发表学术论文跟产业脱节？

上星期在南港参观智能机械展，第一次看了台湾诸多「隐形冠军」们，智能化成为业界目前努力的方向，大家朗朗上口，不过落实的部份非常少。

技术债－天下没有白吃的午餐

前一阵子，负责智能技术的Intel副总兼CTO Amir Khosrowshahi 来台，有机会交流。Amir说明Intel在未来智能服务的定位。其中提到了NIPS 2015 Sculley的论文中「Technical Debt」(技术债)的概念—原意为软件工程中太快速、轻忽的开发，所招致的长期成本负担。

NVIDIA GTC 2018观察（二）：深度学习市场的期待

接续在GTC 2018的观察。这个在硅谷圣荷西举办，近年来人工智能（深度学习）技术最火热的产业会议，今年人数爆增到8,500人。

NVIDIA GTC 2018观察（一）：超越摩尔定律的是？

GTC是NVIDIA主办，已经历时10年的技术会议，在总部附近的圣荷西会议中心举办，展示突破性的软硬件技术。过去是高速运算、计算机游戏相当重要的产业会议。近年来更是人工智能（深度学习）技术相关最火热的产业会议。过去5年来，报名人数由2,000人增加到8,500人。

泛人工智能的技术领域

早期（1950年左右）的人工智能研究因为技术及环境碰到瓶颈，一直未能落地。直到这几年「深度学习技术」突破之后，「人工智能」又再火红回来。目前大众媒体将计算机做智能分析（或决策）的相关服务都统称为「人工智能」（AI），这是一个偏营销的用词。而其中的关键技术，一般称为「机器学习」(Machine Learning)，有数种不同的子领域，在1980年代开始已陆续实现在一些预测、推荐、分类的应用。因为资料（e-mail、网页、产品、文件、资料库、等）逐渐增多之后，自然需要更聪明的功能。根据需求以及可得的资料，计算机科学家尝试去「逼近」某些「智能方程序」。

企业端刚性需求将是智能科技商机所在

前些日子参加国内创投业者的年会，并加入论坛交流，第一次面对这么多的创投业者，让身处学界的我从另一个面向来看技术的革新。

智能产品开发没有免费的训练资料

最近在几个中文网站都看到类似的文章下著耸动的标题”人脸辨识系统是否有种族、性别歧视？”故事源自于纽约时报的一篇文章以及其所引用麻省理工学院最近发表的某篇论文。大意是说经过实测三家公司（Microsoft, IBM, 以及大陆的Face++）的人脸辨识API（应用程序接口）， 发现在深肤色的人种上，辨识效果奇差，甚至错误率达到35%。