「 AI 這塊我們還不會算太慢」，科技部長陳良基表示，台灣是布局 AI 的最好戰場，未來如果修改科技基本法等相關法規，放寬技術持股到 100% ，根本不用擔心國外挖角台灣的人才。AI（人工智慧）將推升半導體產業進入新的篇章，不僅台積電 30 週年慶論壇聚焦 AI ，科技部也看準台灣的發展優勢，砸下新台幣 160 億成立 AI 創新研究中心，同時提出射月計畫等獎勵措施，希望加快台灣產業轉型腳步。陳良基接受中央社專訪指出，台灣土地面積不大，除非像新加坡填海造地，可以容納耗水、耗電的重工業，並外援解決水電問題，不然就要進行產業轉型，其中比較不耗自然資源的就是 AI 產業。他說， AI 跟過往 IC （積體電路）設計不一樣，以前不用學習功能，只要設計者把功能設計好，就是最厲害的時候了；AI 卻是像「小孩子一樣」，設計完開始學習後，使用者灌的資料越多、愈精確它就會愈強，而且具有個性化、在地化的特質。陳良基舉例，熱賣的手機是全世界通用，但在人工智慧上不見得能全球通用，而是會有地域的差別，「給它愈多東西就愈適合我用，這個是 local 的東西。」他說，台灣以前被全球化浪潮打敗，就是因為市場規模小，沒辦法做品牌，無法擺脫「毛三到四」(毛利率 3% ~ 4% ) 的代工命運，但當強調在地化特質的時候就不一定了，「需要大量運算設計的時候，台灣就有這個優勢」。陳良基解釋，以前台灣的 IC 設計好像找不到標的， AI 需要強大運算功能，也就是晶片的能力要跟上，這樣來看對半導體產業是非常好的機會，「至少未來 10 年的布局，台灣在全世界還是領先」。未來運算的能量如果設計能跟上，下一波動能就能帶上來。不過，看到機會，還要有新產品、新服務出現，才能重現 1990 年代台灣高科技公司百花爭鳴的榮景，陳良基說，軟體通常是腦力，軟體公司都很小，要發展新創產業要讓技術者擁有高股份，才能打造台灣鼓勵新創事業的形象，並吸引人才願意來台灣打拚。他說，除目前正在立法院審議的「產業創新條例」部分條文修正草案，個人投資抵減上限提高至新台幣 300 萬元外，科技基本法相關法規限定技術持股上限是 40% ，也將放寬，未來教授等研發人員要去新創公司時，技術持股可到 100% 。陳良基更建議，帶尖端技術的新創企業 5 年不一定就會成功，但目前技術分紅股票只能緩課稅 5 年，應該等他們真正賣出股票的時候再課稅。不過這部分還要再跟財政部研商討論。他強調，「台灣不一定要有全世界最大的公司，但可以擁有很多一流的公司」，只要這些公司都有獨到的部分，加乘起來的經濟效益可以照顧到全民，且環境負擔又不會太重，這需要提前布局，但這個轉換快不得，策略更要長程思考。（作者：朱則瑋；首圖來源：臺大）
最近讓人工智慧受到矚目，背後的技術是深度學習，這是一種模擬人類神經系統的產生模型做法，而這樣的系統可以透過夠多的學習樣本，將整個系統模型的邏輯能力達到非常強的機制。比起過去程式設計師可掌握程式所有過程與參數，在深度學習技術中，人類對整個學習過程的掌握非常有限，而且在大量資料學習後整個模型建立後執行又產生了很棒的效果，尤其這類學習是可以在電腦的虛擬世界中進行（比如 AlphaGo 進化成 Master 時是透過兩台 AlphaGo 在虛擬世界對弈），速度其實比在現實世界中快非常多，加上機器人不必休息，學習時間比人類還長，可以想見，透過深度學習，人工智慧未來的進化會非常快，甚至有超越人類智力的「奇點」會在 2045 年來臨的預言出現。人類對機器人一直有很高的期待與想像，而這樣的期待和想像表現在小說與電影中，如 1978 年開始的《星際大戰》系列電影，1982 年的《銀翼殺手》、2001 年史蒂芬‧史匹伯導演的《A.I.人工智慧》、2004 年威爾‧史密斯主演的《機械公敵》、迪士尼集團的卡通《大英雄天團》、《瓦力》等。談到機器人電影，就不得不提到科幻小說家以撒‧艾西莫夫（Isaac Asimov）1942 年的《我‧機器人》小說中的短篇〈轉圈圈〉（Runaround）首次提出機器人三大定律：1. 