搜尋結果

以下是含有人工神經網絡的搜尋結果,共09

  • 引入人工智慧技術 美F-35戰機將變得更聰明

    引入人工智慧技術 美F-35戰機將變得更聰明

    21世紀的戰爭完全依賴數據,這對美國軍方最先進的F-35戰機來說尤為重要。五角大廈已開始為F-35戰機引進時下發展最快的人工智慧(AI)技術,將大量戰場訊息形成的任務數據庫進行快速編碼,能隨時保持F-35戰機擁有最新的敵方雷達與武器參數等戰場訊息。 \n \n據《防務一號》報導,五角大廈委託一家設於加州名為「C3」的高科技公司,以人工智慧技術優化F-35戰機所使用的戰場任務數據庫。這些任務數據庫包括敵人的雷達波型、防空導彈、數據網絡與武器參數等大量訊息,分析與編寫這些訊息目前需要長達18個月的時間,現在透過人工智慧技術可望縮短到1個月。亦即F-35戰機將可以擁有1個月前的全球軍事數據,而不是一年半前的戰場訊息。 \n \n報導說,C3公司把它自已當作一個AI的裁縫,把不同的方法拼湊在一起,從簡單的機械學習到更複雜的深度學習,結合圖像、診斷評估與文本等各種異質性數據,來加速數據標籤工作。 \n \n在與國防部創新辦公室接觸之後,他們已經悄悄合作了15個月。C3公司已經參與了軍方的9個項目,包括飛機的預期性維護,如E-3 早期預警機,C-5銀河式運輸機、F-16戰機,以及很快要加入的F-35戰機,它們將預測何時某一部件或電腦系統可能會因天氣、部署、任務、零件年齡等問題而出狀況。 \n \n報導指出,目前F-35有一個車載的自動後勤訊息系統(ALIS)。但C3公司產品負責人表示,他們的軟體不會取代ALIS或其他任何洛克希德馬丁公司原已建造的任何東西。它只是結合各種來源的訊息,更全面地了解飛機的情況。除了後勤的ALIS系統,C3的軟體還將納入戰機運行數據、架次,甚至天氣、零部件與維修紀錄。所有這些都與C3在任務數據庫優化的工作不同,後者將於明年夏天完成開發。 \n \n任務數據庫主要用以記錄分析威脅的來源與型態,並主動通知飛行員何種威脅即將發生。現在主要的問題是這些數據量太大、種類太多,導致編碼時間過長,如果應用C3具有的數據聚合功能和人工智慧,可以編碼速度提高到相當快的程度。 \n \n報導說,這些經過編寫與分析的數據,將可以進行戰場追蹤與預測。現在的戰場追蹤都屬個別的觀察,但是如果將觀察結果匯總起來,就更有可能做出更準確的預測。 \n \n不過,C3公司無法解決兩件事:一是軍方希望在防禦和情報上納入更多人工智慧,雖然神經網絡(Neural networks)優於機器學習,但在解讀法律和政策目標上卻非常困難;二是數據完整性問題,有時不好的數據可能會扭曲模型運算結果,這在軍事行動中會影響使用者做出攸關生死的決定。要解決這兩個問題,還是要靠人的智慧,而非人工智慧。 \n

