人工智慧、大數據分析、雲端服務、區塊鏈等新興技術加速了數位轉型的浪潮，但是否各行各業都有數位轉型的必要？面臨數位轉型時又有哪些挑戰與機會？以私有雲、虛擬化技術起家的VMware，9日在成都舉辦大中華區CIO高峰論壇，探討數位轉型議題。

「不管哪個產業，現在都越來越像技術公司，農業、製造業、金融業、零售業，這些傳統非技術領域的企業，業務核心都開始轉向使用技術。」VMware營運長（COO）Sanjay Poonen提到，在技術產業中，有些企業在技術變化中找到了方向，也有些企業迷失了，「但是不創新，就是等著死亡。」他強調：「數位轉型的關鍵在於創新。」

Sanjay Poonen指出，全球產業在數位轉型上的腳步，目前跑在最前端的是IT密集型的產業，例如金融服務業、電信營運商、醫療產業等，因為這些產業高度仰賴資訊，而資訊也能夠為他們帶來競爭優勢，所以這些產業在全球數位轉型中跑最快。緊接在後的產業是，能夠透過新興技術帶動，而產生競爭優勢的傳統產業，例如製造業、零售業。他提到，典型的案例就是智慧製造、物聯網、智慧零售，在零售的過程中，透過技術能夠精準地向消費者推薦商品。

而傳統上資訊含量低，或是較少使用技術的產業，例如農業，是目前在數位轉型走得最緩慢的。不過，Sanjay Poonen提到，不管是跑在最前端或較落後的產業，都已經意識到技術的重要性，並願意把數位轉型作為產生競爭優勢的來源。

「競爭最激烈的產業與最有痛點的產業，數位轉型走得最快。」VMware全球副總裁暨大中華區戰略發展副總裁李映補充，中國市場目前在數位轉型上的進程。他舉例，競爭最激烈的有廣告科技產業、生產行動裝置的手機廠商；最有痛點的產業則有電信營運商，有些時候是來自客戶端的反饋，若要提升敏捷性與效率，就必須盡快實現數位轉型。

不過，李映也提到，市場的走向並非一成不變，或許本來對數位轉型不敏感的行業，也可能因為有新的想法與動力，而讓數位轉型發展得無比之快。他舉例，中國計程車行業過去幾十年來非常穩定，但滴滴出行（曾用名滴滴打車）一出現，整個計程車行業對數位轉型的壓力與動力就變得很高。他強調，未來究竟哪些產業會走得更快或慢，關鍵還是企業在數位轉型上是否有較長遠的創新遠景，還有能否持續並推動轉型，為企業帶來差異化和增長率。

而作為提供數位轉型產品服務的VMware，在企業內部又如何面對數位轉型的挑戰？Sanjay Poonen認為，自家的香檳自己喝（Drinking your own champagne），若自身在數位轉型做不好，就沒有辦法向其他人介紹數位轉型的經驗。他也分享了3項VMware的內部數位轉型經驗，包括讓22,000位內部員工使用整合式數位工作區平臺VMware Workspace ONE，此平臺整合了存取控制、應用程式管理，以及多平臺端點管理功能，還能以雲端服務形式，或者是針對內部部署需求來提供服務。員工也能在任何裝置，包括智慧型手機、平板電腦或是筆記型電腦上，安全地存取 Windows、原生、雲端與Web環境下的各種應用程式。

Sanjay Poonen表示，讓VMware內部員工使用Workspace ONE，不僅可以降低成本，還能提高勞動生產力，幾年內能為企業帶來500萬～1,000萬美元的商業價值。他也提到，VMware與Dell的CIO為同一人，不久之後Workspace ONE也會推廣到Dell內部12萬名員工，改造他們的工作體驗。

另外，Sanjay Poonen提到，VMware內部也有設置私有雲，而且使用率很高，他認爲，一個技術或產品首先要滿足內部員工的需求，才能推到市場上。最後，VMware更專注在人的環節，他們在內部在產品開發、市場行銷、銷售的過程中，使用了敏捷開發，進一步提升員工效能。

此外，VMware近年積極與主流公有雲供應商合作，背後有其原因。Sanjay Poonen坦言，根據IDC數據指出，公有雲市場前6強分別是Amazon AWS、微軟Azure、Google、IBM、阿里雲、Oracle，VMware始終沒能列入6強，既然成不了前6強，VMware可以利用網路虛擬化技術，在私有雲與公有雲之間搭建一個橋樑，打造混合雲環境，成為公有雲企業的助力，這也是一般硬體供應商，像是思科、華為所做不到的，創造出VMware的獨特性。

Sanjay Poonen認為，VMware主要是要搞清楚自身所擅長的，以及哪些是整個生態系統的合作夥伴所擅長的，彼此專攻所長，他也提到，只要公有雲的供應商是異構化的，就會一直需要用到VMware。Sanjay Poonen強調，VMware對於發展任何公有雲的合作關係，都保持開放態度，他接著預告，除了阿里雲與騰訊雲，VMware將來會與中國市場所有主流的公有雲供應商建立合作關係。

IBM研究團隊最近針對對話的UX設計，開發了一套自然對話框架Natural Conversation，不但突破以往一般Chatbot兩輪對話的限制，創造能夠記憶對話內容，來持續與使用者對話，還在該模型中將人類自然的對話模式，套用到對話分析中，來設計對話的使用者體驗。

透過自然語言與AI互動的應用場景越來越普遍，但是，即使現今的Chatbot或是AI系統能夠理解自然語言，還是很能與人類有更深入、自然的對話互動，舉例來說，用戶請Chatbot講一個笑話，Chatbot會直接在講笑話的過程中，把梗一併說完，並沒有與人類互動。

目前市面上的Chatbot多半是用兩輪式的對話，用戶下完指令後，Chatbot根據用戶的意圖給予回應，如果用戶的意圖需要超過單一的回覆，像是問答式的笑話，Chatbot就會將多輪的回應集中到單次的回覆中。

因此，IBM研究團隊認為，對話介面需要系統記得多輪的內容，不只是為了讓Chatbot可以講笑話，或是處理複雜的要求，甚至能夠讓用戶用最少輪的對話來完成想表達的內容。

Watson Assistant（先前名為Watson Conversation）過去已支援多輪的對話，並且能夠記憶對話內容來持續與使用者對話，現在，IBM研究團隊正在將對話的技術應用在使用者體驗設計上，建立出下一代的對話AI介面。

