眼見 PC、智慧手機成長降溫，晶片業者莫不加緊腳步，人工智慧（AI）研發賽正式開打。華爾街日報 9 日報導，科技市調機構 IDC 預測，2021 年全球 AI 相關軟硬體支出，有望從今年的 120 億美元膨脹至 576 億美元，其中大部分將投入資料中心，預估 2020 年會有四分之一貢獻給跟 AI 相關的運算處理。根據 PitchBook Data Inc. 統計，民間投資人今年對 AI 硬體的投資總額，已拉高近一倍至 2,520 億美元。繪圖晶片巨擘 Nvidia Corp. 過去 12 個月的資料中心相關營收，幾乎成長了 3 倍，來到 14 億美元，而其股價過去兩年間更暴漲近 7 倍。英特爾（Intel Corp.）也未停下研發步伐。2016 年英特爾購併了 AI 深入學習公司 Nervana Systems，目前正在跟 Facebook 等業者合作，開發以 Nervana 技術為基礎的晶片，試圖在今年底超越 Nvidia 的 AI 晶片運算能力。另一方面，超微（AMD）聚焦 AI 的 Radeon Instinct 系列繪圖晶片處理器，也在最近開始出貨，客戶包括百度（Baidu...
AI 領域存在很久，但是過往相關人才並不好找工作。如今風水輪流轉，變成各方都在搶 AI 人才，就連政府也很快立定政策目標，要好好發展 AI 領域。11 月 9、10 日在中研院舉行的台灣人工智慧年會，場內爆滿的聽眾關注產業和學界大老對 AI 發展的建議和學術發表，場外絡繹不絕的人逛廠商攤位，攤位工作人員熱切招募人才，深怕這波 AI 熱潮下，不夠努力被淹沒。 廠商擺攤積極招人才，傳統 AI 應用廠商繼續精進技術 關於 AI，有很多可以運用的場域，如圖像辨識、文字辨識、語音辨識、自然語言處理。其中 AI 用在圖像辨識的發展歷史悠久，相關技術也相當成熟。因此 AI 大會上面有相當多的學界人士投稿論文和參與大會，許多團隊是做圖像辨識技術，也不足為奇。聯發科除了手機晶片外，還有用在影像辨識的晶片，當然聯發科也不忘趁著大會期間努力求才，積極招覽大會到攤位填資料。 ▲ 國泰金控的攤位使出花招，積極招覽資訊人才。 ▲ 玉山金控的易拉寶，列出徵求的職位所需技能。 不知道湊巧還是剛好，聯發科的人在場內演講。聯發科技術副理王淳恒 Andrew，用數據玩股票多年，專精用機器學習用在金融上面。但知道光靠數據分析專長難以養活一家人，所以選擇從事晶片設計工作。最近幾年 Andrew 則是上 Kaggle 平台解決各大公司發出的難題刷積分。以前靠數如今聯發科也有不少跟 AI 有關係的產品，像是影像辨識晶片，有跟上這波 AI 趨勢。 ▲ 傳統數據分析專家不受重視，但隨著 AI 發展身價水漲船高。 電腦防護公司趨勢科技出現在 AI 大會上面並不令人意外，因為要找出病毒資料庫未登錄的惡意程式，必須由 AI 找出有可疑活動的惡意程式。而最近幾年出現的即時競價廣告系統的公司，也在會場擺攤宣傳公司以及招募人員。 傳統屬於寡佔事業的銀行，也很緊張在會場擺攤，準備很多紀念品，要吸引到場的技術人填問卷，希望能收集業界人才資料，從中找到屬意人才。但是銀行面臨新時代的挑戰，有許多可以做的事情，但也面臨政府管制的問題，銀行 IT 人員需要處理的事情相當多，其中又有多少能發揮在較具前瞻的專案上面，令人存疑。 ▲ 各家廠商努力發傳單，要招覽人才。 跨界合作辛苦但是仍得持續進行...
