Midjourney、ChatGPT 等 AI 應用爆紅，其背後基礎模型的重要性也備受關注。基礎模型（Foundation model）指的是，透過大量數據訓練出能執行多種不同任務的模型（通常有規模的使用自監督式學習），例如 Google、Facebook 等大型科技公司，近幾年挹注龐大的資源訓練出大型模型，如 GPT-3、BERT 等，都屬於基礎模型。
閱讀專題連結：https://aif.tw/topics/hhri-20230303-next-forum/index.html
專題精選
-
ChatGPT 正夯，多模態基礎模型的挑戰與機會
-
No-Code AI平台這麼多，企業該選哪一家？
近幾年大為流行的Low Code、No Code AI平台，強調不用培養AI團隊與快速看到結果。由於主打「完全不需寫程式」或「寫少量程式」就能完成工作，也讓不少公司開始考慮是否導入相關系統。而這麼多的平台工具該怎麼選呢？
閱讀專題連結：https://aif.tw/topics/no-code-and-low-code/index.html
-
想用AI解決ESG難題？提出一個專案前的必備知識
ESG正在改變全球產業的遊戲規則，淨零碳排大限逼近，AI如何賦能產業、企業以及環境邁向永續，未來十年、二十年，我們的下一代會如何生存，一直是科技人所關注且迫在眉睫的重要議題。AI競賽這麼多，要怎麼做才能突出呢？本篇將帶你深入淺出探索AI在ESG、綠能、碳排放的趨勢與應用。
閱讀專題連結：https://aif.tw/topics/2023-ai-junior-award-promote/index.html
知勢電子報
-
從嘗試到落地：企業 AI 導入的實戰思維
基金會從去年跟 Google 合作《AI 準備度調查》開始，就發現「創新力」是一般企業較難跨越的關卡，尤其對資訊人才不足的中小企業來說，更是難上加難。因此，從本週開始，我們將陸續分享關於創新與如何問對問題的方法，期待能夠一起找到更清晰的定義與解答。
-
產業 AI 化挑戰：資料問題如何解？
很多人已經知道，AI 並不是一套標準化的軟體系統，能夠即買即用；也有很多人知道，數據是 AI 的基礎，唯有數據準備好了，AI 應用才可能成功。不過，有一個更深層的問題是，過去經驗與記憶中的技術導入成功案，很可能成為卡住導入 AI 的障礙。我們集體被過去的成功框限住，而不自覺。
-
產業 AI 化調查：企業落地不易，終端 AI 是關鍵機會
「對台灣社會重要，沒有人做但需要做、而且我們能做的事情，就要趕快做，」這是 AIF 成立七年多以來沒有改變過的宗旨。所以這個月底我們會對國際發佈英文版《2025 台灣產業 AI 化大調查暨落地指引》，希望讓國際社會更了解台灣，也促成更多的國際合作。