人工智慧在台灣: 產業轉型的契機與挑戰 - SlideShare

有人說，資料是新時代的石油；那麼，人工智慧(AI) 就是新時代的電力，未來將不會有任何現代產業與AI 無關。

問題在於AI 技術的引入會面臨兩大挑戰，挑戰一，AI 是解決 ... SlideShareusescookiestoimprovefunctionalityandperformance,andtoprovideyouwithrelevantadvertising.Ifyoucontinuebrowsingthesite,youagreetotheuseofcookiesonthiswebsite.SeeourUserAgreementandPrivacyPolicy. SlideShareusescookiestoimprovefunctionalityandperformance,andtoprovideyouwithrelevantadvertising.Ifyoucontinuebrowsingthesite,youagreetotheuseofcookiesonthiswebsite.SeeourPrivacyPolicyandUserAgreementfordetails. Upload Home Explore Login Signup Successfullyreportedthisslideshow. Activateyour14dayfreetrial tounlockunlimitedreading. 人工智慧在台灣:產業轉型的契機與挑戰 11 Share Sheng-Wei(Kuan-Ta)Chen • May.06,2019 • 11likes • 21,146views DownloadNow Download NextSlideShares Youarereadingapreview. Activateyour14dayfreetrial tocontinuereading. ContinueforFree UpcomingSlideShare [台灣人工智慧學校]人工智慧民主化在台灣 Loadingin…3 × Facebook Twitter LinkedIn Size(px) Starton ShowrelatedSlideSharesatend Share Email     Topclippedslide 1 1of233 1of233 人工智慧在台灣:產業轉型的契機與挑戰 May.06,2019 • 11likes • 21,146views 11 Share DownloadNow Download Downloadtoreadoffline Data&Analytics 有人說，資料是新時代的石油；那麼，人工智慧(AI)就是新時代的電力，未來將不會有任何現代產業與AI無關。

問題在於AI技術的引入會面臨兩大挑戰，挑戰一，AI是解決特定問題的技術：同樣是深度學習模型，要解決什麼問題，能解決什麼問題，能解到什麼程度，產生多少價值，在每家公司都不一樣，多元性及客製化程度遠比導入ERP(企業資源計畫)、CRM(客戶關係管理)系統高得太多。

例如，同樣是AOI(自動光學檢測)技術，在A公司做來檢測電路板的瑕疵，在B公司檢測織物的瑕疵，在C公司檢測玻璃的瑕疵，以高標準來要求的話，絕對不是調整參數就好。

因此，未來的五年甚至更久的時間內，很難期待會有套裝系統可以直接購入及進行簡單客製化，符合各產業、各公司、各種問題的期待。

挑戰二，AI並沒有辦法plug&play(即插即用)：目前的AI皆由機器學習模型來驅動，而機器學習必須要有大量資料來訓練。

若公司內原本並沒有蒐集某個想要解決的問題的資料，或是資料蒐集時間不夠長，任你找到絕世高手或買到厲害的系統也沒有用。

例如，若要進行未來半年的某產品銷量預測，通常需要該產品或同類型產品及競品在過去三年或五年以上資料，以及搭配的各式環境因素、客戶訂單資料等等。

若是沒有這些資料準備好，AI系統就是不能動，沒有油就沒有辦法發電的道理。

幸運的是，這一波(也是人類史上的第三波)的AI浪潮伴隨著「人工智慧民主化(AIDemocratization)」的趨勢，最重要的概念是，AI技術不應該只被某些跨國企業所壟斷，應該讓所有需要的人都有機會參與及使用。

具體的作法包含各種深度學習開發工具及模型的開放源碼，以及各式最新核心技術的分享等等。

我個人所看到的是機會，因為這個AI民主化趨勢，AI技術發展在各領域所帶來的機會無窮無盡，是習慣等待國外大廠解決方案的我們應該把握的。

當然，目前普遍遇到的挑戰是AI人才的缺乏，台灣人工智慧學校為此而成立。

希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙，同時建立「自己的問題自己解決」的文化，打破被技術殖民的慣性，重建社會自信。

台灣人工智慧學校將以最好的師資及與產學界的密切合作，進行人工智慧技術人才的密集培訓。

讓不同專業領域的學員都能如虎添翼，以人工智慧加上原本的領域知識，具備協助各企業解決問題，以及帶領人工智慧團隊的能力。

他們將擔任技術種子角色，深入台灣產業的各個層面，以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。

我將在這場演講中，分享台灣人工智慧學校的來龍去脈，如何從一個稱為ProjectTheta的計畫開始，慢慢確認人才培育的需求，以及形塑台灣人工智慧學校的雛型。

這個故事從2017年三月的某個早晨開始... Readmore Sheng-Wei(Kuan-Ta)Chen Follow Researcher 有人說，資料是新時代的石油；那麼，人工智慧(AI)就是新時代的電力，未來將不會有任何現代產業與AI無關。

問題在於AI技術的引入會面臨兩大挑戰，挑戰一，AI是解決特定問題的技術：同樣是深度學習模型，要解決什麼問題，能解決什麼問題，能解到什麼程度，產生多少價值，在每家公司都不一樣，多元性及客製化程度遠比導入ERP(企業資源計畫)、CRM(客戶關係管理)系統高得太多。

例如，同樣是AOI(自動光學檢測)技術，在A公司做來檢測電路板的瑕疵，在B公司檢測織物的瑕疵，在C公司檢測玻璃的瑕疵，以高標準來要求的話，絕對不是調整參數就好。

因此，未來的五年甚至更久的時間內，很難期待會有套裝系統可以直接購入及進行簡單客製化，符合各產業、各公司、各種問題的期待。

挑戰二，AI並沒有辦法plug&play(即插即用)：目前的AI皆由機器學習模型來驅動，而機器學習必須要有大量資料來訓練。

若公司內原本並沒有蒐集某個想要解決的問題的資料，或是資料蒐集時間不夠長，任你找到絕世高手或買到厲害的系統也沒有用。

例如，若要進行未來半年的某產品銷量預測，通常需要該產品或同類型產品及競品在過去三年或五年以上資料，以及搭配的各式環境因素、客戶訂單資料等等。

若是沒有這些資料準備好，AI系統就是不能動，沒有油就沒有辦法發電的道理。

幸運的是，這一波(也是人類史上的第三波)的AI浪潮伴隨著「人工智慧民主化(AIDemocratization)」的趨勢，最重要的概念是，AI技術不應該只被某些跨國企業所壟斷，應該讓所有需要的人都有機會參與及使用。

