深度學習

■「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。

■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。

■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。

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。

■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。

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。