日前宣布即將在 2018 年 6 月份交棒，並且不再擔任公司任何職位的全球晶圓製造龍頭台積電董事長張忠謀表示，隨著物聯網（IoT）、汽車電子、高效能運算（HPC）、以及手機等產業的蓬勃發展下，台積電將繼續保持產業的領先地位。根據張忠謀日前接受《路透社》專訪時表示，台積電將會在產業中領先其他競爭者，並且更加了解這個產業的技術上限在哪裡。張忠謀進一步指出，預計在 10 到 20 年之內，將會誕生無數的無人駕駛出租車，並且會由人工智慧來取代許多醫生的工作。 而面對這樣的轉變，台積電將會在物聯網、汽車電子、以及高效能運算上建立供應鏈的夥伴關係。另外，因為未來幾年手機產業的蓬勃發展，使得手機晶片的需求暢旺。因此，台積電將尋求多樣化的客戶群，使得這 4 大方面的布局將會是未來台積電成長的主要動能。張忠謀也強調，未來在晶片產業將會有進一步的整合動作。因此，面對競爭對手南韓三星，預計在未來 5 年內把當前的晶圓製造市佔率提高 3 倍的挑戰，就目前市值達到 1,850 億美元的台積電來說，要支持未來的發展，將會是在接下來的 5 年內，每年增加 5% 到 10% 的資本支出，以繼續投入研發的工作。並且還將增加招聘 6,000 名的員工，以滿足其未來發展需求。另外，張忠謀還指出，目前台積電仍面臨著許多的競爭。其中，中國政府補貼晶片產業，使得即便中國晶片廠商虧損很大，卻還能繼續存活下去，這對台積電來說也是一種挑戰。因此，台積電需要藉由建立更好的夥伴關係，例如與人工智慧（AI）明日之星的輝達（Nvidia）的合作，來維持競爭力。 而對於未來退休之後會如何繼續看待台積電，張忠謀則表示，他會很關心財報中的損益表，也會聽聽市場分析師的意見。不過，他不會提出任何的問題，因為他只是個非常感興趣的投資者而已。根據統計，張忠謀目前約持有台積電 0.48% 的股權，市值約 9.26 億美元（約新台幣 281.27 億元）。（首圖來源：科技新報攝）
在人工智慧（AI）機器人盛行的年代，想寫程式讓機器人動，不再只是專家獨有的特權，適合各種年紀的程式設計學習機器人紛紛出籠。智慧娛樂機器人公司 Sphero 創立於 2010 年，隔年開始陸續推出 Sphero、Sphero 2.0、Sphero Ollie 等多款智慧娛樂玩具。而《星際大戰七部曲：原力覺醒》中可愛討喜的機器人 BB-8，更是他們的知名代表作。Sphero SPRK+（教育版）是可使用 App 控制的球型機器人，外形小巧可愛、就像寶可夢（Pokémon Go）裡的精靈球一般，適用於各個年齡層的使用者、各種課程與主題的運用上。簡單、直覺的操作方式，讓使用者能學習應用各種程式語言來讓球型機器人做出不同動作、朝向指定方向前進、與閃爍不同顏色燈光，激發個人創造力與想像力。它結合了遊戲與程式語言學習，透過簡單的手機或平板的 App 來操作，使得程式設計不再困難，且十分有趣。不單單只能自己玩，也可以揪團一起玩，還可以搭配各式實體或虛擬場景，讓這場程式遊戲變得更加好玩！除了自己完成一切實踐活動之外，亦可以將程式上傳到社群中與世界各地的大家一同分享、討論，匯聚眾人之力共創學習旅程。Sphero SPRK+（教育版）一組售價為 129.99 美元（約新台幣 3,900 元），內附有球型機器人主體、感應式充電座與 USB 充電線、迷宮帶、360 量角器與貼紙，另外還有快速教學指南可參考。而控制機器人的 App 則可在 App Store、Google Play、Kindle Store 下載。目前國內也有先創國際獨家代理，網路售價是新台幣 4,980 元，即便稍貴了些，但有中文說明與保固，也不失為一個不錯的購買選擇喔！（本文由 數位時代 授權轉載；首圖來源：Sphero）延伸閱讀： 《星際大戰 7》中的 BB-8 機器人玩具是如何打造的？
10 月 4 日的 Google 新品發表會已塵埃落定。Google Pixel 2 / 2 XL 不意外地引起外界巨大關注，Pixelbook 身為 Chromebook Pixel 的第三代作品頗有新意，Google Home 和 Daydream View 系列的更新也是例行公事……縱觀整場發表會，最出人意料、也最缺乏存在感的，反而是最後出場的那個產品 Google Clips。不過，Google Clips 看似平淡無奇，卻搭載了一塊 AI 晶片。據了解，這塊 AI 晶片就是 Intel 旗下 Movidius 一款名為 Myriad 2 的 VPU（Vision Processing Unit，視覺處理單元）。Myriad 2 發表於 2014 年（這時 Movidisus 還沒有被 Intel 收購），身為一款視覺處理晶片，功能就是專門用於圖像處理；特點在於功耗很低，能在半瓦功耗下提供浮點運算功能，使用 20 奈米製程製造。 在 Myriad 2 之前，Movidius 已推出了...