近來，頻頻為台灣科技產業的發展提出想法，並且發聲的科技部長陳良基，就針對國內科技產業未來的藍圖規劃，他的輪廓是甚麼？又將要如何來執行？這次就請他為我們來說詳細解說！產業尋找客戶想法與體驗 政府規劃群體投資首先，對於當前國內的科技產業面臨發展的瓶頸，要如何尋找為國內廠商尋找下一波的發展動能的問題，科技部長陳良基表示，當前的科技發展是一波緊接著一波前來，就像是科技產品推出新的之後，舊的會隨之淘汰更新一樣。但是，每一代產品之間的生命週期變短了，而且還要在這縮短的期間內，找到對的下一個發展方向，這才是科技產業發展的困難所在。 而這近十年來，台灣的科技產業走向都跟隨著當紅的產品，也就是智慧型手機的發展走，這是延續之前個人電腦的發展狀況。不過，因為台灣廠商過去都是習慣去尋找一個單一大客戶，去接一個大訂單來生產的模式，並不擅長個別去尋找終端用戶。所以，這個階段無法掌握終端用戶的實際想法與體驗情況下，產品難以合乎市場需求，使得整個產業發展也已經不同於個人電腦時代的風光了，這也使得許多廠商感慨有走不出去的感覺。因此，在後來 HTC 這個台灣少數能夠在終端尋找客戶的廠商出現時，開始讓大家對其有所期待，也使得 HTC 能在一段時間為人所追捧的原因。而回到要獲取終端用戶的想法與體驗結果上，陳良基還是認為，在台灣的科技廠商中，除了 HTC 之外，還是在上千家的廠商中有少數做的不錯的範例，找到了客戶所需要的產品方向，然後大量投入研發，給予客戶最適合的產品。陳良基舉例表示，曾經在矽谷見過一家由台灣人創辦的生產主機板廠商，就是緊貼著雲端伺服器或儲存裝置的低耗能、高效能需求，研發客戶所需要的高度客製化產品。這使得這家公司在號稱高科技園地的矽谷，一樣能以生產主機板生存。找夥伴、打群架、結盟主因此，陳良基認為，要獲取終端用戶，且不論是消費者或是科技大廠的想法與體驗，事實上都必須花費很大的投資。而台灣廠商在看準了的一個市場之後，經常礙於能力與財力，雖然無法單獨的進行投資。但是，現在可以藉由結合周邊的力量來合作，建立打群架的概念。就如同台積電 2005 年當時，看準了開發創新設計平台 (Open Innovation Platform），集合了各個合作夥伴一起來投資，造就今天台積電在晶圓代工的龍頭規模一樣。所以，科技部希望在這個關鍵的計畫上，藉由產學聯盟計畫的建立，開始協助台灣廠商找夥伴、打群架、結盟主。 陳良基以台積電的例子說明，台灣科技產業藉由這樣供應鏈合作的基礎，要勇敢的說出「我就是要做全世界第一」的概念，而不要再想過去以低價競爭的策略。陳良基指出，當年雖然有關人工智慧的機器學習還沒有開始，但他就曾經對國內 IC 設計大廠聯發科提議，應該從那時的 8 核心，投入現在加入工至智慧運算的 64 核心晶片研發。只是，當年聯發科在龍頭高通都還沒有進行相關研發計畫下，不敢花費打大筆資金大膽投入研發，所以錯過當前搶攻市場的好機會。因此，科技部在這樣的架構上，希望藉由各個產學聯盟的建立，除了連結國內的各個科技廠商之外，也能藉台灣學術界在科技研發上的力量，與國外科技大廠介接經驗，期望能帶動整個產業界的新一波科技產業發展。陳良基表示，事實上，因為學術單位很會想題目，解問題。因此，讓學術單位發想題目及產品，然後再將其研究的結果，落實到由產業界來進行生產與商品化。產業聯盟建構一條龍產業發展步驟而這樣的產學聯盟，過去已經在半導體業界，尤其在 IC 設計業界行之有年。