機器人不得傷害人類，或因不作為（袖手旁觀）使人類受到傷害；2. 除非違背第一法則，機器人必須服從人類的命令；3. 在不違背第一及第二法則下，機器人必須保護自己。這三大定律後來變成他個人的機器人小說與很多其他小說作者所遵循的準則，而在很多電影中，都看得到三大定律的影子，成了電影中人工智慧邏輯的出發點。這三大定律，到最近也被熱烈討論，是否要直接成為未來機器人必須遵守的準則，甚至連微軟 CEO 納德拉都仿效他提出「人工智慧安全六大守則」。接下來讓我們談談電影中的人工智慧，在《星際大戰》系列 1~6 集電影，男主角身邊的好幫手，兩個自主具人工智慧的機器人，C-3PO 及 R2D2 一直以主角的命令行事，C-3PO 是語言機器人，會多國語言，跟現在的 Chat Robot 一樣會跟主人對話；R2D2 是協助主角駕駛的機器人，有點像我們智慧家庭控制家電的機器人（例如 Amazon 的 Alexa），但是它不會說人話，華碩做的機器人就比較像這兩個機器人的合體，既會講話，又能夠控制家中電器。《銀翼殺手》電影改編自菲利普‧迪克的小說《複製人會夢到電子羊嗎？》（圓神出版事業機構的寂寞出版社最近改名為《銀翼殺手》在台出版），電影版（非後來熟知改成複製人的錄影帶版）跟原著提到人造人的頭腦是電腦，運行人工智慧，而其中提到的如何辨識人工智慧跟一般人的方式是利用「共感測試」：人類可以通過這個測試，但是人工智慧不能。不管具備人工智慧的人造人怎麼學習，因為沒有情感，只有邏輯，就沒辦法通過這個測試，雖然他們很會模仿人類。《銀翼殺手》原著小說就說到，人造人是拚命學習人類，但是人類會有同情心，人造人面對自己的人造人夥伴被除役（就是被毀滅），只會冷眼旁觀，這跟現在的人工智慧是基於邏輯行動，除非邏輯有設定要解救同伴，他們是不會動作的。不過《銀翼殺手》的設定並沒有讓人造人遵守機器人三大定律，所以人造人可以傷害人。《A.I.人工智慧》中，描述人造主角機器人外表跟人一樣，而被人設定後就會忠於設定自己的主人（故事中是媽媽），結果主角機器人雖然後來被媽媽拋棄，即使一路面臨艱辛，經過很久時間後，人類都滅亡了，外星人找到它，都還是思念著自己的媽媽，而且這部電影中的機器，都有遵從機器人三大定律，不過主角機器人被拋棄，卻是因為它的不知分寸（沒學習到），差點傷害媽媽真正的小孩，為了安全理由，只好選擇拋棄。《機械公敵》電影本身就取材自以撒‧艾西莫夫的小說，探討了機器人三大定律的邏輯的矛盾，讓主導叛變的人工智慧大腦認為要傷害部分人類，才能保護大部分人類，而且為了保護人類，就要限制人類的自由，於是發動叛變。《大英雄天團》卡通電影中，機器人杯麵一開始被設定是要保護主角，且不能傷害人類，但主角為了報殺害哥哥的仇，把它改裝成戰鬥機器人，開始違反三大定律中的第一定律：主人的設定是要它傷人，它就可以傷人。而最後杯麵為了讓主人逃出異空間，只好自己留在異空間，把自己當作作用力的跳板，送出主人，但是把自己的記憶存在磁碟片交給主人，這符合三大定律的第三定律，另一種保護自己的模式。電影中常常會認為人工智慧也可以有類似出自感情的動作：例如在卡通電影《瓦力》中，在地球上尋找和污染後是否有生命跡象的伊芙，遇到被命令一直守在污染後沒有人類的地球的瓦力，展開了這場故事，其中伊芙所在的太空船上的領航機器人，因為被設定命令是不得返回地球，所以全力阻止返回地球的動作，而瓦力為了伊芙，寧願讓自己被壓壞，這段就涉及到瓦力本身的設定，為何會想要拯救伊芙？而伊芙發現瓦力為了自己被壓壞，就急忙找出瓦力的零件，讓瓦力能夠在更換後復活，還有其中的其他機器人決定協助瓦力、伊芙及決定回地球的人們，違反領航機器人的指令，這又是基於什麼樣的邏輯設定呢？這些牽扯到這些人工智慧的邏輯開端設計，這可能包含認定為同伴的基準，以及必須協助同伴的邏輯（類似人類的道德？）但是以現在的人工智慧的發展，絕對不會像人類因為有化學變化對應的情感，而做出這類的事情。由以上電影的例子可知，因為人工智慧的現有技術是依據邏輯，而且學習的速度與執行的效率勝過人類，所以可以在單純操作性與邏輯的工作上勝過人類，機器人將成為人類的好幫手。