傑克這真是太神奇了

baipu:

隨著Google旗下DeepMind所研發的人工智慧（AI）系統AlphaGo所帶起的一波人工智慧熱潮，台灣沒有錯過。科技部長陳良基將2017年訂為台灣的「人工智慧元年」，從建立「人工智慧高速運算服務」、在台大、清大、交大、成大設立「AI創新研究中心」、打造中科與南科的「智慧機器人自造者基地」，到AI計畫的最後一塊拼圖「半導體射月計畫」，都是希望強化台灣半導體產業於人工邊緣智慧（AI Edge Intelligence）的核心技術競爭力和在前瞻半導體製程與人工智慧晶片系統研發。

曾經走紅的萬物聯網讓科技產業認為，這就是未來的智慧樣貌，直到AlphaGo擊敗世界棋王，科技圈才發現人工智慧所帶來的「智慧服務」，才是真正賦予了萬物聯網的背後價值。

邊緣智慧，AI應用的最後一哩路
事實上，許多具有傳感器的裝置早就存在我們的生活裡，如攝影機、相機、喇叭與麥克風等也在過去10年左右，數位化連上網路。但連結網路攝影機與網路連接儲存裝置（NAS）所組成的數位監視系統相較於過去閉路式、類比訊號的監視裝置，除了儲存資料數位化之外，在本質上並沒有太大的不同，一樣需要人監看、回放，並判斷實際現場狀況。但當人工智慧應用普及，影像辨識、語音辨識轉成文字不再遙不可及，網路攝影機或現場麥克風所傳回的資料都可即時透過自動辨識，判斷畫面中的物體，加上蒐集人臉資訊及現場收音，AI都足以自動綜合解讀更多現場狀況，讓安防業者不再需要配置人力長時間全神貫注監看，僅須排除異常狀態。

數位監視系統配上人工智慧應用，彷彿在機器中加上了靈魂，如果可透過人工智慧學習不同辨識內容組合的場景意義，並對應相應的處理機制，就賦予數位監視系統協助安防控制，真正達成智慧化。

從訓練到推論，晶片是最後一塊拼圖

然而對企業來說，深度神經網絡1（Deep Neural Networks，DNNs）所帶起的人工智慧浪潮，就如同遙遠的國度發生了大海嘯，要把如今相對成熟的圖像辨識、語音辨識或文本翻譯，放進真實環境做商業應用仍還有一段距離。

由於深度學習2的演算法與相關應用仍在快速演進中，無論是智慧城市、智慧零售、智慧音箱或無人車等實際的應用場景，仍在大量蒐集數據，讓深度學習演算法學習辨別這些資料特徵與模式的階段，這個系統過程稱為訓練（Training），讓電腦嘗試從我們所蒐集的資料來學習。

加油

早午安

mitchchien:

sophielin88: