人脸辨识—深度卷积网络带来的突破

人脸辨识中，取出强健的有效特征值，即使在不一样的光源、拍摄时间、些微的表情、视角变化，仍能正确判断，是数十年来研究的挑战工作。而近来人脸辨识的稳定度可以提升到满足产业应用，在于两个主要因素：深度卷积网络的发展以及大量的人脸训练资料。

人脸辨识的技术环节

人脸辨识的核心问题，不管是人脸确认(face verification)或是人脸识别(face identification)，都必须在人脸上取出具有「辨别度」的特征值。

人脸辨识的核心问题与商机

随著摄影镜头的普及以及安全防护的需求，近来人脸辨识相关技术成为产业界关心的对象。搭配运算速度的提升、深度学习技术的突破、以及许多使用者端、企业端、政府端各种实质应用情境，也触发除了指纹、虹膜等生物特征辨识之外的产业机会。

对于技术革新，该是焦虑还是拥抱？

回顾人类科技的发展历史，每次的技术变革，都引起巨变、焦虑。但是1971年代开始的资通技术革命，其实台湾的产业界是很大的受益者。为什么？因为产业以及政策的配合，让我们可以快速的「拥抱」资通技术革命之后所带来的庞大商机。

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。