人工智慧

■當電網變得非常聰明，能夠根據蒐集到的資訊即時應變時，駭客也從中發現了他們的商機。以往電網由人力監控，因為人類會以較宏觀的角度進行診斷，所以異常的訊息往往不會直接反映在決策上。然而當電網由人工智慧所操控時，對資訊的敏感度也隨之提升，只要在不知不覺中夾帶錯誤的訊息，就可以左右他們的決策，進而讓局勢往駭客們的意向發展。那麼如何避免這些智慧電網「聰明反被聰明誤」呢？就要讓他們變得更聰明，懂得分辨誰在欺騙他們。

■「In-Situ AI」這套運算架構，因應物聯網資料的特性與使用情境，在資料收集處就地進行大部分的運算工作。不同於以往將資料全部傳到「中央」的雲端，再接收「中央」決策完回傳的指令，In-Situ AI 發揮了「地方自治」的精神，善用地方資源、產生因地制宜的策略。其架構分為兩大部分：運算中樞（Node）與雲端。雲端有較高的運算能力，負責從大量的物聯網資料進行非監督式學習，汲取重要的特徵。接著藉由遷移學習（transfer learning），讓運算中樞的推理網路（inference network）認識這些特徵。如此在有限的標記資料下，推理網路也能對周遭世界具有一定程度的判讀能力。實驗結果顯示，遷移學習學到的特徵，讓推理網路預測的準確率提升30 %（達到近60 %），彌補標記資料不足的限制。

台大電機系 吳奕萱 《電腦與人腦》作者，

■試想一下在2024年的教室中，講台上有位學生正在練習報告，聽起來是否和現在我們練習的方式沒有不同呢？但仔細一看發現，學生手上戴著觸覺虛擬手套 (圖3) ，指導他如何調整肢體語言，旁邊還有螢幕正不斷顯示各種建議，提醒聲音再大聲一點。回到2018的今天，智慧教室不再是科幻電影裡才會出現的情節了，已經有研究團隊成功實作出完善的系統，未來不僅能在教育中實踐，更可以應用於其他需要溝通、回饋的領域中，實現智慧教室的偉大願景。

近年來，人工智慧快速蓬勃發展，結合大數據開創新局，應用層面遍及經濟、工業和娛樂，相較之下，AI在化學產業的應用卻顯得緩慢，但可望出現轉機，因為專家團隊已展開多項合作和研究，決心突破限制以縮短差距，有些研究團隊計畫將深度學習應用在藥物開發中，其中的典型代表為GSK製藥公司和政府實驗室的合作，該公司試圖利用大量化合物的篩選數據來尋找新藥物；除此之外，也有其他研究致力於透過AI找出化學合成路徑。

iphone X手機可以透過人臉辨識加密解鎖、Google Lens應用程式可以辨識寵物貓狗的品種、自駕車系統可以識別交通號誌安全行駛，這些具影像判讀的人工智慧（Artificial Intelligence）早已時有所聞。如今，AI將以更加聰穎靈巧的模樣，滲透到我們的居家生活之中——智慧相機。它能擔當保全保母等多重身分，警示「親友以外的陌生人」入侵家中，擷取「有趣的親子互動畫面」、甚至關注「小孩、長者的居家安全」。然而，這顆聰明伶俐的眼珠，是否也將監視著我們的隱私……

當電網變得非常聰明，能夠根據蒐集到的資訊即時應變時，駭客也從中發現了他們的商機。以往電網由人力監控，因為人類會以較宏觀的角度進行診斷，所以異常的訊息往往不會直接反映在決策上。然而當電網由人工智慧所操控時，對資訊的敏感度也隨之提升，只要在不知不覺中夾帶錯誤的訊息，就可以左右他們的決策，進而讓局勢往駭客們的意向發展。那麼如何避免這些智慧電網「聰明反被聰明誤」呢？就要讓他們變得更聰明，懂得分辨誰在欺騙他們。

■機器聽懂使用者的需求，再給予合理的答覆，這聽起來早已是Siri、Alxea這類語音助理能輕鬆做到的事情。只要結合前端的語音處理、後端的機器學習架構（像是Seq2Seq），似乎只要給極大量的資料，讓模型持續接受訓練，機器便有望能越來越像人一樣進行正常溝通。