國內 IC 設計大廠聯發科 18 日舉行公司 20 周年員工運動大會，公司高階主管包括董事長蔡明介、副董事長謝清江、共同執行長蔡力行、營運長陳冠州、以及晨星董事長梁公偉都到場參與。蔡明介表示，為持續照顧員工家庭，除決定2019 年 9 月在在總部落成企業內幼兒園，以打造友善工作環境外，當前組織改造工作已經在 2017 年第 3 季有所成效。因此，將針對集團內的 16,000 名員工，加發新台幣 10,000 元的激勵獎金，以感謝同仁的貢獻。蔡明介在運動會前的致詞表示，聯發科從 20 年前從只是個 20 人到 30 人的多媒體辦公室，進步到現在變成全球前 3 大 IC 設計公司之一，要達到這樣的成就，員工是公司最重要的資產。因此，不僅感謝同仁的努力，也感謝員工家屬的支持。所以，為了持續照顧員工家庭，公司也做了一個決定，就是將以總公司後方 400 坪空間打造成企業內的幼兒園，預計 2019 年 9 月將正式起用，以創造更友善的工作環境。 另外，蔡明介還進一步指出，公司從兩年前開始啟動的組織改造計畫，到 2017 年第 3 季已經開始展現出成效。因此，位勉勵同仁們的努力，公司決定將針對 2017 年 9 月 30 日前到職的約 16,000 名員工，加發新台幣 10,000 元的激勵獎金，總計將發出 1.6 億元的現金紅包。 而在致詞後，與媒體記者的聯訪中，蔡明介被問到對近期國際網通晶片大廠博通（Broadcom）提出購併競爭對手高通（Qualcomm）一事，未來將對聯發科有什麼樣的影響時，蔡明介的回答是，在當前產業高度競爭的情況下，每一件購併案的發生，預期都將會對在產業中的參與者有所影響。至於，提到聯發科目前會不會有相同的購併計畫，蔡明介則不表示任何意見。 ...
科技新發展一波波，其中 AI、雲端大數據、智慧車、機器人，已成為未來大趨勢。當各類智慧化科技圍繞每個人的生活，也將促進許多電子關鍵零組件的蓬勃發展，而蘊藏無限商機與投資大機會。其中，台灣掌握的半導體、DRAM、被動元件、鏡頭、電池材料、MOSFET（金屬氧化物半導體場效電晶體）、二極體 7 大產業，都成為智慧科技生活化的關鍵零組件，缺貨熱潮將持續到 2018 年。科技改變人們的生活，也改變財富的流向，投資人應把握機會，加入這波缺貨飆股賺錢俱樂部，讓自己荷包滿滿。位於美國維吉尼亞州北部的勞登郡（Loudoun County），近年一躍成為全美最富有的地方城市，原因是全球網路霸主 Google、Facebook 等科技公司都將此地設為數據中心的集散地；每天，全美網路流量有 7 成要通過勞登郡的資料中心，也使得這個人口只有 37 萬人的小城市，成為全球雲端數據的中心。原本是農業區的勞登郡，近幾年大興土木，每幾個月都有如足球場大的數據中心啟動；日前，加州領導廠商雲端數據公司 Vantage，就在勞登郡收購了 42 英畝土地（約 1.5 倍台北國父紀念館大），將投資 10 億美元，建造 5 座大樓的超級雲端數據中心，未來一棟棟新穎的雲端數據中心，就在勞登郡拔地而起。在全球搶蓋雲端數據中心的浪潮下，美國蘋果公司月前也與中國貴州省政府聯合舉行記者會，蘋果宣布將投入 10 億美元，把 iCloud 數據中心設在貴州。國際大廠搶在貴州成立中國雲端數據中心，也讓貴州今年 GDP（國內生產毛額）突破 10.1%，成為中國經濟成長率最高的省分。雲端、AI、智慧車、機器人正夯 4 大趨勢引領 7 大產業缺貨潮國際科技巨擘投資雲端數據中心，每座都以 10 億美元的投資起跳，可想而知，嶄新的資料中心設備所需的半導體、伺服器、DRAM（動態隨機存取記憶體）、電子元件，商機潛力十足。工研院產經趨勢研究中心主任蘇孟宗指出，智慧科技興起，將滲入各行各業，包括工業 4.0、AI（人工智慧）、自駕車、電動車等，都與大數據有密切聯結，未來網路、軟體、硬體、數據四合一將是大勢所趨；而在這樣的趨勢下，台灣關鍵電子零組件的未來發展十分樂觀。