Author: intern

網路犯罪隨著科技發展與大眾對科技產品的依賴而日益猖獗，網路安全也因此更加重要。傳統的防毒軟體不僅需定時更新，也多只能在攻擊發生後亡羊補牢；有鑑於此，具備自我修復能力的防護機制，對於現今的電子裝置與儀器至關重要，不但能在攻擊發生時有效隔離，還可以主動偵測並預防潛在威脅。同時，物聯網的普及，網路安全防護的設計也應與時俱進，隨時更新、學習，才能戰勝無所不在的網路安全威脅。

人類的生存和地球生態息息相關，若是希望人類與地球的生物圈能夠共榮共存，必定要了解生物與環境之間的關係，這也是每個生物學家努力的目標。傳統的生物研究可能有其限制，中央研究院生物多樣性研究中心副研究員沈聖峰則引入人工智慧技術，嘗試從新的觀點來看問題。

講者／黃能富（清大電機資訊學院院長）│彙

科技發展蓬勃的今日，機械手臂已跨足各個領域，輔助人類提升工作效率。其所追求的最終目標，不外乎是能和人類的雙手一樣敏捷，以執行更精密的任務，惟現有機械手臂的靈巧性仍遠不及人類。因此，OpenAI團隊推出結合AI的全新系統Dactyl，透過強化學習和能高速平行運算的訓練平台Rapid，讓Dactyl在50小時的訓練過程中吸收相當於100年的學習經驗，更自行摸索出人類常用手勢，大幅提升機械手臂的操作靈活度。

大家都知道駭客，但駭客其實還分兩種。黑帽駭客是以利益為導向，專門尋找系統或程式漏洞，會入侵網站與裝置，竊取個人資料，牟取不當的利益。黑帽駭客對金錢特別有興趣，例如在2016年，台灣曾發生銀行ATM被駭事件，多台ATM在駭客操控之下自動吐鈔，讓銀行損失不貲。相對於黑帽駭客的行徑，白帽駭客則像是站在正義的一方，他們具有駭客的知識與能力，了解駭客的手法，能夠修補網站漏洞與城市漏洞，阻絕黑帽駭客的攻擊。一般而言，公司裡的系統管理員就屬於白帽駭客。相對於黑帽駭客的攻擊角色，白帽駭客扮演的是「守」的角色。

眼睛是靈魂之窗，自古以來人們就知道從觀察眼神來了解對方的心思、個性和行為。只是過往眼動認知的研究存在兩大侷限：其一是針對眼動和個性間的關聯，僅能提供描述性的敘述；其二是實驗室環境與現實生活的差異，使得研究結果無法直接套用於後者，更遑論「是否可以眼球運動預測人格特質」這種實質問題。澳洲South Australia、Finders大學和德國Stuttgart大學與Max Planck信息研究所合作，採用眼動儀和機器學習演算法來研究個性和眼球運動之間的關係，試圖擺脫傳統研究方法的限制。

若說機器也有陷入低潮的時候，你相信嗎？從一個神經科學的角度觀察，某些神經傳導物質能改變大腦的學習方式，影響著生物的決策。那如果機器遇到了卡頓的狀況，是不是也有類似的方法能突破困境呢？在今日所見的機器模型中，「智慧」的意義也許是在預測和分類問題上能做得準確，畢竟機器的計算和記憶能力都比人類來得強大，但這真的代表智慧嗎？對人類來說，廣義的智慧應該是在不同情境下有獨立判斷與學習的能力，回顧過去幾年成果，很多AI模型仍必須在龐大資料庫中，輔以監督式學習（supervised learning）的架構方可獲得良好結果，這聽起來與期待中的智慧大相徑庭，畢竟一般人或動物並不需要在學習上付出這麼多心力。正當多數人關注著GPU的演算速度，追求模型的準確率時，也有人思考著如何讓機器面對不同任務時更通用化（generalized），且更有效率地學習。如此一來，正因需要從一些生物行為模式作為智慧的「典範」，許多科學家都將焦點轉移到神經生物學的研究上。.

跟教育小孩子一樣，「獎勵」往往是AI進步的動力與目標。然而，若有一個掃地機器人，盡心盡力將家中打掃得一塵不染，卻摔碎了價值千萬的花瓶；或者為了嚐甜頭，機器人把家中所有的灰塵、垃圾都藏進沙發底下，讓人類誤以為任務達成，這樣它們還值得獎勵嗎？又假如很不幸的，這些意外舉動發生在足以操控世界的超級AI (superintelligence)上，後果恐怕難以估量。為今之計，除了大量拓展AI的應用與效率外，如何確保AI在完成任務的過程中不會失控，降低意外發生的風險，顯然是一門相當重要的學問。

隨著自然語言處理的發展，機器對人類語言的理解能力也為人機互動開啟了新的視野。我們可以請Amazon語音助理Alexa把室內燈光調到百分之七十五的亮度，也可以請Google語音助理Duplex幫忙預約餐廳座位。然而機器是否「真正」理解語言中錯綜複雜的含意呢？自然語言處理「十項全能」的目標便是藉由情感分析、問答等能力的提升，增進機器對語言深藏意涵的掌握。