美國科技界，西雅圖不時會和矽谷幹上一架。如今鋒頭正盛的 AI 市場，來自西雅圖的微軟和亞馬遜正對陣從矽谷走出的蘋果和 Google。根據普華永道發布的 2017 全球市值 Top100 公司排行榜，微軟與亞馬遜的市值分別排在全球第 3、4 位，僅次於矛頭所指的蘋果與 Google 母公司 Alphabet。但隨著微軟和亞馬遜「史無前例」的合作，來自西雅圖的科技巨頭似乎已掌握這場科技戰爭的主動權。不僅如此，如今的微軟還在摩拳擦掌加速儲備 AI 人才。第一財經記者了解，過去一年來，微軟人工智慧事業部員工數量快速增加，從最初的 5 千人左右增長到目前 8 千人規模。此外，微軟和亞馬遜在人工智慧領域的牽手也開啟想像空間。除了微軟和亞馬遜，同樣身處西雅圖的還有咖啡連鎖店星巴克和工業巨頭波音。微軟「破天荒」聯手亞馬遜今年 4 月舉行的 IT 領袖峰會，微軟全球執行副總裁、人工智慧及微軟研究事業部負責人沈向洋曾透露，微軟人工智慧事業部已有 7 千多名工程師和科學家。「還在繼續招人，因為 Pony（馬化騰）和 Robin（李彥宏）經常來挖我們的人，Jack（馬雲）也挖。」面對坐在一旁的馬化騰，沈向洋調侃。馬化騰的回應是，「騰訊在微軟（總部）西雅圖還設了一個實驗室。因為很多微軟的人不願意離開西雅圖，所以我們就在旁邊設實驗室，沒辦法，人才就是這樣。」值得一提的是，雖然同樣誕生於西雅圖的科技公司，微軟和亞馬遜似乎更習慣以競爭對手姿態看待對方，亞馬遜如今年營收超過 100 億美元的 AWS 雲服務，正是老牌 IT 公司微軟 Azure 雲端服務平台拚命追趕的方向。這一次，西雅圖「雙雄」握手言和的原因，兩家當下的重頭戲正是：人工智慧語音助手產品。亞馬遜 CEO 貝佐斯（Jeff Bezos）之前在推特首頁宣布：「Alexa 交了個新朋友。」 而亞馬遜旗下語音助理 Alexa 的「新朋友」正是微軟旗下的同類人工智慧產品 Cortana。上述合作出乎意料之處在於，雖然之前亞馬遜、微軟、蘋果和 Google 都推出了各自的數位助手，但 4 家產品彼此一直不相容。但如今微軟和亞馬遜的合作表示雙方希望攜手改進語音助手。具體來看，兩家在智慧喇叭和語音助手領域的合作包括：裝有 Alexa 的裝置，用戶可呼喚 Cortana 並使用微軟辦公功能；而在 Windows 10 等裝置呼喚 Alexa 時，也可以直接到亞馬遜網路商店買買買，並使用 Alexa 的 Skills。亞馬遜全球副總裁、亞馬遜中國總裁張文翊稱，Alexa 系統在全球有上萬個合作夥伴，不但有軟體開發商、應用開發者，也有全球智慧裝置製造商。目前，Alexa 可提供超過 1.5 萬項功能應用。微軟 Cortana 目前在全球也有廣泛的應用基礎。微軟財報顯示，截至 2017...