目前大部分的使用者體驗介面都是建立在視覺上，像是桌電、網頁、手機等，但是，視覺的互動模式並沒有對話來的有效，因此，IBM將人類自然的對話模式，套用到對話分析中，來設計針對對話模式的使用者體驗。

IBM針對對話的UX設計，建立了一套自然對話框架（Natural Conversation Framework ），提供一般常見型的對話UX模式（Pattern）函式庫，這些模式是參考對話分析的文獻，該框架包含4個主要的元件：互動模型（Interaction Model）、對話引導（Conversation Navigation）、常見任務（Common Activities）和序列度量（Sequence Metrics）。

互動模型包含可擴展的動作組（Action pairs），舉例來說，當一方提出邀請，另一方可能會在下一輪回覆接受，但也有可能不是，而是從中延伸更多動作，像是詢問時間、地點或是參與的人，而在邀請之前也可能會先尋問今晚是否有空，在接受或是拒絕後，也會說可能下次吧，因此，對話系統中的動作組必須能根據使用者喜歡簡單明確或是詳細的細節，來支援額外延伸出的對應。

另一方面，由於不同種使用者介面，像是命令列、圖像、手機等，不管是改變方向、拖曳標誌，或是點選主頁的按鈕，都會需要不同的引導方式，而對話的介面也是如此，IBM的自然對話框架提供六種方式，來引導用戶更能跟AI系統自然地互動，例如，用戶可以說「你能做什麼」，來得到Bot的功能，「你說什麼」來使Bot重複剛剛的回覆，「你指的是什麼意思」則是會使Bot換句話說，好或是謝謝代表序列對話結束，沒關係代表序列對話中斷，最後若用戶說再見則是結束對話。

該框架也針對常見任務，提供可重複使用的UX模式，像是對話的開場和結束、請求、下訂單、問題解決、機智問答和講故事等。

最後，該框架也提供最新的序列度量方法，讓對話分析變得更有效率，來改善對話UX設計。

加密訊息軟體Signal最為人知的功能之一是訊息會自動毁滅，不留痕跡。不過有安全專家發現，Signal中的訊息竟然會出現在Mac電腦的通知中。

安全專家Alec Muffet提醒，如果你使用的是Mac版Signal，最好檢查一下Mac電腦的訊息列；友人傳送來的訊息即使在app中看似已經刪除，實際上卻複製到通知而永久保存著。

根據他貼出的螢幕擷圖(下)，一則設定一天到期的Signal訊息，在Mac上卻在4天後仍能看到訊息，而使用者姓名及傳送的內容都清楚可見。安全專家執行的是MacOS 10.13.4及Signal Mac版1.9.0，但另有用戶在MacOS 10.13.3及Signal Mac 1.6.1環境也出現理應過期的連結卻出現在聯絡紀錄中。

#HEADSUP: #Security Issue in #Signal. If you are using the @signalapp desktop app for Mac, check your notifications bar; messages get copied there and they seem to persist — even if they are "disappearing" messages which have been deleted/expunged from the app. pic.twitter.com/CVVi7rfLoY

— Alec Muffett (@AlecMuffett) 2018年5月8日

最先報導本新聞的Motherboard引述名為Wardle的安全研究人員指出，這些訊息是儲存在手機上的SQLite資料庫，雖然它是以二進位plist格式儲存，但很容易還原成明碼訊息。這表示惡意程式、駭客或執法機關都能繞過完整的硬碟防護，進而存取使用者傳送的訊息，不論他是一般用戶、罪犯，或是政治人物、記者。

所幸這只是個設定問題，並非漏洞，而且外人得要接觸到用戶Mac電腦才能讀取訊息。此外，要防範也不難，只要在Signal app的偏好設定中找到「通知」訊息，然後在「不公佈發信人姓名及訊息內容」、或是「只顯示發信人姓名」，就可以防止訊息外洩。不過調整設定後，之前已經出現的訊息內容和聯絡人姓名也不會消失，需要從SQLite資料庫刪除。此外，採用全磁碟加密也能防止資料被外人存取。

全球最大零售商Walmart周三（5/9）周三（5/9）宣布將以160億美元取得印度本土電商龍頭Flipkart的77%股權，成為Amazon在印度市場的最大競爭對手。

2007年創立的Flipkart是印度最大的本土電商，從去年3月到今年3月間的成交金額為75億美元，年成長率為50%。至於Amazon是在2013年於印度成立Amazon.in，市場調查機構Statisa的數據顯示，去年印度最大的電子商務網站為Amazon.in，Flipkart則僅以些微的差距緊跟在後。在Walmart入主Flipkart之後，Amazon與Flipkart的競爭將愈趨激烈。

Amazon創辦人暨執行長Jeff Bezos於日前寫給股東的公開信中表示，Amazon.in現已是全印度最受歡迎的網站，在印度市場推出Prime服務的第一年所增加的會員數也凌駕其它市場。

根據印度品牌資產基金會（India Brand Equity Foundation，IBEF）的估計，印度的電子商務（E-Commerce）市場可望從2017年的385億美元成長到2026年的2,000億美元，而且預期於今年就會超越美國的500億美元。此外，根據市場研究機構Statisa的估計，去年印度的EC規模只佔印度整體零售規模的2.2%，顯示印度的EC仍具有龐大的發展潛力，不難想像不論是Amazon或Walmart都積極搶佔印度市場的原因。

看好印度電商市場的不只是Amazon或Walmart，因為Walmart雖然將握有77%的Flipkart股權，但剩下的股權持有人還包括Flipkart共同創辦人Binny Bansal、騰訊、Tiger Management與微軟。

Walmart執行長Doug McMillon即說，有鑑於印度市場的規模與成長率，它是全球最具吸引力的零售市場之一，他們將引領印度EC市場的轉型，打算提供高品質且經濟實惠的商品予當地消費者，可望創造新職缺，也將替當地的供應商、農夫或女性企業家帶來更多機會。

Google周三（5/9）宣布，已與以色列雲端遷移服務供應商Velostrata簽署併購協議，打算藉由Velostrata的能力協助客戶簡化自就地部署遷移至雲端的流程。

