AI 趨勢新聞精選
【2021/1/14〜2021/1/20】
➡️ ➡️ 我們將在電子報提供您更深入數據處理洞察，點擊連結訂閱：https://ai-blog.flow.tw/register
經濟學人開示2021趨勢 台灣扮關鍵角色
天下雜誌重點摘錄：
從2020年底到2021年，疫苗開始被授權施打，但這顯然太過於樂觀。有預估認為，全球商務旅行可能會下降40%左右，而且可能永遠不會恢復到疫情前的水準。
疫情鼓勵更多人以更快速度接受新科技，無論網購、遠距工作、線上教學、遠距醫療，2020年就達到過去預期在2026年或2030年才能達到的水準。
台灣在全球科技產業中扮演關鍵角色，尤其英特爾晶片製造衰落，台積電變得更重要，世界會因此更關心在東亞與台灣發生的事，因為會影響全世界。
不斷演進、既神奇又危險的AI…
EET重點摘錄：
在全虛擬化的2021年國際消費性電子展(CES)期間，Intel旗下Mobileye執行長Amnon Shashua與《紐約時報》(New York Times)的專欄作者Thomas Friedman針對人工智慧(AI)的未來進行了一場對談；他們都同意，在「超級智慧」電腦變得比人類更聰明之前，那些機器必須要被植入與其人類發明者一致的「常識」(common sense)。
為了形容AI的快速發展，Friedman以經典運算和量子運算之間的不同做為比喻，指出今日的AI屬於經典類別；他指出：「經典運算就像是拋擲一個25美分硬幣，0或1、正面或反面，如果你能把一個硬幣在電晶體上拋擲10億次，就具備運算與儲存功能。量子運算則像是旋轉一個硬幣，在同一個時間可以有多個狀態。」
「這不是科幻小說，在過去兩年，對語言的理解已經有飛躍性的進展；」Shashua表示，「在接下來兩年、最多五年，我可以預見電腦能理解文字並通過閱讀測驗。高中的閱讀測驗非常複雜，目前沒有電腦可以通過；但兩年內我相信它們可以。」
推薦閱讀：Amnon Shashua是誰？你不能不知道的全球知名電腦視覺專家，用AI開發OrCam讓視障者聽見世界。
2021的AI要走向哪裡？
知勢重點摘錄：
企業所面臨的未來是紛繁且充滿不確定，強化式學習（Reinforcement Learning）與分散式學習（Collaborative Learning）正在打造適應性更強、更靈活的系統來處理複雜的業務。
科技大廠開始大量投資可佈署在邊緣設備（Edge Devices）上的新晶片架構（例如仿神經形態硬體），此舉大幅提升了機器學習的計算和負載能力，並且降低對需要高頻寬的集中式系統的依賴。
到2022年，公有雲服務將會對90%的數據分析產生重要影響。數據分析師所關注的，正在從守住既有的服務成本，變為如何創造超乎價格的工作績效要求，也就是說，價格不再是最重要的，重要的是價值。
英業達獲美國際開發總署 AI 競賽冠軍
科技新報重點摘錄：
英業達旗下 AI 團隊參加美國國際開發總署（United States Agency for International Development, USAID）所舉辦的數位國際競賽，最後在參賽的 80 個團隊中，得到冠軍。
該團隊藉著應用先前代工廠原物料備料預測專案的經驗，以 AI 演算法來預測非洲象牙海岸地區避孕用品的消費量，希望藉著避孕用品預測使用量的普及來協助象牙海岸地區生育率的下降。
英業達說明，這次參與美國國際開發總署所舉辦的避孕藥、避孕用品消費量的 AI 模型預測，主要也是因為非洲象牙海岸的生育率居高不下，聯合國即使已經補助或協助象牙海岸的婦女避孕的知識或是提供避孕的產品，仍無法改善生育率節節上升的趨勢。
數據長尾問題如何解？
科技報橘重點摘錄：
機器學習的模型建立時，對於資料來源科學家們會有一個基本假設，就是資料的種類與數量是「平均分布」的。但現實中的資料往往呈現一種極端的不平衡現象，常見但少量的類別，與罕見卻大量的類別，兩者資料數量會形成非常懸殊的差距
研究發現，這些不平衡的資料標籤，就像是一把雙刃劍。一方面，這些標籤提供了非常珍貴的監督資訊。在特定任務上，有監督學習通常比無監督學習的準確性更高，即使不平衡，標籤也都具有「正面價值」。但另一方面，標籤的不平衡，會導致模型在訓練過程中，被強加標籤偏見（label bias），從而在決策區域被主類別極大地影響。