人工智慧市場頗具成長潛力，輝達（NVIDIA）堪稱是最熱門的人工智慧概念股，法人點名，創意、世芯-KY、信驊、新唐與聯發科 5 家台系晶片廠也是人工智慧概念股。人工智慧發展方興未艾，包括歐、美、日本與中國等國紛紛將人工智慧技術納入國家藍圖，各國多以智慧載具及機器人為發展目標。法人預期，人工智慧市場將頗具成長潛力，市場規模可望由 2015 年的 20.25 億美元，成長至 2024 年的 111 億美元。隨著社群、電子商務交流頻繁，未來雲端運算市場規模每年可望成長 10% 至 15% ，法人看好，IC 設計服務廠創意與世芯-KY 可望受惠中國超級運算中心建置。美國雲端平台及中國阿里巴巴、騰訊等，可望推動超級運算伺服器出貨量高度成長，並推升伺服器管理晶片需求強勁，法人預期，伺服器管理晶片龍頭廠信驊將可直接受惠。新唐因成功打進伺服器管理晶片市場，今年第 3 季產品開始出貨 Dell ，也順利躋身人工智慧概念股之列。至於人工智慧終端裝置方面，智慧音箱快速崛起，聯發科為亞馬遜 Echo 的供應商，同為人工智慧概念股之一。（作者：張建中；首圖來源：NXP官網）
南韓軍方透露，國防部將在 2025 年前開發出「人工智慧（AI）指揮決斷支援體系」，在野戰部隊試驗後，將逐漸向一線部隊推行普及。南韓「亞洲經濟」指出，這項體系用於野戰部隊後，將以「AI 參謀」的形式，戰時協助指揮官。按照南韓國防部的計畫，人工智慧電腦將最大程度記錄北韓軍方的兵力、裝備數量、位置及優勢與弱點，以及南韓陸、海、空軍的聯合火力等具體資訊。報導說，戰爭爆發時，南韓軍方可用的火力位置、數量以及武器的有效射程等，也都儲存在人工智慧電腦中。電腦中還有北韓部隊所在地區的地形資訊，以及過去 5 年的氣象資訊等作戰必需的基礎資訊。這名消息人士表示，指揮官將以人工智慧電腦中儲存的資訊為基礎，戰時將根據各方參謀的建議，及人工智慧電腦計算出的最優「指揮決斷」資訊，靈活指揮作戰，「人工智慧電腦成為指揮官核心參謀的那一天，已經不再遙遠」。（首頁來源：南韓國防部）
各大科技公司為了爭奪人才，無不卯足全勁，用有未來性的研究項目吸引頂尖人才投入旗下。阿里巴巴集團在阿里巴巴雲棲大會上宣布，要召募未來所需的研發人才，阿里巴巴成立研究院，阿里巴巴達摩院 (The Academy for Discovery, Adventure, Momentum and Outlook, DAMO)，並公布 10 位加入的專家名單。阿里巴巴集團董事局主席馬雲表示，以前他還沒有想到要成立研究院，因為商業公司光是生存就夠頭痛了。以前要是有人跟他提議要阿里巴巴像科技大廠一樣成立研究院，他都覺得別人說別家公司研究院多好，那你覺得很好何不就直接過去啊。▲ 阿里巴巴集團董事局主席馬雲。馬雲說阿里巴巴的研究院會走自己的發展模式，不會是完全的做好玩研究，或是純粹的營利考量。達摩院將借鏡 IBM、貝爾、微軟經營研究院的經驗。但由於達摩院比起來是後起之秀，因此要站在先前研究院的地位，超越先前的研究院成就。另外馬雲也期待達摩院活得比阿里巴巴還要長久。而負責阿里巴巴 AI 相關業務，阿里巴巴集團 CTO 張建鋒強調達摩院在 3 年之內，靠 1,000 億人民幣起始資金，之後將自給自足。▲ 達摩院將在美洲、歐洲和亞洲設立據點，並且和阿里巴巴既有與大學合作實驗室緊密合作。首波加入達摩院的 10 位專家中，有哥倫比亞大學教授周以真，和北京理工大學副校長梅宏出席阿里巴巴在杭州舉行的雲棲大會。