具體的作法包含各種深度學習開發工具及模型的開放源碼，以及各式最新核心技術的分享等等。

我個人所看到的是機會，因為這個AI民主化趨勢，AI技術發展在各領域所帶來的機會無窮無盡，是習慣等待國外大廠解決方案的我們應該把握的。

當然，目前普遍遇到的挑戰是AI人才的缺乏，台灣人工智慧學校為此而成立。

希望很快地讓「找不到人才」不再成為企業發展人工智慧的障礙，同時建立「自己的問題自己解決」的文化，打破被技術殖民的慣性，重建社會自信。

台灣人工智慧學校將以最好的師資及與產學界的密切合作，進行人工智慧技術人才的密集培訓。

讓不同專業領域的學員都能如虎添翼，以人工智慧加上原本的領域知識，具備協助各企業解決問題，以及帶領人工智慧團隊的能力。

他們將擔任技術種子角色，深入台灣產業的各個層面，以其本身專業及人工智慧技術協助企業解決在邁向智慧化的過程中所面臨的難題。

我將在這場演講中，分享台灣人工智慧學校的來龍去脈，如何從一個稱為ProjectTheta的計畫開始，慢慢確認人才培育的需求，以及形塑台灣人工智慧學校的雛型。

這個故事從2017年三月的某個早晨開始... Readmore Data&Analytics [台灣人工智慧學校]人工智慧民主化在台灣 台灣資料科學年會 台灣人工智慧學校南部智慧醫療專班開學典禮-主題演講：邁向智慧醫療新時代（陳昇瑋執行長） AI.academy MachineLearninganResearchOverview KathirvelAyyaswamy DeepLearningExplained:ThefutureofArtificialIntelligenceandSmartNetw... MelanieSwan SmartNetworks:Blockchain,DeepLearning,andQuantumComputing MelanieSwan 台灣人工智慧學校南部智慧醫療專班開學典禮-陳昇瑋執行長談話 AI.academy DeepLearning:TowardsGeneralArtificialIntelligence RukshanBatuwita PhilosophyofDeepLearning MelanieSwan MedicalAiperspectives NamkugKim FinTech,AI,MachineLearninginFinance SanjivDas [台灣人工智慧學校]人工智慧民主化在台灣 台灣資料科學年會 台灣人工智慧學校南部智慧醫療專班開學典禮-主題演講：邁向智慧醫療新時代（陳昇瑋執行長） AI.academy MachineLearninganResearchOverview KathirvelAyyaswamy DeepLearningExplained:ThefutureofArtificialIntelligenceandSmartNetw... MelanieSwan SmartNetworks:Blockchain,DeepLearning,andQuantumComputing MelanieSwan 台灣人工智慧學校南部智慧醫療專班開學典禮-陳昇瑋執行長談話 AI.academy DeepLearning:TowardsGeneralArtificialIntelligence RukshanBatuwita PhilosophyofDeepLearning MelanieSwan MedicalAiperspectives NamkugKim FinTech,AI,MachineLearninginFinance SanjivDas MoreRelatedContent Similarto人工智慧在台灣:產業轉型的契機與挑戰 IFMIA2019PlenaryTalk:DeepLearninginMedicine;Engineers'Perspectives NamkugKim BehindtheSlowGrowthofAI:FailedMoonshots,UnprofitableStartups,Error... JeffreyFunk Clipperton-AI-DeepLearning:FromHypetoMaturity? StephaneValorge NeuralNetworksandDeepLearning AsimJalis ExosphereChileTalk:Semantics,DeepLearning,andtheTransformationofBus... SteveOmohundro 台灣人工智慧學校台中分校第五期開學典禮談話簡報 AI.academy Practicalcomputervision--Aproblem-drivenapproachtowardslearningCV/ML/DL AlbertY.C.Chen Howcantext-miningleveragedevelopmentsinDeepLearning?Presentationat... jcscholtes 台灣人工智慧學校中部智慧專班開學典禮執行長談話 AI.academy RecentadvancesofAIformedicalimaging:Engineeringperspectives NamkugKim 4차산업시대와의료환경 NamkugKim Deeplearning-AVisualIntroduction LukasMasuch QConconference2019 QuantUniversity DeepLearning@ZHAWDatalab(withMarkCieliebak&YvesPauchard) ThiloStadelmann PhilosophyofDeepLearning MelanieSwan MachineLearning(CS567) butest Practicaldeepllearningv1 arthiv OurFinTechFuture–AI’sOpportunitiesandChallenges? SethGrimes 4차산업혁명시대의의과학교육 NamkugKim 인공지능논문작성과심사에관한요령 NamkugKim MorefromSheng-Wei(Kuan-Ta)Chen 台灣人工智慧學校介紹 Sheng-Wei(Kuan-Ta)Chen 聰明公益資訊平台 Sheng-Wei(Kuan-Ta)Chen 從ProjectTheta到台灣人工智慧學校 Sheng-Wei(Kuan-Ta)Chen 從大數據走向人工智慧 Sheng-Wei(Kuan-Ta)Chen 網路購書大數據–給出版者的洞察分析 Sheng-Wei(Kuan-Ta)Chen 資料科學如何幫我們更瞭解捐款人？ Sheng-Wei(Kuan-Ta)Chen 計算社會科學初探－當電腦科學家遇上社會科學 Sheng-Wei(Kuan-Ta)Chen 資料科學家未曾公開之資安研究事件簿 Sheng-Wei(Kuan-Ta)Chen CrowdsourcingbeyondMechanicalTurk:BuildingCrowdminingServicesforYour... Sheng-Wei(Kuan-Ta)Chen 線上遊戲與雲端運算 Sheng-Wei(Kuan-Ta)Chen 一位程式人PI在中研院 Sheng-Wei(Kuan-Ta)Chen Web2.0世代的資安議題 Sheng-Wei(Kuan-Ta)Chen BorlandC++Builder進階課程 Sheng-Wei(Kuan-Ta)Chen BorlandC++Builder入門課程 Sheng-Wei(Kuan-Ta)Chen NetworkandMultimediaQoEManagement Sheng-Wei(Kuan-Ta)Chen ResearchSkillsILearnedinUIUCfromPi-ChengHsiu Sheng-Wei(Kuan-Ta)Chen 當學術研究者遇見線上遊戲 Sheng-Wei(Kuan-Ta)Chen InsideVCL Sheng-Wei(Kuan-Ta)Chen 一位年輕探索者的建議 Sheng-Wei(Kuan-Ta)Chen Featured WhattoUploadtoSlideShare SlideShare BeAGreatProductLeader(Amplify,Oct2019) AdamNash TrillionDollarCoachBook(BillCampbell) EricSchmidt APIdaysParis2019-Innovation@scale,APIsasDigitalFactories'NewMachi... apidays Afewthoughtsonworklife-balance WimVanderbauwhede Isvcstillathingfinal MarkSuster TheGaryVeeContentModel GaryVaynerchuk MammalianBrainChemistryExplainsEverything LorettaBreuning,PhD Blockchain+AI+CryptoEconomicsAreWeCreatingaCodeTsunami? DinisGuarda TheAIRush Jean-BaptisteDumont AIandMachineLearningDemystifiedbyCarolSmithatMidwestUX2017 CarolSmith 10factsaboutjobsinthefuture PewResearchCenter'sInternet&AmericanLifeProject HarrySurden-ArtificialIntelligenceandLawOverview HarrySurden InsideGoogle'sNumbersin2017 RandFishkin Pinot:RealtimeDistributedOLAPdatastore KishoreGopalakrishna HowtoBecomeaThoughtLeaderinYourNiche LeslieSamuel VisualDesignwithData SethFamilian DesigningTeamsforEmergingChallenges AaronIrizarry UX,ethnographyandpossibilities:forLibraries,MuseumsandArchives NedPotter WinnersandLosers-Allthe(Russian)President'sMen IanBremmer RelatedBooks Freewitha14daytrialfromScribd Seeall DataVisualization:asuccessfuldesignprocess AndyKirk (4/5) Free DynamicModelsinBiology StephenP.Ellner (3/5) Free Agent-BasedandIndividual-BasedModeling:APracticalIntroduction,SecondEdition StevenF.Railsback (4/5) Free Outnumbered:FromFacebookandGoogletoFakeNewsandFilter-bubbles–TheAlgorithmsThatControlOurLives DavidSumpter (5/5) Free DataModelPatterns:AMetadataMap DavidC.Hay (3/5) Free GuerrillaDataAnalysisUsingMicrosoftExcel:2ndEditionCoveringExcel2010/2013 OzduSoleil (3/5) Free PythonMachineLearning SebastianRaschka (4/5) Free PowerPivotandPowerBI:TheExcelUser'sGuidetoDAX,PowerQuery,PowerBI&PowerPivotinExcel2010-2016 RobCollie (4.5/5) Free SuperchargeExcel:WhenyoulearntoWriteDAXforPowerPivot MattAllington (0/5) Free LearntoWriteDAX:ApracticalguidetolearningPowerPivotforExcelandPowerBI MattAllington (4/5) Free BusinessAnalysis DebraPaul (4.5/5) Free PythonDataScienceEssentials-SecondEdition LucaMassaron (4/5) Free Probability,MarkovChains,Queues,andSimulation:TheMathematicalBasisofPerformanceModeling WilliamJ.Stewart (2/5) Free PythonDataAnalysis IvanIdris (4/5) Free NumericalMethodsforStochasticComputations:ASpectralMethodApproach DongbinXiu (5/5) Free DataVisualizationwithD3.jsCookbook NickQiZhu (0/5) Free RelatedAudiobooks Freewitha14daytrialfromScribd Seeall MachineLearninginPython:HandsonMachineLearningwithPythonTools,ConceptsandTechniques BobMather (4.5/5) Free DataVisualizationGuide:ClearIntroductiontoDataMining,Analysis,andVisualization AlexCampbell (0/5) Free AdvancesinFinancialMachineLearning MarcosLopezdePrado (5/5) Free PythonGuide:ClearIntroductiontoPythonProgrammingandMachineLearning AlexCampbell (0/5) Free DataVisualization:ClearIntroductiontoDataVisualizationwithPython.ProperGuideforDataScientist. AlexCampbell (0/5) Free DataMiningandAnalytics:UltimateGuidetotheBasicsofDataMining,AnalyticsandMetrics AlexCampbell (0/5) Free 人工智慧在台灣:產業轉型的契機與挑戰 1. 陳昇瑋 台灣人工智慧學校執行長 2. 台灣人工智慧學校執行長 玉山金融控股公司科技長 中央研究院資訊所研究員 人工智慧科技基金會董事長 科技生態發展公益基金會執行長 3. 10 4. 11 5. 16 6. 陳昇瑋/人工智慧民主化在台灣 博藍尼悖論(Polanyi'sParadox) 18 我們懂的事情， 比我們能表達出來的更多。

