【2019.02人工智慧動態】電腦不是只會選土豆，還會打電動

一、最近一個月重大新聞

（一）AI比你還會玩疊疊樂

位於舊金山的OpenAI的研究人員，研究人員以機器學習技術，使得機器人具物理操作和靈巧性。也就是透過向機器人提供影片，下指令告知機器前面的內容，並要求它計算出應該如何移動以及操縱該物體。

對於人類來說，在嬰兒階段我們就知道透過觸覺與視覺來瞭解這個世界，人類透過經驗知道疊疊樂中該移除哪個木塊，而能保持樓層的穩定。開發者Nima Fazeli表示機器人有觸覺與視覺感應器，並且戳擊與刺探木塊所給予的感知回饋去建構物理模型，而當機器人面對新的疊疊樂型態時，會經過運算後以該物理模型去推論移動哪塊木塊是最佳解。

相關的AI應用層出不窮，例如日前也有將AI技術應用在其他用途上，只要4.5秒就能尋找到「威利在哪裡」。進一步試想，此類技術將會使得機器人在工廠、倉儲上的應用更為靈活，也能夠執行更精密的物理動作，當AI的技術與產業應用結合，將體驗出其重大價值所在。

（二）DeepMind團隊開發AlphaStar擊敗世界電競好手

數年前以AlpahGo擊敗圍棋頂尖好手而聲名大噪DeepMind團隊，於1/24挑戰以電玩遊戲《星海爭霸II》對戰頂尖好手，並取得10:1的好成績。

星海爭霸是一款即時戰略遊戲，玩家需要同時在打仗與採集資源取得平衡，需要透過策略性的多工方式(一方面作資源效率分配與戰鬥)取得勝利，而由於上述動作皆藉由鍵盤與滑鼠執行，因此APM(Actions Per Minute)是一衡量遊戲表現操作速度的指標，APM越高代表著玩家短時間能進行越複雜的操作。

為了使得AlphaStar學會如何操作星海爭霸，研究人員以職業選手的電玩比賽影片，讓AlphaStar模擬這些手法，並且使不同版本的人工智慧之間互相對戰而學習強化，因而使得模型能快速學習到頂尖玩家所採用的策略與操作。

AlphaStar的獲勝也引起玩家們的熱烈討論，多數人將AI的獲勝歸於其高速操作。一般職業選手APM平均為300左右，但AlphaStar某些時候能夠爆發至1,000以上APM，也讓人質疑其公正性，且AI操作電玩存在著「AI視野」，不像人類僅能看到局部視野。

縱使AI擊敗電競選手存在諸多爭議，但不可質疑的是近期AI所能執行的工作也日趨複雜，代表著人工智慧在未來生活的重要性是值得期待的。

（三）行政院跨部會推動AI線上學習平台

行政院跨部會推動「台灣AI行動計畫」線上學習平台，且為從小紮根，教育部擬在109學年度正式將AI課程納基礎教育課程規劃，並預計於今年5月完成發展國高中及國小的AI教材與教案示範例。

行政院鼓勵民眾可多利用教育部「台灣人工智慧教育平台」、科技部「AI數位學習平台」、經濟部「DIGI+Talent數位網路學院」等線上學習資源按圖索驥找到適合自己的教學資源。

其中在AI高階人才方面，科技部已設立台大、成大、清大及交大等4個AI創新研究中心，主題涵蓋AI核心技術、智慧製造、智慧服務及生技醫療，並鏈結國際大廠跨域合作。

在產業與新創團隊方面，經濟部啟動「產業出題x人才解題」機制，廣徵題目、業師 、及解題團隊加入，目前合格解題題庫已有53題，並有69名業師、23個解題團隊加入。

另外，針對國中小學生，教育部規劃本學年度（108學年度）進行前置籌備，109學年度正式將AI課程納基礎教育課程規劃；預計於今年5月完成發展高中、國中、國小的AI教材與教案示範例。

二、最近一個月精選獲投消息

資料來源：IT桔子每日風險投資速遞

網址：

http://bit.ly/2UvjWeP、https://reurl.cc/AyNnQ、https://reurl.cc/nZK1d、https://reurl.cc/X5zVR