周以真相信以中國企業投入研發的實力。相信假以實日，一定可以做出成績。得過圖靈獎的中國科學院院士姚期智則出席達摩院啟動儀式，他期待達摩研究院在研發新技術時用腳踏實地的方式進行。▲ 首波加入阿里巴巴達摩院的專家。不少大公司為了吸引人才，而成立研究單位。在科技圈中微軟、IBM、貝爾的研究單位曾做出不少前瞻性研究，有些還屬於在研究當下找不出用途的研究。不過阿里巴巴認為達摩院要解決的問題，分成短期能處理的問題，以及長期能處理的問題，像是量子運算就是屬於要長期奮戰的問題。其實量子運算已經算是不少公司意識到的問題，而且很久之前就開始布局。也許太前瞻到大部分人未意識到是問題的「議題」，還不在他們眼裡。看來阿里巴巴的研究院還是以商業上需要解決的問題為主。(首圖來源：阿里巴巴提供)延伸閱讀： 英特爾發表最新自動學習晶片，有望加速人工智慧發展 與亞馬遜一較高下，Walmart 將採輝達晶片建置自家人工智慧網路 中國攻大數據人工智慧，台灣有三機會兩挑戰
迅雷創始人程浩，也是開氪專欄《精益創業 13 講》導師，看看他以投資人身分怎麼看 AI 創業。我現在專注科技領域的投資。今天跟大家聊聊人工智慧領域的創業和創新，包括如何選賽道、團隊搭配、應對巨頭的挑戰。為此我從投資人角度，幫大家總結人工智慧創業的 6 大核心問題。第一個問題：網際網路 vs. 人工智慧首先如果今天大家選創業，我建議更應該關注人工智慧，而非網路。為什麼這麼講？1. 網路的流量紅利已經消失；以 PC 來說，全球 PC 出貨量連續 5 年下滑。大家知道中國最後出現的 PC 網路獨角獸是誰嗎？是知乎，大概是 2011 年初推出，這麼多年過去，再也沒有 PC 網路獨角獸出現。做個對比，我們知道 2015 年行動網路的滲透率和競爭程度和 2011 年的 PC 網路類似，以此類推，2015 年以後再做行動 App，也很難出現獨角獸了。畢竟中國連續兩年手機出貨量都 5 億多支，增長放緩，代表無線流量基本已走平，你多賣一支，我就少賣一支，是存量競爭。今天創業者再做一個純網路 App，投資人問的第一個問題就是你怎麼獲客。因為現階段流量格局已定，首頁就那幾個 App。2. 網路＋的機會同樣有限；主要在於網路最大的價值，是解決資訊不對稱和連線，所以對電商特別有價值。淘寶用皇冠、鑽石等信用體系解決資訊不對稱，同時又把全國這麼多買家和賣家連在一起。這就是網路的價值。但很多工業資訊和連線並不是痛點。拿醫療舉例，中國三甲醫院的醫生就那麼多，你把全中國 13 億人民都和這些醫生連線了也沒用，因為一個醫生一天還是只能看那麼多病人。網路並沒有提高醫生看診的效率。在諸如餐飲、醫療這些傳統領域，網路的幫助很有限。也包括滴滴打車，網路解決了叫車難的問題，但是沒解決叫車價格的問題。事實上，去掉補貼之後，大家發現滴滴一點都不便宜，道理很簡單──不管專車還是出租車，還是需要由人來開，人工成本降不下來，就不可能便宜。3. 真正能提高社會生產力，解決供需關係不平衡的就是人工智慧；人工智慧將帶來社會生產力提高，對人類的影響將遠遠超過網路。還是拿醫療來說，很多基層醫院水準不高，未來完全可以透過人工智慧輔助醫生讀 CT、X 光等醫療影像。像今年，IBM Watson 對皮膚黑色素瘤的診斷，準確率已提高至 97%，遠遠超過人類專家 75%~84% 的平均。