熱門關鍵字:ADAS | 藍牙5 | NB-IoT | AI | 工業4.0

訂閱電子報

立刻輸入Email,獲取最新的資訊:

收藏功能:
分享報新知:
其他功能:

DNN協助眾多產業發展 軟硬整合更具競爭力

文‧程倚華 發布日期:2017/07/28 關鍵字:人工智慧深度學習AI

人工智慧世代來臨,在這波科技改革浪潮下,工硏院日前舉辦第二屆「資通訊科技日(ITRI ICT TechDay)」論壇。會場除了展示許多最新的物聯網、人工智慧應用技術之外,也分析人工智慧當前的市場概況與技術進展。在未來,深度神經網路(Deep Neural Networks, DNN)技術將成為軟體開發的重要方式,而各產業都將需要能掌握該技術的人才。

工研院資通所所長闕志克指出,在當代關於人工智慧的議題討論中,核心其實就是在探討DNN技術。DNN是一種模仿生物神經系統的數學模型,能夠讓研發的程式具有自我學習的功能,可以延伸應用到醫療、製造、金融與商業。闕志克預期,在接下來幾年DNN演算法的研發將成為資通訊領域的發展重點。

闕志克進一步解釋,以往的人工智慧強調監督式機器學習(Supervised Learning),若電腦需要分析、解讀圖像,首先必須建立大量的圖片資料庫。然而,未來講求非監督式(Unsupervised Learning)的機器學習則不再以相同邏輯運作。機器學習與人工智慧已經不是高不可攀的口號,而是未來軟體開發的重要方式。此變動將同時為人力市場帶來衝擊,台灣產業勢必要有應戰策略。

行政院政務委員吳政忠表示,台灣經濟體小而精幹的特性,具備相對較高的產業整合速度,必須要善用此優勢。過去,台灣已累積了相當厚實的代工經濟基礎;在未來,除了持續累積硬體製造技術之外,更必須加強軟體與硬體的整合,走向終端應用。

闕志克認為,台灣擁有優良的IC設計技術,並在全球半導體市場具有高市占率,面對此人工智慧大浪必須要針對「產業的AI化」和「AI的產業化」兩個方向努力。產業的AI化意指將DNN技術視為一種基礎工具,運用在醫療、工業、金融等各行各業;AI的產業化則是指將高效的DNN技術轉換為一種盈利模式。台灣的人力資源環境而言,儘管許多產業對於DNN少有認識,卻對於其他的機器學習概念並不陌生,要滿足「產業的AI化」較為容易;然而,若要滿足「AI的產業化」則要面臨相對較多挑戰。

研討會專區
熱門文章