2021年12月29日 星期三

¼ÓÃÜÒÕÊõÓëÓÀÐø»·¾³±Ä³öз¢ÏÖ NFT¾¹ÄÜÐéʵÕûºÏ£¿£¡


阅读让生活永远不无聊。【大田出版编辑病】与喜欢阅读的朋友结好缘,一同激荡出不同灵感,做出更多好书。 全世界最厉害的头脑、最捉摸不透的管理动向、不知何去何从的地球命运,都在【世界公民电子报】。
★ 无法正常浏览内容,请按这里线上阅读
新闻  健康  u值媒  udn部落格  
2021/12/30 第659期  |  订阅/退订  |  看历史报份
  科技新知 加密艺术与永续环境蹦出新发现 NFT竟能虚实整合?!
自然语言处理预训练模型之T5: TEXT-TO-TEXT TRANSFER TRANSFORMER简介
以市场资讯导入供应链(C2M)简述
电脑「审美」与「乳摄影像品质评等」

加密艺术与永续环境蹦出新发现 NFT竟能虚实整合?!
FIND研究员∶赖育琳

在数位时代中,非同质化货币NFT带来革命性的影响和改变,并在艺术创作领域上,与NFT加密货币的唯一性与不可替代性结合,诞生加密艺术(CryptoArt)的市场。

加密艺术去中心化的设计,逐渐成为一种新艺术型态的发展生态,改变了数位艺术的创作、版权与交易模式,让艺术创作者们能透过NFT证明数位艺术品的所有权且不被任意复制、分割,确保创意结晶的独一无二,替各式画作、图像或音乐等创作证明身分,并让收藏者在购买後可以成为永久保存的数位资产。

【案例简介】

在实体的艺术市场中,大多只有交易与收藏两种功能,而在NFT的加密艺术领域中,来自台湾的NFT团队Capsule Vault打造荒谬植物园Absurd Arboretum,打造全新NFT「虚实整合」交易模式的艺术创作,将NFT作品结合永续概念,展现出生态永续与环保意识。藉由现实世界中生长的6666棵树型作为NFT创作框架,设计出从药丸生长为树的动态过程,并在现实世界中也真的种下一棵树,创造现实生活中的实质影响力。

【服务情境】

荒谬植物园Absurd Arboretum的树型NFT结合100种树种、28种树干树枝、28种树叶纹理、41种药丸类型、71个的植胚、16种背景、7种滤镜与11种背景音乐,随机生成3,333个独一无二的NFT。

图1∶荒谬植物园里的树型NFT是由多种树木原型结构随机生成

(资料来源∶Absurd Arboretum)

图2∶荒谬植物园里的每个NFT都独一无二

(资料来源∶OwlNews)

荒谬植物园的植物最先会由胶囊发芽呈现,透过异色并超现实的动态3D影像模拟一棵树的成长过程,以及衰弱凋零後回归胶囊的完整生命回圈。Absurd Arboretum认为药丸的化学物质,是进入未来世界的方式,而以此概念进行延伸,结合现实世界的树木原型作为虚拟世界中的载体,加上各种材质、型态、动作与音乐等素材进行共创,打造独一无二又具有代表性的树型NFT。

图3∶荒谬植物园NFT从药丸成长到变成树

(资料来源∶Absurd Arboretum)

在现实世界中,Capsule Vault团队以Tree Guardian的名义与环保机构One Tree Planted合作在加拿大种下和NFT同等数量的3,333棵树,实践卖一个NFT就在现实世界种一棵树的承诺,以及透过作品产生的分润,持续捐款给世界各地的非盈利环保组织。 为地球永续持续。

也让NFT的购买者不仅能够买到喜欢的NFT,也能在现实世界中成为树木的监护人,实际参与生态永续的推动,也让荒谬植物园的虚实整合概念能更加结合。

图4∶Absurd Arboretum与环保机构合作种树

(资料来源∶Absurd Arboretum)

【应用效益评析】

Absurd Arboretum荒谬植物园中的3,333颗树型NFT在官网以每颗0.11ETH以太币售出,大多数NFT作品透过醒目的动物作为创作主轴,而荒谬植物园则选择将植物作为主角,是为了要强调生态永续与环保意识,让每个人在见证艺术创作的同时,也从观察树型从零诞生的一生,这些都是Absurd Arboretum荒谬植物园想要传达的永续概念。

荒谬植物园在许多人还对於加密艺术NFT保持谨慎犹豫时,就已经创造出NFT艺术品真正与现实社会连结的方式,让原本只存在於虚拟世界的数位资产,更多了一层永续的社会价值。

参考来源∶

1.Absurd Arboretum-https://ab-ar.art/

2.用 NFT 爱地球!Absurd Arboretum 连结数位与实体的育树社会实验-https://www.owlting.com/news/articles/20334

3.收藏艺术还能为地球种树∶台湾NFT团队造了一座「荒谬植物园」-https://everylittled.com/article/153362

4.Capsule Vault 打造亚洲首项大型 NFT 专案 居然是荒谬植物园 Absurd Arboretum∶但怎麽好像有点美-https://bee-men.com/articles/d9610b

