找知識，來讀CASE報科學
■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。」
Read more
■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。
Read more
■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。
Read more
■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
■黑道份子燒殺擄掠、處處行兇，是警方從古自今的難解之題。如何辨認行兇案件是否與某個集團有所關聯？ 該罪犯會不會再次冷血報復？ 今天，這些問題正被一個嶄新的演算法一網打盡，它可以全自動化地利用更少的特徵，將行凶者分門別類，甚至預測犯罪，猶如科幻電影《關鍵報告》的情節滲入現實當中。然而，這把利劍的另一鋒刃也尖銳地刺向許多道德議題：壞人反向操作新技術預測警方的逮捕行動、每位無辜的人都要承擔著被誤判的風險……
Read more
■你是否覺得在新聞、臉書、廣告和你的朋友都在討論人工智慧、深度學習和大數據？沒錯！因為它們就是這麼重要！人工智慧除了應用在「傳統人工智慧領域」，他也席捲了直覺上跟人工智慧毫不相干的許多科學領域。包括尋找新的基本粒子、憂鬱程度的預測、從書寫風格判斷個性、古文鑑定、找出自閉症根源、去除天文雜訊和研發製藥，這些都和AI有關。讓我為你一一介紹！
Read more■如果沒下雨但起風，要不要出門去玩？發折
Read more
■科學家透過研究手機的通聯記錄，發現20
Read more■大數據時代的來臨，對於文史研究者來說，
Read more