• 讓機器自己學習語音的實踐者—專訪李宏毅 2019/03/08

    讓機器自己學習語音的實踐者—專訪李宏毅
    採訪/魏妤亘

    因著科幻電影,人類不乏想像與機器人對話的場景。但機器人真的能夠聽懂人類說話嗎?對話的基礎在乎「語音」,讓我們透過與AI語音專家-台大電機系李宏毅教授的訪談,開啟人工智慧語音領域的大門。 Continue reading →

  • 圖學與電腦視覺的耕耘者—專訪莊永裕 2019/03/01

    圖學與電腦視覺的耕耘者—專訪莊永裕
    採訪/魏妤亘

    因著擁有視覺,人類得以看見美麗奧妙的萬物,由此感到驚嘆與悸動。視覺於乎人類,使用地如此自然,但機器也能夠輕易擁有視覺感受嗎?藉由來到資工系,與長期耕耘於電腦圖學與電腦視覺的莊永裕教授對談,讓我們一窺這奧秘。 Continue reading →

  • 電腦視覺:一場做了五十年的暑假作業 2019/03/01

    電腦視覺:一場做了五十年的暑假作業
    講者/莊永裕(台大資工系教授)|彙整/連品薰
    整理自2018.12.01〈CASE探索系列講座第20期.矽眼-電腦視覺初探〉

    1969年圖靈獎的得主,人工智慧之父Marvin Minsky,在MIT任教期間曾經招募學生進行一場暑期的研究計畫,功課是「將攝影機連上電腦,讓電腦描述所看到的東西」。這個預計在一個暑假、由一群大學生就能完成的暑假作業,如今卻成了數以萬計的科學家耗時五十年都無法企及的目標。這就是電腦視覺給我們的歷史難題:我們從來沒有想過要怎麼教一個嬰兒如何去「看」,他就天生會了,但現在又該如何去教會一台電腦呢? Continue reading →

  • 擺脫負樣本的限制 2019/02/27

    擺脫負樣本的限制
    編譯/許晉華

    傳統的二元分類學習法需要正負兩類樣本的資料,然而在許多情境中,負樣本的採集相對困難。日本理化學研究所(RIKEN Center)藉由加入「可信度」此一特徵,擺脫負樣本限制,令模型在僅有正樣本的情況下也能學習如何有效分類,拓展AI分類器的應用範圍。 Continue reading →

  • 下個被淘汰的會是醫生嗎? 2019/02/25

    下個被淘汰的會是醫生嗎?
    編譯/葛竑志

    當被問及哪些行業終將為AI取代的時候,醫師似乎是很少被提及的選項。但細數AI在醫療領域的發展─協助醫療影像判讀、蒐集生理數據並追蹤個人健康狀態(智慧醫療)、針對患者生理狀況安排客製化的治療方案(精確醫療),乃至於年長者的長期照護─讓人不禁開始懷疑:人類醫師真的可以在AI浪潮下高枕無憂嗎? Continue reading →

  • 回顧所來徑,挑戰即成就—專訪陳信希 2019/02/22

    回顧所來徑,挑戰即成就—專訪陳信希
    採訪/葉宇軒

    在人工智慧研究領域中,「自然語言處理」對一般人而言,可能是相對陌生的一塊,但這項技術專注於開發電腦處理人類語言(即所謂「自然」語言)的能力,是研發高等人工智慧時,不可或缺的關鍵技術。以下我們將請自然語言處理專家陳信希教授,與我們分享研究過程裡重要的思考與觀察所得。 Continue reading →

  • 機器是否已經達到人類的境界? 2019/02/22

    機器是否已經達到人類的境界?
    講者/陳信希(台大資工系教授) |彙整/楊于葳

    整理自2018.11.10〈CASE探索系列講座第20期.子非人,安知人之語?—談自然語言處理〉

    電腦知道我們在說什麼嗎?電腦不是人,怎麼會知道人的語言呢?我們知道「聽、說、讀、寫」是「智慧」的重要指標,今天的演講將在此範疇議題之下,討論電腦是否具有智慧,若需要這些智慧的應用,又需要哪些技術呢?陳信希老師選擇與生活層面有關係的領域,以淺顯易懂的方式解釋各別的發展。 Continue reading →

  • 沒有階層的神經網路─ODE net 2019/02/20

    沒有階層的神經網路─ODE net
    編譯/黃柏瑋

    保健醫療,尤其患者健康狀況的長期追蹤,也是AI的一大應用領域。只是,病歷雖可作為個人的健康資料庫,但生病、就診的時間無法掌握,有時候一天兩次,有時候兩年才看一次醫師,資料點的散布顯得凌亂且隨機,而健康狀況卻是連續的變化,這類的連續性問題,傳統階層式神經網路顯然難以招架。 Continue reading →