DIGITIMES - 椽经阁

autoML自动化深度学习網絡设计可行吗？

机器学习(深度学习为其中一分支)技术成为各产业智能化的核心能力，但是算法的设计复杂，需要专业知识与经验，对于好的人才，需求远大于供给。为了弥补这个空缺，这几年自动化机器学习工具(autoML)新研究兴起，希望有自动化的系统，在给定问题(通常是标记的數據)之后可以自动生成机器(深度)学习算法。在信息理论上，这是非常复杂的问题，需要大量运算资源，所以极具挑战。

脑机界面以及语音合成

脑机界面（Brain Machine Interface；BMI）开发迄今有15年了，最近有令人兴奋的进展：将神经活动解译成语音。这是基础科研以及医疗界的携手进展，而下一步—或长或短—或将要连动电子业了。

智能硬件扩张为生态系

硬件产业如何扩张？怎样跨足到毛利相对高的軟件或是新兴产业？这是臺湾许多资通讯业所关心的议题。似乎不少人选择跨足到与本业不同的全新领域，但这是唯一做法吗？

矽光子与机器学习芯片的初发

虽然矽光子已开始进入半导体发展的近程视界，但是除了通讯的天然应用外—光纤的信号出来可是光，其可能的应用会落在哪个领域很令人好奇。

人脸識別—从理论到产品

似乎一夕爆发，最近许多国内外的企业都将「人脸識別」列为主要的产品。这些公司横跨各种类型，包括芯片、軟件、系统、金融、交通、安全、服务等。显然目前人脸識別的学术突破，已经可以落地为实际应用，并成为很多跨领域的公司极度看好的核心技术。前阵子在硅谷举办NVIDIA GTC 2019，我们也分享了如何产品化人脸識別技术，之后收到很多工业界与会者非常正面而且热烈的评价。显然硅谷的产业链也十分在乎这项关键技术。

數據市集，數字行销与区块链的未来想像

$240是美国使用者其數據在數字广告上的平均价值，你有收到了吗？

下一个决战点：逻辑芯片与存儲器芯片的异质整合

我刚入半导体产业的时候，英特尔(Intel)是半导体业产业的庞然巨人，市值与其他同业有数量级的差距。于1984年自DRAM撤退后，专心致力于CPU的版图、成就霸业。卅几年光景过去，产业变成英特尔、三星电子(Samsung Electronics)、臺积电三分天下。而且在摩尔定律尚未尽的路途上，英特尔看来走得有些步履蹒跚了。可是路途犹未了，接下来这个领先群争些什么？

能源转型的契机，打造世界的未来样貌─CEMS区域型能源管理系统

作为各国政府面对世界能源、全球暖化、空气污染、城市居住等议题的解决方案，分散式电网正逐步扩大其应用领域，利用区域型能源管理的调度与分配，实现舒适且环保的城市发展，与自然和谐相处。且透过能源相关数据的實時信息分析，创造出与以往截然不同的生活样貌。

Facebook布局区块链是不是只为了安抚人心？

感觉起来，Facebook 2018年过得不太顺遂。先是3月的剑桥分析(Cambridge Analytica)事件；而下半年又闹出两次较大的用户數據外泄及隐私设定问题。闹这么多事，你或许会猜想，Facebook肯定失去消费者及广告主的支持，对年度营收造成负面影响？

可解释的人工智能

从几年前人工智能热起来后，可解释(explainable)一词瞬间变成显学。机器学习在许多领域取得不错的成绩，表现要再上层楼、消除错误、避免在关键时刻下错误的指令，就要理解机器学习的学习过程、建立模型以及下指令的机制。