當然未來也將有可能在壞人下令驅動下、壞駭客駭入系統下令，或是本身邏輯矛盾中，發動傷害人類的戰爭，不過只要機器人背後的系統很多樣，加上足夠的安全機制，像漫威的復仇者聯盟相關電影中天網可以駭進所有系統，危害全世界的機率就很低，而且有惡勢力，相信會有正義的力量相抗衡。而霍金、馬斯克力推 23 條人工智慧原則，與微軟 CEO 推的「人工智慧安全六大守則」，也代表人類已經意識到人工智慧發展下未來可能引起的危險，從邏輯起點直接設定限制，讓日後的邏輯發展不至於到無法控制。只是機器人強的只在邏輯，不像人有直覺、自由聯想跟豐富的情感力，人類接下來的職業相信將往這些方向發展，而需強大邏輯力和單純操作的部分，就留給機器人助手吧！（首圖來源：shutterstock）
全球第一檔以人工智慧（AI）操作的 ETF，上週在加拿大多倫多證交所首度掛牌，這檔 ETF 將投資全球股市、並以 AI 來做決策。Business Korea 3 日報導，MiraeAsset Global Investments 11 月 1 日宣布，The Horizons Active AI Global Equity ETF（代號為 MIND）主要會以北美掛牌的一籃子 ETF 做為工具，投資全球股市，而所有操作決策，都會由 AI 進行。MIND ETF 監控了超過 50 種投資策略，能夠分析趨勢、做出投資決策，另外也會每個月進行持股再平衡，在投資配置過程中給予 AI 更多彈性。MIND ETF 也會運用深度學習技術，透過神經網路學習資訊，並跟最佳投資組合進行比較，把失誤降到最低。Mirae Asset Global Investments 是在 2016 年 10 月領先業界，打造了由 AI 主控的金融研究中心，希望能透過人工神經網路，以深度學習的技術進行投資。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）延伸閱讀： AI 不只會選股，台灣首創財經報告機器人 AI 分析語言模式窺人心，財報會議發言恐洩天機 DeepMind 論文揭示最強 AlphaGo Zero，不靠人類知識進化成長
從自駕車到智慧監控系統，社會正在慢慢學習如何相信人工智慧（AI）。不會感到疲倦、總能保持警覺的機器視覺系統可說是保障人們安全的最佳幫手，但它們真的夠可靠嗎？麻省理工（MIT）研究團隊 Labsix 最近進行的一項研究認為，從目前看來，機器視覺距離可靠還有很長一段距離得走。許多人都曾在網路看過會導致錯視效果的圖片，圓圈自主性的轉動、黑點跳來跳去、看似長度不同的線條卻一樣長，這類型的圖片會運用顏色、光暗令人眼產生視覺錯覺，但對電腦並不會有相同的效果。雖然可能難以想像，但對電腦來說，其實也有會導致「錯覺」的圖片。研究人員將這類型機器視覺誤判的圖片稱之為「對抗式影像」（adversarial image）。 Fooling Neural Networks in the Physical World: https://t.co/FzW26UNrBX pic.twitter.com/Q3mnZ4VWfo — labsix (@labsixresearch) 2017年11月2日影片中是 Labsix 運用 3D 列印製造出來的一隻玩具烏龜。從人的角度來看，相信應該怎麼看都是一隻烏龜，但對 Google 長期訓練辨識日常物品的 AI 來說，這不是一隻烏龜，而是一把步槍。這個玩具烏龜正是對抗式影像的一個例子。隨著人工智慧發展，人們設計出一種方式來欺騙機器視覺，讓 AI 系統無法像人類一般判讀圖片的正確內容。你只需要在圖片加入一點誤導演算法的對抗模式，或是近乎透明的圖層，對常人看來是熊貓的圖片，AI 看來可能就變成一台小貨車。隨著 AI 技術持續發展，防範類似對抗式攻擊的研究也在持續進行，許多研究認為，雖然這些攻擊對 AI 非常有效，但它們並不太完美。在過去，你只需要稍微旋轉、放大對抗式圖片，電腦視覺就能擺脫錯覺，正確辨識圖片。