各位朋友們好：

上週剛落幕的「2022 AI EXPO」，在長達三天的展期與論壇裡，齊聚了包括AWS、IBM、AMD以及微軟等多家企業，共同分享他們的AI產品與服務；還有鴻海、台達電、廣達三大產業研究院以及台塑、友達等早期導入AI的指標企業，共同分享這幾年的經驗與成果，在疫情緊繃的此刻，更顯難得。

從2017年台灣產業開始關注並投入AI至今，可以發現資料、演算法和算力仍然是AI發展的根本。三天展會中，No-Code AI、系統整合、從Cloud到Edge，是多位講者不約而同提到的關鍵字；而什麼樣的資料才是有價值的？什麼的AI系統才是有效率且安全的？如何讓跨產業專家快速學會使用AI？一直是推動產業AI化的關注重點。本期電子報也特別整理「2022 AI EXPO」相關精采內容與你分享。

在確診人數屢創新高的此刻，應該有許多人放棄外出用餐慶祝，可能也有不少媽媽擔心不斷動態調整的小孩停課狀況，但無論如何，還是要祝大家佳節愉快、一切平安。

人工智慧科技基金會執行長 溫怡玲

資料越多越好？企業需要的是這件事

大數據興起加上人工智慧技術的突飛猛進，許多企業都將資料視為重要的資產，並且積極追逐最新的技術或設備。過程中，管理者是否思考過驅動企業追逐新技術的原因是什麼？而越來越多元的資料來源及遽增的資料量，也考驗著企業的資料治理能力。

你的AI產品安全嗎？AI系統所帶來的風險是什麼？

面對快速發展AI應用，我們還有許多混沌未明的領域需要釐清，例如自主反應系統的責任歸誰？人、車、AI的責任該如何分配？系統的行為如何確保符合預期？當AI愈來愈擬人化時，這樣的AI系統帶來的風險是什麼？這一切都還是未知且值得深思的問題。

提升AI能力的系統架構與基礎建設

「這是一場軍備競賽！」國立台灣大學資訊工程學系教授兼系主任洪士灝提到，目前的AI Models越來越強大，例如：Google、微軟分別訓練出的GPT-3、DeepSpeed ，模型效能越強，許多新功能也逐一解鎖，未來的應用機會當然也越來越大。

【AI CAFÉ線上聽】探索不同解法的NLP

NLP在不同任務上我們會選擇不一樣的解法，來達到最好的表現成效！但你知道深度學習解決NLP任務的基礎概念嗎？或者，可以透過語言學的專家系統來解決NLP任務？本次活動將以NLP為主軸，介紹NLP的基礎先備知識、說明在深度學習的理論及解法，以及使用專家系統解決問題的產業實例，藉由兩個面向來與大家說明NLP的經驗，從理論到應用，帶你認識「不同解法」的自然語言處理。