AIF Editor

財團法人人工智慧科技基金會(AIF)深化產官學與跨產業的經驗資源連結,以人工智慧做為切入點,協助產業培育人才、掌握關鍵技術,並進一步落實到企業應用端,創造新的商機與價值。AIF透過文章分享基金會最新消息及技術新知,期待為台灣產業注入科技能量。

117 篇文章
你夠了解製造場域嗎?智慧製造的關鍵要點
人工智慧, 精選書單, 觀點

你夠了解製造場域嗎?智慧製造的關鍵要點

智慧製造是近年來十分熱門的關鍵詞,透過各項技術的結合使製造過程自動化、智慧化,隨著AI技術的快速進展,許多企業也嘗試導入AI進行轉型,然而,企業在過程中多半會遇到許多說不出口的隱痛。不少人誤以為人工智慧就是學習各式的模型們,但在實務的應用上,建立模型只佔了整個專案中的一小部分,想要解決智慧製造的問題,更需要從更高的角度,系統性的思考。

  • AIF Editor
聯邦學習是什麼?近來備受討論的機器學習技術介紹
觀點, 精選書單

聯邦學習是什麼?近來備受討論的機器學習技術介紹

人工智慧技術的進步,帶來了更多便利的應用,對於人類的影響也越來越多。隨著資安及隱私議題逐漸受到重視,聯邦學習是近來提到隱私保護時,備受討論與關注的機器學習技術,但具體實踐方式,包括理論知識仍在不斷的完善與豐富中,加上相關應用時,新的挑戰與解決方案也會陸續產生,例如資料共用的過程中,資料所有權的確認、資料權利邊界劃分、權益分配規則不清晰,以及資料安全沒有保障等,都是亟待解決的問題。

  • AIF Editor
實事求是,做能落地的NLP應用
技術, 實作解析

實事求是,做能落地的NLP應用

「自然語言處理」又稱為 NLP(Natural Language Processing),為近年來十分熱門且挑戰性十足的研究領域,針對不同的任務類型,我們會選擇不一樣的解法以達到最佳表現成效。舉例來說,目前的 DL 模型擅長解決類似選擇題的分類問題 (Grouping Problem),提供兩篇新聞,讓模型判斷這兩篇文章是否相似、同一類型與否。但如果要讓它判斷兩個句子是否有前後文的邏輯因果關係,或是不同語句的語意是否相同,對 DL 模型而言是困難的。

  • AIF Editor
零碳新賽局啟動,台灣企業如何面對?
專題

零碳新賽局啟動,台灣企業如何面對?

也許有人會問:「AI 是否可以用來協助碳中和更有效率達成?」答案是「是的」,但對多數企業來說,在淨零(Net Zero)或「碳中和」之前,還有許多事情必須立即著手。新創團隊在這過程中,又能提供傳統企業哪些幫助呢?本篇專題將帶您從產業的角度切入,進一步了解淨零碳排的趨勢及企業必須面對的挑戰。

  • AIF Editor
資料煉金術與機器學習 急速成長的自駕車技術
精選書單, 專欄

資料煉金術與機器學習 急速成長的自駕車技術

要衡量自駕車科技的進展,一項重要指標就是所謂的接手率(disengagement rate),也就是駕駛員必須關閉自駕系統、接手開車的平均頻率。在報告涵蓋的期間(2019年12月到2020年11月,包括部分時間由於疫情封城而必須暫停自駕測試),谷歌旗下子公司Waymo的自駕車,在加州公路行駛了超過九十六萬公里,而平均而言,駕駛員每超過四萬八千公里才必須接手駕駛一次。

  • AIF Editor
想打造最強模型,訓練資料集的選擇差很大
精選書單, 觀點

想打造最強模型,訓練資料集的選擇差很大

說到「集成式學習」,你可能知道這是使用二種或更多的機器學習演算法,組合出預測能力更好的模型。我們可以在不同的競賽上,看到利用「集成式學習」建立的模型都有十分出色的表現,這也讓它成為近期十分熱門的技術之一。不過,該技術雖然十分熱門,但實際上能善用的人並不多,甚至有些人對於訓練資料的使用部分有些誤解,例如,當我們想要集合幾個基學習器打造超學習器(Meta-learning)的時候,兩者所需要的資料集常常讓許多人會產生混淆。

  • AIF Editor