徐宏民专栏

EVmember

Event

徐宏民

台大资工系教授

徐宏民(Winston Hsu)现任富智捷(MobileDrive)技术长暨副总经理以及台大信息工程学系教授。哥伦比亚大学电机博士，专精于机器学习、大规模影像视讯查找与识别。为讯连科技研发团队创始成员，慧景科技(thingnario)共同创始人，NVIDIA AI Lab计划主持人；曾任IBM华生研究中心客座研究员、美国微软研究院客座研究员。习惯从学术及产业界的角度检验技术发展的机会；十余年产学合作及新创经验。曾获2018 IBM Research Pat Goldberg Memorial Best Paper Award 、2018伪装人脸识别冠军、杰出信息人才奖、吴大猷先生纪念奖等国内外研究奖项。

跨越深度学习技术产品化的障碍

即使深度学习技术在各个领域带来突破，甚至逐渐翻转各种产品服务，可是还能听到产业界对于这些新颖的研究能否应用到产品上抱持着怀疑的态度。

推进空间感知技术(一)

这阵子关心车辆安全技术以及新能源车产业的朋友，目光焦点都在某辆开启Autopilot(自动辅助驾驶)在高速公路发生意外的车子。大致状况是在高速公路光线良好的情形下，前方内车道一辆白色货柜车倾覆，其他驾驶人减速绕道而行，而这部在Autopilot模式的车子却直接驶入货柜车厢。大家好奇，这显而易见的障碍，应该是目前快速发展的深度学习技术或是各种传感元件可以侦测得到，而车子应可以自动绕道或是停止，为什麽失误？或是从这个意外我们可以学习到什麽？

出卖你的文字、照片与设备

目前绝大部分的软硬件服务都竭尽所能的收集使用者数据，包括网络浏览纪录、对话、参加的群组、喜好文章、照片、购物纪录、打卡位置、音乐歌单等。透过这些信息可以推估使用者属性、喜好、甚至政治倾向，富含商业应用。而快速发展的智能技术，更推升了使用者数据的价值。

芯片速度是唯一竞争优势？

原本每年3月在硅谷召开的GTC–NVIDIA GPU技术大会，今年因疫情关系，转为在线会议。最能揭示NVIDIA未来技术走向以及众人期待的CEO黄仁勳主题演说，也在硅谷居家防疫下，改到5月中以他家的厨房为主舞台展开。从2016年开始参加GTC会议，当大家这几天讨论崭新的Ampere技术让A100 GPU速度提升多少时，反而嗅到在这酷炫技术展示之外的商业企图心。

翻新ISP设计？

影像信号处理器(ISP，Image Signal Processor)是每个镜头(摄影机)的核心，主要是将影像传感器的信号输出接续转换为标准的全彩(如sRGB或类似色彩表示、或进而压缩为适当格式)。其主要过程包括去马赛克、降噪、白平衡、曝光校正、锐化、色彩转换、编码等复杂的模块。

视讯识别的技术与机会

急速增加的摄影机使得监看人力逐渐无法负荷，「视讯识别」一直是长久以来安全监控领域的杀手级应用。但碍于技术发展，过去不曾真正落实，直到近年来深度学习技术中卷积网络(CNN)的高度发展，才激励产业与学界重新检视视讯识别的机会。在应用上，视讯识别可以满足诸多需求：例如影片拍摄分类，安全监控中的摔倒侦测、尾随进入建筑、爬墙，购物情境中的产品销售热区、结帐安全，自驾车中的事件判断，或是医疗照护中的老人看护、复健动作侦测等。

智能技术快问快答：人才篇

基于过去产业及学术经验，很幸运一直有机会与协助企业将这些前瞻智能技术落地为产品，过程中的挑战，不外乎「人才」以及「技术」两大类。许多资通讯产业的前辈们，也时常提出类似的问题，本文先就大家常询问的「人才」问题简短回答。

防疫推昇技术新需求

让世界措手不及的COVID-19(新冠肺炎)疫情，冲击资通讯产业链。典范转移，也推昇了新技术的需求：各国不断寻找有效、快速的检测、治疗技术，甚至全球被迫采用全新工作、生活型态。这样新的模式，也必然会产生新的需求。

美国国防部也在用　「可解释的智能技术」是什麽？

现今诸多机器学习应用都呈现超越人类的效能，技术的突破在于我们可以训练具庞大参数的机器学习模型；从传统仅使用几十个参数的方法(如SVM)提升到包含数千万(或数十亿)参数的深度学习网络，而且正逐步渗透各领域。

智能技术的跃竞年代

NeurIPS (旧称NIPS)，为机器学习领域的顶尖会议(顶会)，12月在温哥华召开。不令人意外，在智能技术的浪潮下，论文投稿以及参加人数持续创新高，大会还得启动抽签机制，来决定谁可以注册参加会议，结果这个较偏理论的机器学习大会还是涌进了大约一万三千人左右。参与其中，我们发现这也是智能技术的跃竞(Leap)时刻。

<<
1
2
3
4
5
>>