哲學家博藍尼在1964年說明了這個現象： 博藍尼悖論不只限制我們能告訴另一個人的事情，一直以來，也為我們賦予機器 智慧的能力，設下根本的限制。

長久以來，這限制了機器在經濟中能有效執行的 活動。

7. 陳昇瑋/人工智慧民主化在台灣 人工智慧發展簡史 19 第三波 2010-機器學習 1950-1970 第一波 邏輯推理 1980-1990 第二波 知識表達 第二次AI冬天 第一次AI冬天 8. 23 9. 陳昇瑋/台灣產業AI化-如何跨出第一步？ 機器學習 24 Trainingapredictionmachineby showingexamplesinsteadof programmingit. -YannLeCun (predictionmachine:可基於已知預測未知的數學模型) 10. 陳昇瑋/台灣產業AI化-如何跨出第一步？ 機器學習的定義 25 讓電腦能從資料裡頭淬取出 規則的演算法。

Findthecommonpatterns fromtheleftwaveforms Itseemsimpossibleto writeaprogramfor speechrecognition 你好你好 你好你好 Youquicklygetlostinthe exceptionsandspecialcases. (SlideCredit:Hung-YiLee) 11. 陳昇瑋/台灣產業AI化-如何跨出第一步？ 就放棄教電腦規則，讓它自己學吧！ 你好 大家好 人帥真好 Yousaid “你好” 很多訓練資料 機器學習演算法 從訓練資料中 找到規則 (SlideCredit:Hung-YiLee) 12. 陳昇瑋/台灣產業AI化-如何跨出第一步？ 機器學習學到的規則 跟你想的不太一樣 28 13. 陳昇瑋/台灣產業AI化-如何跨出第一步？ 現代機器學習算法所學到的複雜規則 29 14. 陳昇瑋/人工智慧民主化在台灣 AGaydar 30 Basedon35,000facialimages Humanjudges:61%formen,54%forwomen AIjudges:91%formen,83%forwomen Aheatmapofwherethealgorithmlookstodetectsignsofhomosexuality(KosinskiandWang) https://osf.io/zn79k/ 15. 32 16. 陳昇瑋/人工智慧民主化在台灣33 17. 陳昇瑋/人工智慧民主化在台灣34 18. 陳昇瑋/人工智慧民主化在台灣35 19. 陳昇瑋/人工智慧民主化在台灣36 20. 陳昇瑋/人工智慧民主化在台灣37 21. 38 22. 陳昇瑋/人工智慧民主化在台灣 Machinelearningcanbehighlyflexible •SpeechRecognition •HandwrittenRecognition •PlayingGo •DialogueSystem ()=*f ()=*f ()=*f ()=*f “2” “Morning” “5-5” “Hello”“Hi” (whattheusersaid)(systemresponse) (step) (SlideCredit:Hung-YiLee) 23. 陳昇瑋/人工智慧民主化在台灣 多數AI應用是讓機器學會一個對應關係 40 24. 陳昇瑋/人工智慧民主化在台灣 DeepLearning,MachineLearning,andAI 44 25. HealthyDiseased Hemorrhages NoDRMildDRModerateDRSevereDRProliferativeDR 12345 26. 陳昇瑋/人工智慧民主化在台灣48 ClassicalMachineLearning DeepLearning Rule-basedSystem Ruleextraction 27. 陳昇瑋/人工智慧民主化在台灣50 28. 陳昇瑋/人工智慧民主化在台灣51 Using DeepLearning 29. 陳昇瑋/人工智慧民主化在台灣 Thereisnofreelunch 52 Classical MachineLearning DeepLearning 30. 58(SlideCredit:McKinsey&Company) 機器學習在各行各業都已有許多充滿潛力的應用 31. 陳昇瑋/人工智慧民主化在台灣66 RECENTADVANCESIN DEEPLEARNING 32. TheImageNetBenchmarkinObjectClassification: ExampleImagesintheBirdClass 67 (Classify256x256imagesintooneofathousandcategories) 33. 陳昇瑋/人工智慧民主化在台灣69 34. 陳昇瑋/人工智慧民主化在台灣70 35. 陳昇瑋/人工智慧民主化在台灣 AutoColoring 71 https://paintschainer.preferred.tech/index_zh.html https://zhuanlan.zhihu.com/p/24712438 36. 陳昇瑋/人工智慧民主化在台灣 ColorfulImageColorization 72 Zhang,Richard,PhillipIsola,andAlexeiA.Efros."Colorfulimagecolorization."European ConferenceonComputerVision.SpringerInternationalPublishing,2016. 37. 陳昇瑋/人工智慧民主化在台灣 ColorfulImageColorization 73 http://richzhang.github.io/colorization/ A313-classclassificationproblem Input:224x224x1(L) Modeloutput:64x64x313 Pixelvalues:annealedmeanof313 colors 38. 陳昇瑋/人工智慧民主化在台灣 ColorizingLegacyPhotos 74 39. 陳昇瑋/人工智慧民主化在台灣 GENERATIVE MODELS 75 40. 陳昇瑋/人工智慧民主化在台灣 Truthvs.GeneratedSamples 78 https://metacademy.org/roadmaps/rgrosse/deep_learning 41. 陳昇瑋/人工智慧民主化在台灣 Sourceofimages:https://zhuanlan.zhihu.com/p/24767059 DCGAN:https://github.com/carpedm20/DCGAN-tensorflow (SlideCredit:Hung-YiLee) AnimeGirlFaceGeneration 42. 陳昇瑋/人工智慧民主化在台灣 100rounds (SlideCredit:Hung-YiLee) AnimeGirlFaceGeneration 43. 1000rounds (SlideCredit:Hung-YiLee) AnimeGirlFaceGeneration 44. 5000rounds (SlideCredit:Hung-YiLee) AnimeGirlFaceGeneration 45. 50,000rounds (SlideCredit:Hung-YiLee) AnimeGirlFaceGeneration 46. BEGAN(BoundaryEquilibriumGAN) Berthelot,David,TomSchumm,andLukeMetz."Began:Boundaryequilibriumgenerative adversarialnetworks."arXivpreprintarXiv:1703.10717(2017). https://github.com/carpedm20/BEGAN-tensorflow 47. 陳昇瑋/人工智慧民主化在台灣 https://thispersondoesnotexist.com/ 86 48. 陳昇瑋/人工智慧民主化在台灣 StyleGAN 87 https://www.technologyreview.com/s/612612/these-incredibly-real-fake-faces-show- how-algorithms-can-now-mess-with-us/ https://www.youtube.com/watch?time_continue=362&v=kSLJriaOumA 49. 陳昇瑋/人工智慧民主化在台灣 StyleGANforcats 88 https://buzzorange.com/techorange/2019/02/15/reve nge-for-valentines-day/ 50. 陳昇瑋/人工智慧民主化在台灣 StyleGANfailedcases 89 https://buzzorange.com/techorange/2019/02/ 11/cat-style-gan/ 51. 陳昇瑋/人工智慧民主化在台灣90 https://buzzorange.com/techorange/2019/02/ 15/revenge-for-valentines-day/ 52. Sheng-WeiChen/AINow:ADataSciencePerspective AI自動生成二次元妹子？ 或將替代插畫師部分工作 93 http://bangqu.com/b4U76M.htmlhttp://make.girls.moe/#/ 53. 陳昇瑋/人工智慧民主化在台灣 InteractiveImageTranslationwith pix2pix-tensorflow https://affinelayer.com/pixsrv/ 54. 陳昇瑋/人工智慧民主化在台灣 CycleGAN 97 55. 陳昇瑋/人工智慧民主化在台灣 HorseZibra 98 56. Deepfakes 100 https://www.inside.com.tw/2017/12/13/gal-gadot-fake-ai-porn http://www.businessinsider.com/obama-deepfake-video-insulting-trump-2018-4 57. 陳昇瑋/人工智慧民主化在台灣 NATURALLANGUAGE PROCESSING(NLP) 102 58. 陳昇瑋/人工智慧民主化在台灣 NaturalLanguageProcessing(NLP):Some SentenceGenerationExamplesbyGTP-2 103 Badnews: Thetechnologycanbeusedingeneratingfakenews Transformerbased (Slidecredit:HTKung) 59. 