台灣人工智慧實驗室創辦人杜奕瑾表示，人工智慧是台灣邁向高附加價值和高獲利產業的契機，應打造產業環境，讓人才回流，目標把台灣打造成全世界的人工智慧島。科技部工程科技推展中心今天舉辦 AI 人工智慧產學媒合交流會，台灣人工智慧實驗室創辦人、同時也是 PTT 創辦人杜奕瑾受邀出席跨界論壇，分享 AI 時代的科技創新優勢與市場機會。杜奕瑾以「眼睛是靈魂之窗」形容，眼睛看到外部物體，其實是大腦看到，靈魂才是關鍵。他以靈魂來形容人工智慧的重要性。杜奕瑾指出，今年是人工智慧的元年，2015 年到 2016 年，影像辨識和語音辨識技術做的比人類動作還準確，促進人工智慧應用實現。在應用上，他指出影像和語音辨識在醫療領域應用已經有重大突破，電腦影像辨識在製造業生產線也有明顯進展。觀察台灣在人工智慧布局，杜奕瑾分析，台灣產業現況是很會生產，但缺乏會「做靈魂」的人才與產業。他指出，台灣在人工智慧其實有很強的學術界和機構，但沒有產業承接；台灣其實有很多人工智慧專業人才，但台灣需要營造環境，創造機會讓人才回流。他指出，台灣產業要朝向高附加價值和高獲利的產業發展，人工智慧是台灣很好的機會。杜奕瑾建議，台灣產學界可將新興科技結合既有的高速運算平台和資料中心，創造新價值，也就是靈魂。當全球都在布局人工智慧關鍵時刻，杜奕瑾指出，台灣有實力、基礎，從軟體到硬體到產業，都是很好的發展契機，目標可把台灣打造成全世界的人工智慧島。對於台灣代工產業布局人工智慧，杜奕瑾指出，人工智慧需要資料蒐集累積，這是台灣的優勢，因為台灣是全球最大資通訊產業重鎮，也具備創新的感測元件製造能力，掌握創新感測元件蒐集資料、規劃演算法、進而帶動體驗創新的契機。杜奕瑾建議，台灣代工產業可先規劃生產流程引入人工智慧技術，進一步運用既有技術協助資料蒐集、規劃演算法，帶動體驗創新。（作者：鍾榮峰；首圖來源：shutterstock）
晶圓代工龍頭台積電在隨著 7nm 製程，在 2017 年底前開始量產之後，緊接著 5nm 製程也將要開始展開。台積電預計，5nm 製程將在 2018 年動工，2019 年上半年進行試產。台積電共同執行長劉德音 7 日在自家第 17 屆供應鏈管理論壇，面對全球超過 600 個供應商夥伴指出，台積電在 2016 年總計開發了 250 項專利技術，產出 9,200 個產品及 1,100 萬片晶圓，提供給台積電的 470 個客戶。能創造這樣的成績，非常感謝各供應商夥伴的支持與貢獻。劉德音進一步指出，關係著台積電未來發展的 4 大平台領域，在 2 年前被提出。其中，在人工智慧（AI）和 5G 方面，AI 會是未來的重要發展，會在各領域及層面上被廣泛運用，5G 則是預估在 2019 年開始商用，之後帶來的龐大商機，台積電也會是未來的主要技術供應商。這方面，無論是 7nm，或是 7nm+ 等先進製程上，台積電也已經為生產 5G 產品做好準備。至於，在先進製程的發展上，劉德音也表示，目前 7nm 製程已開始在新竹 12 廠開始量產，而且已經有超過 40 個客戶，未來還會在 12 和 15 廠的第 5 和第 6...