不只雲端數據中心建設在全球如火如荼展開，智慧科技生活也已融入你我的生活中。IBM 台灣全球企業服務群總經理賈景光強調，AI 將進入不同的載具中，未來能善用 AI 技術、讓顧客滿意度提升的企業才會更成功。他舉例，日本瑞穗銀行推出理專與機器人 Pepper 協同服務的新理財模式，藉由機器人無窮的記憶力，銀行業可用後端電腦，估算出最適合顧客的理財方案，再由專業的理專為客戶解說清楚，方便顧客選擇，最終讓顧客得到滿意的答覆。不只機器人與理專協同工作的趨勢在辦公室展開，AI 與大數據也走入我們熟悉的馬路上。例如，中國為了解決民眾不守交通規則的亂象，特別設計可以辨識人臉的違規罰單智慧系統，只要行人亂闖馬路，攝影機 AI 自動人臉辨識身分，在馬路旁的電子看板，隨即公布違規者身分；如果不繳罰單，違規者姓名將持續公告在電子看板上，當違規人以電子支付繳交罰單後，違規資訊也會消失。雖然有侵害人權疑慮，但這套智慧系統已大大改善中國民眾亂闖馬路的現象。這些智慧化科技的運用，背後都需要許多關鍵零組件，包括半導體、DRAM、被動元件、鏡頭、電池材料、MOSFET（金屬氧化物半導體場效電晶體）、二極體產業等；當智慧科技導致電子產業轉變趨勢，也帶來龐大商機與投資機會，尤其是今年相關產業因需求急增造成缺貨、產品報價上揚，這些公司就先後成為台股的飆漲明星。矽晶圓沉寂 10 年 旺到明年下半年 DRAM 報價不墜 高獲利趨勢不變群益投信研究部主管陳煌仁指出，今年電子零組件缺貨潮一波接一波，矽晶圓在 2006 到 2007 年有一波擴產潮，其後矽晶圓產業陷入供過於求，整整沉寂長達 10...
史上第一支由人工智慧（AI）操盤的 ETF 指數型基金 AIEQ 在 10 月中問世，該基金 3 天內績效就明顯贏過大盤，引起市場討論熱潮。台灣在這波熱潮中也沒缺席，11 月 9、10 日的第一屆台灣人工智慧年會上，AI 操盤的實作經驗分享，成了各講座中爆滿的大熱門。AI 操盤真的那麼厲害？對沖基金衝前頭 AI 操盤初步績效勝人腦全球除了已有大量新創企業投入這領域，目前包括全球最大對沖基金橋水（Bridgewater），知名的量化交易公司文藝復興（Renaissance Technologies）、Two Sigma 都推出讓 AI 參與操盤的對沖基金。去年對沖基金整體規模不增反減時，只有這類 AI 基金的規模成長。英仕曼集團（Man Group）是大贏家之一，這個以贊助文壇盛事「布克獎」聞名的英國集團，旗下最大的基金 AHL Dimension，有一半利潤由 AI 操盤所貢獻，過去 3 年報酬率 15%，是對沖基金同業的 2 倍。從應用 AI 以來，該基金規模擴充了4 倍。台灣法規限制 AI 操盤換股操作時，必須經過投資人同意，實務上等同於不開放 AI 操盤。儘管如此，仍有轉往新加坡發展的台灣新創業者 hiHedge 開發出 AI 操盤服務，學界、業界也有不少亮麗的研究成果出爐。意藍資訊公司董事總經理楊立偉在人工智慧年會上首次揭露，他用 AI 搜尋分析包含 Ptt、mobile01 等網路社群平台上八百多萬個帳號，以及這些帳號對兩千多檔上市櫃、興櫃、創櫃股票的發言，找出帳號與個股漲跌關聯。結果發現，某些帳號針對特定個股發表看多文字後，股價總能神準上揚；同時也有神準的反指標，每次在網路論壇喊漲某股，股價一定跌。他說，用這些帳號的發言來預測股價，準確度竟然高達 74%！尚有兩大挑戰 犯錯究責、空頭市場判斷但撇開這些 AI 操盤的成功案例，此領域其實正面臨兩大挑戰。其一，AI 的人類助手根本不知道它是怎麼賺錢、賠錢的。hiHedge 創辦人顧家祈分析，AI 透過機器學習形塑出自己的投資邏輯，當...
