软体技术研发成为大厂发展的重心，然而从传统以硬体为主轴的商展如CES及IFA，很难让大厂完整发表其软体研发成果。因此，近年来大厂发表的重心，逐渐转移到自行举办的年度开发者大会上，如Apple WWDC及Google I/O大会等，一方面向大众展示其先进软体研发成果，一方面笼络开发者投入新功能的开发。 2018三月份IBM召开的Think大会，以及五月份Facebook召开的F8大会也具有同样的野心，向大众与开发者宣示其技术成果。

IBM于2018年3月19~22日在美国拉斯维加斯举行Think大会。 IBM很难得的把几个分散且内容彼此重叠的大会集合，包含World of Watson人工智慧大会、Interconnect云端运算大会、Edge先进技术大会、IBM Amplify商务大会、Connect社群大会以及Partner World伙伴大会。透过Think大会，IBM做为年度成果展示，以及未来亮点宣示，希望能集结人才、资讯与技术促进创新想法，驱动企业改革。

CEO Ginni Rometty在Keynote演讲中，再次重申IBM过去五年强调的愿景—协助企业进行数位转型（Digital Transformation），并提出创新概念「Watson’s Law」，Rometty认为，目前全球有80％的资料藏在企业中尚未揭露，而这些资料若善加利用，可以帮助企业改善流程，并在未来达成指数性的成长。

因此接下来几天的会议，IBM围绕在人工智慧、区块链、量子电脑、资讯安全等主题，陆续提出了重大产品或服务的更新。以下针对人工智慧的部分进行解析。

人工智慧解析

2016年6月，IBM推出了Data Science Experience（DSX），以Spark大数据处理框架为基础，提供资料分析所需的云端工作环境；而2018年3月在Think大会中推出Watson Studio，为Data Science Experience的升级版本，则进一步整合更多深度学习的开发工具以及预先训练好的Watson API。

IBM焦点

IBM将Watson Studio作为Deep Learning as a Service的重要工具，主要重点有三个。

一、提供预先训练好的模型API，包含语意理解、文字主题分类、物品辨识等。

二、提供预先安装好的人工智慧训练工作环境，在Watson Studio中提供Jupyter Notebooks环境，进行Python、R、Scala程式语言撰写，并可套用多种机器学习与深度学习架构，如Keras、Torch、TensorFlow以及Caffe等。

三、提供弹性的运算环境。训练好的模型可以扩增，架在IBM Cloud之上，开发者可依照需求，选择容器架构或GPU架构等不同的人工智慧训练运算架构。

推出Watson Studio，让大数据分析与深度学习训练工具可以更集中、环境更单纯，开发者上手的速度变快了。

Watson Assistant也是IBM Think 2018大会的一大重点。有别于Apple Siri、Amazon Alexa及Google Assistant，Watson Assistant并不直接面对消费者，而以「白牌」模式，提供企业用户语音助理解决方案。

Watson Assistant承袭IBM既有产品Watson Conversation企业Chatbot解决方案以及Watson Virtual Agent认知交谈服务之相关技术，根据IBM的说法，乃是将人工智慧、云端运算与物联网结合在一起，提供良好的客户体验，并同时保持商业与客户数据的隐私与安全。

IBM初期将此解决方案锁定特定应用领域，包含汽车、饭店房间、零售商店与会议室等。在Think 2018现场，汽车制造商HARMAN，在一台Maserati 玛莎拉蒂GranCabrio敞篷车上展示Watson Assistant数位驾驶解决方案，成为现场一大吸睛项目。此外，Airwire、Kaon Media、The Royal Bank of Scotland、Munich Airport及 IFTTT等公司都采用Watson Assistant，打造无缝的智慧生活体验。

IBM宣布与Apple在Edge领域合作，提供Watson Service for Core ML。

Apple焦点

Apple于2017年6月的开发者大会中推出Core ML架构，让开发者可以用Core ML在iOS设备上以最小的记忆体部署机器学习模型。由于iOS在高阶终端装置仍占有重要地位，在2017年年底，Amazon与Google均迅速的宣布其AI架构MXNET与TensorFlow Lite新的版本，提供Core ML转换，让使用MXNET及TensorFlow Lite部署的机器学习模型，可以快速转换到iOS设备上。

由于IBM深耕企业领域多年，而苹果又越来越重视企业市场，因此促成两者的合作。 Watson Service for Core ML结合Apple的框架Core ML以及IBM Watson的数据分析服务的特点，使用Core ML 将机器学习模型部署在iOS装置，让装置不用连网就进行人工智慧判断与分析，之后再将数据上传回后端Watson系统中，进行模型的优化与分析。

Facebook焦点

Facebook则于2018年5月1~2日于美国San Jose举行一年一度的F8开发者大会。在第一天的Keynote中，Mark Zuckerberg宣布重点发展方向，围绕在Facebook主要功能的演进上。包含打击假冒与强调资料隐私权、打造清除历史功能、提供人与人真实接触的约会产品、Instagram加强AR特效功能、WhatsApp加强群聊功能，最后并正式推出Oculus Go新的VR眼镜。