成立於2014年的Velostrata提供擁有專利的解決方案，能協助企業透過儲存的解藕運算於數分鐘內將任務透明化地轉移至公有雲，且不影響效能，可用來轉移整個資料中心、於混合雲環境中的操作，或是就地部署的工作負載。宣稱迄今已協助企業移除內含複雜工作負載或大型資料庫的數千個伺服器，涵蓋健康醫療、金融、能源與公部門等領域的客戶。

Google Cloud工程副總裁Eyal Manor表示，Google Cloud客戶將可受惠於Velostrata所帶來的兩大好處，一是能在不影響效能的狀況下自儲存中解藕運算，其次則是能適時調整工作負載以利雲端執行。

Manor指出，這意謂著客戶將能輕易且快速地將虛擬機器上的大型資料庫、企業應用、DevOps或批次處理轉移至雲端環境中，而且可隨時控制他們的資料，不論這些資料是位於雲端或是就地部署的系統上。

本周在Google I/O 2018中，Google表示現已有數千款Android Auto app，同時預覽下一版Android Auto的功能。

這是Google去年宣佈和Volvo、Audi合作下世代車款的車內娛樂影音系統採用Android Auto後的最新成果。繼Google Map之後，Google和Volvo再將Play Store及Google Assistant直接整合入Volvo下世代汽車電腦中，成為第一輛整合Google車上作業系統的車商。

Google表示，從3年前推出以來，目前已經有「數千款」Android Auto app在30多國的Google Play Store上架。此外，藉由Android Auto整合Google Assistant，開發商現在也能開發聲控的車上App。

Google還預覽了下一代Android Auto，新增功能包括更強的媒體搜尋能力，可在聽歌同時顯示相關的媒體內容，如不同版本的歌曲及歌手演唱；支援群組通訊及RCS（Rich Communication Services），以便在開車時和一群人通話。新的Android Auto UI設計語言下，影音內容畫面更大，允許開發人員增添生動的設計元素，包括多種圖示、不同內容可以不同比例顯示、也可望支援寬螢幕、多螢幕、甚至觸控的車上螢幕。

Techcrunch報導，隨著Android P的宣佈，Android Auto未來也可能支援駕駛輔助系統及地圖資料的整合。

繼美國總統川普（Donald Trump）在去年10月簽署了Integration Pilot Program無人機測試專案之後，美國交通部（USDOT）在本周公布從各州政府所提出的149個專案中所遴選出的10個專案，打算透過這些試行專案蒐集重要資訊以發展無人機的管理框架。然而，根據外電報導，包括Google、微軟與高通（Qualcomm）都將參與相關專案，而積極發展無人機送貨服務的Amazon與無人機製造商龍頭大疆（DJI）卻都在這些專案中缺席了。

雀屏中選的10個無人機測試地點與專案包括奧克拉荷馬州的喬克托邦、加州的聖地牙哥、弗吉尼亞理工大學、堪薩斯州交通局、佛羅里達州李郡的蚊蟲控管區域、田納西州曼非斯—謝爾比郡的機場管理局、北卡羅萊納州的交通局、內華達州里諾市，以及阿拉斯加大學費爾班克斯分校等。

這些政府或機構所提出的無人機測試專案各有不同的用途與目的，有的鎖定越過人類的飛行或夜間操作，有的測試無人機送貨服務，有的則是在偏僻的地方測試無人機在人類視線之外的操作，有的試驗低空應用，有的企圖建立無人機送貨平台，有的鎖定災難救援，還有的著眼於調查用途。

美國交通部表示，在未來的2年半間，自這些專案所蒐集的資料將協助該部門與美國聯邦航空管理局（Federal Aviation Administration, FAA）制定可允許更複雜無人機低空操作的規則，找出可兼顧地方與國家利益的方法，並兼顧隱私與安全風險。根據估計，不出10年無人機就能替美國帶來820億美元的經濟價值，創造10萬個工作機會。

儘管得標者的專案內容並未列出合作對象，然而，根據美國媒體的報導，不管是Amazon或DJI都有參與最初的專案遴選，只是這些專案最終未能獲得青睞，其中，DJI所參與的專案數量更高達十多個。反之不論是英特爾、Uber、Google、微軟、高通或FedEx都是得標專案的合作夥伴。

最近AWS於自家的官網上宣布分析服務AWS IoT Analytics推出正式版了，能分析IoT裝置收集的資料，透過分析服務來整理、處理、收集、儲存和分析大量的數據。

AWS IoT分析服務近來也根據用戶的回饋意見，新增了多項功能，包含透過BatchPutMessage API處理外部來源的資料、儲存的資料新增數據取回的機制、重新處理現有的數據、預覽分析結果的Pipeline，以及利用SampleChannelData API預覽多個通道的訊息等功能。

在準備資料的部分，可藉由通道（Channel）將IoT裝置的數據收集至分析服務中，可接受Binary和JSON的格式訊息，再藉由Pipeline導入由通道收集的資料，一步一步處理數據，像是過濾屬性、新增或刪除欄位、加入Lambda的功能等，接著將資料輸出到數據儲存服務（Data Store），數據儲存服務可提供用戶查找經過優化的IoT資料，再將用戶請求（Query）的結果輸出到資料集（Dataset）。

接著則進入資料分析的階段，資料集類似SQL資料庫，用戶能夠根據請求創造資料集，可以手動產生資料集，或是設定定期的排程。

而Notebooks則是整合了Jupyter Notebooks，讓用戶可以透過自己的程式碼，或是建立的機器學習模型來分析數據。AWS IoT的分析服務提供多個Notebook模板，內建常見的IoT分析模型，像是Predictive Maintenance、Anomaly Detection、Fleet Segmentation和Forecasting。除此之外，AWS還透過的Quicksight服務將資料分析結果視覺化，方便用戶檢視資料分析的結果。

提供超融合架構的Nutanix，去年底開始著手新方向開始整併公有雲服務，讓超融合架構也進入混合雲管理。當時，該公司釋出的搬遷工具就是Xtract，讓Nutanix的企業用戶的應用程式，從既有VM環境，也可以搬遷至本地Nutanix企業雲上運作。目前，使用Xtract的企業超過已經100家，並且成功搬移超過1萬2千臺VM，當中除了Windows Server環境外，還有Ubuntu、CentOS及Red Hat Linux等作業系統。

而在近日，Nutanix近一步宣告Xtract的新布局，未來還要靠它讓公有雲上的VM，搬遷至自家的AHV虛擬化平臺。而這一波從公有雲搶企業用戶的戰略，第一個被點名的對象就是公有雲龍頭AWS。Nutanix已經預告，下一次釋出新版的Xtract之時，就是鎖定AWS上執行的VM，將企業高踞公雲上執行的應用，重新拉回本地環境的Nutanix企業雲中執行。

