史丹佛大學團隊發表一款電腦視覺模型LogicTreeNet，結合邏輯閘網路和卷積網路，不僅模型小巧快速，還維持辨識精準度。在MNIST測試中，推論速度比SOTA模型快上160倍。
重點新聞（1108～1114）
推論速度 電腦視覺 LogicTreeNet
又快又小又準確，史丹佛大學提出另類電腦視覺模型
最近，史丹佛大學發表一項電腦視覺研究成果，整合了卷積網路和邏輯閘網路（Logic Gate Networks，簡稱LGNs），打造出名為LogicTreeNet的卷積可微分邏輯閘網路。在CIFAR-10測試中，這個網路只需6,100萬個邏輯閘，就能達到86.29%的辨識準確率，比SOTA高階模型表現更好，且模型還小了29倍，適合用於運算資源有限的場景。
團隊解釋，之所以會開發LogicTreeNet，是因為LGNs的運算速度，比傳統神經網路方法還要快許多。因為LGNs要執行推論，只需NAND、OR和XOR等邏輯閘運算子，而這些運算子是目前硬體溝通的重要元素，換句話說，這類網路在硬體執行上，比傳統網路更有效率。於是，團隊在這個基礎上，用深度邏輯閘樹卷積、邏輯OR池化、殘差初始化等3種方法，來將LGNs結合電腦視覺的卷積網路，並大規模擴展。
其中，殘差初始化可在深度網路中，盡可能保存資訊，防止梯度消失。而邏輯OR池化結合邏輯樹內核，可大幅提高訓練效率。經團隊測試，LogicTreeNet在MNIST測試中，推論速度比SOTA模型快上160倍，而在CIFAR-10測試中，則快上1,900倍。（詳全文）
AlphaFold 3 Google DeepMind 蛋白質結構
DeepMind開源學術版AlphaFold 3模型
Google DeepMind最近開源AlphaFold 3模型程式碼，供學術界研究者下載、進行蛋白質結構預測的相關研究。AlphaFold 3是一款可預測蛋白質和重要分子（如DNA、RNA、小分子等）三維結構及其交互作用的模型。
而且，有別於只能預測單一蛋白質結構的AlphaFold 2，AlphaFold 3進一步提升對複雜分子交互作用的模擬能力，研究者更能理解分子如何在細胞內互動，進而推動藥物開發和疾病治療的研究。之前，DeepMind只透過伺服器來提供AlphaFold3的預測服務，也限制預測的數量和種類。但在學界呼籲下，DeepMind重新評估該項政策，日前決定開放模型程式碼，供具學術資格的研究員下載使用。（詳全文）
多模態 GUI互動 微軟
微軟也用多模態LLM打造GUI代理工具
上個月，微軟開源一款GUI代理程式OmniParser，結合了多模態大語言模型（LLM）和其他模型，來辨識裝置UI畫面（如手機螢幕）、自動執行互動指令，是多模態LLM的另一新應用 。微軟團隊表示，GPT-4V和GPT-4o這類LLM，在處理一般任務時表現優異，但要作為通用代理、只靠視覺輸入來處理跨系統任務，仍不夠準確。
為解決難題，微軟先建立2個專屬資料集，包括網頁中可互動的icon資料集、icon描述資料集（即說明UI元件與其功能），來分別訓練2套模型。一套是偵測模型，以第一個資料集微調而成，用來辨識螢幕中可互動的icon圖標，另一套是圖說模型，以第二個資料集訓練而成，用來解釋偵測到的UI元件功能。這兩套模型都採Transformer解碼器架構，組合起來就是OmniParser。
微軟表示，經測試，OmniParser可精準辨識UI中的元件，並生成正確的功能解釋，可搭配GPT-4V執行精準的GUI代理任務、與系統互動。微軟並非第一家在該領域有所突破的企業，蘋果和Anthropic也發表過這類領域研究成果；隨著GUI解析技術的成熟，AI在跨平臺操作中的靈活性將大幅提升，讓自動化應用越來越可行。（詳全文）
AI評測 工研院 語言模型
工研院建AI測試實驗室，推語言模型可信任評測服務
去年底，數位部啟動AI產品與系統評測中心，要建立國家級AI模型評測機制，來衡量企業所使用的AI服務是否安全可靠。在數位部支持下，最近，工研院宣布建置臺灣第一家AI測試實驗室，參考了國際可信任AI框架和標準，也聯手AI產品與系統評測中心（AIEC）專家和技術委員，開發出可信任語言模型評測工具，可用來自動化測試模型的準確性、公平性、可靠性、隱私和資安等能力。
工研院量測技術發展中心執行長藍玉屏說明，這些測試工具，參考了國際和國內專家審議的測試題庫，來讓模型作答，並評估生成內容的可信任性。而隨著AI應用發展，工研院也會加強對AI技術的測試、探索新技術應用的評測方法。另一方面，工研院也與法國國家計量院（LNE）簽署合作協議，要來交流AI評測技術。（詳全文）