美圖研發推出全球第一位 AI 繪畫機器人──Andy。用戶只需開啟《美圖秀秀》並上傳自拍照，Andy 就能為用戶畫出插畫風格的專屬人像！Andy 能夠根據使用者上傳的畫像，直接畫出插畫像。▲ 上傳自拍照後，《美圖秀秀》的 AI 繪畫機器人 Andy 2~3 秒就能完成插畫風格的人像。3 秒內繪出你的畫像，還會增添腮紅與唇彩美圖影像實驗室訓練出全球首位 AI 繪畫機器人 Andy。人類繪師至少需要花費數個小時才能完成的畫作，AI 繪畫機器人 Andy 只需 2~3 秒就能完成。繪畫機器人能辨識用戶的性別，根據男女性別不同，Andy 會增加或是拿掉畫像上的腮紅、唇彩等。AI 繪畫機器人 Andy 採用了美圖影像實驗室研發的影像生成技術（MTgeneration），基於自主研發搭建的生成網路 Draw Net，透過深度學習技術對大量圖像資料進行精準分析與學習，不斷增強機器人的繪畫能力。同時運用了 MTface（人臉辨識技術）和 MTsegmentation（圖像分割技術，辨識臉部、頭髮以及身體各區塊）。在訓練過程中，美圖影像實驗室首先透過大量插畫資料的分析和學習，構建出不同應用場景的圖像生成模型，並讓繪畫機器人 Andy 根據使用者上傳的自拍照，為用戶畫出不同風格的插畫。2017 年上半年，研發支出就高達 1.99 億人民幣研發這個技術的美圖影像實驗室（MTlab），成立於 2014 年，位於北京、廈門、深圳三地，是美圖專注於電腦視覺及機器學習的研發團隊，是公司的核心研究部門，團隊成員超過 60 人，是為美圖核心產品提供演算法研發重鎮。而美圖最出名的軟體產品《美圖秀秀》月活躍用戶數已經達到 1.13 億人，又握有大量的圖片資料，因此在發展人臉辨識與圖像分割等領域具有優勢。美圖公司還沒有開始盈利，但卻勇於投入大量資金在研發上。2017 年上半年，研發支出就高達 1.99 億人民幣（約新台幣 8.9 億元），比 2016 年同期增長 119.89%，幅度驚人。雖然公司沒有闡明，其中多少占比的研發資金投入在人工智慧技術研發，但從美圖重要硬體產品美圖手機發展來看，人工智慧相關投資想必相當大的比重。美圖的挑戰：人工智慧產品如何盈利？除了軟體，美圖也把人工智慧技術整合在旗下美圖手機中，如美圖 V6 手機中的光效相機、16：9 電影人像模式、夜景相機、逆光模式等功能。不過，各家手機製造商也都跨足這個領域，美圖的競爭壓力非常大，在中國就有華為等競爭對手。華為在今年發表 Mate 系列手機，強調搭載第一個手機人工智慧晶片麒麟 970，麒麟 970 晶片...
近日，加州大學柏克萊分校的電腦科學家研發出「可以預見未來要發生的事情」的機器人技術，利用這項技術，機器可以做到：操控以前沒有見過的物件；並且在未來，這項技術可以應用在自動駕駛汽車的預測事件，並幫助生產更多家庭機器人。 這個機器人的名字叫 Vestri，利用的技術是視覺預見技術。運用視覺預見技術，機器人可以在完全自主學習的情況下，看到如果它們執行特定動作會產生怎樣的結果。據了解，研究者在 NIPS 2017 展示了這項技術。目前，機器人的預測能力還比較簡單，只能預見未來幾秒內發生的事情──但足夠讓機器人弄清楚如何在桌子上移動物體，而不會碰到障礙物。目前，機器人專注於從完全自主的遊戲中學習簡單的動手技能，最重要的是，機器人要學會在沒有人幫助或事先不知道有關物理、環境、物體知識的情況下執行任務。要讓機器人學會在桌面上操控物體，這需要在無人監督狀態下探索學習，培養視覺的想像力，像嬰兒一樣，從零開始學習理解世界，用物體進行實驗，找出如何以最好的路徑移動物體。