各位朋友們好：

上週出版的《時代雜誌》（TIME）封面故事是〈人工智慧領域百大影響力人物〉（TIME 100/AI），不令人意外，媒體報導大多著墨於數位部部長唐鳳、NVIDIA創辦人暨執行長黃仁勳、創新工場創辦人李開復等出身台灣的名人也名列其中。

不過我比較注意的是，《時代雜誌》將這100位區分為「領導者」（Leaders）、「創新者」（Innovators）、「塑造者」（Shapers）及「思想家」（Thinkers）四大類。他們組成了推動人工智慧發展的關係與權力中心，這100人是競爭對手、監管者、科學家和藝術家、倡議者和執行者。

成立超過一世紀的《時代雜誌》，封面故事一直都是反映塑造社會的力量，而它們認為，生成式AI是繼社群媒體出現後，人類社會最重大的技術突破。因此，這100人的洞察力、慾望和缺陷，將會形塑出影響力快速擴大的AI技術方向。當然，也將深刻形塑出人類社會與產業的未來。

一時之間要看完這100位影響者的報導，如同要很快全面掌握AI發展趨勢一樣困難。但不妨抽空看一下相關報導，再加上每週閱讀我們的電子報，應該可以逐漸累積出對未來科技應用與影響的認知架構。

人工智慧科技基金會執行長 溫怡玲

本期目錄

• 改良1D卷積神經網路用於金融商品預測
• 活體辨識技術的發展與挑戰
• 明茲伯格談高效團隊：「高層」究竟是高在哪裡？
• 【免費活動 】帶你一次了解MLOps大小事

改良1D卷積神經網路用於金融商品預測

這篇文章將聚焦 AI在金融商品交易領域的應用。我們會介紹一篇名為《Financial Markets Prediction with Deep Learning》的論文，並附上筆者評論，同時嘗試複現論文中提出的方法，將其應用於台指期貨交易，以驗證其效能。

活體辨識技術的發展與挑戰

本篇文章將介紹電腦視覺應用於活體辨識技術的發展，從早期傳統方法的LBP+SVM模型，到現今以卷積神經網路CNN為主的模型架構。除此之外，也會針對網路上的公開資料集如OULU-NPU與SiW，說明取得方式以及相關使用規則，再進一步延伸至目前學術研究上面臨的困境，以及在研究之外，又有哪些問題需要注意。

明茲伯格談高效團隊：「高層」究竟是高在哪裡？

我們往往相當隨意的使用「高階管理層」（top management）一詞。然而所謂「高層」究竟是高在哪裡？可能是指位居組織圖的頂端、薪資最高級別，甚至是位在總部大樓的最高樓層。然而站上組織的最高層，是否就能讓高階主管真正掌握組織的實際運作？那可未必，他們不一定能看到組織中其他人所看到的事物。

【AI CAFÉ】帶你一次了解MLOps大小事

MLOps （Machine Learning Operations）是近年十分常見的名詞，對於想要成為AI工程師的人來說，學習這個流程，能為工作帶來哪些幫助？而對於想要導入AI專案的企業來說，又有哪些需要考量的重點？本次「AI CAFÉ 線上聽 」一次說給你聽。