多代理 微軟 Magentic-One
微軟開源多代理AI系統
最近，微軟釋出一款多代理AI系統Magentic-One，專門為跨領域、開放式網頁與檔案操作任務設計，並在GitHub開源。進一步來說，該系統以Microsoft AutoGen框架為基礎，允許多個代理相互協作完成複雜任務，可用於程式開發、資料分析和研究等領域。
Magentic-One採多代理架構，由主導代理Orchestrator負責規畫任務、追蹤進度，也會分配具體子任務給其他4個代理。不同代理有不同專長，包括從本機檔案中擷取資訊、操作網頁瀏覽器，或編寫和執行Python程式碼等。Magentic-One高度模組化、隨插即用，可根據開發者需求，靈活添加或移除代理。在開源Magentic-One的同時，微軟也釋出相對應的評估工具AutoGenBench，供開發者在控制變數和隔離環境下進行系統測試，確保該系統的穩定表現。（詳全文）
GitHub Java Copilot助理
GitHub發布Java專用助理
最近，GitHub推出一款Java開發新工具：Java Copilot升級助理（Copilot Upgrade Assistant for Java），並開放技術預覽。該工具採用GAI來自動化升級Java應用程式的執行環境、框架和相依性，簡化企業用戶的操作。
在技術預覽版中，Copilot升級助理能協助開發者設定JDK、Maven路徑、特定功能分支名稱等參數，也能辨別專案中的主要相依項目，像是Spring Boot和JUnit等測試框架。完成設定後，Copilot助理能生成一系列升級任務，開發者也能在儀表板即時查看每個步驟的進度。要是在升級過程中發生錯誤，Copilot助理也會自動修復，並建立動態建置與修復迴圈嘗試多種解決問題的方法。（詳全文）
Hugging Face 小型語言模型 SmolLM2
Hugging Face發表輕量級小型語言模型SmolLM2
最近，AI社群Hugging Face發布一系列可在手機上執行的小型語言模型SmolLM2。這是繼7月首次問世後，SmolLM家族的最新版本，包括參數量135M、360M與1.7B三種版本。其中，135M參數模型又可分為基礎版和Instruct版，360M與1.7B參數模型則各自分成基礎、Instruct和GGUF（GPT-Generated Unified Format）版本，共11個模型，皆以Apache 2.0授權開源。
135M、360M與1.7B都是以公開資料集和Hugging Face編排的資料集訓練，但1.7B版本還多了數學與程式碼資料集。這些資料集分別有2兆、4兆與11兆個字符（Token）。相較於第一代，SmolLM2在指令遵從、知識與理解能力表現更好，也拜Argilla資料集之賜，Instruct模型還支援改寫、重要摘要與函式呼叫等任務。不過，SmolLM2模型只能理解和生成英文內容，也還存在事實準確性、邏輯一致性以及偏差等問題。（詳全文）
GitHub 引導式對話 開發
主動反問釐清需求！GitHub Copilot新添引導式對話功能
日前，GitHub更新Copilot助理，新添引導式對話能力，並在Visual Studio 2022 17.12第3預覽版上線。GitHub Copilot開發團隊指出，這項更新可讓Copilot在需求不清楚時，能主動提問開發者、釐清上下文，協助開發者更快完成任務。
他們表示，在之前的版本中，不少開發者要花時間思考，如何正確表達需求，可能還要篩選過多的生成內容。但新功能可減少開發者寫提示詞的困擾，能隨開發者需求調整回應，提供精簡的資訊。同時，GitHub Copilot也整合資料處理工具Data Wrangler，開發者能以自然語言進行資料清理與轉換，並透過資料的上下文生成程式碼，更精準地處理資料。（詳全文）
圖片來源／史丹佛大學、微軟、Hugging Face
AI近期新聞
1. 數位部數位產業署回覆民間對加強投資AI新創計畫的民間意見
3. 微軟替記事本及小畫家添增AI能力，改寫與自動填補邁入預覽
資料來源：iThome整理，2024年11月
熱門新聞
2024-12-03
2024-11-29
2024-12-02
2024-12-02
2024-12-03
