Author: intern

人工智慧與機器人軟體已經悄悄應用在許多網路服務中，一個成功的App除了利用網路上累積的巨量資料，也必須善用社群心理學。本場專題演講，透過「微股力」個案分析，一窺從資料分析、應用程式開發、甚至創業的一連串挑戰。

音樂是人類非常重要的能力，而且十分主觀。人工智慧在音樂領域的應用，大家會有非常多的想像。

你可能覺得人類與機器最大的不同，在於人類會創作，就算是人工智慧，機器也只是擅長找規則，想要創作可能還要很久，對吧？這可不一定，台灣大學電機工程系助理教授李宏毅說：「機器可以藉由互相砥礪學會創造。」這個新的機器學習技術就是對抗式學習。

強化學習架構下訓練出的機器人在遊戲中贏得勝利，早已不是件新鮮事。但其依然存在瑕疵，使得機器人在特定遊戲上的表現不如預期。透過一系列復古街機遊戲，美國奧勒岡州立大學的研究團隊嘗試將AI決策過程視覺化，找出其中關鍵與盲點。

講者／施吉昇 （台大資工系教授）│彙整／

對於有聽力困難的人來說，唇語能幫助他們與一般人溝通，是手語之外的另一種關鍵溝通能力。然而對人類而言，要掌握嘴唇的細微動作十分困難，現實中即使是經過嚴謹訓練的唇語專家，甚至是情報間諜都仍有高度辨識誤差。因此Google旗下DeepMind研究團隊與牛津大學合作，開發出LipNet讀唇系統。透過機器學習，訓練AI也能「讀唇」。經過改良後，系統辨識錯誤率雖仍達41％，卻已明顯優於人類專家（錯誤率達93%），進步可謂相當顯著。

電話響了，我們會去接；看見車子，我們會閃避。這些動作對我們來說很簡單，但是機器人做得到嗎？最新的人工智慧發展，已經能夠讓機器感知世界了。台灣大學資訊工程學系教授莊永裕分享了人工智慧技術在電腦影像及視覺上的應用。

人類有個與生俱來的能力：能在吵雜的環境中，分辨出哪句話是哪個人說的，並將不想關注的部份自動「消音」，降低訊息接收的錯誤率。現在，電腦也將具備這樣的能力。Google 新發表的音訊分離技術，藉由分析說話者口部動作影像與聲音特徵，辨別聲音是從誰的口中發出，進而將畫面中每個人物所說的話分離為獨立音軌。如此一來，智能助理也能在吵雜環境中，分辨出自己的使用者所下的指令。

類神經網路是機器的大腦，架構好類神經網路，提供資料訓練它，就可以讓機器去學習，最後機器學會了做一件事情，例如下棋，似乎就產生了「智慧」，我們稱為人工智慧。這中間的運作原理是什麼呢？政治大學應用數學系教授蔡炎龍說：「人工智慧就是學一個『函數』。」

隨著機器人逐漸融入我們的生活，人機之間的界線也逐漸模糊。某些機器人甚至已被應用於自閉症治療，教導患病兒童如何辨識人類表情、學習融入群體。只是當這些機器人，無論外觀或行為模式越來越像人類的同時，真實人類的社交行為，尤其心智尚在發展中的孩童，會有怎樣的變化與影響，自然成為許多認知心理學家感興趣的議題。

訓練電腦視覺時，由於無法完全複製真實世界，由相片、電腦生成影像、真實或模擬影片彙總而成的訓練資料集，便成為AI唯一的教材。藉由人工繪製框界標記影像中的物體種類，AI得以亦步亦趨地學習辨別眼前的物件。雖可在簡化的虛擬情境中很快取得出色表現，然而隨著環境愈加複雜，這樣的做法不免疲態漸露。舉例來說：真實相片中的人像，經常因為角度問題，無法看到完整的手腳輪廓。此外，人工定義的邊框雖然作為標準答案，卻也往往相當模糊。這些問題看似輕鬆，但背後全都指向一個最基本的問題：人工智能應當如何應對真實世界中不可避免的混亂與不確定性？