為顧及隱私,Google將封鎖第三方Cookie,以同類分群聯合學習(FLoC)演算法取而代之,成為新追蹤機制。這個方法,可讓廣告主觸及同類型的受眾群組,而非受眾個人。

圖片來源: 

Google

重點新聞(0305~0311)

  Cookie     資料隱私     聯合學習  

沒Cookie怎麼精準行銷?Google用聯合學習替代追蹤方案

Google大動作宣布,要在本月釋出的Chrome中公開測試同類分群聯合學習(FLoC)演算法,來提供新的行銷追蹤機制,而且今年第二季,就要在Google Ads和廣告主一起測試FLoC。

當隱私成為顯學,主流瀏覽器如Firefox、Safari和Chrome等都已經或準備封鎖第三方Cookie。為讓廣告主在盡量不侵犯隱私的情況下推銷產品,Google提出隱私沙箱專案,首先上陣的就是FLoC。FLoC是個API,可讓廣告主可觸及「一群」擁有共同興趣的使用者,讓個別使用者隱身於群眾中,且FLoC在使用者裝置上執行,不會上傳瀏覽紀錄。Google測試發現,FLoC的廣告轉換效果,可達到Cookie的95%。

除了FLoC外,今年4月釋出的Chrome 90還將整合隱私沙箱的控制功能,像是簡單的開啟或關閉選項,未來還會陸續新增各種隱私沙箱提案的控制能力。除了控制,隱私沙箱提案還包括詐欺偵測、量身打造的內容、第一方處理、廣告測量,以及以隱私為預設來請求瀏覽器資訊等。(詳全文)

  史丹佛大學     AI Index    Benchmarks  

史丹佛重磅發表年度AI指標報告,籲Benchmark需再造

史丹佛大學近日發布2021年指標報告AI Index,盤點AI過去一年的各種進展,涵蓋7大主題,包括AI研發現狀、各種AI技術發展(如NLP、電腦視覺和概念學習等)、AI經濟效應、人才教育、倫理挑戰、多元性、AI政策和國家策略等。

其中,報告特別強調測試基準(Benchmark)再造的急迫性,不論是AI倫理、電腦視覺、NLP等領域,都需要更多更好的基準測試。這是因為AI模型推陳出新速度越來越快,而基準測試是衡量AI能否即時部署的關鍵,也是開發者調整演算法的參考。史丹佛大學舉例,以大幅商業化的電腦視覺來說,這些模型在大型資料集基準測試上,已開始出現「平化」現象,意味著電腦視覺社群得建造更多更能鑑別模型的基準測試才行。

NLP亦是如此。報告指出,NLP技術發展迅速,讓此類AI系統開始產生有意義的影響,比如Google和微軟正式在自家搜尋引擎部署BERT,而超大型NLP模型也不斷產生。這些發展漸漸超越基準測試的腳步,甚至一些模型在高公信力的基準測試SuperGLUE上,已超越人類等級,因此需要設計新的、有挑戰性的基準測試才能鑑別。(詳全文)

  臺北市交通局     影像辨識    感應性號誌  

北市交通局靠AI辨識人車自動調整燈號,今年要擴大於忠孝東路12處路口部署

臺北市交通局日前揭露擴大影像辨識應用,來自動調整交通號誌,今年要從忠孝東路5段423巷等12處路口著手。北市交通局指出,前年開始,團隊已於文林北路75巷與94巷(支道)部署影像辨識系統,來偵測行人和車輛狀況,要是支道無人,就自動延長文林北路(幹道)綠燈時間,來避免離峰時刻空等紅燈;要是偵測支道行人較多,系統會自動延長行人號誌。

