AI 週報 (Apr , W5)

關鍵字: Generative Adversarial Network, Computer Vision, Sony, MIT, Semantic Similarity Video Retrieval

作者: Joseph Chang

聯絡方式: ai.free.startup@gmail.com

更新時間: 2021/04/30

1. MIT通過圖像分析來判斷材料的可承受壓力

為什麼研發: 為了能夠更快的計算出各種材料的壓力承受程度，提升建築物的結構規劃，相較於以往使用複雜的工程學公式計算，MIT的研究人員希望可以透過引入AI來使得這一流程更有效率。

如何運作: 透過使用電腦視覺，在MIT人員開發的AI工具中可以即時的生成使用材料的壓力估計。他們更是運用生成對抗網路(GAN)來對數千張圖片進行訓練，其中一部分圖像顯示了材料在遭受到特定壓力時內部的微觀結構，另外一部分則是被針對他們的顏色編碼的壓力與應變數進行標記。接著通過賽局理論，GAN可以確定材料的外觀與他們能夠承受的壓力之間的關係。

引入AI 系統與單純工程學之差別: 透過這個系統我們看到，電腦可以自動預測這些力值、圖形狀快以及相對應的變化，與過去比較而言最大的進步應該是AI可以模擬材料的裂縫及損傷，因為一項完整材料與一項有損傷的材料在面對壓力時所表現的結果一定不一樣，而傳統的工程學是難以透過外觀來及時計算出差別的。

已知風險及困難: 研究人員也提到，進行全部材料的模擬必須花費許多時間，其中需要投入的金額也是相當龐大，但是不管如何，他們會盡力完成這個系統的開發以及用AI來解決這個問題。

2. SONY 提出可以幫忙玩家自動進行遊戲的AI專利

為什麼研發: 為了幫助遊戲玩家在某些無法中斷的遊戲途中可以繼續遊玩，SONY正在研發可以模擬各種玩家習慣與行為的AI 助手。在玩家離開座位的同時也能接手玩家進度繼續進行遊戲。

如何運作: 透過監視用戶在遊玩多種遊戲時的過程來調整AI的運作方式，在一開始的AI助手的默認存檔中，遊玩方式將會是比較特定且制式化的基本操作，藉由機器學習針對玩家的行為加以訓練，在進行多場遊戲後便能自動模仿玩家的操作型態。

AI 助手的下一步: 除了模仿玩家的遊玩風格之外，AI 助手在未來也可以擔任提供提示或是示範的角色，幫助玩家在困難的關卡裡可以更快的找到通關方式，成為一個更為具體的攻略指南。

3. University of Bristol 探索更好的影片關鍵字搜尋系統

為什麼研發: 由於目前普遍影片網站的排序演算法偏向於使用單部影片本身排名來決定排位順序，而沒有考慮到影片與關鍵字的其他匹配程度。團隊負責人Michael Wrey 提出新的語意相似性影片檢索方式 (Semantic Similarity Video Retrieval, SVR)，可以重新定義關鍵字與影片的相關程度以及新的排名定義方式。

如何運作: 藉由將字幕及影片建立一個新的獨立表現模式，研究人員可以訓練系統辨視各種句子與影片的相關程度。作者使用 METEOR 計算每個敘述與敘述間的相似程度，如果此相似程度超過基準值，他們將會使用該敘述與影片進行匹配。藉此來訓練系統的GPT語言模型。 最後系統將會生成匹配過的影片以及沒有通過的影片相似程度。並可以將資料的相似度與匹配度做影片的排名順序。

研發成果: 最後Michael的研究圖隊使用 nDCG 來衡量他們系統對於每部影片與每個敘述間的排名，他們強調該系統並不是設定一道牆來隔開匹配與不匹配的影片與關鍵字，而是建立一種測試機制來讓整體的影片搜尋系統更加順暢。

4. 參考資料來源:

• https://artificialintelligence-news.com/2021/04/22/mit-researchers-developer-ai-calculate-material-stress-using-images/
• DeepLearning.ai: Issue 88
• https://ccc.technews.tw/2021/04/23/sony-ai-can-help-you-play-games-through-deep-learning/
• https://artificialintelligence-news.com/2021/04/23/sony-patents-ai-assist-games-like-good-player-tw/