但 Labsix 這隻 3D 列印的玩具烏龜卻帶來一個重要的隱憂：這些對抗式攻擊運用 3D 物體也能起作用，而且無論從哪個角度看，牠都能欺騙電腦視覺。 除了製造出一隻 AI 會誤認為步槍的烏龜，Labsix 還製造了一個會被看作是濃縮咖啡的棒球。Labsix 認為，隨著神經網路（neural networks）的應用普遍化，對抗式攻擊的問題會越來越實際，因為這些攻擊將導致危險。「具體來說，這意味著人們可建造一個路邊標誌，人類司機看來完全正常，但對自駕車來說可能是突然看到一個行人出現在街旁。」這些對抗式攻擊測試主要是在 Google 開發的圖片分類器 Inception-v3 進行，Google 似乎打算在未來讓這款分類器商業化，但目前來說所有研究人員都可以免費使用。雖然 Labsix 還未測試其他機器視覺軟體，但根據了解，目前還沒有軟體提出針對類似「對抗式影像」的改善及解決辦法。Google 對這項研究並沒有提出評論，但發言人向 The Verge 透露，他們認為...
隨著越來越多新聞媒體開始採用 AI 生產新聞報導，AI 和自動化技術的日益增強正在改變整個新聞業。那麼對正陷入困境的新聞業來說，AI 究竟是急迫需要的生命線，還是生存的致命威脅？日前，數位新聞中心（the Tow Center for Digital Journalism）和布朗媒體創新研究所（the Brown Institute for Media Innovation）聯合技術專家和記者召開政策交流論壇，一起討論 AI 如何影響新聞媒體，以及如何將 AI 應用於新聞領域這議題。本次報告中，著重討論這 4 個問題： 記者如何利用 AI 來輔助報導？ AI 可替代哪些新聞室角色？ 新聞機構還未應用 AI 技術的領域有哪些？ AI 最終將成為新聞報導不可或缺的一部分嗎？ 議題一：AI 在新聞業的應用如大家所了解，每個新聞編輯室都有一套獨特的 AI 方法。經過幾次案例研究，AI 在新聞機構貢獻最大的活動共有以下 3 類： 資料量很大或很複雜的情況下，AI 可做為突破性工具，排除人身認證的外部或特殊情況──這個角色完全適用於標準的新聞編輯室流程。 辨識趨勢（或偏離趨勢）：AI 的大量計算能力可幫助提供數據聚合的表徵，或有可能按照時間、地理或人口統計分組。此外，它還能快速辨識離群數據。 檢查 AI 或計算的應用程式可為故事本身的主題：演算法由人類構建，所以不可避免帶有人類的偏見──如何透過這些工具找到複雜的思想？當這些工具被國家或城市具體採納並運用時，又會發生哪些不可預知的情況？ 1、幾大具體案例AI 可透過以下幾種方法來增強記者的工作：分類文件；辨識數據中的異常值。當然，在討論的過程中，經驗豐富的人類常會運用真實新聞來判斷，以為新聞編輯室工作的重要組成部分。雖然有許多有據可查由 AI 編寫的新聞故事，例如體育賽事的總結、公司財報發布，甚至地震等數據模式，但很少有與會者認為記者的工作會完全被機器或演算法取代。只有在人類的操縱和驗證結果情況下，AI 才能更幫助自由作家持續不斷重寫相同的故事，並處理更多原始報告。最近的一些案例，比如《洛杉磯時報》記者使用分類器檢測 LAPD（洛杉磯市警局）降級犯罪分類的實例，取得顯著成功；亞特蘭大憲法機構對醫生實施性虐待的調查；路透社的主題建模，以尋求最高法院上訪問的權利中心；ProPublica（美國一家非政府、非營利的網路新聞機構）日前聯合 Google 推出一個基於機器學習的工具──仇恨犯罪新聞紀錄索引。它透過分析大量新聞文章，建立一個全國範圍內預測仇恨犯罪發生地的預警圖；《紐約時報》報導總統川普就職典禮新聞事件，使用人臉辨識技術以獲取觀眾席資訊。對一些記者來說，他們可能會在 GitHub 抓取示例代碼，並應用於新聞報導。但是，除非這名記者對這些工具或技術很了解，不然可能會出現不法行為的風險。2、記者在使用數據時應注意陷阱記者在使用從社交媒體到政府機構的數據時，應小心陷阱。他們必須小心評估這些新型訊息來源的可靠性，特別是在涉及...
