Author: intern

同樣說英語，Alexa對於操著不同口音的使用者，會有著相同的待遇嗎？研究人員實際進行了測試，結果顯示：Alexa與臺灣許多英語學習者一樣，面臨著口音辨識的挑戰。當聽到比較少接觸，例如印度或其他與美式發音差異較大的英語口音時，很有可能判讀錯誤或是呈現聽不懂的尷尬狀態。為今之計，除了持續擴大語音資料庫，容納更多非母語英語使用者的樣本外，是否還有其他方式可以避免呢？

現今許多人工智慧系統所應用的深度神經網路（Deep neural network, DNN）還是有些神秘，機器內部的運作往往就像是個黑盒子。一篇發表在 Nature Methods 期刊上的研究論文，來自加州大學聖地亞哥分校的團隊開發出一套「可視化神經網路」（visible neural network, VNN）模型，他們把酵母菌的基因等分子階層網路映射到深度神經網路的基本架構，讓研究人員能夠觀察人工智慧系統的運作情況，並透過機器洞察細胞的內部運作，由此產生的技術期待未來可以尋求新的抗癌藥物或是應用在個人化治療。

有別於多數媒體引述已故理論物理學家霍金 ( Stephen Hawking ) 與特斯拉執行長馬斯克 ( Elon Musk ) 看法的報導，一個失去控制且能徹底顛覆人類主導權的強人工智能 ( strong AI )，或稱通用人工智能 ( Artificial General Intelligence，AGI )，在諸多概念性問題仍有待解決，且相應支援技術依然付之闕如的情形下，至今不過是理論上的假設性問題。相較之下，隨著自動化的普及與AI應用愈趨多元，產業結構與勞力市場需求的改變，反而是眼下人類社會更應正視的問題，且亟需一個建設性的解決方案，甚至於徹底改革。而在此之前，我們必須釐清：哪些職缺或產業終將為AI所取代？而人們又應何去何從？

隨著科技的發展，新的理論與技術也不斷推陳出新，取代既有的認知與操作模式，難免有長江後浪推前浪之歎。即使是新興的人工智慧領域，亦不能倖免。在這篇文章中，由傳統以電子電腦為基底的AI開始，而後近年來向「類量子運算」的過渡，以期有朝一日能實現實質意義上的量子運算，許炳堅教授串起人工智能的過往與未來，娓娓道來AI的發展脈絡。

氣候變遷與人為活動使自然災害的發生頻率日漸頻繁，而及時影像監控對於相關災害的預測及應變至關重要。高解析度影像，與AI的圖像辨識技術，使研究人員能深入且及時地了解地貌與環境變化，並適時發出警訊，除有助於災害預測與防災示警外，亦可應用於生態研究、保護區的規劃，甚至於物種的保育。2017年五月，美國馬里蘭州位於兩條支流交會處的埃利科特市 ( Ellicott City ) ，市中主要街道因一場暴雨成了湍流，並造成一人死亡。對於埃市居民而言，洪汛並非新鮮事，但森林的開發卻使其威脅更劇。依據美國國家氣象局的說法，近似規模的水患在過往約每千年才有一次發生機會，然而在短短三年內，此次已是埃市第二度遇到類似情況。

量子電腦此一嶄新運算科技正如烈火烹油般遍地開花。諸如Intel、IBM、Google、Microsoft等科技巨頭，相繼投入量子運算法與相容硬體設備的開發，如微軟於2017年發表程式語言「Q#」，協助量子電腦的軟體開發；同年IBM更宣布研發出全球首台 50 量子位元的量子電腦。即便量子電腦是否能完全取代現有最先進的傳統電腦仍備受爭議，但可以期待的是：在不遠的將來，小規模的量子電腦或能輔佐人工智慧，讓機器學習發揮更大的潛能。

「如果語音代表著未來的科技趨勢，那麼那些無法聽或說的人們，又該怎麼辦呢？」這是Abhishek Singh，一位業餘軟體開發者的初衷。最近，他在Youtube平台上上傳了一部影片，實際演示如何以手語與Amazon智能助理Alexa溝通。透過自行開發的軟體，由視訊鏡頭所捕捉的手部動作影像，能自動轉換成文字和語音。Singh甚至能不發一語地與Alexa寒暄。期盼在以語音辨識為主流的人機介面研究中，顧及聾啞人士的手語辨識也能有自己的一片天，讓所有人都能親身體驗科技所帶來的便利。

「如果你曾經接觸到一個自閉症案例，那你也不過是看到了一個個案。」（“If you have met one person, with autism, you have met one person with autism.”）每個自閉症個案的行為表現差異甚大，治療的方式也會因人而異。因此，治療師往往藉由長期的陪伴與觀察經驗，為每位孩童設計專屬的療程。近來麻省理工學院（MIT）研究人員結合「個人化深度學習網路」與孩子們感興趣的機器人，教導他們模仿表情並產生合適的回應。同時機器人也能解讀孩童的反應，協助治療師了解孩童的生理與心理狀況。

密碼學是安全通訊的基礎。密鑰是加解密訊息的重要依據。對於密鑰持有者以外的人而言，唯有暴力破解或竊取密鑰一途。前者需要龐大運算資源，可能一輩子都徒勞無功，後者相對而言容易許多。1970年代， Whitfield Diffie提出一個嶄新的密鑰分享協定，解決了如何安全傳遞密鑰的難題，奠定現代安全通訊的基礎，也因此獲得圖靈獎殊榮。然而隨著AI與物聯網的興起，密碼學也因此遭遇新的難題，本文將聚焦於其中三項前景看好的潛在解決方案。

模組式機器人 ( Modular Robots ) 是由多個幾乎完全相同的小方塊所組成，每個小方塊上有電磁鐵、馬達，以及在側面便於方塊移動的輪子。構造雖然簡單，但便於拆解、重構，可藉由改變自身型態以適應不同環境，勝任多種任務。只是當面臨比自身龐大的障礙物時，往往需要更多的組成單元方可排除；然而，當組成單元越多，系統便越顯笨重、難以控制。不過，賓州大學的研究團隊─ModLab，近期開發出新的環境識別演算法，搭載於自家開發的SMORES-EP模組機器人上，使機器人不再需要大幅改變自身型態，而是善用身旁物件改造環境與地形以達成任務，克服前述模組機器人常遭遇的問題。

人工智慧的觸角已逐漸觸及醫藥領域，然而仍侷限於標靶識別、驗證與安全測試等，在現今藥物開發金字塔中屬於低層級的應用。追根究柢，在於人工智慧是講求多領域整合的研究。既有的學術分工涇渭分明且高度專業化，所築起的學識壁壘阻礙了相關發展與應用，儼然成為當今高等教育另一項亟需重視的課題。

史丹佛大學應用物理系博士班 陳奕廷 探索