CNN

只要指定歌手、歌詞和曲風，Open AI的深度神經網路模型Jukebox就可以唱給你聽！雖然它的作品還遠不及真人創作的質感，但Jukebox已經能生成與一般歌曲長度相近（約1~4分鐘）且風格一致的旋律。想聽Bruno Mars從藍調改唱搖滾？可以先用這個工具過個癮！

深度學習增進電腦視覺進展，正改變醫藥和安全領域。

人工智慧經歷數十年的低潮，由於深度學習這項潛力無窮的技術，總算起死回生，在不少任務上的表現已經相當傑出。(續前文)

心理學家一直想了解人類心智如何表徵外在世界，又這些表徵經過哪些心智歷程使個體能產生適切的行為反應？這叫好像工程師在開發人工智慧系統時，構思這些系統該如何轉碼輸入的刺激（好比心智表徵），以何種演算法進行運算（好比心智歷程），以及產生出何種反應。基於兩者的相似性，建立電腦模型是心理學家解開心智奧秘的途徑之一。

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？

光纖廣泛用於現代社會之中，早已是網路通信不可或缺的設備，然而多模光纖卻容易因長距離傳輸與環境干擾，而產生嚴重色散，導致信號失真，甚至使得傳輸的圖像變為一點一點的散斑圖，難以辨認。而近期在光學期刊Optica上所發表的一份研究，提出利用神經網絡，模擬人腦的圖像處理機制，精確重建光纖傳輸圖像。在長達一公里的傳輸距離後，仍保有近七成的辨識準確度。除是當代通信技術的一大進展外，亦可改善現有的醫療內視鏡檢測技術。

皮膚癌診斷目前仍主要倚賴醫生的臨床經驗，也因此存在一定的誤判率。近年來，隨著深度學習在影像及語音處理的蓬勃發展，人工智慧也逐漸投入醫學影像判斷，盼能提升醫療服務水準。今年 ( 2018 ) 五月，來自德、法與美國的團隊，以高達10萬張皮膚影像作為訓練資料集，其中包含惡性黑色素細胞瘤及一般良性痣，成功將卷積神經網路 ( convolutional neural network，CNN ) 應用於皮膚癌診斷。為了驗證此模型的效能，將其結果與58位國際皮膚科醫生的專業判讀做比較，顯示CNN能比皮膚科醫生更精準地判讀皮膚影像，不僅降低黑色素細胞癌的誤診率，更提升疾病早期發現的可能。