桶、提到路邊被垃圾車運走，然後被送到垃圾回收場，在那裡被處理，並轉化成新的可再生材料。
|
．萬億智慧家庭商機：亞馬遜和谷歌大戰升級，誰能成王者？
Top 10 Best Smart Home Tech (Amazon Alexa, Google Assistant) 2019
|
來源：杨剑勇
過去一年，以搭載語音技術的智慧音箱，在美國市場取得成功，而亞馬遜和谷歌特別突出，亞馬遜智慧音箱銷量突破千萬，谷歌智慧音箱出貨量也超過 600 萬台，兩者幾乎壟斷了美國智慧音箱格局，儘管微軟和蘋果，先後推出自家智慧音箱產品，但對這個市場衝擊甚微。
如今，進入2019年，作為高達數萬億市場規模的智慧家庭，早前市場調查公司 Juniper 數據顯示，到 2021 年市場規模將高達 1950 億美元。
巨大的商機，巨頭們爭相佈局，今年，巨頭們面對爭奪家庭入口更為激烈，而核心不再圍繞語音技術和智慧音箱，一場覆蓋家庭自動化的硬體爭奪戰，將成為今年焦點。
其中亞馬遜和谷歌大肆收購，以此提升智慧家庭競爭力，亞馬遜以 11 億美元收購 Ring，作為可視門鈴製造商，產品主要為監控攝影機、門鈴，及其他智慧家庭技術，正面迎擊谷歌旗下智慧家庭硬體廠商 Nest，甚至亞馬遜平台，將暫停銷售 Nest 產品，向競爭對手玩起了封殺。
對於谷歌來說，昔日 32 億美元收購而來的 Nest，為了與智慧音箱等硬體協同，對 Nest 進行整合，並與智慧音箱部門合併。與此同時，推出了 Nest Hello 影像門鈴，和 Nest X Yale 智慧門鎖，新一波智慧硬體新品上市，提高 Nest 在智慧家庭市場競爭力，並率先發起價格戰，其溫度感測器僅需要 39 美元的，可與 Nest Learning Thermostat 綁定使用，與亞馬遜形成正面對抗。
同時，谷歌還以 5600 萬美元投資了一家人工智慧硬體公司 SambaNova，為人工智慧和數據分析，提供電腦處理器和軟體的新創公司。
得益於在 AI 技術在各行各業應用，亞馬遜 Alexa 和谷歌的 Google Assistant 成為全球最受歡迎的語音助手，越來越多的智慧硬體產品，紛紛內置其語音技術。
亞馬遜則建立起了 Alexa 語音生態鏈，同時圍繞 Alexa 生態，建立基金 Alexa Fund 和加速器 Alexa Accelerator，能看出亞馬遜在智慧家庭的野心，如今 Alexa 功能高達三萬多項，並可以控制超過 4000 多個智慧設備，成功卡位在智慧入口，且成為行業風向球。
當然，谷歌也不分上下，支持持谷歌語音助理的設備，出貨量超 4 億，還有其包括谷歌 Home 等智慧設備，截至目前，谷歌憑借安卓系統，使得谷歌佔據了行動網路核心位置，且 AI 技術應用也走在了全球前列，引領人工智慧科技發展，特別作為開放者的姿態， Google Assistant 語音助手無處不在，不僅要做好家庭管家這一角色，還承擔與生活息息相關的場景落地。
谷歌在智慧手機，和其他行動智慧設備所建構的 Google Assistant 為核心龐大生態體系，其他廠商無法比擬，從系統道軟體、再到智慧硬體，嵌入 AI 技術，欲讓 AI 無處不在。
|
| 台灣區電信工程工業同業公會 |
|
．三星新技術：讓蒙娜麗莎開口「說話」
Reddit reacts to Samsung AI Deepfake technology - A wild future is imminent
|
ifanr
你有沒有想過，有一天蒙娜麗莎不只會神秘微笑，還會對你挑眉眨眼、娓娓而談？
不止蒙娜麗莎，瑪麗蓮夢露也「活」過來了，紅唇一張就開始說話，眼角眉梢風情萬種。
還有只在物理書裡面，看到過的愛因斯坦，你現在甚至能感受到，科學道理正從他口中傾瀉而出……
現在，你可能會以為，這是什麼特效影像裡截取的畫面，但事實上，這些人物的動態影像，都僅源於旁邊那一張照片。
前陣子鬧得沸沸揚揚的「色情換臉」，需要大量人物的圖像資訊，再加原生影像，才能生產出一個新的合成影像，而這次三星 AI ，只需基於一張肖像照片，或一張畫像，就能讓裡面人物的臉部表情，都動得栩栩如生。
雖然並非完美無瑕，但足以讓人產生信以為真的錯覺。
製作這個影像並不容易。
因為人類的視覺思維，對臉部細節極其敏感，因此每個微小部分，包括嘴巴的弧度、頭髮的輪廓、眨眼的速度都很難忽視。所以這套人工智慧系統，經過了一段漫長的訓練時光。
研究人員從 YouTube 收集了 7000 張名人照片，提取其「標誌性」的臉部特徵，然後系統透過觀看，大量人類說話的臉孔和表情豐富的影片進行學習。
▲「讓照片動起來」的學習架構圖
之後，人工智慧系統就能將學到的內容，應用到單張照片或多張照片上，高效地找到與系統學習的臉部相對應的部分，然後因人而異地針對新臉部裡各個的關鍵點，特別是眼睛、鼻子和嘴巴進行調整，最後達到最自然的動態效果。
當可以使用的照片越多，影像就會越加逼真，32 個圖像，就足以讓影像以假亂真。
雖然仔細看，人物邊緣的地方，依然有模糊的部分，不能辨識的地方，也只能用背景畫面粗糙填充，瑪麗蓮夢露的影像，還少了那顆標誌性的痣。
而且，影像也沒有聲音，動態只能呈現在臉部，一張一合的嘴角，就像一個練習生在唱 Rap，但它依然是一個顛覆式的創新，簡單點說，實現了一鍵把 JPG 變 GIF。
研究人員表示，未來，這個 AI 系統，將會被廣泛應用在視訊、遊戲、電視、電影，以及特效行業中，估計現在，它就已經被 B 站上的鬼畜藝術家盯上了。而單張或少量照片，就能完成動態人像的速度和效率，也讓該模型更利於推廣。
不過同時，這也意味著很快會有圖謀不軌之人，利用臨時拼湊的工具來模仿它，進行群眾誤導或虛假詐騙，還有可能把一個人的人像照片，製作出不可描述的動態表情，放在不可描述的身體上，做不可描述的事情。
儘管它還不足以引起 Deepfakes「色情換臉」那樣的風波，但它比起「色情換臉」，使用起來更簡易便捷，在人人都暴露無遺的網路時代，擔憂也並非沒有必要，只是現在還為時尚早。
目前，該研究還處於簡單測試階段，複雜的神經網路模型，要變得輕量化，也有重擔在後。不過就像哈利波特，第一次去霍格沃茨魔法學校，看到那活了的石牆肖像，而驚詫不已一樣，現在，它在現實裡也成真了。