AI 趨勢新聞精選
【2021/8/19〜2021/8/25】
➡️ ➡️ 我們將在電子報提供您更深入數據處理洞察，點擊連結訂閱：https://ai-blog.flow.tw/register
繼Google之後，蘋果也精簡健康App專案
iThome重點摘錄：
軟體大廠過去幾年大舉投資健康照護領域，不過Business Insider上周報導，Google和蘋果分別裁撤和縮編開發數位健康技術及方案的部門。
蘋果近日縮編名為HealthHabit的專案團隊。HealthHabit據傳負責開發蘋果員工健康管理應用，包括設定與紀錄運動目標、紀錄高血壓相關數據，並和公司合作診所的醫師諮詢等等。計畫是讓員工配戴Apple Watch來蒐集心率、走路步數或其他生理資訊，並上傳公司伺服器。
這不是第一次HealthHabit傳出即將被蘋果放棄的消息。華爾街日報6月報導，HealthHabit推出後遭質疑侵犯員工隱私，員工也不太買單。此外蘋果健康照護的計畫已從初級照護（primary care）轉向最擅長的Apple Watch，開發手錶上的健康功能。
Waymo自駕開發進展緩慢為哪椿？
品玩重點摘錄：
長期以來，谷歌的自動駕駛汽車技術都被視為整個行業的領跑者，其姊妹公司Waymo甚至在鳳凰城推出了自動駕駛出租車乘車服務。然而，儘管經過了多年的研究和數十億美元的投資，這項技術仍未能實現廣泛的商業化，甚至依然存在許多技術問題難以攻克。
今年春天，Waymo的許多頂級人才大規模外流，其中甚至包括其首席執行官、首席財務官以及卡車運輸產品、製造和汽車合作方面的負責人。知情人士說，許多高管對該公司自動駕駛技術開發進展緩慢感到沮喪。
事實證明，最後1%的問題堪稱是「殺手」。起初，Waymo似乎將以超快的速度生產汽車。Waymo計劃購買這些汽車，並安裝其所謂的「驅動器」，包括攝像頭、傳感器和專有電腦設備。然而在現實中，需要熟練的拆卸。Waymo是技術上的領先者，但在生產汽車方面，其製造能力可能會讓底特律人獲得優勢。
這新創靠「衛星」販賣數據年收破億，搭 ESG 風潮還要上市！
科技報橘重點摘錄：
太空產業已經成為了現在最前沿、最受關注的新興行業之一。除了像 Starlink 提供全球消費者衛星網路的商業模式之外，另一種主要的商業模式就是「靠衛星賣數據」了。衛星新創 Planet 就是例子，甚至還賣到即將要上市了，該公司目前估值達到 28 億美元，去（2020）年營收超過 1 億美元。
Planet 在太空中營運著數百顆低成本的衛星，這些衛星每天都在捕捉整個地球陸地表面的圖像。該公司指出，事實上該公司提供的是「數據與軟體業務」，提供數據圖像訂閱制服務，其中有 90％ 客戶是選擇年度訂閱方案，Planet 的客戶分為 4 種：民用（24％）、農業（23％）、國防和情報（22％）以及測繪（17％）。
Planet 有時還會公開一些重要的圖像以及數據，例如可以幫助救災人員應對森林野火以及地震等自然災害的圖像，或者幫助科學家、環保團體監測氣候變遷、森林砍伐等環境問題。Planet CEO 兼聯合創始人 Will Marshall認為，未來隨著越來越多企業與政府訂定 ESG 目標，「分析」將會成為這個全球趨勢的基礎，「你無法管理你無法衡量的東西。」
從馬斯克不斷創新看台灣企業
udn重點摘錄：
特斯拉日前在美國舉辦首場AI日活動，執行長馬斯克在活動當中拋出震撼彈，宣告特斯拉將打造人型機器人「Tesla Bot」，並預計明年就會推出原型機。
特斯拉建構的事業，不只是一套電動車的軟硬體系統，更是一個涵蓋人工智慧與機器人的生態鏈，因此，他不僅僅讓銷售電動車硬體及自駕車軟體成為兩門巨大的生意，未來還會推出更多新產品及新應用，讓更多的事業部可以產生不斷正向循環及良性回饋的飛輪效應。
需要強調的是，企業要做這種延伸並不容易，因為要把事業延伸到不同領域，需要經歷非常不一樣的考驗，因為跨界的人才是最難找、最稀缺的，每一次的跨界也都需要花大錢，經常也不是原班人馬可以做得到的，只有借外部高手與力量才辦得成。
台灣把事情做得很好（Do the things right），卻沒有好好選擇做對的事情（Do the right things），當只能做價值鏈底層的工作，就不能怪很多企業「毛三到四」了。
從資料模型到數據產品，需要跨越哪些現實？
知勢重點摘錄：
傳統的資料科學模型通常只考慮到「產出模型」為止，著重的是如何訓練一個「好」的模型，產生交付的通常是一個模型。從實驗資料到真實資料的情境中，會有幾個現實需要面對：收集到的資料可能更多、更快、更髒；產生的結果通常是比較模糊的。
模型跟報告是相對抽象跟靜態，難以讓使用者直接有感。因此，從資料模型到數據產品的另外一個重點在於「如何將模型部署成一個可持續使用的線上系統」。例如像推薦系統或是圖形辨識系統之類的系統，就以應用為目的，模型只是其中的部分而已。
從這些角度來看，是否可以更早期就把最終的應用考慮進來，或是需不需要讓資料料工作者也具備系統部屬的產出能力，都是打造數據產品時的重點。而最近流行的 DataOps、MLOps 和 AIOps 各種 Operation 方法，就是在探討如何導入敏捷開發的原則。