Nutanix解釋如此布局的理由，該公司認為，當企業營運目標開始轉變，得開始搬遷VM至其他公有雲或私有環境運作時，「此時繼續抱持公有雲優先的技術策略，不僅耗時又得付出高額成本」，Nutanix舉例，像是臉書、Dropbox等大型企業，都曾經碰上基礎架構策略搬遷的難題，不過，無論企業規模如何，執行企業IT環境搬遷的任務，都會碰上幾個共通痛點，像是公雲服務可能臨時中斷、網路延遲性、資安或是法規相關的難題。

目前，用於VM搬遷的Xtract，除了鎖定AWS環境外，Nutanix現在也著手，要讓本地VMware ESXi環境，搬遷至自家的AHV虛擬化平臺。不過，即便Xtract所能應付的基礎架構環境變得更加多元，該公司表示，搬遷方法跟過去仍舊維持一致不變。

在使用介面中，企業選擇要執行搬遷的原始環境後，後續還得要輸入AWS環境的存取ID、存取金鑰。圖片來源：Nutanix

在此介面中，Xtract會顯示AWS環境的資訊，像是VM數量，以及基礎架構橫跨幾個Region，接著就是選擇未來VM要搬遷的目的地。圖片來源：Nutanix

在確認原始搬遷環境、未來搬遷目的地之後，接著就開始進行Network Mapping設定。Nutanix表示，跟過去本地環境搬遷的流程一樣，只需要滑鼠點擊，Xtract就會開始執行搬遷。Nutanix也強調，即便進行搬遷工作，也不會影響原始環境當前VM的執行。當搬遷工作告一段落後，平臺也進行VM資料的同步，確保新環境VM也保有同樣的數據。圖片來源：Nutanix
 

今年度微軟開發者大會Build上，在整併Azure及Kubernetes的新應用領域端上許多新菜，除了簡化Kubernetes叢集部署工作，還推出原生健康檢查預覽版功能，逐漸備齊Azure環境中使用Kubernetes的必備周邊工具。

不過除了這些相對成熟的Kubernetes企業應用，微軟也同時在新應用領域挹注開發資源，其中一個實驗性計畫就是利用Kubernetes部署Azure IoT Edge應用。微軟Azure IoT Edge專案管理Venkat Yalla表示，Azure IoT Edge以許多開放容器技術為基礎，因此能與其他開源容器專案進行串接。目前，微軟已經在GitHub上公開IoT Edge Virtual Kubelet Provider專案。

在這個實驗性計畫中，微軟所整合的一個開源專案就是Virtual Kubelet，而這個開源工具，同樣能執行Kubelet負責的任務，讓Kubernetes與其他雲端服務的API串接，像是ACI、AWS Fargate等。利用Virtual Kubelet，開發者可以建構可插拔式的系統架構。

雖然目前這個專案，仍然處於實驗階段，不過微軟也提出兩個有趣的潛在應用情境。首先，利用如此部署模式，未來可以確保雲端環境與邊緣運算環境的軟體組態設定一致。只要企業在本地開發環境完成應用程式開發，即可同時將應用程式部署至雲端或邊緣環境。

或是，企業也可以保障所有IoT Hub的部署一致。Venkat Yalla舉例，企業的IoT應用連接至各大區域的IoT Hub，「但是這些裝置的組態設定都得完全一致」，而利用這個專案，開發者可以在IoT Hub平臺中建置虛擬Kubernetes節點，藉此，只要靠單一部署任務，就能在不同區域的IoT Hub，部署相同的系統模版。

在這個實驗性專案中，微軟先實作一個IoT Edge Provider元件，透過此工具，可以將Kubernetes模板轉換成IoT Edge部署模板。如此一來，只要使用Kubernetes內建的Kubectl命令程式列，再透過IoT Hub，開發者就可以將新系統組態設定部署至本地端物聯網、邊緣運算設備。 圖片來源：微軟

微軟在其Build 2018大會上，發表了跨平臺的機器學習框架ML.NET，能幫助開發者建立自己的機器學型模型，並使用在應用程式中，微軟也強調，使用ML.NET開發機器學習應用，不需要具備開發或是調校機器學習模型的專業。

微軟以及Google年度大會接連舉辦，皆大肆展示各自在人工智慧領域的火力，在開發方面，Google宣布在其行動及網路應用程式開發平臺Firebase中，整合機器學習開發套件包ML Kit，要讓App開發者隨呼即用開發AI應用。而微軟不甘示弱的釋出ML.NET，針對桌面平臺包括Windows，Linux和macOS裝置的機器學習應用。

微軟提到，ML.NET最初是由微軟研究院開發、發展了十年的框架，在微軟的各種產品Windows、Bing與Azure中被使用。而開發者使用ML.NET這個框架，可以應用分類功能在文字分類以及情感分析應用上，或是應用在價格預測等回歸機器學習任務。

本次釋出的ML.NET作為第一個版本，同時也帶來訓練機器學習模型的.NET API初稿，這些API提供預測模型、學習演算法、機器學習的核心資料結構等框架的核心組件。微軟提到，他們還支援了TensorFlow、Accord.NET和CNTK等熱門的機器學習函式庫。

未來微軟還計畫讓ML.NET支援開源的深度學習模型標準，同時他們也會重新調整使用者介面，以簡化機器學習的開發工作，並且將整合用於Visual Studio的人工智慧工具。現在微軟釋出的ML.NET為預覽版，並在GitHub上開源。

兩名研究人員Nick Peterson與Nemanja Mulasmajic近日公布一份研究報告，指出作業系統的開發人員誤解了英特爾（Intel）與AMD的系統程式指南與軟體開發手冊有關異常指令的說明，讓這些作業系統面臨機密資料外洩或遭駭客掌控的風險，包括Windows、macOS、Linux Kernel、Ubuntu、紅帽、FreeBSD與Hypervisor都受到波及，也讓美國電腦網路危機處理中心CERT提出了警告。