在歷經遊戲階段之後，機器人可構建一個預測世界的模型，並可利用這模型操作一些以前沒見過的新物體。柏克萊分校電子工程和電腦科學系助理教授 Sergey Levine 說：「人類可以想像移動物體的動作，這種方法也可以使用於機器人，機器人可以想像不同的動作將如何影響周圍環境。」Sergey Levine 補充說：「這項視覺預見可在複雜的現實環境中達成高度的智慧規畫。」這個機器人主要依靠深度學習技術（稱為 dynamic neural advection，簡稱 DNA）。這個基於 DNA 的模型，根據機器人的動作預測圖像中的圖像，如何從這一幀移動到下一幀。使用這個模型，機器人能執行複雜的任務，例如在障礙物周圍滑動玩具並重新定位多個物體。Levine 實驗室的博士學生和原 DNA 模型的發明人 Chelsea Finn 說，「過去，機器人已經學會了在人類幫助和提供反饋的條件下掌握技能。」這項技術的刺激之處，就是使得機器人在完全自主的情況下學會怎麼處理物件。據了解，有了這項新技術，機器人可在桌上移動物體，然後利用預測模型來移動選擇將物體移動到所需位置的動作。機器人利用從原始攝影機觀察的學習模型，來自學如何避開障礙物，並在障礙物周圍推動物體。Levine 說：「嬰兒可以透過玩玩具、擺動玩具、抓握等來理解世界。我們的目標是讓機器人做同樣的事：透過自主互動來了解世界如何運作。」（Source：pixabay）Levine 補充：「目前，機器人的學習能力仍然有限，但它的技能完全是自動學習，並可透過建立在先前觀察到的模式，來預測如何操作沒有控制過的物體。」值得一提的是，創造出 Vestri 的 Sergey Levine，今年 8 月 23 日入選了第 16 屆 TR35 榜單（即全球 35 名 35 歲以下青年創新者榜單），不僅如此，之前 Sergey Levine 在 Google Brain team 的時候，曾和來自 Alphabet 的...
日前扮演神救援，才在日本東京證交所敲鐘、宣示其所領導的日本科技大廠夏普 (SHARP) 正式重返東證一部交易，也成為有史以來第一位非日本籍企業家，在東京證交所獲得此殊榮的夏普現任社長戴正吳，8 日風塵僕僕地趕回台灣，除了面對媒體記正式宣布夏普的這項好消息之外，也與台灣夏普代言人、羽球球后戴姿穎一同出席記者會，宣示 2018 年台灣夏普在有更多的產品及通路加入下，將要達到 30% 以上的業績成長。下一任接班人 最好還是由日本人來擔任戴正吳在記者會上，面對記者問及大家所最關心的夏普未來接班人問題時，戴正吳表示，當時要去接夏普社長時，的確有相當大的反對聲浪。原因是日本是一個有潔癖的民族，不能容忍一個百年企業由非日本籍的人來帶領。不過，就在經歷 1 年 4 個多月之後，夏普不但轉虧為盈，還重回東證一部交易，這讓日本人完全改觀，開始有要戴正吳不要辭去社長職務，未來繼續帶領夏普的聲音。 對於這樣的情況，戴正吳坦承現在的心情相當掙扎。因為，他發現日本人現在的包容心越來越大，可以接受一個非日本籍的專業經理人來領導夏普這樣的百年企業，而這也是現階段台灣人應該去學習的地方。戴正吳進一步強調，雖然過去夏普在受到鴻海集團注資前，一度虧損高達 2,599 億日圓，而且這是鴻海集團在注資前沒辦法仔細查核的部分，但在戴正吳正式接掌社長職務後，發現夏普是一家好公司，因此有機會在努力下，從之前預定 2 到 4 年間轉虧為盈的時間縮短，這也是當初來接社長時的想法。而雖然如今夏普已經轉虧為盈，股票也重回東證一部交易，是該戴正吳思考去留的問題了，因此才會在 2017 年 6 月之際，提出共同執行長的想法。不過，戴正吳強調，這不是學習台積電，而是當前許多企業都有這樣的做法。