未來，人工智慧無論在無人車、機器人、醫療、金融、教育還是其他領域，都將爆發巨大的社會效益，這點毋庸置疑。我認為下一波大趨勢和大紅利不是網路＋，而是人工智慧＋。我建議現在的創業者更應該關注人工智慧領域的創業機會。第二個問題：人工智慧 vs. 人工智慧＋人工智慧主要分 3 層。最底層是基礎架構（Infrastructure），包括雲端計算、晶片及 TensorFlow 這種框架。在基礎層上是中間層，叫通用技術（EnablingTechnology），例如影像辨識、語音辨識、語義理解、機器翻譯這些。基礎層和中間層，是網路巨頭的必爭之地。比如晶片領域，Intel、輝達、高通都投入巨資，競爭極其激烈。同樣雲端計算、框架也一樣，都不是小公司能涉足的領地。現在對中間層的通用技術，BAT 也極重視。因為大家都相信人工智慧是下一波工業革命浪潮。對騰訊、阿里、百度這些巨頭來講，想在大浪中屹立不倒，必須構建出人工智慧的生態系統（Ecosystem），核心就是要靠這些 Enabling Technology 技術。相比創業公司，BAT...
義大利人重視穿著，特別是男裝，無論西裝或一般休閒服飾，合身的剪裁總是讓許多人望而興嘆。在許多國家眼中，義大利人對穿著十分講究，更別說義大利頂級跑車執行長等級人物，接受採訪時必備頂級正式的服裝，彰顯富裕、型男、義大利精神，但最近不一樣了，藍寶堅尼（Lamborghini）執行長居然把領帶拿掉，釦子鬆開，一副休閒裝扮，原來他們為的是向新科技靠攏，向矽谷人學習。Wired 採訪藍寶堅尼報導指出，面對自動駕駛技術快速發展，頂級跑車應該是最無法從中得到好處的行業，因為頂級跑車提供的是操縱快感，若把駕駛權交給機器，就無法享受駕馭 740 匹馬力與 V12 引擎的感受。藍寶堅尼執行長 Stefano Domenicali 表示，「當世界愈趨向自動化技術，我們就愈要與眾不同，因為我們的客戶要手感，要駕駛的樂趣，成為情感體驗的中心。」不過，藍寶堅尼執行長到矽谷，他不是去抨擊機器人技術，而是去擁抱它，他到史丹佛大學找尋自動駕駛技術，目的是讓有錢人體驗更好的駕駛感受。藍寶堅尼沒有透露太多細節，只知道他們要找的是一種可以提高駕駛安全性，讓駕駛知道哪裡可以飆速、換擋，或來個急速大轉彎的人工智慧，藍寶堅尼要讓科技變成駕駛的導師，在門檻之內盡情玩樂。另外一家頂級跑車英國麥拉倫（McLaren）也有類似目的，認為人工智慧與自動駕駛能力可吸引買主，讓駕駛在低風險下盡情揮灑跑車的性能。豐田汽車（Toyota）對完全自動駕駛技術不感興趣，他們要的是守護技術，讓人類來駕駛，機器人只會在關鍵時刻拿回控制權。三菱（Mitsubishi）也推出一套人工智慧系統，透過評估與指引來改進人類駕駛技術。自動駕駛技術不是要剝奪人類的駕駛樂趣，而是擴大人類的感官範圍，可以告訴他們前方有什麼，讓駕駛高枕無憂。麥拉倫設計總監 Frank Stephenson 談到自駕車技術，他說，「新技術可讓汽車駕駛在正確的速度、正確的轉速、正確的檔位、正確的線路上體驗駕駛樂趣，駕駛可以取回控制權，人若犯錯，機器可以介入。」藍寶堅尼首席工程師表示，新技術是讓駕駛在意外狀況發生時不必害怕，這是一個工具，就像導師一樣。 What Does Autonomy Mean for Supercars? （首圖來源：Flickr/Elías Gómez CC BY 2.0）
