人格備份的可能性─Replika聊天機器人

■Replika是一個由位於舊金山、專攻聊天機器人開發的Luka公司所開發的聊天機器人。在Google應用程式商店中,已累積不少忠實使用者,留下了許多正面評價與迴響。在聊天機器人技術已相對普及的此刻,Replika的出眾之處,在於其並不僅只是一個能與人對話的程式,更被設計成一個善於聆聽,最終成為使用者知心好友的聊天機器人。

Read more

【人物專訪】回顧所來徑,挑戰即成就——專訪陳信希

■在人工智慧研究領域中,「自然語言處理」對一般人而言,可能是相對陌生的一塊,但這項技術專注於開發電腦處理人類語言(即所謂「自然」語言)的能力,是研發高等人工智慧時,不可或缺的關鍵技術。讓自然語言處理專家陳信希教授,與我們分享研究過程裡重要的思考與觀察所得。

Read more

讓機器人來滿足你的胃─從備餐到出餐的全自動化服務

■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」。

Read more

【人物專訪】AI社會,務實面對——專訪陳銘憲

■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。

Read more

不用看字典,機器也能學語言

■由於神經網路的出現,自動翻譯技術已變得越來越準確,這都是建立在大量平行文本的基礎上,讓機器可以模擬出人類的語言模式。也就是說,一個好的翻譯模型往往歸功於人們整理出的翻譯資料。這是不是代表兩個語言之間若沒有大量的雙語文本,機器就沒辦法學好翻譯呢?
「想像今天給你一大堆中文和阿拉伯文的書,其中沒有任何內容是重複的,你能知道如何去翻譯這兩種語言嗎?」巴斯克大學(UPV)的Mikel Artetxe接著說:「這聽起來是不太可能的,但我們的模型就是做到了。」

Read more

【人物專訪】迷人的機器學習——專訪林軒田

■提到機器學習,林軒田老師直說「很迷人」。對他來說,迷人之處不只在機器學習本身,還因為這是門結合了應用與技術領域的學問,包括應用數學、電腦、工程學等等,「作為一個機器學習研究者,我們要非常重視與不同領域的人對話」。除了跨領域以外,機器學習還結合了人類學習的哲學,因為機器和人類學習,其實有著深刻的對應關係,想要克服的問題並沒有太大差異,這也是機器學習深深吸引著林老師的地方。

Read more

【人物專訪】我們一直都在學習——專訪林守德

■出於對「人工智慧」的好奇,林守德老師一頭栽進了AI的世界。初接觸這個領域時,學的還是圖靈(Alan Turing)以符號邏輯為主的那套,隨著技術進步,近二十年來的人工智慧領域已經轉向大數據與機器學習的方向。老師認為科學的價值在於「探索真理」,儘管市面上已經有許多AI套件,讓使用者不必知道背後的含義也可以使用。然而就算是被許多人拿來賺大錢的應用科學,老師認為身為一名學術研究者,探索這些技術成功的原因還是他非常注重的部分。他也強調,做研究需要紮實的基礎,對「歷史」也要有足夠的認知與了解。

Read more

誰是臥底?智慧電網的網路安全

■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。

Read more

寵物攝影機提供另類學習法

■很多主人會在自己的寵物身上裝個攝影機,來看看自己家的狗狗貓貓是怎麼度過牠們的一天。你有想過這種影片除了具有窺探寵物隱私的功能,還能夠做什麼嗎?最近有一篇投稿至ArXiv的文章,表示他們還能夠使用這些影片,在一些情境下模擬機器狗的動作。

Read more

脫離雲端「中央集權」─人工智慧「地方自治」時代來臨

■「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。

Read more

從一張2D影像直接建構3D資訊

面對一張影像,我們「得到」的比起我們實際「看到」的豐富許多。我們的大腦在理解影像時,會將常識應用在其中,解讀影像沒有拍到的部分。例如:進入一個從未看過的房間,看到桌子的三隻腳,我們能推論出被擋住的第四隻腳的形狀和顏色。儘管我們沒有看遍房間的每一個角落,也仍然可以大致上畫出房間的空間形狀,或是想像出從另一個角度看房間會是什麼樣子。這個空間視覺認知能力對人類來說毫不費勁,但對人工系統來說卻相當不容易。直至今日,最先進的視覺辨識系統大多是用大數據訓練的人工智慧,訓練的過程需要大量手工標記的數據。取得這些數據非常昂貴且費時。因此,現有的數據大都只包含空間中的一小部分而已,人工智慧的認知能力被這些數據侷限。在現實應用中,我們需要能完整認知空間的資訊的人工智慧。

Read more

AI智慧教室─帶你一窺聽眾的心聲

■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。

Read more

機器學習進軍藥物開發

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。

Read more

具AI大腦的智慧相機

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……

Read more