現代處理器通常具備除錯架構，當作業系統或應用程式開發人員在執行軟體並發現異常時，就會把執行權限交給除錯軟體。

CERT指出，作業系統的開發人員誤解了英特爾架構上的中斷/異常指令—MOV SS與POP SS，而使得他們所打造的作業系統無法妥善檢查或處理異常狀況，並衍生出CVE-2018-8897漏洞。

x86架構的權限設計中有4個環狀等級，其中的Ring 0屬於最高權限的作業系統核心，而Ring 3則是最低的應用程式等級。若於MOV SS與POP SS指令後使用了特定指令，處理器中被列為Ring 0等級的資料即可能允許Ring 3權限的應用程式存取，也意味著駭客能夠利用作業系統的APIs存取置放於記憶體中的資料，或控制低階的作業系統功能。

CERT的警告只針對英特爾架構，還指出英特爾的文件可能解釋的不夠清楚，但研究人員則說該漏洞同時影響英特爾與AMD。

要開採該漏洞的駭客必須先於系統上植入惡意程式或是登入該系統，除了眾多的作業系統受到該漏洞的影響之外，打造Hypervisor的VMware與Xen也在名單之列，業者已紛紛展開修補。

資訊科技日漸普及下，愈多人開始著手程式開發，而讓不熟悉軟體開發的企業人士也能打造基本堪用的應用程式似乎是個有潛力的市場。像是Google在2016年時，就在G Suite平臺上新增App Maker工具，只需滑鼠拖曳就能進行low-code程式開發工具，也能滿足基本HTML、CSS以及JavaScript的開發需求。而近日，甲骨文也更新產品定位相仿的JavaScript雲端開發服務Visual Builder Cloud Service （VBCS），同樣是個主打low-code的開發平臺，現在VBCS讓開發者可以直接存取程式碼進行微調。

甲骨文表示，VBCS引入視覺化的開發工作方式，讓業餘工程師也能以low-code的形式打造客製化應用。對此工具展現興趣的人，並非只有業餘工程師，許多專業程式開發人員除了對視覺化開發工作有興趣外，「他們還希望能有更多附加功能」，例如即使利用視覺化開發平臺，開發者也能直接閱讀程式碼，使用拖拉方式完成大框架設計後，也能微調程式碼，滿足客製化需求。

在更新後的VBCS，架構網頁UI的設計，也是透過所見即所得（WYSIWYG）的Layout編輯工具完成。而在新發布中，甲骨文也整合了 自家的開源JavaScript延伸套件工具，提供開發者更多設計元件。

在新發布中，甲骨文也整合了 自家的開源JavaScript延伸套件工具，提供開發者更多設計元件。圖片來源：甲骨文

在新版本中，甲骨文在新增了一個「程式碼」按鈕，專業開發者可以直接點擊，閱讀HTML語法，藉此就不用受限視覺化開發的限制，也可以更精確的修改視覺呈現方式。圖片來源：甲骨文

而甲骨文也表示，視覺化開發不只用於網頁排版而已，也可延伸至程式邏輯設計，像是宣告變數、呼叫JavaScript程式碼。同時，該工具也整併了版本控制系統Git，搭配甲骨文的雲端開發服務，也可以利用私有Git儲存庫，管理程式碼。圖片來源：甲骨文

在行動當道的現今，該工具勢必也得要支援行動應用程式的開發。利用VBCS，在同一專案中，同時可以開發網頁端或行動端之應用。在完成應用程式開發後，該平臺就會開始進行程式碼打包，並且開始在行動平臺上測試。 圖片來源：甲骨文

要讓開發者變得更專注於應用開發，甲骨文也加入了部分新自動化功能，例如，開發者設定伺服器名稱後，服務布建只要單一點擊就可完成。完全不需理會該應用底層平臺的其他設定。在服務完成建置後，該公司也會協助後續的更新、備份服務。圖片來源：甲骨文

微軟順便在這次Build 2018大會公布了跨平臺開發框架.NET Core 3的未來計畫，微軟計畫在2018的後半年釋出預覽版，並在2019年釋出正式版，而.NET Core 3的亮點則是開始支援Windows桌面應用程式。

微軟提到，.NET Core 3將開始支援傳統桌面應用程式，特別是Windows Forms、Windows Presentation Framework（WPF）以及UWP XAML，開發者將可以在.NET Core上開發全新的Windows的桌面程式或是將既有的應用程式移植到.NET Core 3上。由於開發者對於.NET Core上支援桌面程式要求不斷，微軟表示，因此在完全支援網頁以及雲端應用的同時，他們決定開始支援傳統的桌面應用程式。

.NET Core是微軟的跨平臺開發框架，可以在Windows、macOS X以及Ubuntu Linux作業系統上執行。.NET Core與.NET Framework共用部分API，也就是說.NET Core相對來說是函式庫的子集，而且與其他新興開發框架一樣，以套件的形式擴充需要的功能，並維持套件版本與.NET Core主版本分離，之間沒有絕對的相依性。

微軟提到，以.NET Core開發桌面應用程式的好處不少，像是效能改進以及其他Runtime的更新，將能為使用者帶來更好的使用體驗，而且受惠於.NET Core本身的開發優勢，可以輕易的對單一應用程式使用或是測試新版本的.NET Core，還能啟用全域或是本地端部署，更重要的是Visual Studio本就支援.NET Core CLI工具和SDK風格的專案。

微軟指出.NET Core支援Windows桌面應用程式會以Windows桌面包的形式釋出，而這些軟體也只能在Windows上執行，.NET Core 3本身不會有架構上的改變，開發者將可以用C#、F#或是VB這3種的任一種開發語言來開發桌面應用程式。

至於是否要將既有的Windows桌面應用程式遷移到.NET Core 3上，微軟給出了簡單的判斷條件，當這個應用程式正處於活躍的開發階段，微軟認為搬移到.NET Core 3是一個簡單選擇，但是當應用程式已經沒有獲得多餘的開發資源投資，那就應該停留在.NET Framework 4.8上。

桌面應用程式將需要使用.NET Core 3重新編譯，但是其他的相依項目則不需要。微軟提到，他們還沒有對.NET Core 3支援Windows桌面應用程式做任何最佳化的工作，但是經過他們內部測試發現，使用.NET Core的桌面應用程式啟動速度更快了。

