智慧應用 影音
Reserch
電子時報行動版服務
徐宏民
  • 台大資工系教授
徐宏民(Winston Hsu)現任台大資工系教授及NVIDIA AI Lab計畫主持人。哥倫比亞大學電機博士,專精於機器學習、大規模影像視訊搜尋與辨識。為訊連科技研發團隊創始成員,慧景科技(工業智能新創)共同創辦人;曾任IBM華生研究中心客座研究員、美國微軟研究院客座研究員。習慣從學術及產業界的角度檢驗技術發展的機會;十餘年產學合作及新創經驗,近年致力將深度學習技術落實到產業,並協助成立研究開發團隊。曾獲2018 IBM Research Pat Goldberg Memorial Best Paper Award 、2018偽裝人臉辨識冠軍、傑出資訊人才獎、吳大猷先生紀念獎等國內外研究獎項。
電動車時代 還是秤斤論兩賣電子零件?
汽車產業進入典範轉移,電動車以及自駕車商機湧現。業界預估,以每年全球汽車產量9,000萬台換算,所需的半導體與被動元件消耗量,等同於20億支智慧型手機(過去幾年智慧型手機的最高年度銷售量還不到15億支),可以想像背後可能的龐大商機。
2021/9/7
Tesla為何自己設計晶片?
Tesla前些日子召開AI Day,揭露他們在自駕車未來的AI軟體以及晶片布局。目前市值最高的汽車品牌,在乎的技術是AI軟體以及運算晶片上的突破。前幾年還不清楚為何Tesla抱怨車用晶片供應商提供的晶片不敷需求,要自己設計,幾年之後他們推出自己的車用晶片,包含了12個CPU,一顆GPU,2顆NPU (每顆算力36.86 TOPS)。而原因日益明朗:深度軟硬整合。
2021/8/31
降低自駕技術資料成本
前面的文章提到Tesla之所以能拋棄雷達(Radar)或是光達(LiDAR)而使用全視覺的技術,其中一個要素是使用大量的訓練質料來提升「感知」以及「預測」能力。另一個自駕團隊Lyft Level 5近期研究也發現足夠的訓練資料可以大大提升自駕品質:在預測的工作上如果訓練資料由10小時提升為1,000小時,每1,000英里自駕出錯機率會降為11分之1。訓練資料在自駕上扮演了關鍵的角色,特別是目前的演算法都採用了以深度學習為基礎的架構。
2021/7/20
軟體吃掉硬體的自駕技術
隨著自駕技術的發展,許多的團隊把技術的眼光專注在可擴展性(scalability)上,希望將技術轉換為自駕產品時,能具有合理成本,如硬體穩定度高、價格可以被市場接受、在可見的時間內獲利,以及能以低人力或時間成本,轉移到不一樣的場域或國家。如為無人計程車(robotaxi)開發的自駕技術可以使用在個人自駕車,或是在舊金山通行的自駕能力,也可以無痛在台北使用。
2021/7/13
自駕技術讓行車更安全?
根據WHO的研究,每年全球約有130萬人死於交通事故,這樣的數目高於每年因HIV/AIDS致死人數,或是等同於每30秒就有一人因車禍受難。肇事的原因可能因為機械問題,或是其他車輛的失誤。常見的是行車時沒有察覺路況(疲累、撿掉下的手機等)、預估失準、或是在關鍵時刻無法適時反應而造成意外。
2021/6/29
人機互動研究洞察新契機
疫情嚴峻,學生被迫在家上課,大量企業決定分流或是全數在家上班,許多人工作型態轉為接連不斷的線上會議,措手不及。還好疫情遠距工作在歐美已經進行了一年多,有許多經驗值得我們參考。例如,微軟(Microsoft)的研究團隊最近在人機互動頂尖會議CHI 2021發表一篇學術研究,從公司內部715人的行為,建議有效的遠距工作會議應當:避免早上舉行重要會議、減少不必要會議、縮短會議時間、鼓勵與會者參與討論、允許會議中多工處理其他工作等。
2021/6/17
20年相機技術更迭教我們的事
第一次使用數位相機是2001年到尼泊爾爬山時,也一起帶了使用正片與負片的傳統相機。雖然解析度不高(640x480),卻頻於分享數位相片,因為方便在電腦上觀看、聚會時投影出來解說旅程的故事、或是透過電子郵件分享。所以「數位化」、「便於分享」彌補了早期數位相機品質的不足。
2021/4/27
產品化物件偵測技術(二)
前面的文章概略描述物件偵測技術對推動產業智能化至關重要,近年核心技術也由傳統做法提升為深度學習,帶來更多突破。
2021/4/13
產品化物件偵測技術(一)
在深度學習影像研究中,最時常被拿來展示的,應是「物件偵測」(object detection)技術,其目的為在給定的影像中標定出有興趣的(目標)物件,提供物件位置邊框以及類別(如人、車、單車、巴士、號誌等)。
2021/4/7
跨越深度學習技術產品化的障礙
即使深度學習技術在各個領域帶來突破,甚至逐漸翻轉各種產品服務,可是還能聽到產業界對於這些新穎的研究能否應用到產品上抱持著懷疑的態度。
2021/3/24