陳昇瑋/人工智慧民主化在台灣 Moretextgenerationsamples 104https://openai.com/blog/better-language-models/ 60. 陳昇瑋/人工智慧民主化在台灣 BERTandGPT-2 105 ●BothBERT(fromGoogle)andGPT-2(OpenAI)aregeneralpurpose pretrainedNLPFeatureExtractorsbasedontheTransformertrainedon enormousamountsoftextdata. ●Thesemodelscanbefine-tunedonsmall-dataNLPtasks(likequestion answering),resultinginsubstantialaccuracyimprovementscomparedto trainingonthesedatasetsfromscratch PretrainedBERT/GPT-2 Additionalclassifierfor yourowntasks Thepretrainedfeature extractor Basedon Transformer 61. 陳昇瑋/人工智慧民主化在台灣 AdvancesofNLPModelsinRecentYears 106 Deepermodels,LargerDatasets BetterFeatures! PerformanceImprovement:~20% Reuseofpre-trainingBERT/GPT-2:models. ImpactissimilartothatofImageNetincomputervision PaperontheTransformer:Vaswani,A.etal,“AttentionIsAllYouNeed,”NIPS2017 One-hot Word Embedding ELMoBERTGPT-2 milestone Transformer based BooksCorpus (800Mwords)+ Wikipedia (2,500Mwords) scrapedcontentfrom theInternetof8 millionwebpages WMT2011 (800Mwords) WMT2011 (800Mwords) Large-scaledatasetlikeImageNet RNN based Developmentofpretrained ‘featureextractor’forNLPtasks: 62. 陳昇瑋/人工智慧民主化在台灣 REINFORCEMENT LEARNING 111 63. 112 64. 陳昇瑋/人工智慧民主化在台灣 Learnfrominteractionw/environmentto achieveagoal ReinforcementLearning 114 https://www.youtube.com/watch?v=IXuHxkpO5E8 65. 陳昇瑋/人工智慧民主化在台灣 LearningtoplayGo Supervisedv.s.Reinforcement 115(SlideCredit:Hung-YiLee) 66. 陳昇瑋/人工智慧民主化在台灣117 https://www.youtube.com/watch?v=SHLuf2ZBQSw 67. 陳昇瑋/人工智慧民主化在台灣 NVidiaSelfDrivingCar,2016 68. 陳昇瑋/人工智慧民主化在台灣 TypicalApplicationsofRL Playgames:Atari,poker,Go,... Exploreworlds:3Dworlds,Labyrinth,... Controlphysicalsystems:manipulate,walk,swim,... Interactwithusers:recommend,optimize,personalize, ... 121 (Slidecredit:DavidSilver) 69. 陳昇瑋/人工智慧民主化在台灣 MoreRLApplications FlyingHelicopter Driving GoogleCutsItsGiantElectricityBillWithDeepMind- PoweredAI Parametertuninginmanufacturinglines Textgeneration HongyuGuo,“GeneratingTextwithDeepReinforcement Learning”,NIPS,2015 Marc'AurelioRanzato,SumitChopra,MichaelAuli,Wojciech Zaremba,“SequenceLevelTrainingwithRecurrentNeural Networks”,ICLR,2016 122(SlideCredit:Hung-YiLee) 70. 陳昇瑋/人工智慧民主化在台灣123 71. 陳昇瑋/人工智慧民主化在台灣124 72. 人工智慧發展策略建議 AI INMEDICINE 127 73. 陳昇瑋/人工智慧民主化在台灣130 74. 0.95 F-score AlgorithmOphthalmologist (median) 0.91 “ThestudybyGulshanandcolleaguestruly representsthebravenewworldin medicine.” “GooglejustpublishedthispaperinJAMA (impactfactor44.405)[...]Itactuallylives uptothehype.” Dr.AndrewBeam,Dr.IsaacKohane HarvardMedicalSchool Dr.LukeOakden-Rayner UniversityofAdelaide 75. 陳昇瑋/人工智慧民主化在台灣 DeepLearningforDetectionofDiabetic EyeDisease(2016) 132 Algorithm’sF1-score:0.95 MedianF1-scoreof8ophthalmologists:0.91 76. 陳昇瑋/人工智慧民主化在台灣133 77. 134OCT:OpticalCoherenceTomography(干涉光視網膜斷層掃描) 78. 136 79. 陳昇瑋/人工智慧民主化在台灣139 80. 陳昇瑋/人工智慧民主化在台灣 Top5CausesofDeaths 140 (Ref:Medicalerror—thethirdleadingcauseofdeathintheUS|TheBMJ) 81. arxiv.org/abs/1703.02442 Tumorlocalizationscore(FROC): model:0.89 pathologist:0.73 (SlideCredit:GoogleBrain) 82. 陳昇瑋/人工智慧民主化在台灣143 DeepLearningforKidneyFunctionClassificationand PredictionusingUltrasound-basedImaging Chin-ChiKuo1,Chun-MinChang2,Kuan-TingLiu2,Wei-KaiLin2, Chih-WeiChung1,andKuan-TaChen2 1BigDataCenter,ChinaMedicalUniversityHospital,ChinaMedicalUniversity,Taichung,Taiwan 2InstituteofInformationScience,AcademiaSinica,Taiwan eGFR (腎功能指數) 83. 陳昇瑋/人工智慧民主化在台灣144 84. Cardiologist-LevelArrhythmiaDetection withConvolutionalNeuralNetworks 150 Goal:diagnoseirregularheartrhythms,alsoknownas arrhythmias,fromsingle-leadECGsignalsbetterthana cardiologist 85. 陳昇瑋/人工智慧民主化在台灣 InputandOutput Input:atime-seriesofrawECGsignal The30secondlongECGsignalissampledat200Hz From29,163patients Output:asequenceofrhythmclasses Themodeloutputsanewpredictiononceeverysecond Total14rhythmclassesareidentified 151 86. 陳昇瑋/人工智慧民主化在台灣152 87. 陳昇瑋/人工智慧民主化在台灣 Model 34layersNN 16residualblocks 2convlayersperblock Filterlength=16samples #filter=64*k,kstartfrom1andis incrementedevery4-thresidualblock Everyresidualblocksubsamples itsinputbyafactorof2 153 88. 陳昇瑋/人工智慧民主化在台灣 Results–F1score 154 89. 陳昇瑋/人工智慧民主化在台灣 GoogleHealthcareFocuses 156 90. Predictivetasksforhealthcare Givenalargecorpusoftrainingdataofde-identifiedmedicalrecords,canwe predictinterestingaspectsofthefutureforapatientnotinthetrainingset? ●willpatientbereadmittedtohospitalinnextNdays? ●whatisthelikelylengthofhospitalstayforpatientcheckingin? ●whatarethemostlikelydiagnosesforthepatientrightnow?andwhy? ●whatmedicationsshouldadoctorconsiderprescribing? ●whattestsshouldbeconsideredforthispatient? ●whichpatientsareathighestriskforXinnextmonth? Collaboratingwithseveralhealthcareorganizations,includingUCSF,Stanford,and Univ.ofChicago.Haveearlypromisingresults(nopublicpaperyet) 91. 