這個作法就是感應性號誌,北市交通局去年實施下來,發現前年夜間幹道空等率下降了35%,去年則下降32%,幹道綠燈時間增加了29%,今年將擴大辦理。

不只如此,北市交通局前年也同時推動動態號誌應用。有別於感應性號誌,動態號誌是指,結合影像辨識和當下車流的變化,來即時調整號誌燈。前年,北市交通局先於內科、南軟9處主要路口設置動態號誌系統,收集了57組車輛偵測器的即時流量,每5分鐘就最佳化號誌時制;而2020年則擴大到基隆路、信義路和光復南路等10處路口,收集12組流量偵測器、4組智慧影像攝影機的即時流量和停等車隊長度資料,來即時調整路口號誌時制。北市交通局表示,基隆路口北上在上班時段,最多可減少7、8分鐘旅行時間。他們計畫在2022年完成建置55處動態號誌、38處感應性號誌。(詳全文)

  物件偵測   Detectron2Go       模型訓練  

臉書開源物件偵測外掛D2Go,讓你一支手機搞定模型訓練和部署

臉書最近釋出一項新工具Detectron2Go(簡稱D2Go),讓物件偵測模型可在硬體資源有限的行動裝置上,進行訓練和部署。臉書指出,物件偵測AI有兩大關鍵,一是準確率,二是延遲,而延遲是最大的挑戰。因為,這些部署在伺服器或雲端的模型,必須先收集資料再上傳至雲端,來進行推論,因此造成延遲。

為解決這個問題,臉書開發D2Go,讓模型直接在裝置上訓練、部署,不僅降低延遲,也減少隱私疑慮。進一步來說,D2Go以Detectron2為基礎,也就是一款臉書2019年發布的PyTorch函式庫,可讓開發者直接將客製模組套入任何物件偵測系統。而D2Go是其中一個外掛模組,可讓開發者在行動裝置或硬體上,用來訓練、部署臉書優化過的FBNet模型。臉書表示,D2Go具開源軟體互通性,開發者可用PyTorch Lightning作為訓練框架,或社群既有工具來開發。

他們也強調,經測試,以D2Go開發的裝置模型不只降低延遲,準確率也與用伺服器來訓練的大型模型差不多。臉書內部也早已廣泛使用D2Go,其中一例就是將平面照片轉為3D照片的功能。(詳全文)

  微軟     邊緣運算 nbsp;   Azure Percept  

微軟邊緣AI運算平臺Azure Percept進入公開預覽階段

微軟在年度開發者大會Ignite上宣布,邊緣AI運算平臺Azure Percept正式進入公開預覽階段。Azure Percept 由兩大元件組成,也就是Azure Percept Studio和Azure Percept DK開發套件。前者為一平臺服務,無縫整合各種Azure服務,來簡化邊緣裝置的供應、管理與機器學習部署。Azure Percept DK則是基本硬體裝置,包含可信賴平臺模組(TPM)和Azure Percept Vision視覺模組,用戶也可額外添購Audio聲音模組。

在預覽階段,微軟將開放用戶免費試用Azure Percept平臺,亦打算於包括臺灣在內的十多個國家提供Azure Percept DK與Azure Percept Audio聲音模組,但目前僅供美國用戶預購。(詳全文)

Amazon    Alexa技能     Alexa 自然語言處理  

開發Alexa技能更簡單,Amazon正式發布開發工具Conversations

為大幅簡化Alexa技能開發工作,Alexa Skills Kit對話管理器Alexa Conversations終於釋出正式版,首先推出美國英語版,之後會擴展到更多語言。

該工具可簡化原本開發Alexa技能的難度,比如將原本需撰寫5,500行程式碼的語音應用程式,減低到1,700行,或是減少Alexa互動次數,將原本需要互動40次才能完成的任務,縮短至10多次。

此外,正式版本還加入許多功能更新,像是提供對話複製、支援新命令列介面以及更新設計指南,讓開發者更容易在Alexa上開發語音應用。(詳全文)

圖片來源/臉書、臺北市交通局、微軟

 AI趨勢近期新聞 

1. D2iQ推出企業級端到端機器學習平臺Kaptain

2. 臺灣港務公司智慧港口再開放,將引進AI來調度港務作業

3. 美國政府發布AI戰略報告NSCAI

資料來源:iThome整理,2021年3月

 
 
 
 


熱門新聞

Advertisement