徐宏民專欄

TERADYNE

member

徐宏民

台大資工系教授

徐宏民(Winston Hsu)現任富智捷(MobileDrive)技術長暨副總經理以及台大資訊工程學系教授。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(thingnario)共同創辦人，NVIDIA AI Lab計畫主持人；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。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。

人臉辨識的核心問題與商機

隨著攝影鏡頭的普及以及安全防護的需求，近來人臉辨識相關技術成為產業界關心的對象。搭配運算速度的提昇、深度學習技術的突破、以及許多使用者端、企業端、政府端各種實質應用情境，也觸發除了指紋、虹膜等生物特徵辨識之外的產業機會。

對於技術革新，該是焦慮還是擁抱？

回顧人類科技的發展歷史，每次的技術變革，都引起巨變、焦慮。但是1971年代開始的資通技術革命，其實台灣的產業界是很大的受益者。為什麼？因為產業以及政策的配合，讓我們可以快速的「擁抱」資通技術革命之後所帶來的龐大商機。

發表學術論文跟產業脫節？

上星期在南港參觀智慧機械展，第一次看了台灣諸多「隱形冠軍」們，智能化成為業界目前努力的方向，大家朗朗上口，不過落實的部份非常少。

技術債－天下沒有白吃的午餐

前一陣子，負責智能技術的Intel副總兼CTO Amir Khosrowshahi 來台，有機會交流。Amir說明Intel在未來智能服務的定位。其中提到了NIPS 2015 Sculley的論文中「Technical Debt」(技術債)的概念—原意為軟體工程中太快速、輕忽的開發，所招致的長期成本負擔。

NVIDIA GTC 2018觀察（二）：深度學習市場的期待

接續在GTC 2018的觀察。這個在矽谷聖荷西舉辦，近年來人工智慧（深度學習）技術最火熱的產業會議，今年人數爆增到8,500人。

NVIDIA GTC 2018觀察（一）：超越摩爾定律的是？

GTC是NVIDIA主辦，已經歷時10年的技術會議，在總部附近的聖荷西會議中心舉辦，展示突破性的軟硬體技術。過去是高速運算、電腦遊戲相當重要的產業會議。近年來更是人工智慧（深度學習）技術相關最火熱的產業會議。過去5年來，報名人數由2,000人增加到8,500人。

泛人工智慧的技術領域

早期（1950年左右）的人工智慧研究因為技術及環境碰到瓶頸，一直未能落地。直到這幾年「深度學習技術」突破之後，「人工智慧」又再火紅回來。目前大眾媒體將電腦做智能分析（或決策）的相關服務都統稱為「人工智慧」（AI），這是一個偏行銷的用詞。而其中的關鍵技術，一般稱為「機器學習」(Machine Learning)，有數種不同的子領域，在1980年代開始已陸續實現在一些預測、推薦、分類的應用。因為資料（e-mail、網頁、產品、文件、資料庫、等）逐漸增多之後，自然需要更聰明的功能。根據需求以及可得的資料，電腦科學家嘗試去「逼近」某些「智能方程式」。

企業端剛性需求將是智能科技商機所在

前些日子參加國內創投業者的年會，並加入論壇交流，第一次面對這麼多的創投業者，讓身處學界的我從另一個面向來看技術的革新。

智能產品開發沒有免費的訓練資料

最近在幾個中文網站都看到類似的文章下著聳動的標題”人臉辨識系統是否有種族、性別歧視？”故事源自於紐約時報的一篇文章以及其所引用麻省理工學院最近發表的某篇論文。大意是說經過實測三家公司（Microsoft, IBM, 以及大陸的Face++）的人臉辨識API（應用程式介面），發現在深膚色的人種上，辨識效果奇差，甚至錯誤率達到35%。

<<
3
4
5