• 客服專區
  • 登入
  • 註冊
產業簡報

events近期活動

      keyword關鍵議題

      expert熱門專家

        POP REPORT熱門文章

        i卡會員

        歡迎免費加入,享有多項免費權益!

        >

        PRESENTATIONS主題推薦

        POPULAR熱門專區

        FIEK360系列|人工智慧發展之挑戰與因應
        • 2017/12/18
        • 8106
        • 1058

        簡報大綱

        『眺望~2018產業發展趨勢 - 精選議題院內分享』

      • 數位科技應用發展浪潮下,人工智慧(AI)已成為物聯網後的產業焦點,但相關的新議題也陸續浮出。產業面臨技術選擇、機器反撲之社會影響等不確定因素,未來AI發展的許多挑戰應如何因應?
      • AI的加值,讓智慧機器人(IR)的應用模式與價值更為強化,台灣精密機械製造廠商應如何透過與資通訊廠商整合,運用人工智慧技術強化台灣機器人產品與服務的競爭力,AI-IR能否再次推動製造業飛躍前進?
      • 隨著國際AI大廠Nvidia、Uber與無人小巴EasyMile進入,汽車電子產業結構將重新詮釋。國際車廠與ICT的合作日漸密切,台灣業者是否能趕上這波智慧車輛機會,再創資通訊與車輛零組件產業新契機?
      • 4G通訊服務才成標準,下世代5G技術卻已來到門口。隨著網路軟體化勢力興起,通訊設備供應商漸朝向IT化發展,技術變革與新商業模式將是競逐焦點,展望2018年台灣通訊產業關鍵議題,帶您先賭為快!
      • 在再生能源滲透率提高造成的電網環境改變下,儲能設備將是未來新興能源運用,以及調和電力供需的的利器之一。面對持續進化的能源供需新架構,儲能產業如何因應再生能源變局下的機會與挑戰?
      • 簡報內容

        人工智慧發展之挑戰與因應
        NO.1
        近年AI發展突飛猛進的三大要素資料、運算與演算法
        NO.2
        機器學習、深度學習與神經網路深度神經網路模型是目前AI發展的焦點
        NO.3
        人工智慧發展面臨的挑戰深度學習發展的六大挑戰
        NO.4
        一、資料需求太大
        NO.5
        訓練深度學習演算法所需資料量太大多數企業僅有小數據欠缺大數據
        NO.6
        運用GAN來產生供訓練之數據資料生成對抗式網路
        NO.7
        當資料規模不足時,訓練出來的模型將具偏見演算法社會可能逐漸失衡
        NO.8
        二、知識難以累積遷移學習
        NO.9
        深度學習演算法難以累積技能與知識每一種應用都需要重新建立模型
        NO.10
        透過遷移學習技術讓模型具備知識累加能力利用演算法內的共通點
        NO.11
        三、從雲端到邊緣
        NO.12
        傳統x86架構CPU並不適合深度學習運算
        NO.13
        國際大廠於AI晶片之布局
        NO.14
        IBM早於2012年推出類腦神經架構運算晶片效能絕佳,卻難以商業化
        NO.15
        AI專用運算晶片之定義與名稱NPU是較為常見的名稱
        NO.16
        四、訓練成本太高
        NO.17
        在數位世界訓練機器人減少成本、創造資料、提升訓練效率
        NO.18
        三套國際主要AI虛擬訓練平台
        NO.19
        五、感知與認知能力仍不及人類
        NO.20
        AI需要從單一感測走向多重感測人類是複合感知動物
        NO.21
        六、從感知到決策
        NO.22
        人工智慧發展從感知與認知,到決策與創造
        NO.23
        從監督式學習走向非監督式學習讓AI走向高階智能的演算法趨勢
        NO.24
        謝 謝
        NO.25

        推薦閱讀