現在，科技部希望將其落實到整個科技發展上，在 2016 年已經透過這個方式帶領了一千家的各類廠商參與科技產業聯盟的連結，2017 年預計數量再要倍增到兩千家。而這些廠商不僅是科技產業，而是希望將所有產品都帶入科技的元素。只是，這些科技元素的取得，往往需要大筆資金的投入。這時候，藉由產學聯盟的模式，問題就可以進一步獲得解決。 另外，陳良基還指出，在產學聯盟的架構上，很多中小企業不一定有技術能力能夠參與。因此，就必須設計設立類似資科技服務公司，聘請高科技背景人才來協助中小企業。陳良基以人工智慧產業發展為例，因為許多的人工智慧開發與應用，都必須依靠資金與人才。所以，透過產學聯盟的管道，為各個企業提供資源。經過這樣的準備後，預計人工智慧從當前在 Google、微軟、IBM 等大公司的使用，一直下放到一般消費者運用的時間，還有 4 到 5 年的情況下，國內這樣的產學聯盟合作發展，預計屆時帶動台灣科技產業有另一波的大成長。此外，陳良基也表示，類似資科技服務公司的作法，目前正在一步步的建立中。就人工智慧的部分來看，要讓各個產品加入人工智慧的元素，雖然是必須的。但是，不見得每一家公司都有獨立的財力與能力來完成。因此，一但有完整的模式可以導入，對這些企業來說就會方便簡單許多，也能有更大的經濟規模。所以，科技部日前與輝達（NVIDIA）攜手建構國內的超級電腦，以發展人工運算平台就是這個概念。透過人工運算平台的學習，將結果再交由企業去進行產品導入，這樣就能加快速度，且服務更多的企業。先由產業定方向 再由教育補人才至於，當談到在這些產業發展計畫上，始終都不能缺少的人才培育，科技部要如何來為當前產業界解決時，過往從學界轉到政界服務的陳良基指出，當前的人才不足狀況並非實際的人才培育，不能滿足企業的需求，而是企業界在未定好下個階段的發展目標前，需求甚麼樣的人才一直不明確。而這也使得學校不能在正確的領域中，培養出有專業技能，且合乎產業界需要的學生，也使得這一代的學生在學習與求職過程中顯得比較茫然。因此，科技部在人才問題的解決方式上，陳良基就以先訂出產業發展方向為優先。也就是藉由發展人工智慧這一個項目，並透過協助工協會來舉辦CEO的論壇，以告知產業界如何參與，並凝聚共識之後，自然學生與海外學者就會陸續響應。陳良基指出，目前已經有學生會開始針對這樣的方向，開始更多相類似的學習計畫。也有海外學者針對這樣的產業主軸貢獻經驗，甚至願意回國服務。如此，在有更多相關人工智慧人才的情況下，就能夠逐漸填補目前產業界人才的缺口。而除了藉由產業界的目標發展，吸引人才的培育與回流之外，重要的人才培育關鍵還是在學校教育本身的體制上。陳良基坦承，目前的學校教育的確有很大的問題在阻礙專業人才的培育。但是，這是很大的結構性問題，短期間內也無法改善。因此，陳良基思考，先從一的部分下手解決，也就是從學位法的改進方向來執行。期望這部分通順之後，其他結構性的問題也能夠隨之改變。射月計畫儲備人才 填補台灣半導體不足之處陳良基解釋到，當時在教育部著手修學位法的原因，是希望效法國外學生進大學時 「選校不選系」 的方法。也就是一開始學生不論選甚麼系進大學，待後來產業界對於人才的需求，需要哪一個層面專業人才多，就多給予哪一個方面的專業學習與學位。如此，不但可以因應產業界的變化，隨時彈性調整人才的供給。而且還可以得到跨領域的人才，使得產業界獲得更多的創新能量。 