iPhone X face recognition

一直搞不清楚 iPhone X 臉部辨識是怎麼做到的? 用 "最簡單"的 ToF (Time of Flight, 距離不同，所以光的往返時間不同) 根本不可能，因為就算是同樣距離，光線反射到相機的時間，因為光子在同樣一個 pixel 的落點不同，就可能會有至少50公分的距離差異。

Apple 在2013年收購了一家以色列的公司, Primesense. 這家公司用和 ToF 截然不同的技術。iPhone X 的臉部辨識，用紅外線在你臉上灑下3萬點的 "coded light". 再由這3萬點 "coded light" 反射到相機的數據，和儲存的標準值比較，然後經過非常複雜的數學模式， 算出這些點的距離。 看了 Primesense 在2006年呈給美國專利局的專利，真是嘆為觀止。 這二十幾年來有多少人在夢想，如何用幾萬個 pixels 的 image sensor 來測量物體的距離差別，但都沒有成功。 Primesense 的方法應該算是最成功的。Primesense 在2006年的專利裡，距離的誤差還是有1.5公分，相信十年來這距離誤差應該已經缩到很小， 所以臉部的辨識應該是有可能的。

我相信 iPhone X 臉部辨識的硬體，應該都是台灣做的。Primesense 提供的應該就是最重要，也是最貴的 algorithm。 以色列在數學光學和物理的教育，應該不會比台灣強很多吧，為什麼他們做的就是最重要的東西，而台灣只能做次等的東西?

Opiod crisis

星期天晚上 60分鐘的類鴉片 (opiod) 爆炸性的報導，引起了全國的注意 (甚至川普在記者會，也被迫回答這個他不想回答的問題)。 現在因為 opiod 過量而造成的死亡率，已經遠遠超過 槍枝和車禍的死亡率。 這八年來急速增加的 opiod 死亡率，有很大的原因要"歸功於" 美國國會的推波助瀾， 製藥公司的貪婪，和不加規範的政府旋轉門。

這兩年來製藥公司和藥品經銷商在國會遊說的錢，已經超過一億美金。 遊說的錢越多，死的人就更多。 美國聯邦緝毒署 (DEA)，主張強力規範藥品氾濫的高層官員被迫辭職，而其他缉毒署消極的官員，卻紛紛轉任製藥公司和藥品經銷商的高薪職位，然後再反過來要求國會立法，限制缉毒署的行動。 而兩位立法要求緝毒署不要太積極行動的國會議員之一，竟然被川普提名為打擊毒品的沙皇。 這項荒唐的提名，要是被國會批准的話，那真的是立法要求緝毒署閒閒無代誌的國會議員，也可以當上全國打擊毒品的最高領導人物。

看來因為藥品過量而急速增加的死亡人數沒人在乎，倒是製藥公司和藥品經銷商要能賺足了錢，政府官員可以很輕鬆的轉任民間公司的高薪職位，和國會議員可以有源源不斷的民間公司的資助，才是最重要的。

twisted sentiment in Vietnamese War

最近幾天在看公共電視上的大型越戰紀錄片，其中提到 1970年代越戰的晚期，在 Ohio Kent State 大學，國民兵用67發的子彈射擊抗議越戰的學生，四個學生死亡。 可是當時竟然有 58% 的美國人贊成國民兵的做法。 不同的時空背景，不同的環境影響，fluid public sentiment 真的很詭異。

staggering value of top-notch AI experts

由 Elon Musk 資助創立的 OpenAI 真的會成為現代的 Xerox PARC (據說 Steve Jobs 當年曾經在這裡偷到 GUI 和 mouse 的創新技術)? 頂尖 AI 人才的身價幾乎和 NFL 頂尖四分衛一樣，所以就算是 Elon Musk 的魅力，也不一定能請到 AI 頂尖人才到 OpenAI 工作。(NFL 前10名的四分衛薪水都在兩千萬美金以上)。 最近在 OpenAI 免費提供下載的模擬平台上，嘗試了 Reinforcement Learning 的奇妙. 不告訴 AI 任何東西，讓AI自己能夠在一個移動的平台車上，保持一根棍子不墜。 下一個挑戰是看能不能用 deep Q-Learning 來玩老掉牙的電動遊戲, PacMan. 不過 Q-Learning 的數學非常抽象，有時候兩三個小時， 還無法領悟到這數學模式直覺的觀念。  http://www.bw40.net/8475.html

would-be journalist

兩天前，輸入人工智慧程式 1千7百萬個字的文章，在PC上跑了兩個小時，結果 人工智慧竟然有辦法自己領會出像 zero 這個字是跟 one two three four five six seven ... 是有關係的。 這只是1千7百萬個字(其中 the 就佔了至少1百萬個字)，兩個小時在PC上也不過是反覆訓練了一萬次。 如果是輸入至少幾十億個字，而且是在高速平行運算電腦上 訓練 幾個月，數學最佳化 model 也夠完美的話，那豈不是 獨立學習的 人工智慧的文學修養，可以逼近一個新聞記者的程度。 怪不得現在有些網頁的即時報導，是由人工智慧操刀的

AI learning gratis

最近自學Google人工智慧的 Python API。 讓我很驚訝的是 Google 自從2015年11月釋出人工智慧程式碼 Tensorflow 後，可以說是毫無保留。 Google甚至提供 TensorBoard， 可以將你寫的人工智慧程式轉成 neuron 操作圖(如下圖)。 全部 neuron 的訊息, 全部 neuron 的連結， 和 neuron 如何發射信號， 全都顯現在這張圖上，以便 debug和分析.

雖然像 Xilinx 也把 FPGA 設計軟體釋出, 但是像高階的 C-to-Verilog 的軟體就要付費，而且你用他們的免費設計軟體，必須還要再買他們昂貴的 FPGA硬體才有用。但 Google的 Tensorflow 人工智慧軟體完全免費。 除非你要分析的數據不是幾萬個而是幾百萬個，幾億個，那就可能要花錢去買 PC 的 GPU 卡，要不然運算太慢。 任何人都能夠以 Python 程式搭配 Tensorflow人工智慧的API來分析至少幾萬個數據， 可以在自己家裡的 PC上進行，而且不花一毛錢。

人工智慧軟體的免費享用，使得這兩年來學習人工智慧的人數高速成長， 也讓賣 GPU 晶片的 NVIDIA，一年內股票成長3倍 ( 我剛剛也在ebay買了一個低階的 GPU卡)。 現在的學生，與其擔心以後被人工智慧取代，那還不如現在就學人工智慧，以後來取代別人。 反正學習的資源都是免費， Python 也不難學，而且 Tensorflow 所需要的數學也不過是基本的微積分。當然，還是要花很多時間去學習每一個 Tensorflow API 的內涵.

growing AI market apace

人工智慧的市場在3年後有每年60億美金的價值，8年後有每年 370億美金的價值。 這個龐大的市場意味著有多少的高薪工作會增加，以及多少的工作會被取代。