9 月 26 日溫哥華舉行的 IROS 大會，電腦視覺專家、史丹佛 AI Lab & Vision Lab 主任李飛飛發表「A Quest for Visual Intelligence」演講，這也是李飛飛首次參加 IROS 機器人為主題的大會。值得注意的是，近日雷鋒網在 Arxiv 發現了一篇講述新型機器人學習框架的論文《Neural Task Programming: Learning to Generalize Across Hierarchical Tasks》，主要作者來自史丹佛，指導教授正是李飛飛及丈夫 Silvio Savarese。這也代表人工智慧和機器人兩個社群在視覺與感知方面的重疊度越來越大，之後的合作也會越來越緊密。以下一起來看看這篇論文。摘要：本論文提出一種名為神經任務程式設計（NTP）的新型機器人學習框架，可透過較少的示範和神經程式啟動學習。NTP 可將匯入的規則性任務（例如任務的示範影片）遞迴地分解成更精細的子任務規則，這些規則傳遞到分級神經程式，透過可呼叫的底層子程式與環境互動。同時，我們從 3 個機器人操縱任務驗證了我們的方法，試驗中，NTP 展示了在顯示分層架構和組合架構的順序任務的強泛化能力。實驗結果表明，NTP 在學習長度不定、可變拓墣和不斷變化的學習和拓展未知任務有較好效果。背景越來越強調「人機協作」的今天，機器人通常在某些特定環境與人進行長時間互動，如物體分類、裝配和清理等。但是以往機器人通常需要在固定場域才能與人互動，如何讓機器人適應複雜的作業、新任務目標和周圍環境，是機器人技術的重大挑戰。設想一個倉儲中的物體分類任務，通常包括分類、檢索、打包等具體任務，每個任務又可分解為若干個動作，如抓取、移動、放下等，這些動作構成了如抓取和放置等子任務。如果考慮到不同對象、排序、子任務的排列組合，變化會非常複雜。例如，將四類物品分類放到 4 個容器，組合會有 256 種之多。本文希望解決複雜任務規劃的兩個主要挑戰，即（a）從新的概念化到新的任務目標學習策略，以及（b）與長期環境互動的基本原生程式碼模組的組合。神經任務程式設計（NTP）原理NTP 的關鍵基本思想在是跨任務學習和共享領域的可重用表示。NTP 解釋一個說明任務過程和最終目標時間序列的任務規則，並將分層策略實例轉化為一個神經程式。NTP 從匯入規則中解碼生成任務目標，並分解為子任務並與周邊環境互動和回饋直至達成目標，每個程式呼叫環境觀察和任務規格（匯入），並匯出下一個子程式和相應的子任務規則。如上圖所示，在給定匯入、任務規則和目前環境的情況下，NTP 模型預測需要執行什麼樣的子程式，並作為下一級子任務的匯入，並判斷目前程式是否結束，否則將繼續迴圈執行工作 。測試該研究團隊透過模擬和實際機器人實驗的單臂作業任務來評估 NTP。工作包括：堆疊方塊，目標分類和清理桌子。該研究的兩個目標：1. 在同一個領域學習多項工作；2. 透過單一例子形成測試中的泛化能力。如圖所示，機器手可從模擬的 Demo 環境（包括圖像、影片、VR 匯入）學習並完成堆疊積木；NTP 程式設計：透過分級工作條件匯出策略歸納程式，呼叫 Robot API 作業。上圖展示了堆疊方塊任務時 NTP 的樣本執行軌跡圖。任務是按指定要求堆疊字母方塊，頂層程式作為匯入參與整個示範，預測下一個執行的子程式，並為特定匯入作為指定任務的一部分，底層 API 呼叫機器人做出相應的動作（如...