167 AIinFinance 92. 168 AIisbringing newsolutions to age-oldproblems. 93. 陳昇瑋/人工智慧民主化在台灣 AIinFinanceApplications 169 94. Aspectrumoflearningtasks •Low-dimensionaldata(e.g.less than100dimensions) •Lotsofnoiseinthedata •Thereisnotmuchstructurein thedata,andwhatstructure thereis,canberepresentedbya fairlysimplemodel. •Themainproblemis distinguishingtruestructure fromnoise. •High-dimensionaldata(e.g. morethan1000+dimensions) •Thenoiseisnotsufficientto obscurethestructureinthedata ifweprocessitright. •Thereisahugeamountof structureinthedata,butthe structureistoocomplicatedto berepresentedbyasimple model. •Themainproblemisfiguringout awaytorepresentcomplicated structurethatallowsittobe learned. Statistics---------------------DeepLearning 95. Rule-basedAI 96. 陳昇瑋/人工智慧民主化在台灣172 97. 174 98. 陳昇瑋/人工智慧民主化在台灣175 85% 99. 陳昇瑋/人工智慧民主化在台灣 AlgorithmicTrading 176 Algorithmicfinanceisroughlya$1trillionmarket(asofearly2018) Growingat10.3%CAGR[1] 90%volumeinthepublicequitiesmarkets 50%volumeinthefuturesmarkets 6ofthetop10hedgefundsbasedonperformancearequantfundsandmostof thosearequantfundsincommoditiesmarkets. [1]source:Technavio’s2016report:GlobalAlgorithmicTradingMarket2016-2020 100. 陳昇瑋/人工智慧民主化在台灣 Algo.tradingissomewhatlaggedinAsia 177 101. 陳昇瑋/人工智慧民主化在台灣 Top-rankHedgeFundsusingAI TwoSigma(http://www.twosigma.com/) PDTPartners(http://www.pdtpartners.com/) DEShaw(http://www.deshaw.com/) WintonCapitalManagement(https://www.wintoncapital.com/) KetchumTrading,LLC(http://www.ketchumtrading.com/) Citadel(http://www.citadel.com) Voleon(http://voleon.com) VaticLabs(http://www.vaticlabs.com) Cubist,akaPoint72(https://www.point72.com/careers/...) ManAHL(https://www.ahl.com) RenaissanceTechnologies RebellionResearch 178 102. 陳昇瑋/人工智慧民主化在台灣 AlgorithmicTradinginHedgeFunds 179 103. 陳昇瑋/人工智慧民主化在台灣 But,AIisstillfarfromperfect 180 http://www.eurekahedge.com/Indices/IndexView/Eurekahedge/683/Eurekahedge_AI _Hedge_fund_Index 104. 陳昇瑋/人工智慧民主化在台灣 CorrelationbetweenAIfundsandhumans hasriseninpastyears 181 https://www.bloomberg.com/news/articles/2018-03-12/robot-takeover- stalls-in-worst-slump-for-ai-funds-on-record 105. 陳昇瑋/人工智慧民主化在台灣 AlgorithmicTradinginStockMarket 182 https://www.bloomberg.com/news/features/2017-12-05/how-ai-will- invade-every-corner-of-wall-street 106. 陳昇瑋/人工智慧民主化在台灣 Commonuseofmachinelearning Predictionofdirection Predictionofprice Predictionofrisk Predictionofportfolioperformance Detectionofbigplayers’movements Rebalancing Liquidating … Fullyautomationoftrading 183 https://www.quora.com/Is-there-any-hedge-fund-using- machine-learning-based-algorithms-for-trading 107. 陳昇瑋/人工智慧民主化在台灣 Predictionforlow-frequencytrading 184 108. 陳昇瑋/人工智慧民主化在台灣 Alternativedataanditsapplications Individuals Twittersentimentdatatotradethebroadequitymarket(iSentium) Newssentimentdatatotradebonds,equitiesandcurrencies(RavenPack) Websearch,personalemail,appdownloads,joblisting,… Businessprocesses Consumertransactiondatatotradeindividualstocks(EagleAlpha) PoS,payments,invoices/receipts,realestates,cargo,retailprices,phone calls,shipmentsvialogistics,lodging,taxi,insurance,… Sensors Geolocationdatatoestimateretailactivityandtradeindividualstocks (AdvanResearch) Satelliteimagedatatoestimateemployeeactivityandtradeindividual stocks(RSMetrics) 185 109. 陳昇瑋/人工智慧民主化在台灣 iSentium:Tweets 186 ConstructionofiSentiumDailyDirectionalIndicator Theuniverseislimitedtothe100stockswhicharemostrepresentativeoftheS&P500, filteredusingtweetvolumeandrealizedvolatilitymeasures. TweetsareassignedasentimentscoreusingapatentedNLPalgorithm. Byaggregatingtweetscores,asentimentlevelisproducedperminutebetween8:30AMand 4:30PMeveryday.Sentimentforthedayisaggregatedusinganexponentiallyweighted movingaverageoverthepasttendays. S&P500returnsareforecastedusingalinearregressionoverthesentimentscoresforthe pasttwodays,withbetasevolvedviaaKalmanfilter. 110. Eagle-Alpha:EmailReceipts 187 Wehaveanalyzedadatasetofemailreceiptsfor97companies.36ofthesewereprivate companies,and61public,31ofwhichwereS&P500constituents.Takingliquidityinto consideration,wedecidedtotesttradingsignalsfortheS&P500companiesonly. 111. RSMetrics:Satelliteimages 188 112. 陳昇瑋/人工智慧民主化在台灣 BlurringbetweenQuantandMLEngineer 189 https://www.indeed.com/jobs?q=Machine%20Learning %20Quant 113. 190 https://www.bloomberg.com/news/features/2017-12- 05/how-ai-will-invade-every-corner-of-wall-street 114. 陳昇瑋/人工智慧民主化在台灣225 Mobilecomputing,inexpensivesensorscollectingterabytesofdata,andthe riseofmachinelearningthatcanusethatdatawillfundamentallychangethe waytheglobaleconomyisorganized. -Fortune,“CEOs:TheRevolutionisComing,”March2016 115. 陳昇瑋/人工智慧民主化在台灣226 116. 2017.03 117. 