自1956年開啟人工智慧(AI)元年至今,歷經兩次低潮,得益於大數據和深度學習的技術突破,AI再度迎來第三波快速發展期,各式應用遍地開花。世界經濟論壇(WEF)曾預測,2025年全球將有50%工作崗位由機器取代;去年行政院全科會在「台灣2030願景」所提的四大關鍵議題,亦立基於人工智慧與數位轉型展開,顯見產業升級與AI化迫在眉睫…
新世代AI發展樣貌可能連圖靈也始料未及,台灣這座科技寶島又該如何抓住這波轉型升級浪潮、從AI躍升至AI+?在DIGITIMES Research於2021年7月15日所舉辦的產業趨勢論壇中,將由分析師團隊為您全面解構當前AI發展趨勢,從基礎層到應用面,範圍涵蓋AI晶片、AI產業與技術進展、醫療影像AI應用、智造數位轉型等熱門議題,並特邀北榮主任醫師分享業界實務經驗,歡迎報名參加!
議題重點:
DNN推論應用始於雲端,隨人工智慧與高效能運算需求增加,大型雲端服務商將CPU與GPU、FPGA與ASIC等協同處理器整合為異構運算,針對不同任務選用合適的協同處理器,使系統總運算效能與效率最大化,而產業供給面與市場需求面兩大因素再共同推動DNN推論應用從雲端擴及邊緣與終端。而美中競合關係亦對AI晶片發展帶來關鍵影響。
議題重點:
儘管AI產業結構逐漸完整清晰,然企業導入AI發展智慧化應用仍面臨諸多挑戰。回應這些挑戰成為近期AI產業關注議題,包含利用生成技術、聯合學習與自動機器學習等技術,分別對應改善數據短缺、隱私疑慮與ML模型繁瑣開發過程,並透過了解當前AI通用能力新焦點GPT-3,掌握未來AI產業發展趨勢,有利於企業加速發展AI應用。
議題重點:
醫學影像人工智慧的發展,依賴收集巨量的影像資料,作為人工智慧學習與模型開發的素材。但是受制於醫療單位彼此之間資料不易互通與共用,加上資料自主權的主張,真正巨量醫學影像的集中與收集,通常不易達成。在聯合學習的環境中,影像資料雖分散於各個節點單位,但透過網路連結共享人工智慧模型,可集中且共享各節點的推論結果,經由統計運算集結此推論結果,雖然資料不出門,也可達到與「集中資料以開發人工智慧模型」的相同。
議題重點:
全球經濟環境快速變動,考驗企業應變能力,製造業積極從勞力密集轉型至技術密集,AI+智慧製造成為新的浪潮,目前常見及成熟的AI技術,可協助製造業快速導入提昇生產效益,然而,導入AI並非跟著流行為AI而AI,應評估策略及效益分析後,選擇性投入方可成功達成目標。
**活動主辦單位保留議程內容變更、活動流程變更之所有權利**
分析師兼專案經理
DIGITIMES Research
分析師
DIGITIMES Research
分析師
DIGITIMES Research
主任醫師
台北榮民總醫院
分析師
DIGITIMES Research