軟體技術研發成為大廠發展的重心，然而從傳統以硬體為主軸的商展如CES及IFA，很難讓大廠完整發表其軟體研發成果。因此，近年來大廠發表的重心，逐漸轉移到自行舉辦的年度開發者大會上，如Apple WWDC及Google I/O大會等，一方面向大眾展示其先進軟體研發成果，一方面籠絡開發者投入新功能的開發。2018三月份IBM召開的Think大會，以及五月份Facebook召開的F8大會也具有同樣的野心，向大眾與開發者宣示其技術成果。

IBM於2018年3月19~22日在美國拉斯維加斯舉行Think大會。IBM很難得的把幾個分散且內容彼此重疊的大會集合，包含World of Watson人工智慧大會、Interconnect雲端運算大會、Edge先進技術大會、IBM Amplify商務大會、Connect社群大會以及Partner World夥伴大會。透過Think大會，IBM做為年度成果展示，以及未來亮點宣示，希望能集結人才、資訊與技術促進創新想法，驅動企業改革。

CEO Ginni Rometty在Keynote演講中，再次重申IBM過去五年強調的願景—協助企業進行數位轉型（Digital Transformation），並提出創新概念「Watson’s Law」，Rometty認為，目前全球有80％的資料藏在企業中尚未揭露，而這些資料若善加利用，可以幫助企業改善流程，並在未來達成指數性的成長。

因此接下來幾天的會議，IBM圍繞在人工智慧、區塊鏈、量子電腦、資訊安全等主題，陸續提出了重大產品或服務的更新。以下針對人工智慧的部分進行解析。

人工智慧解析

2016年6月，IBM推出了Data Science Experience（DSX），以Spark大數據處理框架為基礎，提供資料分析所需的雲端工作環境；而2018年3月在Think大會中推出Watson Studio，為Data Science Experience的升級版本，則進一步整合更多深度學習的開發工具以及預先訓練好的Watson API。

IBM焦點

IBM將Watson Studio作為Deep Learning as a Service的重要工具，主要重點有三個。

一、提供預先訓練好的模型API，包含語意理解、文字主題分類、物品辨識等。

二、提供預先安裝好的人工智慧訓練工作環境，在Watson Studio中提供Jupyter Notebooks環境，進行Python、R、Scala程式語言撰寫，並可套用多種機器學習與深度學習架構，如Keras、Torch、TensorFlow以及Caffe等。

三、提供彈性的運算環境。訓練好的模型可以擴增，架在IBM Cloud之上，開發者可依照需求，選擇容器架構或GPU架構等不同的人工智慧訓練運算架構。

推出Watson Studio，讓大數據分析與深度學習訓練工具可以更集中、環境更單純，開發者上手的速度變快了。

Watson Assistant也是IBM Think 2018大會的一大重點。有別於Apple Siri、Amazon Alexa及Google Assistant，Watson Assistant並不直接面對消費者，而以「白牌」模式，提供企業用戶語音助理解決方案。

Watson Assistant承襲IBM既有產品Watson Conversation企業Chatbot解決方案以及Watson Virtual Agent認知交談服務之相關技術，根據IBM的說法，乃是將人工智慧、雲端運算與物聯網結合在一起，提供良好的客戶體驗，並同時保持商業與客戶數據的隱私與安全。

IBM初期將此解決方案鎖定特定應用領域，包含汽車、飯店房間、零售商店與會議室等。在Think 2018現場，汽車製造商HARMAN，在一台Maserati 瑪莎拉蒂GranCabrio敞篷車上展示Watson Assistant數位駕駛解決方案，成為現場一大吸睛項目。此外，Airwire、Kaon Media、The Royal Bank of Scotland、Munich Airport及 IFTTT等公司都採用Watson Assistant，打造無縫的智慧生活體驗。

IBM宣布與Apple在Edge領域合作，提供Watson Service for Core ML。

Apple焦點

Apple於2017年6月的開發者大會中推出Core ML架構，讓開發者可以用Core ML在iOS設備上以最小的記憶體部署機器學習模型。由於iOS在高階終端裝置仍佔有重要地位，在2017年年底，Amazon與Google均迅速的宣布其AI架構MXNET與TensorFlow Lite新的版本，提供Core ML轉換，讓使用MXNET及TensorFlow Lite部署的機器學習模型，可以快速轉換到iOS設備上。

由於IBM深耕企業領域多年，而蘋果又越來越重視企業市場，因此促成兩者的合作。Watson Service for Core ML結合Apple的框架Core ML以及IBM Watson的數據分析服務的特點，使用Core ML 將機器學習模型部署在iOS裝置，讓裝置不用連網就進行人工智慧判斷與分析，之後再將數據上傳回後端Watson系統中，進行模型的優化與分析。

Facebook焦點

Facebook則於2018年5月1~2日於美國San Jose舉行一年一度的F8開發者大會。在第一天的Keynote中，Mark Zuckerberg宣布重點發展方向，圍繞在Facebook主要功能的演進上。包含打擊假冒與強調資料隱私權、打造清除歷史功能、提供人與人真實接觸的約會產品、Instagram加強AR特效功能、WhatsApp加強群聊功能，最後並正式推出Oculus Go新的VR眼鏡。