孔祥重院士 •美國卡內基美隆大學電腦教授 •美國哈佛大學資訊科技與管理博士學程共同主席 •行政院SRB會議海外專家與科技顧問 •行政院科技顧問 •國家級計畫重要推手 •數位台灣計畫(e-Taiwan) •行動台灣計畫(M-Taiwan) •電信國家型計畫 •WiMAX發展藍圖 •網路通訊國家型計畫 H.T.Kung •中央研究院院士 •美國哈佛大學電腦與電機系蓋茲講座教授 現任 經歷 118. 2000:MobileDevice1980:PC1990:Internet2015:AI+IoT Taiwan’snextopportunity? 119. 以人工智慧提升 台灣產業競爭力 120. March–Novemberin2017 232 台塑石化 長春石化 奇美實業 英業達 欣興電子 敬鵬工業 可成科技 致茂電子 永進機械 研華科技 聯發科技 台積電 紡織所 宏遠紡織 台元紡織 佳和紡織 強盛染整 農科院 龍鼎蘭花 經緯航太科技 121. 233 122. 235 123. 產業AI化的挑戰 01實戰人才的缺乏 02資料基礎建設不足 03找對問題不簡單 04產學之間的鴻溝 124. GlobalTalent2021Report 237 (Source:https://www.oxfordeconomics.com/my-oxford/projects/128942) 125. 242 產業共通 挑戰 預測性維護瑕疵檢測 原料組合最佳化自動流程控制 126. 台灣人工智慧學校首屆開學典禮 產業共通挑戰#1－瑕疵檢測 243 127. LCDPanelDefects 244(SlideCredit:IBM) 128. 台灣人工智慧學校首屆開學典禮245 TypicalPCBdefects 129. 台灣人工智慧學校首屆開學典禮 Typicaldefectsafter SMT(Surface-MountTechnology)process 短路 空焊 極反 缺件 浮高 跪腳 撞件 錫球 墓碑 … 246 https://www.researchmfg.com/2011/02/soldering-defect-symptom/ 130. MoreSMT/DIPDefectExamples 247 131. ConvolutionNeuralNetworks+TransferLearning Pre-trainedusing14-millionimagedataset ResNetwith>8-millionparameters Input images Modeltraining/ inference OK OK 以深度學習進行自動瑕疵檢測 132. 實際案例–視覺檢測速度比較 252 產線數量:23條 4位目檢人員;漏網率約5% AOI設備每小時影像輸出量:配合人力允許條件,60萬張/每日 (極限為每條產線2萬張/小時=1104萬/日) 判定耗時:30萬張/人日=120萬張/日 傳統 人力 目檢 深度 學習 系統 硬體設備:中高階桌上型電腦+NVIDIAGPU:10~15萬 軟體:開源軟體+高度調校之深度學習模型 品質:模型漏網率控制在0.01%之下，目檢人員只需檢查原本總數之5% 的圖片 判斷速度:166.67張/sec每日1440萬張影像 133. 實際案例–視覺檢測效益評估 253 品質：根據複判初步統計，目檢人員漏網率至少為12.9% 速度：目檢人員8~10位，每天約可檢查共約3,000,000張 傳統 人力 目檢 深度 學習 系統 硬體設備：中高階桌上型電腦+NVIDIAGPU:10~15萬 軟體：開源軟體+高度調校之深度學習模型 品質：模型漏網率控制在1%之下，目檢人員只需檢查原本 總數之10%的圖片 速度：8,640,000張/天=100張/秒 134. 台灣人工智慧學校首屆開學典禮 產業共通挑戰#2－自動流程控制 254 135. 良品範圍 良率:61% QualityIndex 人為控制設備參數 136. 256 採用深度學習控制設備參數 作業員良率:61% 自動控制良率:98% QualityIndex 137. 台灣人工智慧學校首屆開學典禮 Especiallyimportantforequipmentwithhighfailurecost(suchas motorsinmachinetools) Alsoimportantforexpensiveconsumables(suchasbladesusedin precisioncuttingmachines) 257 產業共通挑戰#3－預測性維護 138. 台灣人工智慧學校首屆開學典禮 預測某段時間後的設備狀態 258 139. 台灣人工智慧學校首屆開學典禮259 產業共通挑戰#4－原料組合最佳化 140. 台灣人工智慧學校首屆開學典禮260 染整業的打色問題 141. 台灣人工智慧學校首屆開學典禮261 Pigment1Pigment2Pigment3打色成功率:70%to95% 142. 台灣人工智慧學校首屆開學典禮 PROJECTΘTEAMHAS SOLVED 10+PROBLEMS FROM10+COMPANIES WITHIN6MONTHS… 264 143. 台灣人工智慧學校首屆開學典禮 2017/06/26ProjectθMeeting 265 144. 尋找一個把能量放大 的方法 1,000x 145. 01實戰人才的缺乏 02資料基礎建設不足 03找對問題不簡單 04產學之間的鴻溝 產業AI化的挑戰 關鍵 146. 269 147. 陳昇瑋/人工智慧民主化在台灣270http://bangqu.com/g394k4.html 148. 271 主辦 149. 台塑企業 奇美實業 英業達集團 義隆電子 聯發科技 友達光電 272 捐助人 150. 273 http://aiacademy.tw/opening-video-180127/ 151. http://aiacademy.tw/ 01 02 03 產業AI化的軍校 領域專家+人工智慧 讓「找不到人才」不再是障礙 152. 277 153. 2018/01/27台北一期開學 2018/04/12台北一期結業 2018/05/12台北二期開學 2018/07/21新竹一期開學 2018/08/18台中一期開學 2018/09/02台北二期結業 2018/09/29台北三期開學 2018/11/10新竹一期結業 2018/12/08新竹二期開學 2018/12/15台中一期結業 2019/01/05台中二期開學 2019/01/26台北三期結業 2019/02/23台北四期開學 2019/03/16南部一期開學 2019/04/20新竹二期結業 2019/05/04新竹三期開學 154. 台中一期經理人班畢業照 281 155. 台北三期經理人班畢業照 283 156. 台灣人工智慧學校校區 285 台北總校新竹分校 台中分校 南部分校 (1000坪,三重) (1200坪,竹科) (900坪,台灣大道) (1000坪,台南仁德) (經理人班,中山大學) 157. 校區一覽 286 新竹分校 台中分校 台北總校 南部分校 158. 台北總校-群光電子大樓 287 159. 台北總校-群光電子大樓 288 160. 新竹分校－ 新竹市力行路二十一號 289 161. 新竹分校－ 新竹市力行路二十一號 290 上課教室 162. 292 台中分校本部&技術班上課地點－ 民權路239號國泰人壽大樓15-17F 163. 293 164. 台中分校經理人班上課地點－ 東海大學人文大樓 294 165. 296 南部分校經理人班(中山大學國研大樓) 166. GPUx500+ 167. 堅實助教團隊(30+) 168. 校友 169. 技術領袖培訓班 170. 技術領袖培訓班入學考試 程式設計 統計 機率 線性代數微積分 171. 經理人周末研修班 172. 經理人班學員職位分布 173. 空氣盒子計畫 中國信託商業銀行 中國鋼鐵 中國醫學大學醫院 中研院化學所 中研院生多中心 宜蘭食品工業 中華電信研究院 天下雜誌 商周集團 嘉實資訊 智邦科技 臺灣永光化工 天氣風險 宏遠興業 東森得易購 痞客邦PIXNET 長春石化 雲象科技 敬鵬工業 305 學術夥伴 台塑集團 奇美實業 友達光電 義隆電子 聯發科技 英業達集團 裕隆紡織 元大投信 遠見雜誌 174. 豐碩的技術班專題實作成果 台股指數漲跌預測 股市收盤價預測 全球股債漲跌預測 實價登錄房價預測 腸病毒感染爆發預測 癌症病人生存預測 速訊寫稿機器人 影像敍述自動生成 文章自動標籤生成 文章標題生成 染整業智慧打色 PCB瑕疵偵測 銅箔缺陷多元分類 植物品種辨識 3D細胞影像分割 人物與人臉辨識 疲勞駕駛偵測 人與物互動辨識 動物聲音辨識 自走車學步 307 175. 更多製造業專題 瑕疵偵測 故障預測 產線參數優化 台電契約容量優化 流程優化 訂單預測 … 308 176. 問題探討Ｑ&A建模參考文獻資料前處理實戰成果 177. ●原始週報範例●Hybrid週報結果 速訊寫稿機器人 I II III 178. 自動挑出壞的咖啡豆 311 179. 跟著狗躲著貓的自走車 312 180. 疲勞駕駛偵測 313 181. 工安確保 314 182. Playingyourowncovers–即時伴奏Demo FreeTempo 183. AI為盲胞“唸”影片 316 184. 317 185. 校友傑出表現勇奪各項創新競賽 318「開源大補帖」冠軍300萬元台幣獎金 2018第三屆京台青年創新創業大賽 獲選優勝前進北京台法太空創新黑客松冠軍 NCTS2018年醫療黑客松第二名 186. 校友傑出表現勇奪各項創新競賽 319 新北創力坊第八屆最佳技術升級獎 智在家鄉-數位社會創新競賽 AI神農氏獲選特別獎 工研院Aidea競賽 AOI組冠軍經濟部工業局OpenData優勝 一期、二期同學親愛精誠聯手出 擊，獲得佳作x2優勝x2銅牌x1 187. 334 台灣人工 智慧學校 顧問諮詢產學連結 技術推廣社群交流 新創輔導職涯發展 台灣人工智慧學校將不只是學校 188. 台灣人工智慧學校招生中… 335 台北第五期 截止:6/4 開學:7/20 新竹第四期 截止:7/23 開學:9/7 台中第三期 截止:4/16 開學:6/1 南部第二期 截止:6/28 開學:8/3 400學員x每年3期x4校區 =每年培養4800AI工程師/經理人 189. 陳昇瑋/人工智慧民主化在台灣 ADVICESFOR AIDEPLOYMENT 339 190. 陳昇瑋/人工智慧民主化在台灣 人工智慧導入進程 340 成功 案例 開放 文化 資料 生態 技術 工具 流程 整合 先以成功案例 來創造價值及 營造信心 打破部門間的 隔閡，讓資料 可以分享及集 中處理 選擇正確的人 工智慧技術工 具，建立團隊 或尋找技術伙 伴 讓人工智慧技 術成為工作流 程的一部分 人與人工智慧 協同增進生產 力 191. 