  • 華為AI晶片亮相 運算力領先全球

    華為AI晶片亮相 運算力領先全球

     華為在人工智慧的研發實力再度輾壓谷歌與英偉達,華為輪值董事長徐直軍10日公布新一年AI戰略目標,並亮相全球首個覆蓋全場景人工智慧的Ascend系列IP和系列晶片,做為華為全面加速進軍AI領域的第一炮,同時也引發了大陸網路巨頭在布局AI市場的熱戰,因此新一輪的人工智慧熱潮將出現遍地開花的結果。 \n 據大陸指標性智庫服務機構「前瞻性產業研究院」所發布的《人工智慧行業市場前瞻與投資戰略規畫分析報告》數據顯示,2017年中國人工智慧市場規模已達216.9億(人民幣,下同),預計2018年將達339億,2年後則有爆炸性成長約達到710億的市場規模。 \n 加速進軍AI市場 \n 徐直軍稱,昇騰910、昇騰310計算力遠超谷歌及英偉達,其AI晶片採用的是全球最大晶圓代工廠台積電7奈米技術,是目前全球已發布的單晶片計算密度最大的AI晶片且獨步全球。而昇騰910晶片GPU計算力可達到256TFOPS,比起曾被稱為史上最強GPU的英偉達Tesla V100還要高出一倍。這也是繼華為今年下半年除了手機晶片麒麟980之外再度牽手台積電展開的合作。 \n 事實上,華為布局人工智慧這片藍海早已是動作不斷。2017年9月,華為率先發布了全球首款人工智慧行動計算平台麒麟970,集成人工智慧專用NPU神經網絡單元,新的計算架構讓圖像識別速度可達到約每分鐘達到2000張,打響了AI晶片落地智慧手機的第一槍,華為也對外宣布領先競爭對手蘋果手機。 \n 華麗轉型引爆熱戰 \n 緊接著華為發布了面向企業、政府的人工智慧服務平台華為雲EI,能助力網路圖像搜索技術,以及在多種原版權圖片被修改場景下,可做到快速精準識別。今年4月,華為又發布了面向智慧終端的人工智慧引擎HiAI。8月,在終端AI晶片上再度推出全球首款7奈米技術的AI晶片—麒麟980。 \n 關於AI的布局,從百度喊出「All in AI」AI即是百度的機會,到騰訊「AI in All」致力把旗下AI技術分享給全行業,阿里巴巴辦起「達摩院」成立了平頭哥半導體公司。AI讓過去互聯網與半導體的半壁江山重新洗牌,也做為華為從面向營運商到移動互聯的華麗轉型。 \n 小靈通 昇騰910和310晶片 \n 華為加速AI的布局,最新公布的昇騰910和310晶片是全球單晶片計算密度最大的晶片,由目前獨霸全球的台積電7奈米晶片技術代工,其計算力甚至遠超谷歌及英偉達,且昇騰910晶片GPU繪圖計算力可達到256 TFOPS,比起曾被稱為史上最強GPU的英偉達Tesla V100還要高出一倍。這也是繼華為今年下半年除了手機晶片麒麟980之外與台積電展開的合作。

  • 愛普 轉攻客製化記憶體矽智財

    愛普 轉攻客製化記憶體矽智財

     記憶體設計廠愛普(6531)面臨國際記憶體大廠的激烈競爭下,決定進行轉型,包括淡出低毛利的標準型DRAM市場,轉向高毛利的LPDDR專利授權及利基型DRAM等市場發展外,同時觀察到現階段DRAM無法有效支援人工智慧演算法情況,愛普也將朝向客製化記憶體及矽智財授權轉型。 \n 事實上,受惠於人工智慧相關客製化DRAM需求持續湧現下,愛普取得的客製化設計服務訂單(design service backlog)已達1,500萬美元左右。由於人工智慧演算法已跳脫二進位演算模式,如當紅的神經網絡(neural network)就是多進化的運算,傳統二進位DRAM無法有效支援,需要新設計的客製化DRAM因應,法人看好愛普可望在此藍海市場搶下市占,且明年相關委託設計(NRE)接案大爆發。 \n 上半年DRAM價格維持高檔,愛普第2季合併營收12.15億元,歸屬母公司稅後淨利0.94億元,較第1季成長逾1.5倍,每股淨利1.32元。愛普上半年合併營收23.91億元,歸屬母公司稅後淨利1.31億元,每股淨利1.85元,符合市場預期。 \n 愛普2011年成立以來,以功能型手機關鍵元件類靜態隨機存取記憶體(PSRAM)起家,後續投入LPDDR產品線開發,2017年第4季合併力積後,再取得利基型DRAM產品線。然而近年來包括三星、SK海力士、美光等三大DRAM廠積極搶進LPDDR市場,愛普考量到與一線大廠直接競爭並無勝算,所以決定營運轉型,專注於客製化記憶體及矽智財授權,逐步淡出標準型DRAM市場。 \n 愛普未來將分為客製化記憶體及矽智財、標準產品等兩大事業範籌。在標準產品部份,考量到LPDDR毛利率過低,下半年將積極去化庫存,並改以LPDDR授權予客戶生產方式營運,未來以收取客戶投片的授權金為主。至於利基型DRAM則以物聯網、穿戴裝置等高毛利市場為主,低毛利的3C應用則會逐步降低比重。 \n 在客製化記憶體及矽智財部份,將與力晶合作,除了LPDDR的授權商業模式外,也會開發利基型應用,包括可應用在OLED面板驅動IC的2T-SRAM,以及與國際客戶或系統廠合作開發專為人工智慧設計的特殊型DRAM或其它記憶體。愛普已經與以色列人工智慧新創公司合作開發特殊規格DRAM,並爭取其它人工智慧相關記憶體NRE業務,目前在手中的客製化設計服務訂單已達1,500萬美元左右,將成為未來2~3年獲利成長新動能。