最後，在人才培育的 「射月計畫」 上，科技部希望借助政策的引導，來讓人才的培育朝向產業需求的方向走。陳良基解釋到，以目前定調國內科技產業發展人工智慧的政策來說，國內當前半導體產業幾乎都是未來人工智慧不可或缺的一環。尤其，預計在 4 到 5 年後，人工智慧將滲透到每一個人身邊的設備時，那時候就必須要以強大的半導體生產與研發為後盾，來支持這樣的產業發展。因此，射月計畫就是面對未來人工智慧產業的發展，哪些半導體領域的專業能力是國內產業界仍不足的部分。就透過政府政策的協助與前期投資，藉以累積人才與技術。陳良基表示，既然人工智慧未來會進一步滲透到每一個人周邊的生活中，則無線射頻技術、高效能電池電路設計、精密感測元件、甚至智慧化晶片設計都是不可或缺，但這些又是台灣產業界比較弱項的部分。因此，透過射月計畫的施行，累積人才與技術能量後，在未來產業進一步發展下，產業界就能搭順風車前進。（首圖來源：《科技新報》攝）
iPhone X 規格曝光，預告手機未來趨勢：3D 感測、擴增實境與人工智慧， 非蘋陣營手機品牌商也已跟進布局，與蘋果互別苗頭。蘋果想再次定義未來10年智慧型手機的技術、稱霸市場10年，能否成風潮，看競爭對手的動態就知道。蘋果預告科技三大走向 非蘋果陣營積極投資布局目前，不管是 3D 感測鏡頭技術、AR 擴增實境和人工智慧晶片，蘋果之外的手機廠商早已動了起來，積極投資。在 3D 感測技術，最值得注意的公司是深圳的奧比中光。去年，市場上還在為聯發科投資指紋辨識公司匯頂，股價大漲感到興奮時，聯發科卻悄悄以 3.5 億美元代價，投資這家 3D 感測公司，跨進另一個生物辨識領域。回頭檢視，聯發科的投資時間點極為精準。奧比中光的創辦人黃源浩在接受採訪時透露，早在 2015 年 11 月，奧比中光就開始銷售 3D 感測器。這家公司也是中國第一家能設計、生產 3D 感測器，並且擁有完整的解決方案，是少數已有現成產品的廠商。在聯發科加持下，OPPO 正積極和奧比中光合作，讓手機配備 3D 感測和 AR 功能。回到台灣，8 月 30 日，高通和奇景光電共同宣布合作，推出一款 3D 感測產品，整合高通 Spectra ISP 訊號處理器，以及奇景光電的晶圓級光學元件（WLO），預計 2018 年第一季投產。小米新一代的旗艦手機計劃採用高通和奇景的產品；華為則是預計和以色列 Mantis Vision 公司合作。「Android 陣營的手機，要到 2018 下半年才能跟蘋果競爭。」一位分析師觀察。硬體明年第一季就能量產，為何 Android 陣營的手機產品要明年底才能配備 3D 感測功能？演算法與應用未成氣候 3D 感測還難以追上蘋果腳步「相關的演算法和應用還沒有準備好」，他分析，雖然明年初已經有相關零組件，但是必須要有正確的演算法，才能讓不同設計的手機，都正確依照手機發出的訊號，計算人臉大小，而且，就算能讓手機偵測正確的距離，缺乏應用程式也是一大問題。相反的，蘋果已累積不少特別的應用，如擴增實境表情符號 Animoji、能讓表情符號跟著你的表情一起動，還開發一款擴增實境相機、能幫你在大型活動中搜尋朋友，蘋果陣營還提供擴增實境遊戲，像喪屍射擊遊戲《Our World》、虛擬寵物遊戲《The Very Hungry Caterpillar》等；非蘋陣營的手機品牌商則還沒有明確、豐富的應用情境。今年...