陳昇瑋/人工智慧民主化在台灣 Executepilotprojectstogainmomentum Buildanin-houseAIteam ProvidebroadAItraining DevelopanAIstrategy Developinternalandexternalcommunications 341 192. 陳昇瑋/人工智慧民主化在台灣 StateofAIInTheEnterprise,2018 347 Deloitteinterviewed1,100ITandline-of-businessexecutives fromUS-basedcompaniesinthe3rdquarterof2018. 82%ofenterpriseAIearlyadoptersareseeingapositiveROIfrom theirproduction-levelprojectsthisyear. 69%ofenterprisesarefacinga“moderate,majororextreme” skillsgapinfindingskilledassociatestostafftheirnewAI-driven businessmodelsandprojects. 63%ofenterpriseshaveadoptedmachinelearning,makingthis categorythemostpopularofallAItechnologiesin2018. 193. 陳昇瑋/人工智慧民主化在台灣 StateofAIInTheEnterprise,2018 348 194. 陳昇瑋/人工智慧民主化在台灣 StateofAIInTheEnterprise,2018 349 195. 陳昇瑋/人工智慧民主化在台灣350 Source:Gartner 變革文化/決心不足 資料問題 技術人才缺乏 目標/效果不明確 資源不足 196. 陳昇瑋/資料科學人才的養成 MajorRolesinanAITeam 353 ProductManagerDataScientist MachineLearning Engineer DataEngineer 197. 陳昇瑋/資料科學人才的養成354 IT/Data Infrastructure ML/DL Skills DataEngineer MachineLearning Engineer DataScientist Domain Expertise 連結資料與商業價值 蒐集及處理資料以資料開發模型， 讓人工智慧決策更精準 198. 陳昇瑋/從大數據走向人工智慧 199. 陳昇瑋/人工智慧民主化在台灣 經理人須具備的10個認知(1/2) 沒有資料就不會有人工智慧 也不是有資料，就一定能產出人工智慧：資料 品質與模型建立方法也是關鍵 你從來沒有答案的事情，人工智慧也不會有 沒有變異的資料，等於沒有資訊，同樣不會有 答案 不要忽略資料的成本 362 200. 陳昇瑋/人工智慧民主化在台灣 經理人須具備的10個認知(2/2) 統計圖表與機器學習模型各有所長，不能盡信任一種 人工智慧導入之後必然造成企業工作方式或流程的改 變 身為推動人工智慧導入工程的主管，本身一定要相信 資料和模型 不要把人工智慧的導入及建置全部丟給資訊人員，業 務主管一定要親自參與 人工智慧跟人一樣，需要長期觀察，並需要不斷翻新 363 201. 陳昇瑋/從大數據走向人工智慧 Perception: MLproductsaremostlyaboutML 364 202. 陳昇瑋/從大數據走向人工智慧 Reality:MLrequiresDevOps,lotsofit 365 203. 陳昇瑋/從大數據走向人工智慧 持續的團隊支援 366 Acommondataplatformandworkflowis crucialforenterprisesuccess. DataEngineerMLEngineerBizAnalystDevOpsDevOps+ MLEngineer App Developer (Credit:IBMSystemsLabServices) (allunderthesupervisionofDataScientist) 204. 陳昇瑋/從大數據走向人工智慧 AIvs.BI AIsystemssuggestdecisionsforusersbymaking predictions BIsystemssupportusersmakedecisionsbasedondata visualization Keydifference AIsystemsarebasedongeneralizablemodels BIsystemsrequirehumanstogeneralize Bestpractice AI:fast,massive,error-tolerant,ML-capableproblems BI:otherwise AI+BI:makingsenseofAIdecisions 369 205. 陳昇瑋/人工智慧民主化在台灣 LIMITATIONSOFAI 383 206. 陳昇瑋/人工智慧民主化在台灣389 207. 陳昇瑋/人工智慧民主化在台灣390 208. 陳昇瑋/人工智慧民主化在台灣 Whatwecanandcannottoday Whatwecanhave Safercar,autonomouscar Bettermedicalimage analysis Personalizedmedicine Adequatelanguage translation Usefulbutstupidchatbots Informationsearch, retrieval,filtering Numerousapplicationsin energy,finance, manufacturing, commerce,law,… Whatwecannothave (yet) Machinewithcommon sense Intelligentpersonal assistants “Smart”chatbots Householdrobots Agileanddexterousrobots ArtificialGeneral Intelligence(AGI) 392(Credit:YannLeCun) 209. 陳昇瑋/人工智慧民主化在台灣 StrongAIWeakAI Canthink Ownconscious Actasitcanthink Consciousless (1980) 210. 陳昇瑋/人工智慧民主化在台灣396https://www.youtube.com/watch?time_continue=5&v=RSBWgWThNHo 211. 陳昇瑋/人工智慧民主化在台灣 MistakesHumansWouldNeverMake 400 212. 陳昇瑋/人工智慧民主化在台灣 Generatingadversarialpatchesagainst YOLOv2 402 https://www.youtube.com/watch?feature=youtu.be &v=MIbFvK2S9g8&app=desktop 213. 陳昇瑋/人工智慧民主化在台灣403 214. 陳昇瑋/人工智慧民主化在台灣 AIDon’tKnowWhatTheyareTalkingAbout 404 https://www.facebook.com/playgroundenglish/videos/629372370729430/?hc_ref=ARQ HCaS2GZ9jUgZermEupF5yerADq2X9F9P40OR3n70poUiCy7R0X3oHrGxyLSrWVdI 215. Changeistheonlyconstant. -Heraclitus(535BC-475BC) (SlideCredit:AlbertChen) 216. 陳昇瑋/人工智慧民主化在台灣413 https://www.israel21c.org/food-expiration-dates-are-about-to-undergo-a-revolution/ 217. 414 218. 陳昇瑋/人工智慧民主化在台灣 PrecisionMedicine 416 219. 陳昇瑋/人工智慧民主化在台灣417 220. 陳昇瑋/人工智慧民主化在台灣418(Credit:李開復,《AI新世界》) 221. 陳昇瑋/人工智慧民主化在台灣420(Credit:李開復,《AI新世界》) 222. 陳昇瑋/人工智慧民主化在台灣421 (Source:FutureofJobsReport2018,WorldEconomicForum) 223. 陳昇瑋/人工智慧民主化在台灣 AIoutperformed20corporatelawyersat legalwork 422 Challenge:reviewriskscontainedinfivenon-disclosureagreements(NDAs). AIvs.associatesandin-houselawyersfromglobalfirmssuchasGoldmanSachs,Cisco andAlston&Bird,aswellasgeneralcounselandsolepractitioners. AImatchedthetop-performinglawyerforaccuracy–bothachieved94%.Collectively, thelawyersmanagedanaverageof85%,withtheworstperformerrecording67%. AI:26seconds;lawyers’average:92minutes,wherethespeediestlawyertook51 minutes https://www.weforum.org/agenda/2018/11/this-ai-outperformed-20-corporate- lawyers-at-legal-work/ 224. 陳昇瑋/人工智慧民主化在台灣 TheJobsLandscapein2022 423(Source:FutureofJobsReport2018,WorldEconomicForum) Note:Rolesmarkedwith*appearacrossmultiplecolumns.Thisreflectsthefactthattheymightbeseeingstableordecliningdemandacrossone industrybutbeindemandinanother. * * 225. 陳昇瑋/人工智慧民主化在台灣 人機協作 CamelyonGrandChallengein2016 根據切片檢查偵測轉移性乳癌 TheWinningTeam 深度學習演算法:92.5％ 病理科醫師:96.6％ 兩者合作:99.5％ 人類與機器擅長不同的預測層面 人類與機器犯不同類型的錯。