而雖然有聲音要戴正吳繼續留任社長職務，但是他仍認為，在過去業務重整的過程中，因為日本人禮讓的個性是不容易完成這樣的工作。如今階段工作完成，以未來夏普的百年經營來說，還是要回歸到由日本人來治理是比較好的做法。因此，戴正吳在 18 日返回日本之後，就會仔細思考接班人的計畫。否認將投資 JDI 傳聞 強調雙方結盟要從技術開始至於，近期傳出夏普要投資 JDI 的消息，戴正吳對此進一步加以否認。戴正吳指出，目前只有雙方接觸，並沒有要投資的計畫。而這樣的問題，在夏普申請重返東證一部交易時，東京證交所也詢問過。而由於夏普之前在申請重返東證一部交易的期間，並不能做大規模投資的動作，所以要投資 JDI 的消息是錯誤的。戴正吳說，即便是要投資也是從今天 ( 8 日) 才有可能。而之前戴正吳所提出的「日本聯盟」想法，強調是希望從技術性的合作開始。而且要做這樣的合作，日本經產省的態度會是關鍵。因此，這部分會先跟日本官員進行會談，不過目前並沒有跟跟 INCJ 的有過相關接觸。至於，對於未來夏普的定位，戴正吳指出，因為夏普訂有 2019 年的終極營運計畫，所以不會因為夏普回到東證一部交易而有所改變。夏普要成為 8K 生態系領頭羊至於對於未來的發展，戴正吳指出，就是在建立 8K 生態鏈上成為領頭羊。戴正吳進一步指出，過去夏普在 2K 時代就是生態鏈的領頭羊，但是到了 4K 時代，因為公司的經營不善，讓競爭對手給超越了。如今，在 8K 時代，夏普要積極搶回來。戴正吳強調，未來 8K 有很廣泛的應用，包括在運動競賽、保全、遠距醫療等方面的應用。例如在醫療方面用於精密的開刀治療時，或是在精密工業的組裝上，過去相機都因為解析度的問題，無法使工作能順利的完成。如今，有了 8K 的生態鏈應用加持，可以突破這樣的瓶頸，加上與 IOT...
DeepMind 悄悄放出了一篇新論文，介紹了「AlphaZero」。一開始以為 DeepMind 也學會炒冷飯了，畢竟「從零開始學習」的 AlphaGo Zero 論文 10 月發表，大家已討論許多遍了。可定睛一看，這次的 AlphaZero 不是以前只會下圍棋的人工智慧了，它是通用的，西洋棋、日本將棋也會下，所以去掉了名字裡表示圍棋的「Go」；不僅如此，圍棋下得比 AlphaGo Zero 還好──柯潔得知 AlphaGo Zero 之後已經感嘆人類是多餘的了，這次圍棋棋士可以牽著西洋棋選手再痛哭一次了。從技術角度講，一個通用的強化學習模型比之前夠簡單的專門下圍棋的模型表現更好？「沒有免費的午餐」定律難道失效了？AlphaGo 一路進化中，我們見證了 DeepMind 工程師對深度強化學習本質的思考和嘗試，也看到不斷最佳化帶來的無需先驗知識、降低資源消耗、提高訓練速度等可喜的技術進步。從使用人工特徵、出山之戰全勝打敗樊麾、發表第一篇論文的 AlphaGo Fan，到 4：1 擊敗李世乭、在 50 塊 TPU 上執行、紀錄片已上映的 AlphaGo Lee，再到烏鎮 3：0 擊敗柯潔、只用 4 塊 TPU 就打碎人類所有擊敗 AlphaGo 幻想的 AlphaGo Master 之後，我們又等到了拋棄人工特徵、拋棄所有人類高手棋局，全靠自學成材超越 AlphaGo Master 的 AlphaGo Zero。在我們覺得 AlphaGo Zero 已是盡善盡美的圍棋之神時，DeepMind 出人意料帶來更通用、能下各種棋類，且圍棋表現更上一層樓的通用強化學習模型──AlphaZero。過往幾版 AlphaGo Zero 大家想必都頗熟悉了，不過還是簡單回顧一下，方便和新的 AlphaZero 對比。AlphaGo...
