i卡會員

AIoT時代下，各種應用場景包括智慧製造、工業機器人、服務型機器人、自動駕駛、智慧穿戴(如AR/VR/XR)等都需要大量的自動化流程、人機互動、協同運作、感知運算與認知決策等，這其中主要的成敗關鍵就在於人工智慧之機器學習技術，因此全球產學研皆致力機器學習技術及其演算法的突破，以解決目前機器學習所面臨的投入成本高、環境變數大、機器運算處理過程複雜等問題。本文從機器學習技術五大學派之核心理念、全球大廠機器學習與深度學習之人工智慧開放式平台發展、機器學習技術的發展方向等層面出發，分析目前全球機器學習技術發展趨勢。有鑑於AIoT是台灣高科技產業機會，且台灣具有成為全球AIoT生態體系關鍵要角之相對優勢，故最後提供發展建議方向，給台灣有意願深耕機器學習領域之業者參考。

【內容大綱】

• 一、機器學習技術的學派
• 二、國際大廠建構人工智慧開放式平台
• 三 機器學習技術發展方向
  • (一) 降低機器學習成本
  • (二) 發展跨任務機器學習框架
  • (三) 讓機器有效學習如何自我學習
  • (四) 不需人類知識經驗即可自主學習
• IEKView

【圖表大綱】

• 圖1、機器學習技術關聯與五大學派分析
• 表1、全球大廠的人工智慧技術開放平台列表
• 圖2、機器學習技術發展方向
• 圖3、DeepMind遷移學習技術案例分析
• 圖4、跨任務機器學習技術案例分析