  • 人工智慧風潮 帶動晶片新需求

    人工智慧風潮 帶動晶片新需求

     自人工智慧(AI)一詞於1955年美國達特茅斯(Dartmouth)會議被提出後,正式宣告人工智慧領域的誕生,由研究人員進行數學模型的開發,讓後續數十年間全球陸續引發數波人工智慧研究以及應用風潮。 \n 然而近期人工智慧風潮的特點與前幾波不同,不在於模型研究已達到完美,而是利用神經網絡(Neural Network)程式架構搭配深度機器學習的方式,在電腦運算能力大幅提升下,能在短時間內找出最適合的運算模型,也讓複雜而完美的推論模型能在短時間被運算完成。硬體效能的提升讓Deep Mind的Alpha Go能打敗棋王,人工智慧模型AlexNet在機器視覺辨識大賽ImageNet大幅突破之前的比賽紀錄,讓一般民眾發覺人工智慧技術已逐步由科幻小說情節進展到現實生活中。 \n 人工智慧之所以不斷被各行各業引進,在於深度學習被應用在解決過去工程師無法撰寫程式解決的難題,AlexNet就是利用深度學習發展出的圖像辨識模型,進而打破過去電腦視覺演算法識別的極限,當然高辨識率亦要付出相當的代價,模型訓練耗時、高運算效能的電腦系統昂貴且耗能,以及難以理論分析及維護的模型等,但人工智慧的迷人即在於這個黑盒子的強大,也讓各行各業均積極嘗試利用它來解決困擾已久的問題。 \n 而負責執行AI運算的晶片主要為通用型的CPU(中央處理器)及GPU(圖形處理器),以及各廠商針對特殊應用的專用晶片如ASIC(特殊應用晶片),或是具可調整彈性的FPGA(可程式邏輯閘陣列)。 \n 目前應用端,實際的AI應用分為「訓練」以及「推論」,「訓練」為透過輸入大量的資料,以調整模型中CNN或RNN等神經網路層的參數達最佳化,而「推論」則是使用模型以及最佳化的參數,應用於各現實的場景中,如臉部辨識或自然語言辨識等。由於在「訓練」時,對於參數以及數學模型未定,故開發人員多採用CPU或是GPU等通用型的晶片來進行「訓練」的運算。 \n 而在「推論」端,由於模型的參數已確立,通用型的產品硬體架構運算效率不如專用晶片高,故在「推論」時,多採用FPGA或是ASIC等架構較精簡的晶片進行模型加速運算,一來是晶片運算的耗能較低,二來亦進一步降低晶片成本。 \n AI經歷了數十年的發展,直至近年來開始逐步導入商業應用,模型訓練所涉及的運算架構複雜,不僅與硬體的核心架構相關,也因為AI應用的開發者多為程式軟體人員,晶片廠商所提供的開發平台是否易於上手,直接影響到AI應用開發者採用硬體的意願,這有賴於長期的布局與推廣,非新進的廠商能在一朝一夕能打破競爭格局。 \n 然而隨著人工智慧應用在各層面擴散,在需即時反應的應用情境,如人臉辨識、自動駕駛等,人工智慧「推論」的終端晶片需求已然成型,國際大廠亦將終端「推論」晶片視為下一波發展的重點,然而市場尚在成長初期,應用發展亦尚在起步,台灣晶片廠商入場仍大有商機。 \n 目前國際晶片大廠在人工智慧產品發展上,多是朝提升產品效能著手,如提高單位耗能的運算能力,這也是造成晶片價格偏高而多搭載在高階應用中,讓當前的消費型終端應用中,實際採用人工智慧晶片進行加速的例子有限。當紅的智慧音箱亞馬遜Echo,語音辨識運作模式仍是將資料傳送到雲端伺服器進行推論,未在晶片端進行運算。雖然終端晶片導入人工智慧運算勢必帶來即時反應與回饋、使用者資訊安全保護的好處,然而亞馬遜未導入晶片運算中,除了資料仍有賴雲端資料提供外,終端晶片提升運算效能,勢必增加晶片成本,對於向來著重銷售低價硬體以換取雲端服務營收的亞馬遜來說,採用AI晶片提升成本吸引力有限。 \n 因此,除了大幅提升運算能力外,開發符合客戶需求的AI加速功能才是提升終端晶片銷售的重點,透過AI解決客戶長久無法解決的問題,諸如提升智慧型手機拍照影像品質、延長行動裝置的使用時間等,以AI解決當前零組件規格無法滿足的客戶需求,再進一步考量現有晶片需要AI功能加值的細部規格,才能避免功能過於強大的AI晶片落入無用武之地的窘境。 \n 除了功能加值外,台灣在ICT零組件以及系統製造上具舉足輕重的地位,晶片廠商能有機會與零組件及系統客戶密切合作。而台灣電子產業長於提供優質平價的產品,如何降低成本長期以來為廠商備感壓力的課題。台灣相關晶片廠商除了考慮提升AI運算效能外,亦可考慮透過AI運算,彌補模級或系統設計的不足,甚至進而可降低系統硬體成本或是提升穩定度及良率,與台灣產業型態結合的AI晶片,將進一步創造結合半導體與系統製造的人工智慧新商機。(本文作者為資策會MIC資深產業分析師葉貞秀)

