DIGITIMES - 椽經閣

泛人工智慧的技術領域

早期（1950年左右）的人工智慧研究因為技術及環境碰到瓶頸，一直未能落地。直到這幾年「深度學習技術」突破之後，「人工智慧」又再火紅回來。目前大眾媒體將電腦做智能分析（或決策）的相關服務都統稱為「人工智慧」（AI），這是一個偏行銷的用詞。而其中的關鍵技術，一般稱為「機器學習」(Machine Learning)，有數種不同的子領域，在1980年代開始已陸續實現在一些預測、推薦、分類的應用。因為資料（e-mail、網頁、產品、文件、資料庫、等）逐漸增多之後，自然需要更聰明的功能。根據需求以及可得的資料，電腦科學家嘗試去「逼近」某些「智能方程式」。

MRAM發展的震撼彈

年初在《Nature communication》上日本東北大學大野英男(Hideo Ohno)教授的團隊發表一篇關於MRAM磁各向異性能(MAE；Magnetic Anisotropy Energy)的論文，對整個半導體業丟了一個震憾彈。大野英男是MRAM領域的前驅人物，現在仍然活躍在研究的最前沿。已進入量產工藝的垂直自旋轉矩移轉磁性隨機存取記憶體(pSTT MRAM)就是由他們團隊最先展示的。

企業端剛性需求將是智能科技商機所在

前些日子參加國內創投業者的年會，並加入論壇交流，第一次面對這麼多的創投業者，讓身處學界的我從另一個面向來看技術的革新。

基因組編輯發展現狀與可能應用

基因治療(gene therapy)自從基因組編輯(genome editing)技術出現後取得快速進展，原先基因治療有如散彈槍般碎片四散可能傷及無辜，也可能因命中率低而功效甚微；基因組編輯利用引導序列(guide sequence)可以將一段基因從一特定位址精確的擊出(knock out)或擊入(knock in)以達到治療的目的。

智能產品開發沒有免費的訓練資料

最近在幾個中文網站都看到類似的文章下著聳動的標題”人臉辨識系統是否有種族、性別歧視？”故事源自於紐約時報的一篇文章以及其所引用麻省理工學院最近發表的某篇論文。大意是說經過實測三家公司（Microsoft, IBM, 以及大陸的Face++）的人臉辨識API（應用程式介面），發現在深膚色的人種上，辨識效果奇差，甚至錯誤率達到35%。

比特幣的美麗與哀愁

中本聰(Satoshi Nakamoto；化名，此人目前身份仍未明[1])於2008年10月提出著名的“Bitcoin: A Peer-to-Peer Electronic Cash System”比特幣概念提議，隔年1月3日第一個區塊鏈誕生，公開碼也於同年發佈，比特幣焉然問世，這也是區塊鏈技術的發軔。

神經形態晶片初試啼聲

AI晶片的競爭自2015已經逐漸進入白熱化，但是今年在此領域最引人注目的進展卻是過去較少人知曉的神經形態晶片(neuromorphic chip)，包括Intel在CES展示的Loihi以及MIT Jeehwan Kim團隊在《Nature Materials》發表的epiRAM方案。

台灣產業的數位轉型迫在眉睫

過去五十年，台灣產業在每一次的世界產業轉型都抓到了重點，創造了傲人的成績。但，熟稔高科技製造、貿易與服務的台灣產業，在過去十年間似乎陷入成長的困境。同時間，世界其他地區卻仍大步向前邁進，機會遍地，在這次的數位經濟時代該做的轉型，台灣沒抓到的是什麼？

醫療資訊分享系統與人工智慧醫療

健保署於1月18日舉辦記者會，發佈健保署醫療資訊上傳雲端與調閱分享1月正式上線服務的新聞，其中特別強調的是醫療影像的分享，電腦斷層、核磁共振、腹部超音波的影像跨院資訊分享已在去年開始試辦，這個架構領先全球。大部份報導的新聞重點聚焦在民眾的便利與每年20億的健保經費撙節，但這是劃錯重點。

量子點與量子電腦

量子點(quantum dot)將電子與電洞局限在極小的物質中－通常只有幾nm－因而產生可以控制的光、電、自旋等性質，通常這些性質與量子點的尺寸、形狀和材料有關。它的材料通常是半導體，譬如硫化鎘、硫化鉛等，因此有依賴成熟的半導體生產體制快速進入量產的潛力。目前它可見的應用包括電晶體、太陽能電池、顯示器、醫療影像等。最近幾年內，它又被用在量子計算機的量子位元上。