GDPR規定實施在即，9to5mac報導，蘋果可能已經動手移除會將用戶地點資訊分享或銷售給第三方單位的app。

報導指出，過去幾天來已有數家app開發商接獲蘋果以電子郵件通知其app有違反蘋果規定的行為而施以「重新評估」的處分，已將app從App Store下架。

有網友在推特上分享蘋果寄給開發商的信件內容：

Apple finally decided to start enforcing guidelines on selling location data

via @jeromep1970pic.twitter.com/YKAWfMBq35

— Thomasbcn (@Thomasbcn) 2018年5月7日

蘋果懷疑這些開發商違反了蘋果App Store審查作業綱領的5.1.1 和5.1.2。兩條款內容為「app在未獲得用戶明顯同意，將用戶地點資料傳送到第三方單位，用於未經允許的用途。」

這些開發商必須移除所有違反政策有關的所有程式碼、框架或軟體開發套件（SDK），才能再度將app上傳App Store審查。

蘋果此舉應是因應即將於今年的5月25日正式上路的歐盟通用資料保護規則」（EU General Data Protection Regulation，GDPR）所做的措施。在這項嚴格法規下，所有導致歐盟用戶資料遭洩露的服務或軟、硬體業者，歐盟最高可罰1千萬歐元（約新臺幣3.6億元），或者是全球營業總額的2%。

蘋果之外，網路大廠包括臉書、 AWS 及微軟‏紛紛強化用戶隱私權保護政策，也提供用戶確保隱私安全的工具。而一些小型業者則以退出歐盟市場來因應可能的衝擊。

重點新聞(0504～0510)

 Google     TensorFlow.js   

Google推出新AI小遊戲，展示TensorFlow.js威力

Google最近推出一款表情符號搜尋的遊戲Emoji Scavenger Hunt，除了秀機器學習有趣的一面，也展示TensorFlow.js可以在手機瀏覽器運行的威力。這款遊戲由TensorFlow.js打造，是Google AI實驗的其中一項。要玩Emoji Scavenger Hunt，使用者必須在有限時間內，透過手機鏡頭、在真實世界中尋找與表情符號相對應的物件，像是鞋子或手錶等。Emoji Scavenger Hunt可以直接在手機瀏覽器運行，不會存取後端伺服器、也不會蒐集或儲存手機的照片。此外，Google也把開源碼放在GitHub上，讓有興趣的開發人員可以一窺究竟。（詳全文）

 泛自閉症    EEG  

用演算法預測嬰孩自閉症，最早可在3個月大就測出

美國波士頓大學和波士頓兒童醫院近日發布一項研究成果，指出透過嬰孩腦電波圖（EEG）和他們開發的演算法，可以準確預測嬰孩是否會發展泛自閉症（ASD）。研究人員分析了188名3至36個月大嬰孩的EEG，其中99名為ASD高風險群，另89名為低風險群（也就是對照組），而研究人員每隔幾個月就會再記錄一次EEG，並擷取腦波訊號的非線性特徵，用於統計學習的模型中。參與這項研究的舊金山大學醫學訊息暨臨床心理學副教授William Bosl，也是這套演算法的開發者，表示該演算法在預測9個月大的嬰兒時，準確度接近100％。（詳全文）

 MIT   自駕車   

MIT自駕車不需要3D地圖，也會認路

MIT電腦科學與人工智慧實驗室（CSAIL）日前開發一款地圖導航系統MapLite，讓自駕車不需要3D地圖、也能行駛在陌生的道路上。MIT CSAIL主任Daniela Rus表示，目前自駕車都在大都市測試，主因是大都市已有完善的3D地圖，清楚標示每個巷道、道路標誌和彎道等。但她認為，自駕車不應該只在大都市行駛。MIT開發的MapLite，使用了Google地圖的GPS資料來定位，並結合LiDAR等感測器訊號，來觀察路況和計算車子與路緣的距離，規畫行駛路線。另外還有一套通用的參數模型，可以決定在路口時，車子該做什麼。研究團隊表示，透過MapLite，他們已經成功在麻州鄉間道路讓自駕車試行。（詳全文）

 眼球運動   性格分析  

研究人員記錄眼球運動，訓練ML模型來預測性格

來自德國和澳洲幾間大學的研究員，最近發表一項研究報告，透過受試者日常行為的眼球運動紀錄和性格問卷，訓練出一套機器學習模型，用來預測一個人的性格。這個研究讓受試者戴著追蹤眼球運動的眼鏡，到戶外買東西。回來後，研究員讓受試者填寫性格問卷，並依此對照他們的眼球運動，建立一套機器學習模型，找出眼球運動和性格的關聯性。他們發現，性格類似的人，眼球運動的模式也相仿。報告顯示，這套模型在預測親和性、責任感、外向性和好奇心方面，準確度特別高。雖然這項研究還在起步階段，相關人員希望未來可以蒐集更多資料，讓這套模型有更大規模的應用。（詳全文）

Amazon    3D掃描  

Amazon正組織3D人體掃描團隊

Amazon最近在組織3D人體掃描團隊，想建立人體統計3D模型，再由深度學習演算法和其他方式，來對應各人的影像和影片，以精準掌握身體尺寸，讓消費者可以在線上買到最合適的衣服，以避免不必要的退換貨。Amazon最近邀請多名志願者每個月到紐約辦公室兩次，進行為期20周的身體量測，志願者也可因此獲得高達＄250美元的Amazon禮物卡。（詳全文）

Google   Kubeflow 0.1  

機器學習工具包Kubeflow 0.1版來了

Google自家推出的Kubernetes機器學習工具包Kubeflow，近日終於釋出0.1版。Kubeflow專案共仰賴三個核心功能，包括支援開源專案JupyterHub、TensorFlow訓練控制元件（TensorFlow Training Controller），以及TensorFlow Serving容器，讓企業可以將訓練完畢的TensorFlow模型，搬遷至Kubernetes環境中執行。而新釋出的0.1版，還有許多新功能，像是實驗性地支援深度學習框架Caffe2，或是改善TensorFlow的訓練效能、利用身份驗證功能增進安全性，和加強複雜資料流管理等。（詳全文）

臉書   惡意貼文辨識  

臉書靠AI辨識惡意貼文特徵，更快找出不當內容

臉書最近在2018年F8開發者大會上，介紹了平臺如何透過AI技術，在用戶通報惡意內容前，就能主動更快速找出不當的內容，且能夠找出更多的不當貼文。臉書透過分析過去特定惡意內容的案例行為模式，來訓練辨識模型主動找到其他類似的問題。在仇恨言論的部分，臉書也已主動檢測貼文是否違法臉書政策，再由審查團隊檢驗，以防誤判。臉書目前也嘗試提升跨語言辨識模型的正確率，研究嵌入多種語言的技術Multi-lingual embeddings，或許能夠解決語言的挑戰。（詳全文）