2016 年，南韓棋王李世乭敗於人工智慧（Artificial Intelligence，AI）AlphaGo，開啟大眾對於自己的工作是否會被機器人取代的憂慮。美國智庫皮尤研究中心（Pew Research Center）2017 年調查 4,100 名美國人對此看法，超過 7 成的受調者擔心電腦將會搶走自己的飯碗。事實上，擔心是沒有意義的，因為有些工作必定會被電腦取代。麥肯錫公司（Mckinsey & Company）研究 7 項知識工作者領域（工程師、科學家、教師、分析師等）後，預見 2025 年，將會有 1.1 億至 1.4 億的全職人員被取代。然而，難道人類創造人工智慧對工作者來說只有威脅，沒有助益嗎？創新工場董事長兼首席執行長李開復曾說：「AI 幫我們做重複性工作、釋放我們去做更多該做的事。」以下列出 8 種工作者需強化的技能，幫助大家在未來做出更有價值的工作抉擇。1. 判斷哪些數據最有用，協助電腦發揮最大效益《下一個工作在這裡！》指出，未來需要的人才，是兼具業務與技術腦袋的人。比方說，在設計資訊系統初期，他們知道哪些數據對業務有益，就設計出能得到這些數據的系統；系統開始執行後，他們也會觀察電腦做出的決策是否優良，並隨之更新與改進。這種人才最能幫助電腦發揮最大功效。北美最大卡車運輸、物流供應業者施奈德國家公司（Schneider National Inc.），每天要運送快 2 萬輛車次的貨物。為了妥善管理，他們很早就引入自動化系統。由於「系統的數據品質」、「司機何時能出勤」、「貨櫃集散站壅塞狀況」等地方的數據往往與真實情況有出入，且電腦無法判別，所以原本負責規劃司機排班的管理者崔維斯‧托倫斯（Travis Torrance）每天早上查看完電腦規劃的排班表後，接著檢查數據來源是否優良，再看一下司機到班的時間會不會拖到出車時間，以及集散地是否擁擠等，諸如此類的檢查與調配是電腦做不到的事，自然是人能勝出之處。2. 強化人獨有的「非認知」能力人與動物最大的差別，在於認知理解能力，而人與機器最大的差別就在於「非認知」能力。《發現 7 種 IQ》作者霍華德‧嘉納（Howard Gardner）說，包括智商在內，人總共有 8 種智慧形式，像是人際智慧、內省智慧等，這些都是電腦無法做到的「非認知」技能。好比說，電腦比人擁有更多的資訊，傳授知識的老師可能會被電腦取代；但是，老師在引導、關懷、啟發學生這方面的工作，是電腦無法勝任的。所以在未來，善於發揮「非認知」能力的人，絕對不會被淘汰。值得注意的是，密西根大學研究指出，與 20、30 年前相比，目前大學生同理心水準下降 40%，倘若人類不提升電腦沒有的軟實力，恐怕真的很難有立足之地。3. 學程式語言，增強思考能力美國前副總統艾爾‧高爾（Al Gore）說：「在這個時代想成功，具有程式設計的能力是很關鍵的。」他的意思不是要大家變成下一個 Facebook 的創造者，或是要拿程式能力找工作，而是對正在發生事物背後的原因，要有著基本的理解。舉例來說，執行長不需要寫程式，但如果他懂程式，才能理解程式訊息，這不論在考量風險或營運決策上都有益處。比爾‧蓋茲（Bill Gates）也說：「學習程式語言，將幫助你思考更好。」程式語言有非常多種，學習者可以從自己想要完成的任務下手。比如說，對自己公司網頁常常出狀況而感到不滿的工作者，可以選擇 JavaScript，幾乎所有跟網站有關的工作都會運用到這種語言。同時，網路上有許多學習資源，例如，史丹佛大學就與 Coursera 以及 Udacity 等網路學習平台合作，提供許多課程。所以，只要具備足夠動機，學會程式語言絕對不是問題。4. 跨文化溝通力：完成組織任務的最重要技能麥肯錫顧問公司研究指出，印度在網路普及後，預計在 2025 年為世界帶來 5,500 億至 1...
即便不太關注智慧手機的用戶，也或多或少在網路和線下體驗店看過「驍龍」這個名字。從驍龍 800、801、820 到驍龍 835，驍龍幾乎成了每代 Android 旗艦的標準配備。驍龍 845，就是明年 Android 旗艦的標配。驍龍 845 依舊沿用 835 平台「4 + 4」架構，即 4 個大核心加上 4 個小核心的設計。其中大核心最高主頻為 2.80GHz，小核心最高主頻是 1.80GHz。至於是不是基於 ARM 的 A75 + A55 架構自訂，高通沒有給明確答案。此外，驍龍 845 還擁有 Hexagon 685 DSP 和 Spectra 280 ISP，Adreno 630 的 GPU 比之前效能提升 30%、功耗降低 30%、顯示速度提升 2.5 倍。同時整合了 X20 LTE modem，支援 Quick Charge 4.0 快充技術。驍龍 845 最終未用 7nm 製程，轉而採用三星最新的...