在上一篇談完硬體組裝基本架構後，這篇我們要談的是 Tensorflow 軟體架設，要安裝軟體，使用者當然要有 Linux 的安裝概念與實作，因為這可是要用到終端機指令才行，而非如 Windows 安裝那般一直按滑鼠點按即可。AI- Tensorflow with GPU 安裝紀錄OS: Ubuntu 16.04.03 LTS (Server Version) Python: 3.5.2 Tensorflow: 1.3.0 Graphics Card: Nvidia Tesla P100 Graphics Card Driver: NVIDIA-Linux-x86_64-384.81.run CUDA Version: cuda_8.0.61_375.26_linux & cuda_8.0.61.2_linux (20171020時測試只能用cuda 8)，cuda_9.0.176_384.81_linux (因Tensorflow 1.3不支援cuda 9) cuDNN Version: cudnn-9.0-linux-x64-v7.tgz Test Package: libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.debGoogle 有推出開放原始版的 AI 套件來讓一般人使用，本次是記錄安裝 Tenforflow...
史丹佛大學電腦科學系和電氣工程系副教授，同時也是史丹佛人工智慧實驗室主任吳恩達，在一場由麻省理工科技評論（MIT Technology Review）舉辦的座談會上談論人工智慧取代人類工作的問題，他認為各國政府應該效仿當年富蘭克林羅斯福總統提出的新政，才能解決自動化造成的失業率問題，將傷害降到最低。吳恩達先前任職百度研究院負責百度大腦計畫，以及為 Google 開創深度學習計畫，他深深知道人工智慧將如何影響人類工作，他說他拜訪過客服中心並與員工對話，心裡明白他率領的軟體工程師總有一天會讓這些人失業，且隨著技術發展，現在非常多專業工作都受到威脅。吳恩達離開百度後，建立新創公司 Deeplearning.ai，培訓人類駕馭深度學習技術，他認為受到自動化威脅的工作種類從客服人員到放射線醫生、卡車司機等橫跨各行各業，必須想個辦法解決失業問題，而且政策規模必須大如 1930 年代美國經濟大蕭條期間，美國總統富蘭克林羅斯福推出的新政（New Deal）。1929 至 1933 年間，美國工業產出下降三分之一。價格下降 20%，造成通貨緊縮，使得償還債務更為困難，失業率從 4% 增加到 25%，所有受僱者中的三分之一被調降為支領較低薪資的臨時工作。全國幾乎達 50% 的人力閒置。當時羅斯福政府新政計畫之一，就是投資以讓失業美國人回到就業崗位，並付錢讓勞工學習新技術。富比士（Forbes）曾討論這個問題，人工智慧是增強還是剝奪人類的工作能力，報導分析，大量的人工智慧將提高員工生產力，在某些情況下，人工智慧會為每個人帶來新的工作，但在某些產業，企業就不需要雇用這麼多人，而能夠理解新技術的人，更有可能在人工智慧系統被採納後，繼續留在崗位上。因此，掌握新技術是關鍵，因為影響範圍太大，因此需要新政。吳恩達認為，即使人工智慧還無法取代人類的藝術層次，但是已經足夠顛覆許多產業的現狀，光是監督式學習（supervised learning），輸入資料到電腦，譬如人臉的照片，讓電腦學會辨識這張臉的主人，就已足夠取代許多工作。他說，「即使科學家停止研究工作，光是現在的技術就已經足夠顛覆產業，未來的創新發展會帶來更大的衝擊，人類必須找到適應新科技的方法。」 Andrew Ng Wants a New “New Deal” to Combat Job Automation Jobs, AI And Automation: What You Need To Know （首圖來源：Flickr/Jim Bowen CC BY 2.0）
