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
-
AI 驅使賽道加速，政策如何跟上？
本週電子報就從 Mary Meeker 的報告中，透過比較、比喻跟分解，找出產業 AI 化策略需要思考的重點。當然，前提是台灣並非美、中這樣的大國，從「小國戰略」的基礎出發，相信台灣能夠走出一條獨特的 AI 發展之路。
-
打造AI 人才基礎工程，誰該是關鍵推手？
再次面對全球產業板塊位移，這兩年政府大力推動產業 AI 化，各種政策當中，培育人才當然是最為重要的議題。政府也公開表示，去年台灣培養出 4 萬位人工智慧人才。但是，回到根本問題：我們說的人工智慧人才，究竟該具有哪些能力？在面對生態系巨幅改變的此刻，用什麼方式定義及評估未來人才的能力？這肯定是需要集思廣益的大哉問。
-
COMPUTEX 風光落幕，台灣 AI 即將起飛？
本週電子報和你分享台歐交流的現場報導，也正式啟動本年度的《台灣AI新創生態系地圖》。如果有新創夥伴想讓大家更了解你的企業，竭誠歡迎主動跟基金會聯絡，期待我們共同創造新局。