  • 全世界最年輕AI專家 15歲Tanmay Baksh綻放光芒

    全世界最年輕AI專家 15歲Tanmay Baksh綻放光芒

    三月底,中東地區最適宜觀光旅遊的季節逐漸接近尾聲,在盛夏酷暑襲擊前,阿拉伯聯合大公國成員之一的沙迦王國,號召了一場盛大的高科技論壇,一口氣湧入兩千名聽眾。來自全球16個國家、40位講者中,一位年僅15歲的人工智慧專家Tanmay Baksh展露頭角。和我們日常碰到的同齡少年很不一樣,在舞台上滔滔不絕毫不膽怯,少有青澀氣息,類似的大場面他早已征戰不知多少回,若稱他為資深專業講者,一點都不誇張。 \n \n回溯Tanmay Baksh的成長歷程,2003年出生於印度,隔年全家隨著電腦工程師兼職數學家教的父親移民加拿大。五歲時,當別的男孩在堆樂高積木、玩模型車時,他已開始利用課餘接受啟蒙碰觸程式編碼;七歲時開設自己的YouTube頻道,分享程式編碼和網路開發知識,吸引上千人關注;九歲時首次開發出應用在iOS作業系統的app,之後一直以驚人速度產出。他生逢其時,靠著在家自學吸收知識,而且很快就展露頭角,成為鋒芒早露的科技網紅。 \n \nTanmay Baksh在11歲時,無意間看到一支關於IBM超級電腦華生(Watson)在益智節目中參賽過程的紀錄片,這個不可思議的發明完全迷住了他,從此一頭栽進人工智慧廣的浩瀚世界。Tanmay Bakshi嘗試了解華生,解析電腦如何從事深度學習並回答問題,一星期內他寫出可協助華生過濾最佳答案的app,還在IBM平台上開發出文件檔案格式轉換的服務。過程中他從系統上抓出一個病毒,並公布在個人推特上,引起IBM工程師注意。IBM賞識他,力邀和華生開發團隊合作,Tanmay Bakshi成為不只是IBM內,更是全世界最年輕的人工智慧高手。 \n \n15的Tanmay Bakshi雖已是人工智慧高手,但仍有少年的內心,爸爸私下透露,他對自己作息很有主見,包括在家時一定要按時收看卡通節目「海綿寶寶」,而且百看不厭。至於類似少年維特的煩惱,似乎都不是問題。而許多人都認為人工智慧將會取代人類的工作、超越人類,但在Tanmay Bakshi眼中,這是誤解和錯誤的認知,他認為人們應該好好運用由人類創造出的人工智慧,藉此擴大技能提升智慧,把已經會做的事做得更好。目前Tanmay Bakshi也開始在神經網絡研究上投入心力,透過電腦系統模擬人腦和神經系統的運作,他認為人工智慧一定能有效提升醫療照護領域,人工神經網絡的開發,未來一定會發揮作用。 \n