大多數的軟體故障（Software bug）最多會讓你電腦當機，但絕對不會殺了你。不過，如果把場景換到自動駕駛汽車上，恐怕一旦出錯就是致命的了，畢竟誰也承受不了一輛疾馳的汽車在錯誤的時間做出錯誤的決定。為了消除人們的擔心，研究人員專門開發了尋找軟體故障的方法，它能有系統地揪出線上服務和自動駕駛汽車上深度學習演算法的錯誤決定。不過，想揪出 AI 的錯誤，還是得靠 AI。這種名為 DeepXplore 的糾錯方法背後至少有 3 套神經網路（深度學習演算法的基礎架構）。投入使用時，它們會相互進行對照檢查。DeepXplore 由哥倫比亞大學和理海大學共同研發，其主要目標是解決最佳化問題，即在最大化神經網路中神經元的觸發數量和在不同的神經網路中觸發盡可能多的衝突決策中找到最佳平衡。當然，這種方法也有個前提，那就是假設大多數神經網路在通常狀態下會做出正確選擇。隨後，DeepXplore 會自動對那些懷有異見的神經網路進行「再教育」，讓它們學會「跟隨潮流」。「這是一個完全不同的測試架構，它能找到自動駕駛系統和類似神經網路系統中出現的數千種錯誤。」裡海大學計算機科學助理教授 Yinzhi Cao 解釋。據了解，10 月底在上海舉辦的 SOSP 大會上，Cao 和他的同事就憑藉一篇論文技驚四座並拿下大獎。該團隊的獲勝意味著業內對深度學習中潛藏的軟體故障越來越關心，像 DeepXplore 這樣的除錯工具未來將有一番新天地。一般來說，深度學習演算法在做特定任務時是有人幫助的，技術人員會在大量的訓練數據中標出正確答案幫 AI 進步。這樣的方式讓深度學習演算法在某些測試數據集上準確率突破了 90%，在執行 Facebook 的人臉辨識和 Google 翻譯的句型選擇時能派上大用場。當然，在這種使用場景下，出點小錯根本無傷大雅。▲ DeepXplore 找出了輝達 DAVE-2 自動駕駛軟體的致命錯誤（右）。（Source：研究論文） 如果說以上的應用場景 AI 準確率已經能讓人滿意的話，在高速上行駛的大卡車恐怕就達不到要求了，畢竟一個小小的錯誤可能就會釀成大禍。想讓政府監管者放行自動駕駛汽車，就必須向他們證明自動駕駛汽車能達到非常高的安全水準，或者用隨機測試集考驗它時不會輕易被揪出那些會帶來災難的「極端情況」。「我認為安全和可靠 AI 的理念與可解釋 AI 如出一轍。」Suman Jana 說，他是哥倫比亞大學的計算機科學助理教授。「透明、可解釋和穩健這三大特點在機器學習系統與人類攜手工作或驅動自動駕駛汽車上路之前，還有許多地方有待提升。」Jana 和 Cao 所在的團隊有許多研發者是軟體安全和除錯專家，在他們的世界裡，即使是那些準確率高達 99% 的軟體也不安全，因為駭客會找到系統故障的地方並趁虛而入。不過，在當下的 AI 行業中，深度學習研究者將錯誤當成整個訓練過程中非常自然的一部分。因此，這個團隊非常適合擔起大任，成為 AI 世界中的「Bug 獵人」，幫演算法找到一個除錯的綜合方案。眼下，在為自動駕駛汽車的神經網路除錯時，會用到一些相當沉悶且隨機的方法。其中就包括研究人員手動創造測試圖片並將它們「餵」給神經網路，直到 AI 做出錯誤的選擇。第二種測試方案名為「敵對測試」，AI 會自動生成一系列測試圖片，透過調整其中細節發揮欺騙神經網路的作用。DeepXplore 的方法與以上兩種有所不同，它自動創造的圖片會讓 3...