臉書    ELF OpenGo   

仿效AlphaGo Zero，臉書也推出圍棋AI程式ELF OpenGo

臉書AI研究院，日前免費開源釋出電腦圍棋AI模型ELF OpenGo，成功複製了DeepMind的自我學習電腦圍棋AI模型AlphaGo Zero，建立在臉書現有專為強化學習研究設計的可擴展、輕量級框架（ELF）。臉書AI研究院表示，受到DeepMind的啟發，今年開始啟動複製AlphaGo Zero的計畫，透過臉書研究院的ELF框架來進行強化學習的研究，目標是要創造一個開源的電腦圍棋AI程式，能夠在與人類棋手下棋的過程自學，也期望透過開源釋出模型，激勵更多開發人員思考電腦圍棋程式的新應用和研究方向。（詳全文）

Lobe     深度學習  

Lobe引導式介面，讓使用者輕鬆訓練深度學習模型

Lobe是一款深度學習模型訓練工具，引導式的介面讓開發者不需要撰寫任何程式碼，就能訓練聲音或圖像辨識的深度學習模型，並將這些功能加到自己的應用程式中。整個過程分為3個部分，建立模型、訓練模型，最後移植到應用程式中。開發者可以將訓練資料拖拉進Lobe工具視窗中，Lobe便能自動建立客製化深度學習模型，並開始訓練，待模型訓練結束，就能輸出使用在應用程式上。（詳全文）

 微軟Outlook    智慧功能   

微軟Outlook新增帳單繳費提醒等多項智慧功能

微軟近日宣布Outlook改版，在日曆和郵件中都推出多項新功能，而在iOS和Android版本也新增了同步草稿匣、快速回覆、辨識重要聯絡人等功能。在日曆功能中，微軟透過機器學習模型，除了新增提醒帳單繳費的服務，還可以綜合用戶所在的位置、參與會議的人員、一天的會議等，來為用戶提供個人化的會議地點建議，甚至能追蹤受邀人是否出席會議，而且不只有主辦人，其他受邀人也能查看大家的出席意願。（詳全文）

圖片來源／Google、MIT、Facebook

 AI趨勢近期新聞 

1. 中信銀聯手工研院，以AI打造智能審查服務

2. 微軟展示可辨識人臉、即時聽寫的AI會議系統

3. 微軟預覽即時AI專案Project Brainwave

資料來源：iThome整理，2018年5月

Mozilla於本周三（5/9）釋出了Firefox 60，除了強調它的企業功能與個人化功能之外，它還是全球第一個支援Web Authentication（WebAuthn）的瀏覽器。

Firefox 60被Mozilla視為新一代的延申支援版（Extended Support Release，ESR），特別適用於企業環境，將提供定期且穩定的Firefox 60更新。因此Firefox 60也是第一個採用全新政策引擎的版本，允許網管人員替廣大的用戶進行配置。

此外，Firefox 60也是首個支援大型企業的Firefox Quantum版本，該量子專案已率先現身於Firefox 57，它採用新一代的Firefox網頁引擎，著眼於充份利用現代硬體功能，以加速Firefox的效能。支援大型企業的Firefox 60將能藉由Windows Group Policy或基本的JSON檔案進行大規模配置與部署，同時強調執行速度。

Firefox 60的企業功能介紹：

另外值得一提的是，Firefox 60為全球瀏覽器中第一個支援WebAuthn的版本。WebAuthn為W3C所制定的網路驗證規格，藉由WebAuthn，使用者將能直接在桌機、筆電或行動裝置上執行指紋、虹膜或人臉登入服務。

Mozilla表示，在Mozilla中的WebAuthn允許使用者透過諸如YubiKey的單一裝置登入網路服務的帳號而不需密碼，或是作為輸入密碼之後的第二個認證機制。由於WebAuthn使用複雜認證與加密機制，內建強大的反釣魚規則，同時也支援許多的實體安全金鑰、生物認證或未來的手機認證，因此更形安全。不過，該機制也只能在支援WebAuthn的網站上才能發揮效用，在使用者插入YubiKey時，網站便會自動識別並允許登入。（來源：Mozilla）

在個人化上，當使用者開啟一個新分頁時，就會看到最常造訪的網站與推薦網站，Mozilla強調當中的推薦網站參考資料只會存在於使用者的電腦上，不論是Mozilla或第三方合作對象都不得而知。

Firefox 60支援Windows、macOS、Linux與Android等平台。

美國加州奧克蘭市議會本周通過了一項隱私新法監控監察法，對於所有監控技術進行控制，以防過度侵犯人民隱私。美國公民自由聯盟（American Civil Liberties Union，ACLU）稱這是美國現行最強大的監控監察法。

奧克蘭在2013年的時候，接受聯邦政府資助200萬美元成立區域警示中心（Domain Awareness Center），儘管這個行為引來了市民抗議公權力侵犯隱私，但該中心仍然建立了多重感測監控系統，整合包含奧克蘭港監控攝影機、熱成像設備、車牌照辨識系統、槍聲感測器、閉路攝影機、市立學校監控攝影機以及公路上的攝影機，在2014年該系統就已經擁有來自超過一千個攝影機的影像資訊。

而在該監控系統建置後，奧克蘭也隨後成立了隱私諮詢委員會（Privacy Advisory Commission，PAC），是由各市議會區的自願專員組成的機構，當警察等執法機關要求獲取侵犯個人隱私的資訊時，便需要經過PAC同意才可執行。

而現在奧克蘭市議會更進一步通過新監控監察法，當該市要撥預算或是試圖尋求外部資金採購可用於影響隱私的硬體或是軟體時，皆須通知PAC。PAC主席Brian Hofer表示，奧克蘭是全美第7個通過類似法律的地方政府，而且該法律是由北加州美國公民自由聯盟協助下制定的。

美國公民自由聯盟Tessa D'Arcangelew表示，監控技術被大規模未授權的使用，而且完全入侵人民的日常生活，甚至部份州民因為這些技術的應用而被政府驅逐。他提到，新法律賦予當地社群權力，了解市政府所使用的監控技術，以及這些技術如何被使用。