 
自然语言处理预训练模型之T5: TEXT-TO-TEXT TRANSFER TRANSFORMER简介
FIND研究员∶邱冠龙

深度学习目前自然语言处理上主流是先用大量且全方位领域的标记/未标记资料(如: 维基百科全书)预训练一个通用模型,然後用预训练的模型参数对真正目标领域进行微调(fine-tuning)。此种训练模式有下列好处∶(1)一般目标领域的资料量不足於支撑模型参数,所以利用大量领域外资料让模型取得适度推理能力,之後只要少量领域资料加深模型对目标领域的了解,便可取得充分推理能力;(2)承(1),由於预训练阶段虽然需要使用大量的资料、大量的训练时间及硬体资源,但此阶段只须使用高效能的机器训练一次或是使用他人已公开好的预训练模型即可。尔後进入微调阶段时,只要利用预训练成果配上适量资料即可完成高准度的模型,如此一来大幅缩短微调阶段的训练时间,提升训练效率。凡举以BERT[1], RoBERTa[2]等的预训练模型建构的自然语言模型皆采用此方法进行训练。

图一、T5推论示意图

图片来源∶Exploring the limits of transfer learning with a unified text-to-text transformer[3] (团队重新绘制)

Colin Raffel et al.在Exploring the limits of transfer learning with a unified text-to-text transformer[3]一文中针对这些预训练模型做了一系列深入的研究,看如何才能有效率提升预训练模型的准确率,并结合研究的成果,提出了Text-to-Text Transfer Transformer(T5)模型,以及对应的预训练资料Colossal Clean Crawled Corpus (C4)。T5模型最大的特点就是把所有的自然语言的任务,凡举翻译、问答、情感侦测总结等任务,都以sequence to sequence的方式解决。举例而言,如果要将英文的That is good翻成德文,只要在输入的sequence中"translate English to German: That is good.",模型则会回应翻译结果"Das ist gut."(见图一),其中input sequence的"translate English to German:"是用来指示模型该如何处理输入。T5使用的是Vaswani et al. 提出transformer架构,预训练时把C4资料集以corrupted spans方式进行,如原句为 Thank you for inviting me to your party last week. Input会随机挖掉一些片语并用特殊字符, , ┅等代替,如 Thank you to week. 然後希望T5模型能解出和的内容如∶ for inviting me your party last 。然後在微调阶段时,T5也运用多工学习MT-DNN的架构,同时对多个任务进行微调,然而因为T5将所有任务都转成sequence to sequence形式,所以可以使用同一optimizer参数同时对多任务微调。根据作者提出的实验结果,T5最大的模型T5-11B对GLUE任务可达90.3的准确率,对比於之前的state-of-the-art为89.4,而T5-Base也达到82.7的准确率。而在SQuAD资料集上,T5-11B达到Exact Match(EM)=91.26, F1=96.22,在T5-Base上也有EM=85.44, F1=92.08的水准。

参考来源∶

[1] DEVLIN, Jacob, et al. Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805, 2018.

[2] LIU, Yinhan, et al. Roberta: A robustly optimized bert pretraining approach. arXiv preprint arXiv:1907.11692, 2019.

[3] RAFFEL, Colin, et al. Exploring the limits of transfer learning with a unified text-to-text transformer. arXiv preprint arXiv:1910.10683, 2019.

 
以市场资讯导入供应链(C2M)简述
2012、2013年先後有专家与业者提出Consumer to Manufacturer的概念并且付诸实践,如∶必要商城;2018年阿里巴巴提出「新制造」的概念,主要内涵同为Consumer to Manufacturer,同年,淘宝与拼多多皆进行相关布局措施,让Consumer to Manufacturer加速发展,後续发展范围更为广阔,也让该模式成为新兴类型的商业模式 [1, 2]。本研究将针对Consumer to Manufacturer进行描述说明 ...
 
电脑「审美」与「乳摄影像品质评等」
从传统机器学习到时下最热门的深度学习,这些技术多已被运用在辨识用途上,例如∶门禁(人脸辨识、指纹辨识)、环境安全(火、烟雾影像侦测)、医学影像(病变侦测与辨识)、工业影像(瑕疵检测)、物流(货品辨识、行李并排分离)┅等。传统机器学习多需要由人挑选特徵,特徵的特性决定了辨识模型的效能,因此特徵挑选一直是挑战,也是传统机器学习模型效能无法大幅突破的原因。由於深度学习采用大 ...
 
开盲肠炎却无法获理赔?小心旧保单不赔新手术
国人爱买保险,但保单条款内容繁杂,如何让保险在生病时发挥最大作用?业者指出,投保时的项目额度、门诊手术给付原则、保证续保等,都是要注意的细节。例如,盲肠炎过去须透过腹腔手术开刀切除,且需住院3到5天,现在可以透过内视镜微创手术处理,疝气和大肠 肉也可使用微创手术。

台湾特有罗汉松科植物 桃实百日青
桃实百日青是台湾特有的罗汉松科植物,主要分布中部1000公尺以下阔叶林中。「桃实」之名来自於它种子形状。一般认为果实是被子植物包覆在种子外层,用来保护与帮助传播,以受精的子房为主体发育而成的器官,而裸子植物没有这种构造,桃实百日青是裸子植物,当然没有果实。
 
本电子报著作权均属「联合线上公司」或授权「联合线上公司」使用之合法权利人所有,
禁止未经授权转载或节录。若对电子报内容有任何疑问或要求转载授权,请【
联络我们】。
  免费电子报 | 著作权声明 | 隐私权声明 | 联络我们

沒有留言:

張貼留言