確認這兩種不同的能力，結合人類與機器的預測來克服這 些弱點，這樣的組合可以大幅減少錯誤率。

428 226. 陳昇瑋/人工智慧民主化在台灣 machine-learningmodelfrom30,000+dealsfromthelastdecadethatdrawsfrom manysources,includingCrunchbase,Mattermark,andPitchBookData.Foreachdeal, welookedatwhetherateammadeittoaseries-Aroundbyexploring400featuresand identified20featuresasmostpredictiveoffuturesuccess. Oneoftheinsightsweuncoveredisthatstart-upsthatfailedtoadvancetoseriesAhad anaverageseedinvestmentof$0.5million,andtheaverageinvestmentforstart-ups thatadvancedtoseriesAwas$1.5million. Anotherexampleinsightcamefromanalyzingthebackgroundoffounders,which suggeststhatadealwithtwofoundersfromdifferentuniversitiesistwiceaslikelyto succeedasthosewithfoundersfromthesameuniversity. fromthe2015cohortofseed-stagecompanies,16percentofallseed-stagecompanies backedbyVCswentontoraiseseries-Afundingwithin15months.Bycomparison,40 percentofrecommendedbyML(2.5timesimprovement) Human+AIwouldyieldthebestperformance:3.5timestheindustryaverage 429 https://www.mckinsey.com/industries/high-tech/our-insights/a-machine-learning- approach-to-venture-capital 227. 人才媒合 http://jobs.aiacademy.tw/ 228. 441 專為人工智慧人才/職缺設計的媒合網站。

校友刊登的職缺需求將定期發送給所有校友。

http://jobs.aiacademy.tw/ 229. 陳昇瑋/人工智慧民主化在台灣 Take-HomeMessages 今天的AI如同1994年的WorldWideWeb 今天學ML可能如同1994年學寫HTMLandCGI 技術快速進展及堆疊，這是最值得投資技術的時代 AI在許多領域有殺手級應用，是技術人投入重點領域的黃 金時代 AI不會在這裡停住，AI技術才剛開始發展 442 230. 陳昇瑋/人工智慧民主化在台灣 AI所帶來的改變才正開始… 443 20012018 231. 陳昇瑋 台灣人工智慧學校 11likes × TonyaConnors Dec.16,2021 Didutrytouseexternalpowersforstudying?Like⇒www.HelpWriting.net⇐?Theyhelpedmealotonce. SeanChang May.06,2021 ITManagerat104 at 104 FrankWang May.12,2020 SeniorSoftwareEngineeratActiontecElectronics at ActiontecElectronics SicaChang Apr.18,2020 YanaChen Apr.01,2020 ShowMore Views × Totalviews 21,146 OnSlideShare 0 FromEmbeds 0 NumberofEmbeds 298 Youhavenowunlockedunlimitedaccessto20M+documents! × UnlimitedReading Learnfasterandsmarterfromtopexperts UnlimitedDownloading Downloadtotakeyourlearningsofflineandonthego YoualsogetfreeaccesstoScribd! Instantaccesstomillionsofebooks,audiobooks,magazines,podcastsandmore. Readandlistenofflinewithanydevice. FreeaccesstopremiumserviceslikeTuneln,Mubiandmore. DiscoverMoreOnScribd × ShareClipboard × Facebook Twitter LinkedIn Link Publicclipboardsfeaturingthisslide × Nopublicclipboardsfoundforthisslide Selectanotherclipboard × Lookslikeyou’veclippedthisslidetoalready. Createaclipboard Youjustclippedyourfirstslide! Clippingisahandywaytocollectimportantslidesyouwanttogobacktolater.Nowcustomizethenameofaclipboardtostoreyourclips. Name* Description Visibility OtherscanseemyClipboard Cancel Save SharethisSlideShare SpecialOffertoSlideShareReaders × TheSlideSharefamilyjustgotbigger.Enjoyaccesstomillionsofebooks,audiobooks,magazines,andmorefromScribd. Readfreefor60days Cancelanytime.