【探索20-5】電腦視覺:一場做了五十年的暑假作業

■1969年圖靈獎的得主,人工智慧之父Marvin Minsky,在MIT任教期間曾經招募學生進行一場暑期的研究計畫,功課是「將攝影機連上電腦,讓電腦描述所看到的東西」。這個預計在一個暑假、由一群大學生就能完成的暑假作業,如今卻成了數以萬計的科學家耗時五十年都無法企及的目標。這就是電腦視覺給我們的歷史難題:我們從來沒有想過要怎麼教一個嬰兒如何去「看」,他就天生會了,但現在又該如何去教會一台電腦呢?

Read more

【探索20-2】機器也有補習班?讓你的機器學得更好

■老師對機器學習軟體的第一印象是「電腦嘛會撿土豆喔?」,打開林智仁導師的實驗室網頁,可以發現一款「會撿土豆」的機器學習軟體,大家可別因為簡易的外觀而小看它,看似簡單的二維圖,實際上是可以對顏色加以分類的,而這款機器學習軟體在Google Scholar 裡面的引用次數,更是多達37,370次呢!

Read more

機器學習進軍藥物開發

■AI應用於藥物開發必須面臨種種考驗,其中之一為化學大數據的取得,由於深度學習的表現取決於訓練資料數量的多寡,是否能獲取大量資料事關重大,但這在化學領域中仍相當困難;另外,化學家也必須開發一些方法以確保AI所「發現」的分子是確實能被合成的。

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

深度學習可以從腦波判斷性別?

■雖然男女之間無論在生理或解剖學上都有相當大的不同,但若只給你一張腦電圖,你能看得出來這是來自男生還是女生的腦袋嗎?這時深度學習就會是個很實用的工具。講到這裡,或許有人會想問為什麼要繞這麼大一個遠路判斷人的性別,畢竟通常只要看到人的模樣就知道了,但回頭來仔細想想,這是不是也強調著深度學習在預測功能以外的角色呢?

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

人工智慧驅動了數位醫療

■人工智慧 (AI) 最近在許多領域中都已超越人類的表現,也為醫療保健帶來希望,AI也許會比現代醫學更能預防、偵測、診斷和治療疾病,有研究預測在2053年AI執行手術的能力將會勝過人類。雖然很多人擔心AI會取代人類的工作,或破壞醫病關係,但只要擁抱數位醫療並互助共存,相信AI可以幫我們減少重複性質高的工作,並運用人類的特質來關懷病患、針對不同病患規畫適合的療程,守護健康,讓醫生在有限的時間中發揮最大的功用。

Read more

從神經元開始的人工智慧

■當今許多器官的機械功能都能被人造取代。在小說中,各個器官組合成科學怪人,但在現實中,僅僅拼裝這些人造器官並不會變成人造人。神經元將資訊從各個器官彙整到中樞處理,這樣的「意識」或是「智慧」才是人的核心。本文從神經元開始,介紹基於神經元的人工智慧。

Read more

AI、人類與社會

■AI的強大也讓人忍不住開始擔心,AI會影響人類社會到甚麼程度?類似電影《魔鬼終結者》的情節不斷出現在各類科幻創作中。事實上當今的AI應該稱作「窄AI(narrow AI, or weak AI)」,與「普通AI(general AI, AGI or strong AI)」不同,它們其實不能理解操作者輸入給他們的文本、字句、數據的意思,而缺乏編織認知能力。窄AI只能用來執行特定的任務,透過統計方法估算出機率後,實行機率最高的選項為結果。

Read more

科學家必看!AI正在改變科學研究的方式

■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

機器學習與人工神經網路(二):深度學習(Deep Learning)

■戰勝圍棋九段的 Google AlphaGo 正是以深度學習作為核心。比起一般的機器學習,深度學習是如何有深度呢?廣泛地說,深度學習是指具有層次性的機器學習法,能透過層層處理將大量無序的訊號漸漸轉為有用的資訊並解決問題。但通常提到深度學習,人們指的是一種特定的機器學習法─「深度神經網路」(Deep Neural Network)。

Read more