Author: CASE PRESS

■就像人類的文字世界是由一個個詞彙組成的，機器的學習可以先從詞彙的理解開始。今天，我們可以利用Word Embedding的技術，讓機器去閱讀文本，透過上下文之間的關係來推論出每個詞彙之間的意義。舉例來說，如果機器在閱讀新聞時，看到「馬英九在520宣誓就職」和「蔡英文在520宣誓就職」這兩個條目，那麼雖然沒有人告訴過機器「馬英九」與「蔡英文」是什麼意思，但是機器能推論出這兩個詞在某種程度上是相關的，因此如果我們讓機器讀越多的書，機器就越能理解這些詞彙之間的關係，猜出他們代表什麼意思。

■全球資訊網(WWW)的誕生，讓我們與世界更緊密的連結在一起。無論是平時生活中的臉書社群，電影界演員之間的合作關係、或者是專家學者們在學術論文的引用，如果我們把每一個人都設定成點(Node)，人與人之間的各種關係視為邊(Edge)，那麼真實世界的網路經過視覺化呈現後，就會宛如人類大腦裡神經元，神經元彼此之間連結時所構成的圖像，看似一團混亂的網絡，實際上存在著某種規律與秩序。

■從音樂檢索到音樂生成，人工智慧的角色由被動化為主動，立足於對音樂規則的理解，持續燃燒作曲魂。人工智慧眼中的音樂世界呈現什麼樣貌？演講中，楊奕軒老師向我們介紹Music AI Lab目前的四大研究主題，帶領我們認識音樂科技的不同面向以及AI扮演之角色。

■在認識人工智慧如何協助心理學知識之前，必須先了解心理學。心理學是一門探究人類心智行為的科學，心智的認知運作機制，如同手機的應用程式 APP 之於手機，無法抽離主體觀察，虛無飄渺難以掌握，卻存在於人類智能中。記憶、學習、知覺、策劃等抽象的概念無法像實體一樣拿來剖析，只能從外向內逼近。楊立行教授在此介紹了四種方式：行為實驗、眼動軌跡、事件相關電位、磁振照影。

■電腦在DNA片段中尋找鑰匙孔的過程和進行影像辨識很像，陳教授以乳房攝影的影像判讀為例，說明AI工程師如何利用卷積神經網路（Convolutional Neural Networks, CNN）自大型的影像中尋找潛在的腫瘤。過往電腦判斷總不精準，多是透過經驗老道的放射科醫師來分辨。如今透過專家標注、深度學習，機器也能辨識出潛在的乳房腫瘤。同理，含氮檢基的四個字母可以轉換成四維資料，放入卷積神經網路中，讓電腦學習這些模式（pattern），學習成功以後，可以得知鑰匙孔的模樣，之後得以透過數學模型來評估人體的變異是否影響鑰匙孔的功能。

■智慧製造跟自動化與電腦網路整合息息相關，最初被認為和三個面向有關：第一個面向是機台的能力，包含維修保養，以及Troubleshooting除錯；第二個面相是製造執行系統，包含排程、存貨管理等等製造過程；第三個面向則是自動化物料運輸系統，這個面向一般是希望運輸活動越少越好的，簡單來說，就像是一枝筆從左手換到右手還是一支筆，運輸傳送發生了，但這個過程裡產品沒有價值提升，所以希望越少越好。
有了AI之後，我們可以進一步改善自動化製造的流程。比如在傳統上，我們對於機器採取預防保養的方式，摩托車、轎車的保養就是一個很生活的例子，我們習慣以一定量的里程或者時間進行預防保養的工作。在AI的幫助下，我們可以進行預測保養，只要在適當的時間進行保養就好，這和過去的預防保養是有所不同的。