人們在瀏覽社群網路時，總是習慣快速滑動螢幕，透過文字和圖片的短暫視野停留，來判斷資訊是否要花時間閱讀，如果你也有同樣習慣，那這張照片在你看來，可能也是一場熱鬧的演唱會。但這並不是，照片裡沒有興奮的人群，前方黃色的也不是飄揚的旗幟，這不是哪位明星的演唱會；這是一些收割機、燈光，以及一畝在晚上收割的棉花田。DIY Photography 報導，這張圖片是攝影師 Micah Horn 日前在 Instagram 發布的，Horn 是拍下這張照片的人，但他有點難以理解為什麼一張棉花田收割的照片，會收到如此多的「愛心」。最終這張照片被攝影師 Sonny Malhotra 發現並轉貼到 Twitter，Malhotra 並推文寫：當你的腦袋告訴你這是一場演唱會的群眾照時，好好享受這短暫的時光。 i had to zoom in to see why people were cheering for tractors. — Dave Cochran (@Dave_Cochran) 2017年11月6日接著這張照片就在 Twitter 轉傳開來，即使曾與心靈魔術師達倫布朗（Derren Brown）合作的演員 Andy Nyman 也留下深刻的印象，許多網友都無可避免的在這張照片裡，看到了熱鬧的演唱會。事實上，不僅是人，似乎就連人工智慧也對這張圖片有些分辨障礙。Google 工程師 Romin Irani 看到這張圖片後，便試著拿去給圖片分析軟體 Google Cloud Vision API 辨認，結果 AI 得出的結果也相同。 Ran the image through Google Cloud...
機場通關程序繁複費時，旅客往往得花費大把時間空等。未來這種情況可望改善，人工智慧（AI）將讓機場通關更快捷便利。CNBC 7 日報導，杜拜機場執行長 Paul Griffiths 預測，機場安檢和海關將成為過去式，以後旅客無須秀出證件，就能出入境。他認為更先進的科技，會讓安檢程序和通關程序消失，改以較不干擾旅客的方式進行。儘管聽來有如科幻小說，但是落實此一預言的相關技術都已存在，如臉部辨識、虹膜掃描、指紋認證等，只需加以整合即可。Griffiths 非常肯定這會成為現實，估計 10~20 年後即可辦到。瑞士機場通訊業者 SITA 與澳洲布里斯本機場合作，試驗新的生物辨識安全系統。旅客落地後，可以到自助櫃檯掃描臉部特徵，和護照資料比對，確認無誤後，系統會生成電子代幣。旅客在下一階段的通關程序，再次進行臉部辨識，確認代幣持有人為本人無誤。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）
根據科技媒體《ZDnet》報導，目前越來越受企業歡迎，用於建構企業雲端運算及資訊系統核心的自由軟體和開放原始碼計畫 OpenStack，也開始計劃進入當紅的機器學習領域。現階段，OpenStack 基金會開始著手研究，希望使其軟體成為運行機器學習時的工作負載理想平台。報導指出，OpenStack 基金會執行董事 Jonathan Bryce 接受媒體採訪時表示，2017 年以來，機器學習的發展態勢有點像 2016 年的邊緣計算（Edge computing）。這意味著用戶開始思考如何藉此完成自家業務，或掌握與之相關的知識資訊。有大量 OpenStack 用戶表示，他們正在進行機器學習導入，並詢問還有哪些人也採取同樣舉措，希望能相互溝通與學習。2017 年開始之際，OpenStack 基金會就已聽到許多成員關於邊緣計算的討論，為了滿足這些會員的需求，OpenStack 基金會開始研究擴展平台功能，其中部分功能已研發完畢。Bryce 進一步指出，雖然 OpenStack 還未正式進入機器學習領域，但 OpenStack 已和圖形晶片與人工智慧廠商輝達（Nvidia）開會交流，輝達也在會後決定開始研發在 OpenStack 環境下，擁有更佳執行表現的驅動程式。除了 OpenStack 基金會與輝達直接交流溝通，半導體大廠英特爾（Intel）未來也會舉行相同的溝通會議。針對邁入機器學習領域，有關 OpenStack 本身必須調整的地方，Bryce 表示，用戶進入機器學習領域並不希望使用虛擬機，而是希望使用超級虛擬化的雲端運算服務，以及不同的 I/O 類型來達成目標，因此 OpenStack 基金會接下來的任務，就是必須朝機器學習領域邁進，提供會員更多資源協助。（首圖來源：科技新報攝）