Category Archives: AI 人工智慧

張忠謀:4 成長平台都會有 AI 投入大資源

作者 |發布日期 2017 年 11 月 04 日 15:59 | 分類 AI 人工智慧 , 晶片

台積電董事長張忠謀表示,行動裝置已開始有人工智慧 (AI) 功能。他指出,台積電 4 個成長平台都會有 AI ,將會投入相當大資源,預期未來也將會有很大貢獻。

台積電今天舉辦運動會,張忠謀在記者會中指出,現在行動裝置已經開始有 AI 功能,未來絕對會有很多 AI 在行動裝置裡頭; AI 在健康醫療方面應會先看到效果,如預警中風。 繼續閱讀..

CSI 辦案技術成真?德團隊開發出 AI 演算法,能讓低解析度照片清晰化

作者 |發布日期 2017 年 11 月 04 日 8:00 | 分類 AI 人工智慧 , 尖端科技 , 會員專區

在許多犯罪辦案電視劇中,你經常看到調查人員使用一個特殊軟體,將監視器拍到的低解析度照片清晰化,這一幕是許多人認為電視劇設定不夠符合真實的證據,但這種情況可能在不久後的未來就會出現改變,因為科學家已開發出真實版的類似軟體。 繼續閱讀..

LINE 台灣技術大會,Chat BOT 成企業接觸客戶的新管道

作者 |發布日期 2017 年 11 月 03 日 19:12 | 分類 AI 人工智慧 , 會員專區 , 物聯網

這年頭科技界流行 AI,莫不投入相當大的資源來開發相關技術以及應用。而目前 AI 要轉換為實際面對客戶的產品,chat BOT 是最容易做出來的產品,市面上已經有不少款智慧音響以及附在即時通訊軟體的 chat BOT,提供諸如客服或是搜尋日常生活資訊如天氣、交通、行程等。LINE 今日 (11/3) 在台北舉行 LINE Taiwan TechPulse 2017 技術大會,將前些時候在東京開發者大會的最新 LINE 技術趨勢介紹給台灣的開發者,希望廣大的開發者社群能夠運用 LINE 提供的功能,在 LINE 的生態圈下開發吸引人的新奇或實用的應用。 繼續閱讀..

鼓勵由下而上創新,南科推 AI Robot 自造基地

作者 |發布日期 2017 年 11 月 03 日 18:10 | 分類 AI 人工智慧 , 機器人 , 科技政策

自造者運動(Maker Movement)在國內還略顯生澀,但在全球則已掀起一波浪潮,強調透過社群力量與共享經濟模式,發起由下而上的創新,而結合我國以「小國大戰略」思維推動人工智慧,南科預計 4 年投入 10 億元推動 AI Robot 自造基地,除提供軟硬體設備、開放式創新平台等,也可連結廠商進行小量客製量產,期望能培養國內 AI 人才與實現更多創新機會。 繼續閱讀..

微軟研發具 AI 運算晶片,將應用於 HoloLens 及其他硬體

作者 |發布日期 2017 年 11 月 03 日 12:30 | 分類 AI 人工智慧 , Apple , Microsoft

根據美國財經網站 CNBC 報導,本週微軟(Microsoft)設備部門的全球副總裁 Panos Panay 接受媒體聯訪時指出,微軟正在研發下一代 HoloLens 頭戴顯示器使用的 AI 晶片。除了用在 HoloLens 之外,微軟或許還會將它應用到旗下其他硬體產品。

繼續閱讀..

AI 研究品質調查,中國快速攀升 15 家入百強

作者 |發布日期 2017 年 11 月 03 日 11:44 | 分類 AI 人工智慧 , 會員專區

AI 可能引發下一次工業革命,世界各國都在爭搶 AI 人才。先前美國麻州大學教授做了一項電腦科學論文發表數量排名,前十名全部是美國大學,亞洲國家中新加坡國立大學排第一,在全球排第 15,中國大學在亞洲前十名的也有不少。這次日經新聞與荷蘭學術出版公司 Elsevier 合作的一項調查顯示,根據論文引用次數來看,全球前十名中,中國大學佔據 2 個位置。 繼續閱讀..

AI 運算需要什麼? Intel:當然是強悍的處理器

作者 |發布日期 2017 年 11 月 03 日 7:30 | 分類 AI 人工智慧 , 伺服器 , 晶片

Intel 先前推出 Xeon Scalable 系列伺服器專用處理器,包含白金、黃金、銀、銅等不同等級產品,取代先前 E7、E5、E3 命名方式,並能帶來高於前代產品 1.73 倍的綜合效能表現,在深度學習方面更有 2.2 倍的效能表現,相當適合用於人工智慧領域,Intel 也說明了人工智慧的效能需求與一般運算有何不同。 繼續閱讀..

AI 加速器自學組裝指南(一)──基本架構

作者 |發布日期 2017 年 11 月 02 日 15:09 | 分類 AI 人工智慧 , 伺服器 , 電腦

隨著人工智慧議題越來越熱門,越來越多人開始投入 Python 或 R 語言的學習,且透過各種強大的開源套件如 Tensorflow、Keras 、Caffe、Torch、Scikit-learn,大幅降低了我們進入機器學習及深度學習的門檻。不少初心者想問,該使用怎樣的硬體環境才能加速訓練資料的時間?如果你或你的公司打算建構一個 AI 運行環境,本文或許能帶給大家一點幫助,少走點冤枉路;也歡迎有經驗的你,在文章下面留言給予大家更多建議。 繼續閱讀..