繼智慧音響 WAVE 上市後，LINE 10 日透過官方推特帳號公開無線藍牙耳機「MARS」的宣傳影片，不僅搭載 LINE 所開發的 AI 平台 Clova，而且內建即時語音翻譯功能。MARS 由 NAVER、LINE 以及 ORFEO SoundWorks 共同開發，官方雖然尚未公布其詳細規格，但根據已公開的預告短片可看出，用戶輕觸即可啟用這款入耳式的無線藍牙耳機，具有抗噪能力來消除周遭環境雜音。最大特色在於具備至少英語、日語 2 種語言的即時語音翻譯功能，對話時英日語句可即時透過 MARS 完成翻譯並播放出來。此外，LINE 開發的人工智慧（Artificial Intelligence，AI）平台 Clova 已驅動智慧音響 WAVE，這回同樣也應用在 MARS 上，像是在預告短片中，就透過 MARS 來聲控預約搭乘計程車。MARS 計劃在 2018 年年初於韓國率先上市，目前已經獲得了 CES 2018 最佳創新產品獎（Best of Innovation Honorees）的殊榮，或許我們有機會在明年的 CES 2018 上進一步獲得 MARS 的更多資訊。搭載人工智慧與語音翻譯功能的耳機可不只 MARS 而已，Google 不久前才發表了「Pixel Buds」，支援多達 40 種語言的即時語音翻譯，還能夠喚醒 Google...
根據《路透社》報導指出，上週圖形晶片大廠輝達（Nvidia）在美國股市的股價創下了每股 217.18 美元歷史新高，原因是該公司日前發表了因為遊戲和資料中心所使用的繪圖晶片需求成長，因而帶來的出色業績表現的財報。並且，Nvidia 新一代的 Volta 架構晶片，未來也將大量被人工智慧和無人駕駛車上，使得公司的發展前景看佳。報導進一步指出，根據華爾街分析師的原本預期，資料中心業務原本在最新一季的財報中將有 4.42 億元的營收，但是在 Nvidia 的財報公布之後，營收則達到了 5.01 億元，優於華爾街分析師的預期，也使得大家開始注意 Nvidia 這個第二大營收來源的部門其未來的表現狀況。野村證券（Nomura）分析師 Romit Shah 就在一份針對投資人的報告中表示，資料中心的業績比預測更強，他們低估了這個市場帶給 Nvidia 的價值，因此，將 Nvidia 的投資評等由 「減持」 提高到 「中性」。事實上，由最新一季的 Nvidia 財報來分析，遊戲用繪圖晶片是為 Nvidia 帶來了大量的收入，但是資料中心的業務成長，卻是呈現爆炸性的態勢。此外，分析師們也預估，Nvidia 於 2017 年 5 月份所推出的新一代 Volta 架構晶片，因為是 Tesla V100 資料中心繪圖處理器的一部分，而且預計未來將會在人工智慧及無人駕駛車上使用，將會是市場上高發展潛力的產品。而分析師們也相信，因為 Volta 架構晶片的推出，使得半導體大廠英特爾（Intel）與超微（AMD）不得不屏棄前嫌，共同開發新一代繪圖處理器，以對抗 Nvidia。日前，Nvidia 的財務長 Colette Kress 才表示，受雲端運算服務提供商以及高性能計算（HPC）的客戶需求大增所推動，Tesla V100 GPU 的出貨量在 2017 第 2 季開始出現，並在第 3 季出現大幅成長的情況。而目前這些需求，許多是來自包括亞馬遜及微軟在內的雲端運算服務資料中心的業務上需求。未來，內含 Volta...