藍色巨人 IBM 近年表現不佳，雖然大部分傳統硬體業務已經脫手售出，也開展新業務力圖轉型，但在投資人眼中表現一直不好。不過有媒體指出 IBM 最近著重的雲端、行動、分析業務都有成長，但股價表現偏低，是逢低買進的好時機。財經雜誌 Barron’s 的 Jack Hough 撰文《IBM: Blue Chip at a Bargain Price》指出，IBM 的股價被低估，且已有轉型重獲新生的跡像。Hough 還預測明年有正面消息，IBM 股價還會成長超過 30%。如果投資人仍對 Barron’s 的說法存疑，懷疑這頭巨大的大象是否會再次跳舞，到了明年 1 月就有更清楚的跡象。IBM 在 1 月時大概會發表 2018 年展望。Barron’s 的說法並非完全無根據，先前許多分析師早已看好 IBM 這季營收將轉為正成長。上個月 IBM 在雲端、行動、資安和分析業務營收有增長。不過 IBM 一直捧在手上的神器 Watson 可得加把勁，不然先前醫學診斷被質疑沒有聲稱的那麼有效，或是整體比不上其他大公司 AI 的聲勢。 IBM could be set for gains after long slump: Barron’s Barron’s: IBM Could Be Set for...
除了在歲修狀態外，半導體產線機台一般都是 24 小時不停運作，如何維持機台正常運作和產線順暢，影響半導體大廠績效的關鍵，除了台面上的先進製程，更要確保機台不故障不出錯，甚至能在發生非預期停機前故障前，就早一步掌握機台健康資訊。但一年才歲修一次的半導體機台如何確保其他時間不故障呢？有辦法在不停機的狀態下發現機台的異常嗎？甚至，有沒有可能預先偵測機台的異常並主動警示呢？根據 IBM 的研究報告顯示，83％ 的資訊長認為，設備維護以及總體資產分析最佳化為提升企業競爭力之最主要途徑，導入機台故障預診斷技術效益可以增加 20% – 25% 生產力，工廠產線設備的穩定與正常，是製造業的關鍵競爭力，於是台灣半導體產業找上了工研院的巨量資料分析團隊，希望透過巨量資料分析，預先診斷並排除有可能產生故障的機台。「半導體機台故障預診斷軟體」這項研究早在四年前就開始啟動，透過蒐集、分析機台資料來監控與評估設備及其零件的健康狀態，及早預測機台需要維修的時間點，減少產線因機台突然故障而必須停頓的風險，原理看似簡單易懂，關鍵就在於 AI 的應用。工研院巨量資訊科技中心經理林群惟一語道破關鍵核心：「半導體機台故障預診斷軟體」是一套人工智慧（AI）與機器學習的系統平台，分析機台所產生的製程資料，進行即時監看、預測並以視覺化資料呈現，讓產線管理者可以掌握設備的健康狀態。」。 ▲「半導體機台故障預診斷軟體」是一套人工智慧（AI）與機器學習的系統平台。（圖片來源：工研院）。而「半導體機台故障預診斷軟體」獲得光電半導體產業青睞的關鍵技術，在於工研院研發團隊掌握了精準資料蒐集、參數萃取與分析。關鍵 1，蒐集對的資料，從中萃取關鍵參數由於半導體產線的資料參數，多達 400、500 種，要從中找到真正影響機台健康的參數，是研發這套系統的第一道關卡，林群惟表示，我們為此整合光、機、電與資訊軟體等領域的研發團隊，經過反覆驗證與測試，順利找出能反映機台設備健康的關鍵參數。關鍵 2，建立整體式學習預測技術找到能反映機台設備健康的關鍵參數後，接著要建立資料分析模型。