人工智慧&電腦、資料科學

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。

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。

■今年四月，Sony和卡內基美隆大學 (CMU) 達成協議，宣布雙方將會在AI及機器人領域方面展開合作研究計畫，一般而言，企業以提供資金的方式來贊助學術研究，是非常稀鬆平常的事，然而，此次的合作發表卻不同凡響，正因其研究的核心主題為「食物」。

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。