  • 工控記憶體需求爆發 宜鼎10月營收6.14億 創新高

     今年第四季受惠於人工智慧及自駕車、伺服器及雲端運算、工業4.0及物聯網、智慧城市及數位監控、航太及軍事防禦等五大領域新應用遍地開花,引爆工控記憶體強勁需求,加上DRAM及NAND Flash價格大漲助攻,工控記憶體模組廠宜鼎(5289)直接受惠,不僅10月營收月增10.1%,達6.14億元,再創歷史新高,手中訂單能見度已看到明年第一季末。 \n 人工智慧已成為市場新顯學,並衍生出包括自動化機器人、先進駕駛輔助系統(ADAS)、自駕車、神經網絡(neural network)等新應用,由於相關新應用需要搭配高效能運算(HPC)處理器及高階工控記憶體,推升工控記憶體模組需求爆發,宜鼎不僅第三季繳出亮麗成績單,第四季營收及獲利也將續創歷史新高。 \n 受惠於DRAM及NAND Flash價格雙漲,加上工控記憶體模組出貨放量,宜鼎第三季合併營收16.66億元,歸屬母公司稅後淨利2.40億元,同創歷史新高,單季每股淨利3.39元。累計前三季合併營收達47.04億元,歸屬母公司稅後淨利達5.38億元,每股淨利7.69元。 \n 第四季是記憶體市場傳統旺季,加上人工智慧等新應用需求爆發,宜鼎接單滿載,10月合併營收月增10.1%達6.14億元,續創單月營收歷史新高,較去年同期大增31.1%。累計今年前10個月合併營收53.18億元,較去年同期成長40.4%。 \n 法人表示,第四季DRAM及NAND Flash價格續漲,例如人工智慧、伺服器、物聯網等新應用對於工控記憶體需求又比預期強勁,宜鼎的伺服器DDR4模組、SATADOM、工控固態硬碟(SSD)等出貨暢旺,預估第四季營收應可站上18億元以上,續創季度營收歷史新高,單季獲利也將優於第三季,等於全年賺逾一個股本。宜鼎不評論法人預估的財務數字。 \n 宜鼎今年產品線布局進入多元化階段,除了工控用DRAM及NAND Flash模組外,包括儲存、通訊等工控擴充模組出貨已具規模。同時,宜鼎看好人工智慧帶來的產業變革,轉投資捷鼎國際投入全快閃記憶體磁碟陣列,另外亦成立安提國際並與繪圖晶片大廠輝達(NVIDIA)合作,推出多款嵌入式及工業用繪圖卡,已獲國際大廠青睞及採用。