研究團隊跳脫過往採用單一「英雄式」的分析演算法，整合數十幾套先進機器學習演算法建立「整體式學習預測分析模型」，提高機台預測分析的準確度。林群惟指出，機台預測分析準確度如果不夠高，一直發出誤警報反而會造成產線工程師的困擾，影響產線生產效率，目前很多智慧製造預測分析技術都有此類問題。而工研院所研發的整體式學習預測分析技術，準確率達到 95% 以上，減少誤警報的狀況發生。關鍵 3，建立資料分析準則提高「半導體機台故障預診斷軟體」的準確度還不夠，為將此系統導入更多製造領域的產線，工研院研究團隊進一步建立一套資料分析準則，讓此系統實際導入應用於其他產線時，可以直搗產線生產環節的核心問題，快速建立分析模型。「半導體機台故障預診斷軟體」藉由預知異常事件即將發生，讓產業提早排除異常，減少突發事件造成的查修時間壓力與風險，提高產線工程師的工作效率，讓工程師專心投入創新研發，為公司創造更多的附加價值，不僅技轉給國內多家光電半導體廠商，同時也榮獲 2017 全球百大科技研發獎。文章授權來源：半導體機台故障預診斷技術
在第四季財報電話會議上，蘋果執行長庫克（Tim Cook）提及一款專為皮膚科醫生所設計、使用 Core ML 技術的醫療 App《VisualDX》，只需利用手機對皮膚患部拍照，經分析可得知感染的疾病或皮膚的狀況，因而受到國外媒體關注。《VisualDX》內建專屬的皮膚資料庫，儲有 2,900 筆診斷紀錄、40,000 張皮膚圖片，由皮膚專科與醫生收集、用於辨識病況。醫生可使用安裝《VisualDX》的 iPad 或 iPhone，開啟「DermExpert」功能拍下患者的皮膚表面，再透過機器學習技術自動辨識皮膚狀況、或是縮小罹病的範圍。▲ 以 DermExpert 功能拍下患部，透過機器學習技術辨識皮膚狀況。（Source：VisualDX）蘋果積極拓展醫療領域，推出許多開發工具，期望協助醫療人員收集數據、進行醫療研究。庫克表示《VisualDX》是醫療診斷的創舉，在於利用蘋果所開發的機器學習技術 Core ML 來自動化皮膚圖像分析，協助醫生進行診斷。也因為《VisualDX》採用了 Core ML，使得整個流程能在醫生手上的 iPad、iPhone 直接運行機器學習的演算法，而非上傳圖像數據到第三方的雲端伺服器進行分析，可保護病患的就診隱私不外流。從使用《VisualDX》拍照辨識病況的模式，更為未來醫病發展提供新方向。執行長 Art Papier 向國外媒體 Business Insider 透露，正在開發一般民眾可使用的 App《Aysa》，同樣可對身體部位拍照、並回答一些簡單問題，用以確認膚況是否需要馬上就醫，或者只是一般皮疹而已。儘管《VisualDX》已經上架至 App Store 與 Google Play，但並非適用於一般手機使用者，而是針對具有專業資格的皮膚科醫生。開發商提供一年 99 美元（約台幣 3,000 元）的訂閱方案，另有一年 499 美元（約台幣 15,100 元）的完整方案，提供更多醫療資訊，訂閱可透過應用程式內購買（In-App Purchases）的方式獲得加值功能。 Apple (AAPL) Q4 2017 Results – Earnings Call Transcript Apple CEO Tim Cook gave a shout-out to...