今年 9 月，CNBC 曝光特斯拉和 AMD 聯合研發自動駕駛用的 AI 晶片，同時援引消息人士爆料，稱兩者研發的 AI 晶片已有樣品，現準備投入測試，同時詳細列舉特斯拉該專案的重要負責人，包括「晶片教父」Jim Keller 及一大批 AMD 晶片老將。但當事兩家公司一直沒有正面回應合作傳聞，所以這件事一度被圈內人認為是謠傳。今年神經資訊處理系統大會（Conference and Workshop on Neural Information Processing Systems，著名的 NIPS 大會），特斯拉 CEO Elon Musk 與公司人工智慧部門主管 Andrej Karpathy、自動駕駛硬體工程副總裁 Jim Keller 聚在一起，進行了一場爐邊談話，Musk 現場親口承認 Jim Keller 正領導特斯拉開發自己的 AI 晶片，這將大大助力特斯拉打造「世界上最好的 AI 自訂硬體」。當然，在 Musk 口中，並沒有聽到有關 AMD 的字眼。據了解，Jim Keller 是 2016 年初加入特斯拉，今年 6 月接替 Chris Lattner 成為特斯拉自動駕駛硬體和軟體負責人。Keller 是出了名的晶片架構師，先後在 AMD 和蘋果任職，他在 AMD 期間，設計出 K7 和 K8 等知名架構，2008 年加入蘋果後，研發出 iPhone 的 A4 和...
Google 28 日舉辦 MadeWithAI 2017 亞太區媒體活動，提出 Google 推動人工智慧（AI）發展的 3 大方向，並強調機器學習將面臨各種挑戰，包括如何讓機器學習模型更普及。Google 資深研究員狄恩（Jeff Dean）表示，Google 持續推動人工智慧發展的3大方向包括：為使用者打造出更貼近需求的 Google 產品、幫助企業和開發者持續打造創新服務與應用、為研究人員提供可望解決人類難題的工具。狄恩認為，人工智慧就是讓機器具備智慧，或是進而讓機器能夠像人類一樣解決特定問題。人工智慧的研究很久以前就已經開始，直到最近才有一些突破，這些突破的成果仰賴於機器學習（Machine Learning）。他特別舉例，圍棋擁有驚人的 10 的 170 次方種可能的棋盤布局，基本上很難靠人力寫出所有可能的布局程式。因此，基於機器學習系統的 AlphaGo 採用的是比較人性化的方案，從數十萬局人類棋手的對弈學習如何下棋，並慢慢找出棋局規則。2015 年，Google 開放了自行研發的機器學習架構 TensorFlow。TensorFlow 是一個大規模的機器學習系統，可支援各種應用，並幫助 Google 的產品如 Google 相簿以及 Google 翻譯變得更好用。除了產品服務的提升，Google 也讓研究員以及企業透過這項工具來建構它們自己的 AI 應用，加速機器學習研究的時程。狄恩說，TensorFlow 在 2 年內已經成為最受歡迎的線上機器學習資料庫，它在 200 多個國家被下載了超過 790 萬次，並且越來越多人採用 TensorFlow 做為研究和產品工具。狄恩表示，機器學習的發展雖仍在發展初期，但在分類（Classification）、預測（Prediction）和語言理解能力（Language Understanding）有了不錯的發展。舉例來說，機器學習可根據被訓練的資料來做分類定義，這在分類影像中的物件、人物和地點非常有幫助，因此導入 AI 的 Google 相簿能讓照片搜尋更快速，AI 導入的 Google 地圖在缺乏圖資的區域也能提供使用者導航服務。狄恩說，做為 AI 第一的企業，Google 雖然有了一些進展，但還是有許多需要克服的難題，其中就包括了讓機器學習模型更普及，以及確保...