雖然在Zuckerberg的Keynote中並沒有提到人工智慧產品的更新，但可以發現，Facebook使用人工智慧技術，大幅優化自家公司產品。不過，在第二天上午Keynote場次，人工智慧便成為技術的重頭戲，CTO Mike Schroepfer認為人工智慧將帶來新的體驗，目前Facebook已使用人工智慧偵測不當言論、分析假帳號、恐攻內容、自殺發言等，或是優化AR/VR的優化、協助翻譯不同語言等。以下將針對Facebook F8大會中的重點人工智慧發表進行研析。

PyTorch為Facebook人工智慧研究院開發的開源機器學習框架，基於Torch但使用Python語言，具有語法簡潔、概念直觀等特性，迅速吸引了很多開發者使用，因此成為TensorFlow的一個重要競爭者。PyTorch於2016年10月推出，2018年4月已經推出0.4.0版，吸引共14,807名開發者在Github上關注。

而F8現場宣布的重大發佈，則為Facebook將整合PyTorch與Caffe2兩個深度學習框架，進入新版的PyTorch 1.0當中。而Amazon AWS與Microsoft Azure也將支持PyTorch 1.0，降低開發者縮短訓練所需時間。此次F8大會中，Facebook將許多內部的工具開源，透過Facebook Artificial Intelligence（facebook.ai/developers），在影像辨識、自然語言處理、認知理解領域，都提供開源工具。

影像辨識進展

從Mike Schroepfer的Keynote演說，瞭解2018年Facebook的影像辨識朝幾個方向發展：

一、即時動作偵測（Live Pose Detection）。Schroepfer認為，在2012年使用AlexNet演算法，可以偵測出圖片中的物品名稱，然而對應用來說是不夠的，因此新的演算法不斷推陳出新，包含2015年的MSRA演算法可以偵測出圖片中的多種物品名稱，2017年的MASK R-CNN演算法，可以辨識四肢位置；而2018年推出的Live Pose Detection功能，大幅增加了動作辨識的準確度與執行效率。

二、密集度偵測（DensePose）。DensePose是將2D的圖像建立3D表徵的密集對應，讓電腦可以擁有類似人類的立體分析視覺。

三、自動圖像標籤。過去圖像識別的學習，必須靠高品質人工標註的資料集，例如ImageNet，就匯集了1400萬張手工標註的圖片，分類出2萬多種類別。然而真實世界比ImageNet更複雜，需要更精細的自動標註。而Facebook團隊已成功地使用35億公開照片上的Hashtag，訓練圖像識別系統，進行自動標籤。這項功能強大的地方在於用詞更準確，例如蘋果派會被標註為蘋果派，而不是泛用的食物，自由女神會直接被標註為自由女神，而不是地標；Facebook目前已達到85.4％準確度。

自然語言處理

關於自然語言處理的部分，重點有兩個：

一、開源的神經翻譯系統Translate。Translate使用Sequence-to-sequence與Attention模型，以及序列建模工具包Fairseq-py，可進行翻譯、摘要、對話以及其他文字生成任務。目前Translate提供48種不同語言的翻譯。

二、多語言非監督與監督式嵌入MUSE（Multilingual Unsupervised and Supervised Embeddings）。MUSE是一個Python Library，可以讓開發者迅速的處理服務的跨語言文字嵌入以及自然語言處理。

認知理解的主要功能，是希望系統可以理解問題與回覆問題。Facebook提供ELF Platform遊戲研究平台，讓研究人員在各種遊戲環境中，包含棋盤遊戲到實時策略遊戲，測試其演算法。

這次F8也宣布開源其ELF OpenGo圍棋機器人。Facebook人工智慧研究院實現了DeepMind AlphaGoZero及AlphaZero論文中的演算法，成為OpenGo機器人。

根據Facebook表示，他們用兩千顆GPU訓練兩到三週後，得到的這個圍棋AI OpenGO，和韓國棋院的四位世界排名前30的職業棋手進行了測試，結果OpenGo以14比0完勝，顯示Facebook人工智慧研究院的訓練有效。Facebook宣布將OpenGo開源後，任何人都可以取得原始碼進行圍棋AI訓練。

結語

本次IBM與Facebook的發表中，兩者不約而同的將人工智慧工具資源集中起來。IBM匯集成Watson Studio，而Facebook除整合PyTorch與Caffe2外，也匯集研發成果於Facebook Artificial Intelligence。顯示在各公司也在整合內部的資源，提供使用者單一的溝通窗口。

而大廠除集中開發工具外，也提供簡化的開發環境，以及預先訓練好的API工具，期望觸及更多開發者，讓更多開發者可以持續黏著在大廠提供的平台上，更進一步使用大廠提供的雲端服務，創造獲利。

（本文作者為資策會MIC資深產業分析師）

**刊頭圖 (source: csoonline.com)