  • 劉佩真》陸人工智慧晶片急起直追

    目前人工智慧主流晶片是以繪圖晶片(GPU)並行計算神經網絡為主,但現場可程式邏輯閘陣列(FPGA)、特殊應用積體電路(ASIC)、類腦晶片的潛力亦不可忽視。 \n首先在GPU方面,其優勢來自於自身具備的高並行度、矩陣預算和強大的浮點計算能力,可以大幅加速深度學習模型的訓練。換句話說,GPU具有高的計算能力、高級開發環境、不影響機器學習演算法切換的優點,雖然同等計算能力下耗能最高,但仍然在演算法開發和機器學習訓練場景中占據絕對的市場地位。其中Nvidia則是GPU的全球佼佼者,近來更在人工智慧晶片展現其深度影響力;至於大陸當前掌握GPU的廠商則包括景嘉微、兆芯等,前者與龍芯為合作夥伴,晶片主要應用在軍用飛機和神舟飛船上,後者主要技術來源則為威盛,圖形核心為美國S3 Graphics,然而與國際大廠技術水準相較,仍有相當的落差。 \nFPGA雖然與GPU、CPU相比,具有性能高、耗能低、可硬體編程的優勢,但畢竟FPGA是一種半成型的硬體,需要透過程式語言定義其中的單元配置和鏈接架構才能進行計算,研究人員需花費大量時間進行編譯,且FPGA的硬體編輯語言相當複雜,恐影響FPGA應用於深度學習過程中的效率。而Intel則是FPGA人工晶片的國際代表廠商,大陸具備FPGA晶片能力的業者則有同創國芯、京微雅格、高會等,至於市場則均高度關注中資是否成功收購Lattice,藉此於FPGA領域獲得突破,但礙於身為收購方的美國私募基金峽谷橋梁資本夥伴,背後獲得中國政府資金支持,因此目前此案仍處於3度送審美國外商投資委員會的階段。 \n而ASIC方面,由於是專用電路,可以高效低耗能地完成設計任務,但也因是專用設計的特殊用途,所以只能執行本來設計的任務,不過因為深度學習量身定制的ASIC晶片將在計算速度和功耗上趕超GPU和FPGA,故仍吸引相當多科技巨頭紛紛投入ASIC晶片,其中Google的TPU產品、Apple研發的Apple Neural Engine、北京中科寒武紀科技研發的NPU等,均是屬於ASIC類別的晶片。 \n至於類腦晶片則是一種基於神經形態工程、憑藉人腦資訊處理的模式,現階段各國政府及科技巨頭都在大力推動類腦晶片的研發進程,大陸的類腦科學研究專案更已正式啟動,2017年即由中科院、復旦大學、百度、Microsoft等進行類腦智能技術及應用國家工程實驗室計畫,藉此建立腦認知和腦模擬技術研究與實驗平台。 \n綜而言之,大陸在各類人工智慧晶片均展開布局,僅是整體研發及商品化的進程仍有待突破性的發展,況且大陸在人工智慧晶片採取海外優質資產的收購動作,尚受限於先進國家進行嚴格審查而出現卡關,惟大陸在人工智慧晶片終端平台建置仍有其優勢,將持續驅動整體供應鏈的發展。 \n(作者為台灣經濟研究院產經資料庫副研究員) \n