蘋果 Vision 框架的發表，意味著開發者可在 App 使用深度學習演算法和許多其他電腦視覺技術。那麼，支援這創造性革新的背後，蘋果團隊面臨哪些挑戰？日前蘋果在官網發文，首次揭露這些資訊。整理詳情如下。蘋果在 iOS 10 開始使用深度學習技術。隨著 Vision 框架發表，開發者可在 App 使用深度學習技術和許多其他電腦視覺演算法。蘋果開發 Vision 框架時，為了保護使用者隱私，讓演算法高效執行，面臨巨大的挑戰。下面介紹這些挑戰。蘋果首先透過 CIDetector 類在 Core Image 框架發表了人臉檢測公用 API。蘋果內部應用程式也使用這個 API，例如 Photo。CIDetector 最早版本使用的是一種利用 Viola-Jones 的檢測演算法，基於傳統電腦視覺技術的進步，CIDetector 持續改進。隨著深度學習出現以及電腦視覺問題上的應用，這些頂尖技術在人臉檢測的精準性取得前所未有的巨大進步。為了利用這些技術帶來的轉變，蘋果徹底重新思考方法。與傳統電腦視覺相比，深度學習學到的模型需要更大的記憶體、更大的儲存空間和更多計算資源。雖然手機發展到現在，已具備各種各樣的功能，但傳統高階手機並不是適合訓練深度學習視覺模型的平台。大多數行業透過雲端 API 提供深度學習解決方案解決這個問題。在那種雲端解決方案中，圖像發送到雲端伺服器，然後再利用深度學習來推理、檢測人臉。雲端的服務通常使用性能強大的桌面級 GPU，具大量可用記憶體。當碰到非常大的網路模型，或可能要配置大型模型時，都可在伺服器端運行，這能保證用戶端（可能是行動電話）可在雲端（在本地無法執行）運行大型的深度學習架構。蘋果 iCloud 照片庫是一個基於雲端的圖片和影像儲存解決方案。不過，由於蘋果之前承諾，絕不侵犯用戶隱私，所以他們不能利用 iCloud 伺服器進行電腦視覺計算。所有發送到 iCloud 照片庫的照片和影片在發送到雲端儲存之前就在裝置上編碼，且只能透過註冊過的 iCloud 帳戶裝置解密。因此，為了帶來深度學習的電腦視覺解決方案，必須直接在 iPhone 執行深度學習演算法的挑戰。除了這一點，蘋果還面臨諸多挑戰。 深度學習模型需要裝配到作業系統，占用本來就很稀少的 NAND 儲存空間。 此外，它還需要載入 RAM，使 GPU / CPU 的計算時間大大延長。 與雲端服務不同，雲端資源可分配，用來單獨解決視覺問題；想在裝置進行計算，則需要在與其他正執行的應用程式共用系統資源。 最後，計算必須夠高效，能在相當短的時間內處理大型圖片庫，並且讓手機電量不會消耗過快，手機也不能產生明顯發熱。 An On-device Deep Neural...
18 日，美國《時代》雜誌評選並公布了一份 2017 年 25 款「最佳發明」榜單。這份榜單中，憑藉一塊「異形螢幕」深入人心的蘋果的 iPhone X、代表特斯拉在汽車製造業更高造詣的 Model 3、幫助任天堂力挽狂瀾的 Switch 均有上榜。還有哪些「最佳發明」上榜？它們又身懷哪些「絕技」能讓《時代》雜誌選中？下面不妨逐個來看看（排名不分先後）。全球首款社交機器人──Jibo▲ Jibo 社交機器人。（Source：Jibo）相比 Google 的Google Home、亞馬遜的 Echo、蘋果 Homepod 這 3 款一答一應的家庭智慧喇叭，Jibo 則充當「機器人伴侶」的角色。儘管 899 美元售價對大部分用戶而言並不便宜，但在科技層面上，它為後來的「社交機器人」開創了人與機器人社交互動的先河。Jibo 由麻省理工學院的科學家 Cynthia Breazeal 設計，採用相當可愛的圓形組合。這款機器人擁有一塊圓形的大螢幕為「臉」，我們可透過這個螢幕了解 Jibo 的喜怒哀樂；「頭部」收音「耳朵」可透過聲音來源方向 360 度旋轉；經過學習用戶行為習慣，Jibo 可由自帶喇叭與螢幕達到智慧提醒、根據你的心情與你互動。為醫學界貢獻的 AR 眼鏡──eSight 3（Source：eSight）AR 擴增實境技術在今年飛速發展，這項技術除了應用在電子裝置的娛樂功能，也在醫學範疇得到應用，eSight 3 就是一款透過 AR 技術幫助視障患者恢復清晰的眼鏡。透過高速高畫質的攝影機替補患者「眼睛」，鏡頭捕捉的畫面資訊會即時傳輸到 eSight 3 處理器，進行品質與對比度增強處理，處理後的畫面會傳輸到用戶眼前兩個 OLED 螢幕。用戶可透過遙控器設置眼鏡的顯示色彩、對比度、焦距、亮度和放大倍率。迄今為止，eSight 3 已用於超過 1,000 名患者，功效顯著。當然，這款擁有強大功能的眼鏡定價也不便宜，9,995 美元讓不少人望而卻步。不過它所帶來的是目前其他裝置並不具備的功能，能幫助視障者看清世界，相信這個花費相當值得。吃多也不會肥的冰淇淋──Halo Top與前面兩款「黑科技」裝置比較，Halo Top 低調很多。外表看起來，Halo...