虽然在Zuckerberg的Keynote中并没有提到人工智慧产品的更新，但可以发现，Facebook使用人工智慧技术，大幅优化自家公司产品。不过，在第二天上午Keynote场次，人工智慧便成为技术的重头戏，CTO Mike Schroepfer认为人工智慧将带来新的体验，目前Facebook已使用人工智慧侦测不当言论、分析假帐号、恐攻内容、自杀发言等，或是优化AR/VR的优化、协助翻译不同语言等。以下将针对Facebook F8大会中的重点人工智慧发表进行研析。

PyTorch为Facebook人工智慧研究院开发的开源机器学习框架，基于Torch但使用Python语言，具有语法简洁、概念直观等特性，迅速吸引了很多开发者使用，因此成为TensorFlow的一个重要竞争者。 PyTorch于2016年10月推出，2018年4月已经推出0.4.0版，吸引共14,807名开发者在Github上关注。

而F8现场宣布的重大发布，则为Facebook将整合PyTorch与Caffe2两个深度学习框架，进入新版的PyTorch 1.0当中。而Amazon AWS与Microsoft Azure也将支持PyTorch 1.0，降低开发者缩短训练所需时间。此次F8大会中，Facebook将许多内部的工具开源，透过Facebook Artificial Intelligence（facebook.ai/developers），在影像辨识、自然语言处理、认知理解领域，都提供开源工具。

影像辨识进展

从Mike Schroepfer的Keynote演说，了解2018年Facebook的影像辨识朝几个方向发展：

一、即时动作侦测（Live Pose Detection）。 Schroepfer认为，在2012年使用AlexNet演算法，可以侦测出图片中的物品名称，然而对应用来说是不够的，因此新的演算法不断推陈出新，包含2015年的MSRA演算法可以侦测出图片中的多种物品名称，2017年的MASK R-CNN演算法，可以辨识四肢位置；而2018年推出的Live Pose Detection功能，大幅增加了动作辨识的准确度与执行效率。

二、密集度侦测（DensePose）。 DensePose是将2D的图像建立3D表征的密集对应，让电脑可以拥有类似人类的立体分析视觉。

三、自动图像标签。过去图像识别的学习，必须靠高品质人工标注的资料集，例如ImageNet，就汇集了1400万张手工标注的图片，分类出2万多种类别。然而真实世界比ImageNet更复杂，需要更精细的自动标注。而Facebook团队已成功地使用35亿公开照片上的Hashtag，训练图像识别系统，进行自动标签。这项功能强大的地方在于用词更准确，例如苹果派会被标注为苹果派，而不是泛用的食物，自由女神会直接被标注为自由女神，而不是地标；Facebook目前已达到85.4％准确度。

自然语言处理

关于自然语言处理的部分，重点有两个：

一、开源的神经翻译系统Translate。 Translate使用Sequence-to-sequence与Attention模型，以及序列建模工具包Fairseq-py，可进行翻译、摘要、对话以及其他文字生成任务。目前Translate提供48种不同语言的翻译。

二、多语言非监督与监督式嵌入MUSE（Multilingual Unsupervised and Supervised Embeddings）。 MUSE是一个Python Library，可以让开发者迅速的处理服务的跨语言文字嵌入以及自然语言处理。

认知理解的主要功能，是希望系统可以理解问题与回覆问题。 Facebook提供ELF Platform游戏研究平台，让研究人员在各种游戏环境中，包含棋盘游戏到实时策略游戏，测试其演算法。

这次F8也宣布开源其ELF OpenGo围棋机器人。 Facebook人工智慧研究院实现了DeepMind AlphaGoZero及AlphaZero论文中的演算法，成为OpenGo机器人。

根据Facebook表示，他们用两千颗GPU训练两到三周后，得到的这个围棋AI OpenGO，和韩国棋院的四位世界排名前30的职业棋手进行了测试，结果OpenGo以14比0完胜，显示Facebook人工智慧研究院的训练有效。 Facebook宣布将OpenGo开源后，任何人都可以取得原始码进行围棋AI训练。

结语

本次IBM与Facebook的发表中，两者不约而同的将人工智慧工具资源集中起来。 IBM汇集成Watson Studio，而Facebook除整合PyTorch与Caffe2外，也汇集研发成果于Facebook Artificial Intelligence。显示在各公司也在整合内部的资源，提供使用者单一的沟通窗口。

而大厂除集中开发工具外，也提供简化的开发环境，以及预先训练好的API工具，期望触及更多开发者，让更多开发者可以持续黏着在大厂提供的平台上，更进一步使用大厂提供的云端服务，创造获利。

（本文作者为资策会MIC资深产业分析师）

**刊头图 (source: csoonline.com)