今年5月第二周很熱鬧，兩大科技巨頭的年度開發者大會，Google I/O 2018和微軟Build 2018，只差了一天，相繼在西雅圖和舊金山同一周舉行，頗有相互較勁的意味。

先登場的是微軟，微軟執行長Satya Nadella揭露了雲加智慧邊緣裝置（Cloud & Intelligent Edge）的戰略布局。微軟從去年就開始聚焦邊緣運算，今年3月更展開組織大改造，並宣布將雲端和智慧邊緣裝置視為取代AI戰略的下一階段新方向。在5月這場Build開發大會上，終於看到了更多微軟戰略的細節。

其中，最關鍵的發布是微軟開源釋出了Azure IoT Edge服務的Runtime程式碼。這是一個將微軟Azure IoT服務，延伸進入到企業內網，讓任何IoT運算設備可以執行IoT邊緣運算程式的Runtime。

邊緣運算的核心精神是，先在本地網路內，就近處理和分析，以降低雲端運算的負擔，也加快在本地端的反應速度。要實現這個架構，關鍵就是要在本地端和雲端有一個相同或容易串連的執行環境。

微軟靠容器架構，串起了雲端和本地邊緣運算裝置。在這個Azure IoT Edge Runtime中，提供的執行環境，就是和Azure雲端一樣的Container執行環境，同一支Container應用程式，可以在本地邊緣端或在Azure雲端上執行。微軟還開源釋出了這個Runtime，要讓Azure的IoT Edge能力，更容易嵌入（擴散）到各種裝置上。

有了共通環境，微軟也開始將雲端認知服務，打包放入到Azure IoT Edge中，第一個推出的就是微軟認知服務的影像辨識工具Custom Vision，現在可以就近在本地端偵測和辨識環境影像資料，甚至透過Edge裝置就能呈現視覺化結果。將雲端認知服務落地到邊緣裝置，正是微軟新戰略的核心精神，微軟開始將雲上的AI和認知服務，透過這個策略一一落地，來深入企業。這更凸顯出微軟的新戰略更加聚焦AI應用，而不是AI。

而主打AI第一的Google，則是在I/O上大秀各種消費端的創新AI技術和應用，尤其有一段短短幾分鐘的示範，可一窺Google對於AI助理不久後將要轉型的新定位。

Google 執行長Sundar Pichai展示了兩段Assistant打電話到真實店家預約的例子。第一個例子是Assistant以帶有口音的女聲，打電話到美髮沙龍預約。引起全場驚奇的是，當接電話的店家回應說：「稍等，我查一下。」Assistant竟然回覆「恩恩」。全場轟然大笑，一方面驚訝於AI技術理解了店員的話，另一方面AI也以人類慣用的口吻來回應，讓對方知道了解其意思，後續AI還能和店員一來一往對談，敲定雙方都合適的時間。

第二個餐廳訂位預約的例子更令人驚訝，這次是AI模仿男聲打電話到餐廳預約4人的定位。但餐廳不接受5人以下的定位而拒絕預約，並告知只能現場等候，而AI男聲除了道謝以外，竟然也會進一步追問當天等候情況，就像真人一樣。

這是Google集結了在自然語言理解、深度學習和語音合成上的多年研發成果才打造出來的Assistant底層技術，稱為Duplex。Google想要6成沒有線上定位系統，只能靠人工預約的中小企業店家，更容易接到習慣線上數位生活的人們的訂位。Google讓AI助理不只是像過去那樣只是人與人間溝通的輔助，而是可以更進一步介入，取代人，來和另一個人溝通。AI助理越來越可以像是真人助理了。

雖然只是2通示範電話，但Google準備在今年夏天開放早期試用，意味著這個技術已經進入到可商用化的階段，而不是未來技術。

微軟從企業市場切入，而Google則先攻消費市場，但不論是誰，都是讓AI應用進入了新的階段。

Google AI研究團隊近日在官方部落格中發表靠深度學習模型分析電子病歷的成果，該深度學習模型可預測病患住院期間的死亡率、意外的回院風險、住院天數和出院病情。

當病患到醫院看診時，許多病患都會對於下一步會發生什麼事有很多疑問，像是康復的時間、回診的時間等，若對於這些問題有準確的答案，將可以協助醫師或是護理人員能夠給予病患更好、更安全、更快速的醫療服務，若病患的病情是會持續惡化的，醫生也可以主動在病情惡化前，採取適合的醫療行為。

預測接下來的狀況是機器學習模型很常見的應用場景，而Google的AI研究團隊試想，用於預測通勤交通狀況，或是在機器翻譯中預測下一個字的機器學習模型，是否能夠用在臨床醫療預測上，並著手開始進行，要對真實世界產生有效的預測必須要有2個條件：廣泛適用度和準確度。

簡單來說，預測模型必須可以套用在不同醫院的系統中，因為健康照護的資料相當複雜，且需要大量的資料處理工作，而模型的準確度也是一大關鍵，預測應該是用來提醒臨床的醫師，而不是因為假警報來打擾醫師的工作。

Google AI研究團隊與加州大學舊金山分校、史丹佛大學醫學院、芝加哥大學醫學院一同合作，發表了用於辨識電子病歷的深度學習模型，且符合廣泛適用度和準確度兩項目標。

研究團隊先將電子病去識別化，將敏感的資料移除之後，用深度學習模型直接辨識電子病歷上的資歷，不需要人工手動萃取、清理或是轉換資料。

該團隊表示，電子病歷的資料相當複雜，就算是體溫測量都有多種不同的方式，且體溫只是一個簡單的生命跡象指標，甚至，每個醫療資訊系統也會有客製化的電子病歷系統，因此，即便在不同的醫院接受類似的醫療行為，從每家醫院收集到的電子病歷都會不相同，在透過機器學習辨識這些資料之前，需要一套一致性的方式來呈現病患的病歷記錄，因此，Gogole建立了一套快捷式健康照護互操作性資源的標準FHIR。

有了統一的標準格式之後，團隊就不需要手動挑選或是調整變數，深度學習模型能夠讀取病患所有的病歷資料，來產生的預測，由於分析的資料集包含上千個變數，Google AI團隊開發了新的深度學習模型種類，透過回饋式遞歸神經網路（RNN）和前饋式（Feedforward）神經網路。

Google強調，該模型還能將預測的決策視覺化，將預測過程中較主要的變數呈現給臨床醫師，讓醫師更能夠採信預測結果。