大數據

■深度學習於1985年被開發，但直到2014年才起飛。張教授2007年起在google進行數據導向大規模機器學習開發時，被當時的同仁合理質疑。因為較複雜的算法譬如SVM或深度學習太過耗時，跟不上搜索引擎和廣告推薦系統的即時需求。在2012年AlexNet利用ImageNet數據取得革命性的圖片辨識的準確率後，學界業界同時驚艷，也才願意投資大規模運算GPU平台，接受了數據導向大規模機器學習的典範。而在2016年AlphaGo又告訴了全世界：如果你的算法能自行生產出無限多且多元的數據，那你便能造就IQ等同於300的機器。但這波的AI革命其實只推進了深度學習，而發展的面向也只限於模擬人腦的知覺(perception)功能。至於如何使用人腦知覺之外的能力，譬如知識，記憶，計畫，邏輯思考，以便從小數據演繹出等同於無限多且多元大數據的能力，還沒有跟上。所以今年四月AI界的巨擘Michael Jordan甚至宣稱：「AI革命尚未到來。」

■全球資訊網(WWW)的誕生，讓我們與世界更緊密的連結在一起。無論是平時生活中的臉書社群，電影界演員之間的合作關係、或者是專家學者們在學術論文的引用，如果我們把每一個人都設定成點(Node)，人與人之間的各種關係視為邊(Edge)，那麼真實世界的網路經過視覺化呈現後，就會宛如人類大腦裡神經元，神經元彼此之間連結時所構成的圖像，看似一團混亂的網絡，實際上存在著某種規律與秩序。

■所謂的大數據研究，旨在透過大量的運算分析，從人類長期累積的應用資料與行為模式所呈現的數據中，發掘具價值的資訊，提供合理的預測以及個人化、智慧化的服務。此外，配合機器學習（Machine learning）及加強式學習（Reinforcement learning）的技術，更賦予了人工智慧自我更新的功能。然而，大數據分析一方面提供了更多的個人化與智慧化服務，大幅改善人類的生活品質，在另一方面，卻也引起了個人隱私是否可能遭受侵犯的疑慮。