  • 蘋果搶攻人工智慧 圖像辨識能力大提升

    蘋果在人工智慧(AI)研究有新成果。外媒報導,蘋果日前公布一項研究報告,可提升電腦視覺系統對現實世界圖像的辨識能力。 \n 富比世(Forbes)與科技媒體網站MacRumors和Appleinsider報導,蘋果上週公布一項有關人工智慧辨識的學術研究報告,指出可提升電腦視覺系統的圖像辨識能力。 \n 在機器學習(machine learning)研究領域,運用人工合成圖像(synthetic images)訓練神經網絡(neural network)可以更有效率,因為合成影像已具備加註(annotate)和標記(label)等演算法處理。 \n 不過人工合成圖像相較現實世界的圖像,卻又不夠「真實」,因此可能讓電腦視覺系統的圖像辨識能力受到侷限。 \n 報導指出,蘋果這項研究報告,透過結合模擬圖像和真實圖像的比對式訓練技術,可提升電腦視覺系統對現實圖像的辨識能力。 \n 報導指出,蘋果不再限制研究人員或員工對外發表有關人工智慧或是機器學習領域的研究成果。 \n 蘋果執行長庫克(Tim Cook)日前表示,機器學習技術讓蘋果產品和服務更聰明,蘋果已經採用機器學習技術多年,進而提升使用者經驗,蘋果會透過研發或併購持續投資機器學習領域。 \n 外媒先前報導,蘋果積極擴增聘請人工智慧團隊規模,近年來蘋果在人工智慧專家的人數規模,估計成長3倍到4倍之多。 \n 透過併購方式,蘋果積極深化人工智慧技術。外媒先前報導,蘋果併購英國新創企業VocalIQ,這個新創企業主要開發人工智慧軟體,透過機器學習和語言處理技術,打造虛擬助理軟體,可讓電腦「說話」,突破擬定腳本或特定指令的語音互動模式,讓科幻電影中虛構的情節有機會成真。 \n 蘋果先前併購一家小型新創企業Perceptio,這家企業研發的目標是開發以人工智慧為基礎的影像識別系統,這個系統可應用在智慧型手機產品。1051227 \n

  • 大預言:人腦植入電子裝置對抗人工智慧

    大預言:人腦植入電子裝置對抗人工智慧

    美國著名科技創業家、特斯拉(Tesla)汽車與SpaceX航太公司的執行長艾隆‧慕斯克(Elon Musk)預言,人工智慧(Artificial Intelligence, AI)發展愈來愈強大,未來人類可能必須借助在腦中植入電子神經網絡來對抗或掌控它。 \n路透社報導說,慕斯克是在本周一個由線上出版平台Recode所舉辦的科技論壇上做出上述預言。以注射方式進行人腦與電腦連網或許很像科幻小說情節,但是,科技業的巨們一再強調,AI的快速發展已經開始改變人們的日常生活。 \n根據美國銀行引述研究機構IDC的報告指出,目前科技業界投入大量資金與人力進行AI研究,預計其產值將由2013年的82億美元成長到2020年的700億美元。 \n從爬梳大數據、建立模式到預測結果,這種AI的分析功能已廣泛應用在網路研究、市場行銷策略、證券與金融交易程式上,未來將大量進入無人駕駛汽車與勞務機器人身上。 \n谷歌公司執行長皮蔡(Sundar Pichai)表示,他從AI的看到大量的發展機會,谷歌從深度神經網絡(deep neural networks)開始,到3、4年前的人聲辨識技術,未來則會在機器自我學習上與亞馬遜(Amazon)、蘋果、微軟競爭。 \n不過皮蔡與其競爭者都明白,機器自我學習目前還只在嬰兒期階段,例如先前微軟的聊天機器人Al chatbot在推特上就種族議題進行自我學習時鬧出風波,讓該公對外道歉,並決定暫時把聊天機器人帶回實驗室內更改程式設計。 \n亞馬遜CEO貝佐斯(Jeff Bezos)預測,AI對社會的重大衝擊將在20年內陸續出現,此一發展將開啟一個黃金時代,前景令人興奮。亞馬遜於4年前投入發展AI,目前約有一千名員工正在進行聲控式智慧助理系統Alexa的研究。 \n包括亞馬遜在內的大型科技公司因擁有大量網路數據而有更多競爭優勢,不過未來數年內,AI的創業公司將如雨後春筍般出現。 \nIBM執行長羅米帝(Ginni Rometty)說,從2005年該公司研發Watson超級電腦時便已開始進行一種名為「認知系統」的AI研究,他認為5年內認知系統的人工智慧就會在醫療、教育與金融服務的決策上造成重大影響。 \n不過,在AI的發展上,論壇上的發言還是以慕斯克的預言最受矚目,尤其他提到的電子神經網絡植入人腦這種科幻小說情節上。與會人士說,這會讓人關注到底未來幾年谷歌與特斯拉將推什麼驚世駭俗的新產品,另外也迫使人們從哲學層次進行思考:植入電子神經網路並與電腦聯結後,我們還算是人類嗎? \n

回到頁首發表意見