intern

記憶運算學人腦思考(1/2)

2019 年 06 月 14 日2022 年 01 月 04 日 intern 半導體, 摩爾定律, 神經元, 記憶元件, 電晶體

新型電子元件不像電晶體，反而更像神經元，將帶來效率極高、運算速度更快的「記憶電腦」。

如何辨識文章是由機器或人類所寫？

2019 年 06 月 13 日2022 年 01 月 04 日 intern GLTR, NLP, 假新聞, 文本生成

2019年2月，OpenAI開發出幾可亂真的文本生成器GPT-2，因擔心有心人士濫用，延後公布完整原始碼；然而解鈴還需繫鈴人， MIT-IBM Watson人工智慧實驗室與哈佛自然語言實驗室（Harvard NLP）合作開發出一套工具GLTR（Giant Language model Test Room），能準確分析文章是否由機器生成或由人類所撰寫。以下簡單介紹GLTR的分析方法與運作。

人工智慧&電腦、資料科學

真假之間：GPT-2的危險成就

2019 年 06 月 11 日2022 年 01 月 04 日 intern GPT-2, NLP, OpenAI, 假新聞, 文本生成

2019年2月，知名研究團隊OpenAI發表了簡稱為GPT-2的文本生成模型。研究團隊使用達40 GB的資料量，結果好到讓研究人員為避免惡意濫用，決定暫緩開放原始碼。2019年5月初，兩個簡化後的模型在千呼萬喚中釋出，參數量分別為1.17億與3.45億個，雖與15億參數的原始版本相比，小巫見大巫，卻也顯示出僅是增加資料量與模型複雜度，電腦便可寫出令人難辨真偽的文字內容，輕易淪為假新聞的量產工具。

人工智慧&電腦、資料科學

網路的交通警察─霍夫曼

2019 年 06 月 10 日2022 年 01 月 04 日 intern 夏儂極限, 封包, 流量, 網際網路, 路由

為了防止不斷增加的資料塞爆網路，網路需要澈底改變處理資訊的方式。資訊網路技術將可提升網際網路的智慧，增加它的承受量。

人工智慧&電腦、資料科學

心電感應即將成真(2/2)

2019 年 06 月 07 日2022 年 01 月 04 日 intern DARPA, 念力, 神經塵

世界各地實驗室都在打造能以意念控制的機器介面，不僅能造福肢體癱瘓者、讓我們不用說話就能下指令，未來甚至能透過電子裝置治療疾病⋯⋯然而還要多久人腦才有機會升級？(續前文)

人工智慧&電腦、資料科學

心電感應即將成真(1/2)

2019 年 06 月 07 日2022 年 01 月 04 日 intern DARPA, EEG, 念力

世界各地實驗室都在打造能以意念控制的機器介面，不僅能造福肢體癱瘓者、讓我們不用說話就能下指令，未來甚至能透過電子裝置治療疾病⋯⋯然而還要多久人腦才有機會升級？

人工智慧&電腦、資料科學

虛實聯網延伸你的感官

2019 年 06 月 05 日2022 年 01 月 04 日 intern Oculus, 擴增實境, 虛擬實境

當你口渴、舉步維艱地走在偌大的機場時，手中的保溫瓶卻又空空如也。此刻，你用手機對準保溫瓶，手機螢幕就會顯示機場的透視立體圖，此圖中標示著你與各處飲水機的位置。只要在手機上選定欲前往的目標，手機就會顯示箭頭指引你走向飲水機。這並不是科幻小說的情節，而是我們即將身處的「物聯網」（internet of things）未來。

人工智慧&電腦、資料科學

物聯網上身你我都有超能力

2019 年 06 月 03 日2022 年 01 月 04 日 intern 擴增實境, 遍存計算

如果感測器網絡蒐集的資訊和我們的知覺結合，將如何改變我們觀看、聆聽、思考和生活的方式？

人工智慧&電腦、資料科學

比特幣會影響銀行體系嗎？

2019 年 05 月 31 日2022 年 01 月 04 日 intern 中央銀行, 貨幣, 金融體系

比特幣幣值去年大幅飆漲，有人擔心它隨即會泡沫化。歷史學家回顧史上幾起金融危機以及現行的貨幣制度，談談它的監督機制以及信任問題。

人工智慧&電腦、資料科學

打造對身障者友善的AI

2019 年 05 月 29 日2022 年 01 月 04 日 intern 年齡歧視, 心理障礙, 性別歧視, 種族歧視, 肢體障礙

人臉辨識系統無法辨識黑人女性，或將黑人視為潛在罪犯，種種AI表現出針對特定種族或性別的認知偏差，已引發廣泛的關注。即使研究人員已努力設法解決這些潛在的社會歧視問題，但仍有部分弱勢團體往往在這類討論中被忽略，尤其肢體或精神障礙者。

人工智慧&電腦、資料科學

走出同溫層

2019 年 05 月 27 日2022 年 01 月 04 日 intern 2016美國總統大選, 假新聞, 社群網路, 迴聲室, 過濾泡泡

推薦系統依據用戶的個人特徵和過去瀏覽行為，投放迎合用戶喜好的個人化廣告與推薦清單，刺激消費、提升業者的銷售額，可說是機器學習技術在商業中最成功且最廣泛的應用。然而，近來也有不少學者開始擔憂，推薦系統的普及所引起的「過濾泡泡」（filter bubble）與「迴聲室」（echo chamber）現象，正對我們的生活產生負面影響。