全球有三分之一的能源使用在建築物上，要提倡節能，就無法忽略建築物的重大消耗，但是屋齡數十年的老房子，不打掉重練，如何變成綠建築？最新的科技診斷技術「人工智慧建築節能系統平台」，只要 30 分鐘就可以開出改善藥方，立刻節電 5％ 至 20％，讓老房子不再發燒。目前節能公司為企業提供節能改善方案，光是診斷就要價不菲。以便利商店為例，聘請技師到場評估的費用，平均一家店約需 3 萬元，且單店診斷時間約需數日到一周，節能評估的誤差範圍 20 – 50％，加上國際常用軟體功能複雜、操作困難，無法推廣至一般使用者，種種問題讓有心改善建築物耗能的店家卻步，節能成效推廣不佳。為此，工研院積極開發節能診斷平台，廣納建築師、空調技師、機電技師、設備廠商的意見，並與學界討論及技術交流，歷時四年推出「人工智慧建築節能系統平台」，並在今年入圍 2017 全球百大科技研發獎。工研院綠能與環境研究所智慧節能系統技術組專案經理林鴻文表示，「人工智慧建築節能系統平台」整合台灣常用建材與設備，收錄近 400 種建材，並連結經濟部能源局的資料庫，收錄近 7,000 種節能標章設備，平台介面簡化成五步驟，使用者可輕易套用超過上千種設定參數及標準建築模型，搜尋相似性設備，平台會依節能量最高或回收年限最短，為用戶進行排序，提供最佳化設備清單。「由於診斷時無需收集全年的建築耗能數據，診斷時間可大幅縮短為 30 分鐘；每一案診斷費由新台幣三萬元降至 3,000 元，診斷準確度也因透過平台投資報酬率（ROI）分析及人工智慧，自動更新建築模型，評估誤差小於 5％。」該平台成功協助華南銀行導入快速建模功能，讓各分行平均節電 5% 至 20％，也協助連鎖便利商店改善節能，建議超商總公司避用耗能的建築外殼，為每一分店省下 30 至 50 萬元維修費用。研究團隊將「人工智慧建築節能系統平台」導入台灣市場，成功完成華南銀行全國 150 個連鎖銀行據點、23 家超市賣場等建築節能評估分析，這樣的效率及準確度，目前尚無其他軟體能做到。人工智慧建築節能系統平台還可整合能源管理系統，透過即時數據，更新建築能源模型以提升模擬準確度，並提供額外加值服務功能。 ▲研究團隊將「人工智慧建築節能系統平台」導入台灣市場，成功完成華南銀行全國 150 個連鎖銀行據點、23 家超市賣場等建築節能評估分析（圖片來源：工研院）此一人工智慧建築節能系統平台功能皆已模組化，可針對不同國家條件及使用需求建置客製化平台，並透過人工智慧方式以網路爬蟲技術，搜尋各國當地之建材、照明、插座設備、空調設備等產品資料，建置該國之節能設備資料庫及標準建築能源模型，尤其是氣候條件與台灣類似的東南亞與華南地區，累積資料庫的價值更高，不僅為全球節能盡一份心力，也成功拓展海外商機。文章授權來源：人工智慧建築節能系統平台
現代民航客機機師有 95% 的操作工作，都已經仰賴自動駕駛代勞，已經很少人會質疑現代客機的安全性，那麼自駕車呢？高標準的自駕車安全度，是在阻礙進度？根據統計，台灣每年約有 3,000 人死於交通事故、美國在 2016 年共有 4 萬 2 千起與汽車相關的死亡事故，但目前不論是政策制定或是一般民眾，都傾向自駕車必須要完美零失誤才能正式上路；美國國家公路交通安全管理局局長曾說過，自駕車必須比人類駕駛的安全度「高出兩倍」才能放行上路，而要達到這樣的高標準，預估至少需要再花上 15 甚至是 50 年才能做到。而近幾年也發生幾起自駕車的意外，喬舒亞·布朗（Joshua Brown），他是第一位因為特斯拉 Model S 自駕模式喪命的駕駛，2016 年 5 月死亡車禍發生時，曾引發大眾對於自駕車上路優點與風險間的爭論。類似的意外發生在 2016 年 9 月，一台 Model S 在德國高速公路開啟自駕模式時，與一台遊覽車發生相撞意外；2016 年 12 月，中國一名特斯拉車者同樣開啟自駕模式，因為系統偵測失誤擦撞到護欄，導致車輛受損。這些自駕車的意外消息一出，讓許多原本就不信任自駕車科技的民眾產生更多疑慮，但若要花上 50 年才能達到政府對於自駕車的高標準要求，才允許上路的話，會不會反而是在阻礙自駕車的進步？