過去新創公司要進入半導體產業幾乎難如登天，但隨著人工智慧對運算效能的需求更高，給了有志打破產業規則的新創公司一個機會。這幾年風險投資資金大量進駐，半導體似乎出現新生態，但新創晶片公司面對英特爾與 NVIDIA 等有深厚產業知識與資金的巨人在前，很難殺出一條血路。麻省理工科技評論（MIT Technology Review）報導，2017 年風險投資人對人工智慧晶片新創的投資資金達 1.13 億美元，為 2015 年全年 3 倍之多，其中英國半導體新創公司 Graphcore 剛從矽谷風投紅杉資本募得 5 千萬美元。發展人工智慧晶片的新創有 Mythic、Wave Computing、Cerebras、中國深鑒科技（DeePhi Tech）與寒武紀科技（Cambricon），寒武紀科技最近拿到中國政府一筆 1 億美元投資。為什麼新創公司有機會，報導指出，現在許多企業重金投資可運行深度學習系統的硬體，突顯現存晶片的限制，譬如 NVIDIA 的圖形晶片是以數以千計的微型電腦並行運作來渲染像素，透過一些調整，已可運作深度學習演算法，但也涉及大量的並行計算，最大的缺點就是太耗電。卡內基美隆大學還要求研究人員縮短晶片使用時間，因為這會給學校的電力系統帶來壓力，他們正在尋找替代能源緩解這個問題。新創公司計畫生產效能更高的晶片，但他們真正想的是生產人工智慧應用的客製化晶片。現在新一代晶片將多個處理功能結合至一個步驟，而圖形晶片是讓多個步驟產生同一個結果。前者的功能通常綁在一起，以優化特定用例，例如幫助自駕車發現潛在障礙的訓練演算法。Graphcore 預計明年第一季出貨，聲稱其晶片執行同樣任務比其他產品快 10~100 倍。寒武紀的客戶華為也表示，針對深度學習應用如訓練演算法與辨識影像等，寒武紀的晶片比圖形晶片快 6 倍。而許多專注機器人或電腦視覺等先進應用的產業人士認為新創公司提供的晶片，確實有助於這個領域的研究進度。當然晶片巨人不會坐以待斃，英特爾即將發表一系列新處理器，是由先前購併的機器學習新創公司 Nervana Systems 設計，NVIDIA 也加緊腳步升級自家晶片。另一個挑戰是新創主要設計高度專用化硬體，需歷時好幾年才能上市，到時候產業發生什麼變化很難預測。但如果新創公司設計的晶片涵蓋層面太廣，就可能得犧牲性能層級，無法與大公司競爭，有些可能最後會以被購併告終。小蝦米對抗大鯊魚，自古就不是件容易的事。 The Race to Power AI’s Silicon Brains （首圖來源：Flickr/Masaru Kamikura CC BY 2.0）
2017 人工智慧年會 10 日特別邀請到 DeepMind 工程師黃士傑來暢談發展 AlphaGo 的心路歷程，除了分享協助 AlphaGo 下棋時幾個感到意義重大的時刻，他也對 AI 未來的發展提出一些看法。黃士傑表示，之所以會開始發展 AlphaGo，一切都是與 20 年前西洋棋王與 IBM「深藍」的對局有關。在西洋棋被 AI 打敗後，人們開始將焦點轉到更複雜的圍棋，研究人員試著用西洋棋那套去設計下圍棋的 AI，但棋力始終無法突破業餘三段，這也讓許多人相信圍棋是 AI 最終挑戰。DeepMind 創辦人 Demis Hassabis 可能也有相同的想法，他在 2011 年成立公司後便找來劍橋大學的同事 David Silver 一同發展，黃士傑則是在 2012 年加入 DeepMind。其實 2011 年 DeepMind 就已與黃士傑聯絡，當時黃士傑設計的 ERICA 運用單薄的硬體設備擊敗了其他國家的 AI，贏得電腦奧林匹克（Computer Olympiad）19 路圍棋冠軍。但當時的 DeepMind 並沒有透露想發展圍棋的意思，因此儘管收到 Silver 來信邀約，黃士傑還是先前往加拿大擔任電腦圍棋研究員，直至隔年才決定加入 DeepMind，成為 DeepMind 的第 40 號員工。黃士傑表示，加入 DeepMind 的第一年，團隊只是埋頭進行 AI 相關研究，但...