Google研究院、南加大訊號分析和解釋實驗室、Geena Davis媒體性別研究機構3方共同攜手一項研究，藉 …

Google研究院、南加大訊號分析和解釋實驗室、Geena Davis媒體性別研究機構3方共同攜手一項研究，藉由透過分析近10年來的美國電視節目，來了解不同性別和膚色在電視螢幕時間上的變化趨勢。

這項研究調查了2010年到2021年之間，每一季Nielsen媒體指標前10名且有劇本的美國電視節目，包含喜劇、政治劇、愛情劇到科幻片等，是第一個使用大規模AI人工智慧模型進行的電視節目研究，一共分析了440小時的節目，結果顯示即使到了2021年，女性演員在螢幕上出現的時間，仍然比男性少，而且深膚色的演員說話時間只占了16%。

據悉，Google在24小時內處理完所有鏡頭，每秒處理超過100個影格，並使用機器學習模型，大規模分析1200萬個在螢幕上出現的臉部。這項研究結果呈現出幾個重要意義，首先是女性角色在螢幕出現時間上升，但男女還是存在差距。

再來則是淺膚色和深膚色的角色，出現在螢幕上的時間差距從2010年的81%，縮小到2021年的55%。在性別與年齡部分，年長的男性和年輕女性的螢幕時間更長，男性角色最常出現的年齡段是33歲到66歲，女性角色則是18到33歲，外表年齡超過60歲的女性，只有不到1%的螢幕時間。

不過，研究結果也顯示，在這10年之間，深膚色女性角色的說話時間上升最多，每年平均增加1.2%，但仍是在螢幕上最不可能有台詞的族群，說話時間僅占總螢幕時間的16%。

研究團隊指出，這次分析媒體獲得細微的結果，並創造了包容和公平體驗的工具，未來3方還會持續合作，研究世界其他地區的跨文化和混合媒體內容，甚至進一步檢驗「描述性」的訊號，包含領導社交互動的角色，或是是某些社群是否被以刻板印象看待。（記者／竹二）

這篇文章 Google用AI分析美國節目　解析膚色、性別螢幕時間差異 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

人工智慧（AI）在改善和豐富我們的生活上，有驚人的潛力。但是如果不負責任地開發和使用，AI也會帶來令人擔憂的濫 …

人工智慧（AI）在改善和豐富我們的生活上，有驚人的潛力。但是如果不負責任地開發和使用，AI也會帶來令人擔憂的濫用和很多風險。一直以來，Google對於展示他們在AI上的技術都非常小心。然而現在Google似乎要開始向大眾展示他們的AI進展了。近日，Google的研究部門就展示了他們正在開發的，處於不同的發展階段的十幾個AI項目，其功能包括促進人體健康診斷、緩解氣候變化、幫助小說家創作散文和把文字轉成圖片等。

促進社會

1. 野火追蹤：Google用於提早檢測野火的機器學習模型，已在美國、加拿大、墨西哥和澳大利亞部分地區使用。
2. 洪水預報：該系統去年向印度和孟加拉國的 2300 萬人發送了 1.15 億次洪水警報，而此後已擴展到另外 18 個國家，包括非洲 15 個，外加巴西、哥倫比亞和斯里蘭卡。
3. 孕婦健康、超音波AI：美國和尚比亞的護士正在測試一個，用「安卓App」和「攜帶式超音波監視器」評估胎兒胎齡和子宮位置的系統。
4. 預防失明：Google的「自動視網膜疾病評估」（ARDA）讓醫護人員使用AI為病患檢測糖尿病視網膜病變。
5. 1000 種語言計畫：Google正在開發一個，能夠處理世界上 1000 種最常用的語言文本的AI模型。

在更具實驗性的方面

1. 自編碼機器人：在一個名為「代碼即策略」（Code as Policies）的項目中，Google讓機器人學習自主生成新代碼。Google就曾做過一個展示，由人類在機器人面前放三個不同顏色的碗（紅色、藍色和綠色），和三種不同的糖果（Skittles、M&M's 和 Reese's），接著告訴機器人：我喜歡 M&M's，我的碗是藍色的。機器人就成功的把M&M's放入了藍色碗中。
2. Wordcraft：幾位專業作家正在測試的Google的AI小說生成工具，雖然目前此AI還在不成熟，但在Google官網上已經有透過這個AI創作出的故事供有興趣的人閱讀。
3. Imagen 和 Parti：這兩個 AI 模型可以根據文字提示生成逼真的圖像，而現在還延伸到了文字轉影片。

Google研究院AI專業中心負責人Marian Croak表示，AI 可以帶來「巨大的社會效益」並「釋放所有這些創造力」。但同時，其所涉及的風險也可能非常巨大。Google首席執行長Sundar Pichai表示，AI是他們正在研究最具有深度的技術，但這些都仍處於早期階段。（編譯 / 莊閔棻）

延伸閱讀：文字到圖像AI模型Imagen  Google首次公開亮相

Google新AI工具  幫你寫故事

Google為全世界提供洪水預報和野火追蹤系統服務

參考資料：Axios

這篇文章 顛覆想像力  Google人工智慧的無限潛能 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

麻省理工學院(MIT)和MIT-IBM Watson AI Lab的研究人員開發了一種特別的機器學習模型與「聲 …

麻省理工學院(MIT)和MIT-IBM Watson AI Lab的研究人員開發了一種特別的機器學習模型與「聲音」有關。透過捕捉到房間裡的任何聲音如何在空間中傳遞，讓模型可以模擬聽眾在不同位置聽到的聲音。該系統可以經由空間聲學建模，以學習空間的基本3D幾何。

該技術有可能可以應用在AR和VR上，以及協助人工智慧代理(artificial-intelligence agent) 更好發展對周圍世界的理解。因為目前的建模方式基本上都只注重視覺的部分，但用聲音來模擬也很重要。想像一下，若透過聲音建模，這對於水下探索機器人來說，可能可以感知到比視覺更遠的東西。

原先研究團隊運用了類似於隱式神經表示模型(implicit neural representation model)的機器學習模型來取得聲音在空間的傳播。隱式神經表示模型透過神經網路(neural networks)處理數據以完成任務。

經過一番嘗試後，研究團隊發現視覺模型的光度一致性(photometric consistency)並不適用於聲音。若我們以眼睛看物體，無論在什麼位置觀看物體都看起來差異不大，但是聲音會因為位置不同而有所差異，因為聲音會受到障礙物和距離等因素的影響。而這無異於讓預測聲音有一定挑戰性。

因此，研究團隊決定利用聲音的兩種特性來克服上述問題，即聲音的「對等性」和局部幾何特色的影響。「對等性」意味著聲源和聽者互換位置，聽者聽到的聲音是不變的。另外，聽者在特定區域聽到的聲音會受區域特徵影響，如聽者和聲源之間的障礙物。

為了讓研究團隊的neural acoustic field模型(NAF)也能具有這兩種特性，研究團隊透過網格來加強神經網路，該網格可以捕捉了場景中的物體和建築特徵。而該模型會在網格上取樣，以學習特定位置的特徵。這樣的方式讓NAF比起其他聲學模型方法，能建構出更精確的模型，因為NAF學習了局部位置的幾何訊息，這有助於NAF推算空間的位置。（編譯／施毓萱）

資料來源:MIT News

這篇文章 麻省理工新ML模型 用「聲音」建構空間 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。