蘭德公司一份研究報告指出，盡早放行自駕車上路，還能大大降低車禍傷亡意外。自駕車安全性提升 10%，1 年拯救 3 千條生命根據美國智庫「蘭德公司」最近公布的一份報告，與其等待自駕車技術達到完美無瑕，還不如讓自駕車在安全性只比人類駕駛高出一點點時就放行上路，就算自駕車意外仍會發生，但這麼做可以大大減少車禍傷亡意外。但，我們該如何界定無人車技術已經達到可以上路的標準呢？報告中，模擬了 3 種可能的駕駛等級，分別是自駕車比人類駕駛安全性高出 10%、75% 和90%，再透過 500 種不同的道路情境，綜合未來技術可能的發展做研究。研究人員發現，廣泛採用自駕車後，安全性比起人類駕駛提升 10%，預估一年可以拯救 3 千條性命、15 年後可以拯救上千條人命，30 年後這個數字就會成長到數十萬。蘭德公司研究人員 David Groves 表示：「我們的主要目標是透過客觀的分析，來提供論述依據，我們認為這個議題，確實需要客觀地看待死亡事故，因為對於自動駕駛汽車需要達到的安全性能要求仍有太多困惑，但我們的研究並不認為等到完美的自動駕駛汽車出現再去應用，會是挽救生命明智之舉。」勤能補拙，自駕車彼此溝通不重複犯錯研究人員之所以會認為自駕車比人類更不容易出錯，關鍵在於自駕車擁有「彼此溝通能力」，可以確保在道路上行駛時彼此理性協調，避免意外發生。俗話說「勤能補拙」，當自駕車有更多機會在真實世界運作，就能透過不斷累積的經驗讓系統性能更加安全，跟人類不同的是，這些經驗可以同步跟全世界所有的自駕車分享，成為共同學習、修正的教材，避免重複犯同樣的駕車錯誤。人類往往對於自己的駕車失誤容忍度較高，對於機器出錯的容忍度較低，這樣的心理狀態是能夠理解的，然而所有的科技發展都必然伴隨著風險，像是有一派人就擔心隨著 AI 的進步，部分的低階工作可能會被取代，但要打破對於新科技未知風險的恐懼，親身跟這樣科技相處才是最好的開始，如果我們願意開始給自駕車一個機會，讓我們開始學習如何跟自駕車科技在同一條道路上共處，也許就能避免更多的傷亡意外發生。自動駕駛改變了空中旅行，我們也能慢慢習慣陸地交通自動化嗎？頻繁、方便、安全的商務客機交通，是上個世紀初的人們所難以想像的，但現在搭乘飛機遨遊世界，已經成為現代人再習以為常不過的場景。商業客機的自動駕駛技術在 1980...
英國晶片製造商 Graphcore 取得矽谷最知名創投之一的紅杉資本（Sequoia Capital）5,000 萬美元投資，成為英國最大的人工智慧硬體公司。這家英國布里斯托起家的新創公司主攻機器學習的晶片，應用範圍包括自駕車、雲端運算和機器人等。運作人工智慧的晶片需要快速處理大量數據，Graphcore 開發的晶片計算能力甚至可達一般傳統處理器的 100 倍。安謀（ARM）被日本軟體銀行（SoftBank）收購之後，Graphcore 將力求成為英國晶片產業的代表。人工智慧趨勢已席捲整個市場，未來會有更多公司投入資源進入這個領域。根據美國市場研究機構 IDC 估計，全球人工智慧領域的營收將從現在的 125 億美元成長到 2020 年的 460 億美元。不只是整個行業前景看好，紅杉資本更認為 Graphcore 未來可和輝達（Nvidia）還有英特爾（Intel）這樣的科技巨人競爭，可見 Graphcore 的潛力不容小覷。Graphcore 執行長 Nigel Toon 也是手機晶片公司 Icera 的共同創辦人，有別於上次用 3.67 億美元把公司賣給輝達，他表示 Graphcore 的目標是成為英國自己的上市公司，而不是出售公司獲利了結。Graphcore 的投資者包括三星（Samsung）、博世（Bosch）、安謀（ARM）的創辦人 Hermann Hauser 及後來被 Google 收購並開發出 AlphaGo 的人工智慧公司 DeepMind 共同創辦人 Demis Hassabis。接下來 Graphcore 將為矽谷的新辦公室招募人手，近期也可能在中國設立據點。 Sequoia in $50m backing for UK chipmaker Graphcore （首圖來源：pixabay）